公告：Twitter买粉丝平台 --推特刷评论
译者 | TRISTAN GREENE
翻译者 | 原子武器果汁
撰稿 | Natalie
AI 第一线编者按：随着整个世界对不实新闻报道的围堵，很多好友可能将认为这类问题早已荡然无存。不过，由于SNS新闻媒体机器仍在以低于恒定人类文明使用者的速率正式发布重要信息，那些低可信性文本正继续侵袭于SNS新闻媒体其内。更多高质量文本请关注社会公众号AI 第一线（ID：ai-front）
源自奥格登顿明尼苏达理工学院的几组科学研究相关人员前段时间进行了几项开拓性科学研究，意在确认与此相反新闻报道中文网站究竟是如何将这么多形迹可疑该文转给大量听众的。总之，大家可能将早已猜出了结论——标准答案便是机器。
TNW 专访了党委该项科学研究的 Filippo Menczer 副教授。他告诉我们，尽管机器有关账号在与低可信性新闻报道有关的全部账号中仅占极小部分比率，但它们对那些该文在 Twitter 上的散播却产生着非常大的影响。
Menczer 项目组的科学研究结论表明，机器的作用是在不实新闻报道正式发布之后为其摇旗呐喊，进而抬高该文这类的关注度。此外，机器还负责管理将其转贴至有在政治上声望的有关人士，以进一步进一步增强不实文本的散播可能将性。
少女正式发布了两张相片，其中展现了他母亲的市民得票率；同时数人地歪曲了克林顿的这一结论，以保证其市民支持水平貌似低于克林顿。
— William LeGate (@williamlegate) 2018 年 8 月 8 日
根据该项目组前段时间正式发布的科学研究论文（https://www.nature.com/articles/s41467-018-06930-7）：
在该文散播之前，机器即会在早期正式发布过程当中放大其中的文本。机器还会通过回复以及针对性地提及拥有大量影迷的使用者抬高该文关注度。人类文明很容易受到此类操纵活动的影响，进而转贴机器正式发布的文本。各类成功的低可信性重要信息源，实际上都高度倚重于SNS机器的帮助。
该项目组分析了 1360 万条与低可信性文本有关的推文，而后进行模拟，并发现将机器文本排除在外将使那些低可信性该文的转贴总量减少达 70%。
很明显，低可信性文本的散播依赖于机器，但最大的问题在于如何检测哪些账号背后实际由机器操控。Menczer 在接受 TNW 专访时指出，这是SNS新闻媒体领域中的一个系统性问题，而不仅仅是 Twitter 自己的问题。不过 Twitter 的数据最容易访问，因此他的项目组才决定以此作为科学研究起点。
遗憾的是，由于SNS新闻媒体庞大的规模与覆盖范围，我们再也无法弄清基础分析或者使用者民间调查的真实状况。明尼苏达理工学院必须建立起一套机器学习系统，用以识别SNS新闻媒体上的机器 ; 此外，还需要一套分析网络平台进而对 Twitter 上的重要信息散播途径进行可视化处理。
这两套网络平台早已成为现实，Botometer 与 Hoaxy 的出现帮助 Menczer 和他的项目组成功分辨出哪些账号（可能将）由机器操纵以及那些机器的实际成效。
解决方案
我们早已迎来新的历史节点：当下，SNS新闻媒体上出现的主观论断早已几乎不可逆转。恶意人士可以利用 Twitter 作为温床测试并散播各种谎言，进而轻松确认其中哪些适合作为在政治上家拉拢民心的资本。而低可信性中文网站的大量涌现使得那些不实新闻报道能够极为轻松地被广泛覆盖，最终建立起一个围绕谎言展开的反馈循环。
解决这个问题的方法之一，在于限制或者消除SNS新闻媒体上的机器。虽然机器在行善之时拥有极大力量——包括正式发布合法新闻报道，帮助小型企业宣传自身并与客户互动，甚至是作为使用者无聊时可以调戏的对象——但其同时也早已成为一种足以左右人们认知的有力武器。
但必须承认，机器禁令只是一种最粗暴无脑的本能反应。对合法利用机器进行娱乐或者学术目的的受众来说，一纸禁令只会引发非常大的抗议与反弹。
加利福尼亚州前段时间出台了有关立法 ，宣布除非创建者在机器的SNS新闻媒体资料当中明确提到其并非人工操作，否则机器账号操作将被视为刑事犯罪行为。这项举措的出台似乎有望阻止加利福尼亚州内利用机器扰乱SNS新闻媒体秩序的活动，但在我们看来，有关法律的具体执行仍然困难重重。更遗憾的是，就目前来讲，唯一可行的解决方案就是提升我们自己的认知水平与分辨能力。
麻省理工学院SNS网络重要信息散播专家 Sinan Aral 并没有参与明尼苏达理工学院项目组的科学研究，他在接受 Science News 专访时就此给出自己的意见：
我们自身也需要对这个问题承担起一定责任，包括擦亮双眼、不转贴不实重要信息等等，那些都是我们需要直面的责任。
更具体地讲，由于那些价值数十亿美元的技术企业没有能力保证自己的服务不被由简单代码行构建的机器所滥用，我们身为使用者就只能投入时间免费为其监管网络。
但实际上，我们大多数人都没有时间去一一探究那些貌似形迹可疑的新闻报道报道背后究竟有着怎样的真相。更糟糕的是，使用者往往需要经过数小时甚至是数天，才能得到有说服力的事实以判断自己看到的文本是否属于不实新闻报道。
解决问题的标准答案之一，在于利用人工智能技术实时自动检查有关事实，以便受众群体能够在阅读新闻报道之前选择以怎样的心态或者置信度看待这一切。这并不算是理想的解决方案，但确实能够为那些意识到自己身陷不实新闻报道泥潭的听众们带来一点希望。
为此，TNW 与 OwlFactor 公司创始人兼 CEO Arjun Moorthy 进行了交流。该公司打造出一款浏览器插件，能够利用机器学习技术来判断当前该文是否符合特定的报告标准（https://www.owlfactor.com/static/about.html）。
我们询问 Moorthy，他对 OwlFactor 的该文评级系统抱有怎样的期望：
总结来讲，我们希望利用那些评级系统以不同于其它中文网站的方式呈现高质量文本。大多数中文网站，特别是SNS新闻媒体上的中文网站，往往会根据受欢迎程度突出显示某些文本。而受欢迎的程度往往基于分享 / 赞 / 喜欢等推动性指标 ; 或者是基于译者自身的人气，即关注者 / 影迷数量。OwlFactor 完全立足评级系统进行文本筛选，而不考虑任何流行度指标。
这有望指引我们摆脱以该文受欢迎程度来证明其实际质量的想法。另外，由于 OwlFactor 不会引编者按者的喜好与习惯（总之，该公司确实希望能够提供此类整合服务），因此这种不存在偏见的洞察见解可能将为身处不同在政治上立场的使用者带来帮助。
时至今日，我们早已被SNS新闻媒体机器以及受此影响而无辜站队的使用者所淹没。更具体地讲，任何自认为没有受到错误重要信息影响的SNS新闻媒体在政治上话题参与者，实际上都早已在不知不觉中成为舆论诱导的受害者。
而且随着 2020 年下一届美国总统大选的日益临近，这种情况只会变得更糟。
原文链接：https://thenextweb.com/artificial-intelligence/2018/11/27/heres-why-low-credibility-news-seems-to-dominate-twitter/
如果你喜欢这篇该文，或希望看到更多类似高质量报道，记得给我留言和点赞哦！
