1. 首頁 > 云知道 > >

識謠言、辨假貨 人工智能已活躍在打假一線( 二 )

科普


除去文字造假 ， 圖片視頻造假也越來越多 。 “我們將虛假新聞配圖分為復用的過時圖片、能引起歧義的誤導性圖片及篡改圖片 。 假新聞通常呈現出新聞要素缺失、圖像質量低、內容包含色情敏感廣告等低俗信息 ， 以及圖文不匹配等特點 。 例如 ， 有些假新聞中的配圖會出現滿屏彌漫沖天大火、公路凹陷深坑、被棄男童在垃圾廢墟前嚎啕等畫面 。 ”曹娟描述道 ， “謠言更易形成病毒式擴散的趨勢 ， 而真實新聞的擴散速度和爆發度要溫和許多 。 ”
“從核心技術上 ， AI甄別謠言依賴于‘三多’ 。 ”曹娟說 ， 一是多模態數據 ， 謠言從發布、傳播到被辟謠的生命周期中 ， 可能會伴隨產生文字、圖片、視頻、傳播網絡、參與用戶屬性等多種模態的數據 ， 各模態數據均能不同程度指示謠言 ， 例如謠言文字的情感傾向、圖片的視覺沖擊力、傳播網絡的結構屬性等 ， 但沒有哪種模態的數據擁有獨立完全的謠言指示能力 ， 所以要盡可能獲取不同模態的數據 。
二是多層次表示 ， 深度學習技術有強大的表示學習能力 ， 經過神經網絡結構和融合機制的設計 ， AI模型可以在面對眾多意義、形式、結構都不同的模態數據時 ， 綜合不同層次數據 ， 自動找出最有區分能力的表示組合 ， 并將待甄別文章對應的文字、圖片、傳播網絡等融合投射到特征空間中 。
三是多角度判斷 ， AI可以從單一方面（如內容、用戶、傳播）給出可信度 ， 也可以全面觀察 ， 給出綜合所有信息的可信度 ， 及時幫助人們“揪出”可信度不高的信息 。
結合專家經驗辨別虛假商品
曹娟介紹 ， 目前除了鑒別虛假新聞、虛假圖片 ， AI虛假檢測技術還可以應用在對虛假商品的檢測上 ， 如基于視覺信息技術鑒定一些高檔商品的真偽 。
2017年 ， 美國紐約大學成功研發出一套假貨鑒定系統Entrupy ， 用戶利用配有微型相機的手持設備對鑒定物品進行拍攝 ， 這個系統利用機器學習算法 ， 分析圖像 ， 最終確定產品的真實性 。 其聯合創始人介紹 ， 除了表面是屈光的鉆石和瓷器不能檢測外 ， 這項技術使用光學分析可測試汽車零部件、手機、充電器、耳機、夾克和鞋子 ， 甚至原油 。
近日 ， 中國科學院計算技術研究所與國內某奢侈品電商宣布共建聯合實驗室 ， 探索智能鑒定和智能內容分發、在線鑒定商品業務等內容 。 那么 ， AI如何對商品 ， 如包、鞋辨別真假；在識別假貨方面 ， AI可替代專家嗎？
“與人識別假貨相比 ， 在強度、效率等方面 ， AI有著突出表現 。 例如 ， 一般識別假LV包的專家 ， 工作一天只能鑒定五六個包 ， 而AI篩查一個包僅需幾分鐘 。 實際操作中 ， AI先在大量篩選中發現異常情況 ， 報警示錯 ， 再由專家來做進一步甄別 。 即以AI技術打假為主、以人工審核為輔 ， AI還不能替代專家 。 ”曹娟說 。
【識謠言、辨假貨 人工智能已活躍在打假一線】曹娟表示 ， 虛假商品檢測可形式化為異常檢測問題 。 正品樣本往往量很大 ， 但仿品樣本量很小 ， 甚至為零 。 這時候 ， 只能對大量正品進行建模表示 ， 然后對待檢測樣本 ， 要看它與正品相比是否存在異常 。 但單純的數據學習是困難的 ， 鑒別中還要結合鑒定專家的經驗知識 ， 以引導模型學到快速定位異常區域的能力；同時 ， 模型通過數據驅動發現的視覺規律 ， 也會反饋給專家 。 因此 ， 這是一個專家和模型相互學習、迭代提高的過程 。 （采訪人員 華 凌）

推薦閱讀