印度科纳鲁·拉克什迈亚教育基金会研究团队开发出一种能自动检测假新闻的人工智能（AI）系统，在两个数据集的测试中，判断准确率超过98%。也就是说，每100条新闻中，它仅会漏判一两条假新闻。相关论文发表于新一期《国际信息与计算机安全杂志》。
新系统采用一种Transformer编码器作为核心。Transformer是一种基于注意力机制的深度学习模型，这类AI模型能识别词语与其上下文之间的关联，从而更准确地理解文本含义。团队进一步将其与“鹿群狩猎优化算法”相结合。该算法模拟猎人追捕鹿群的行为，属于群体智能优化方法，可自动微调模型参数，无需人工逐一选择和校准。在将文本输入模型前，系统会先去除网址、标点符号等，以提升分析效率。
自动检测能够大幅加速事实核查流程。传统核查往往成本高昂、耗时费力，而该系统可帮助社交媒体平台快速筛出误导性内容，遏制其扩散蔓延。
下一步，团队计划在真实社交媒体内容上测试该系统，检验其能否将欺骗性信息与高度相似的正规报道区分开来。
目前，该方法仅适用于纯文本，尚不能识别图像篡改、深度伪造视频，也无法判断图文之间是否存在矛盾。未来工作或将拓展至多模态内容分析，并探索内容与发布者之间的关联，将其作为判定假新闻的重要线索。
（本文摘自科技日报第4版）
印度科纳鲁·拉克什迈亚教育基金会研究团队开发出一种能自动检测假新闻的人工智能（AI）系统，在两个数据集的测试中，判断准确率超过98%。也就是说，每100条新闻中，它仅会漏判一两条假新闻。相关论文发表于新一期《国际信息与计算机安全杂志》。
新系统采用一种Transformer编码器作为核心。Transformer是一种基于注意力机制的深度学习模型，这类AI模型能识别词语与其上下文之间的关联，从而更准确地理解文本含义。团队进一步将其与“鹿群狩猎优化算法”相结合。该算法模拟猎人追捕鹿群的行为，属于群体智能优化方法，可自动微调模型参数，无需人工逐一选择和校准。在将文本输入模型前，系统会先去除网址、标点符号等，以提升分析效率。
自动检测能够大幅加速事实核查流程。传统核查往往成本高昂、耗时费力，而该系统可帮助社交媒体平台快速筛出误导性内容，遏制其扩散蔓延。
下一步，团队计划在真实社交媒体内容上测试该系统，检验其能否将欺骗性信息与高度相似的正规报道区分开来。
目前，该方法仅适用于纯文本，尚不能识别图像篡改、深度伪造视频，也无法判断图文之间是否存在矛盾。未来工作或将拓展至多模态内容分析，并探索内容与发布者之间的关联，将其作为判定假新闻的重要线索。
（本文摘自科技日报第4版）
