«Фейковые новости» трудно определить, но уже сейчас необходимо попытаться построить алгоритмы обнаружения.
Вы подходите к одной из основных проблем, с которыми сталкиваются исследователи в этой области: твердая и объективная истина. Новостные новости трудно помещать в четко определенные корзины. Но я бы сказал, что исследователям все еще необходимо создавать алгоритмы обнаружения для различных типов новостей уже сейчас, чтобы мы могли понять, какие функции убеждают пользователей делиться такими историями в будущем. В то время как «фейковые новости» — это именно то, что вы говорите, продукт давних планов и обязательств, и стратегии для выполнения этих планов будут постоянно меняться (во многом как битва хакеров против безопасности), понимание того, какие функции улавливает пользователь в их решении поделиться или поверить будет иметь первостепенное значение сейчас и в будущем.
Эту идею мы пытаемся исследовать в нашем последнем исследовании новостей. Мы показываем, что пользователи, скорее всего, используют быстрые пути принятия решений, читая только заголовок новости, когда делятся ею. Использование этих сокращений — хорошо известное поведение людей (посмотрите на работы Канемана, работы Левандовского и т. д.) и может происходить из-за отсутствия потребности в познании, когнитивной перегрузки или просто усталости. Более глубокое понимание этих вещей, особенно в сетевых настройках, может быть достигнуто путем сочетания самоанализа алгоритмов обнаружения и изучения пользователей. Это необходимо, потому что это тонкое человеческое поведение не изменится.
Теперь вы определенно правы, указывая на то, что большую опасность в новостях представляет «тонкое содержание, которое является фактически точным, предвзятым в подаче и оформлении». Чтобы решить эту проблему, нам нужно начать изучать новости не только с крайних точек (крайне ненадежные и чрезвычайно надежные источники), но и весь спектр новостей. Один из подходов к этому состоит в том, чтобы выполнить неконтролируемую кластеризацию с использованием многих различных типов характеристик (количество раз, когда что-то было проверено как ложное из источника или субъективность статей источником) новостей, чтобы создать объективную истину для изучения. Получив это, мы можем начать исследовать, как люди взаимодействуют с различными новостными статьями в этих спектрах; еще раз что-то, что не так сильно изменится со временем, как содержание новостей.
Дело в том, что, хотя эти вещи трудно определить и они связаны с человеческими планами и поведением, нам все еще нужно попробовать алгоритмы обнаружения сейчас, чтобы мы могли понять, почему существуют важные функции в предсказании и как люди взаимодействуют с этими функциями, а не только это. показать, что некоторые функции важны или что мы можем их правильно обнаружить (на данный момент). Ключевым моментом является то, что машинное обучение — это не конечное решение, а средство для достижения лучшего решения или понимания.
