Facebook

2016年简直就是传统媒体大溃乱的一年，美国皮尤研究中心做的“2016年媒体生态”调查显示，传统媒体广告收入下降，解雇员工人数增加，和2004年相比，美国报纸数量减少了100家。2003年到2014年之间，随着纸媒的衰落，专业记者人数减少了35%。

相生相伴的，是读者对媒体愈发的不信任。他们更愿意相信自己的判断，直接到源头找信息。但问题是，个人受专业、精力、时间的限制，并无法达到专业媒体已有的查证事实的能力，也无法查证新闻来源是否靠谱。

特朗普的Twitter账号就是这一现象的绝佳例子，他是言论的第一发布者，但是他的言论有大量不实成分，这意味着他是一个不客观真实的信源。《华盛顿邮报》技术团队近日就开发了一款名为“RealDonaldContext”的Chrome浏览器控件，该控件对每条特朗普的Twitter进行事实核查（Fact Check），指出他言论中不准确或不真实之处。

特朗普Twitter下面出现的《华盛顿邮报》事实核查小灰框

安装了该控件的读者会在原推文下面看到一个灰色小框框，里头简短几句话解释为何这些言论不正确，并附上华盛顿邮报相关报道的原文链接。

当然，这种做法不仅是传统媒体对不实信息及假新闻的宣战，也能潜在为《华盛顿邮报》带来一些流量。《华盛顿邮报》3年前就开始开发事实核查工具，它也是目前和Facebook合作的第三方事实核查团队之一。

2016年美国总统大选之激烈，过程之戏剧化，可以说，社交媒体助力良多。拥有12亿全球用户的Facebook不得不承认，他们的影响力当已经远远超过了一家“科技公司”应有值，毕竟，始于并因Facebook的传播而广泛传播的谣言及假新闻，对大选造成了无法忽视的影响（比如，之前流传的“教皇支持特朗普”的消息就始于它）。

加之，为了最大程度减少假新闻和仇恨言论对明年德国大选的影响，德国立法机构正在考虑设立相关的罚款条款，对Facebook这类社交媒体上传播的虚假新闻或仇恨言论处以每条50万欧元（约合370万元人民币）罚款。德国带头对Facebook施压，可能会带动欧洲其他国家也采取类似的行动。

这对社交媒体来说也是另一种成本。于是，Facebook团队对越来越大的舆论压力终于有了实质性的回应。

继今年11月扎克伯格提出要应对假新闻后，近日，Facebook新闻推送（news feed）版块的副总Adam Mosseri发文详细阐述了他们对抗假新闻/假消息的初步方法/手段：

优化举报的功能（easier reporting）

标记具有争议的故事（ flagging stories as disputed）

在可能的假新闻被转发前提醒用户（ informed sharing ）

打乱假新闻发布者的营收模式（disrupting financial incentives for spammers）

简单来说，Facebook会优化原有的举报功能，当一篇文章被足够数量的用户举报（目前这个数字还是未知）并被标为“具有争议性”，它将被提交给第三方事实核查团队查证（图1）。

图1

如果第三方机构证明这篇文章是假新闻，而用户还想转发，他们就会得到一个“此文被第三方认证为假新闻”的提示（图2）。点击提示框里的“Continue”选项，用户会看得到揭穿该文的原始报道/分析。

图2

这一过程中，最复杂，也是最耗人力物力的环节，始于一篇文章被标为“具有争议性”。由于第三方事实核查人员有限， Facebook正在改进算法，力求从不同维度分析浩如烟海的内容，让机器挑选可疑文章提交给第三方，提高认证效率。

比如，一篇文章是否被大量用户举报？它的转发量是否高得令人怀疑？ 它是否有病毒式传播的潜力？搭配着使用的，还有Facebook已经运行了一年的内容分析系统，它通过分析用户的评论来判断文章本身的真实程度。

Facebook内部研究团队也没闲着，他们从新闻来源着手，分析网站域名，找出那些发布最初信息的私人网址，协助第三方查辨消息真伪。如可能让人误以为是《华盛顿邮报》官网“washingtonpost.com”的“washingtonpost.co”。

从以上渠道获取的具有争议性的文章，将被汇总到第三方事实核查机构手中。目前和Facebook合作的团队还有Snopes、 ABC News、 PolitiFact、 FactCheck.org、 美联社。这些机构都是Poynter’s国际事实核查网络的成员，他们赞同并遵守“事实核查者准则”，查证信息的方法与传统媒体原先做法相似。

甄别该文的来源和内容后，当确认它是假新闻，必须标注该文“无新闻来源”，并发布揭穿该文的另一篇文章，注明反驳文的来源。这些被确认为假新闻故事，会出现图2的提示框。但Facebook并不会阻止人们继续传播。由于这项功能现在只处于测试期，仅限部分实用英语的地区用户使用，且第三方人员有限，目前该功能针对的只是那些错得离谱的报道或网站。

Facebook目前对假新闻发布者的惩罚措施是，禁用其使用Facebook的广告服务。他们认为，很多假新闻是受经济利益驱使出现的，它们旨在吸引用户，获取流量和广告收益。如果减少了这种广告收益，就能减少假新闻的出现。Facebook表示，他们也会考虑对这些发布者采取别的措施，但暂时没有公布这些措施的具体内容。

新闻聚合网站，如国内的今日头条，近日也作出了算法的调整，对不实信息和谣言采取了行动。

用户最近5天在今日头条阅读过的内容，如果被证实为谣言，那么系统会通过辟谣机制，第一时间在页面的信息流中为用户展示一条辟谣信息。辟谣内容来源会首先选择权威媒体，以及事件的当事者。

据今日头条副总编徐一龙介绍，辟谣功能需要及其算法和人工共同合作，算法模型通过消息评论和用户举报等渠道的反馈，抓取符合谣言特征的内容，交由人工复审。如果大量用户举报一篇内容为虚假消息，或在某篇内容的评论区中密集出现“假新闻”等类似关键词，机器可自动识别并提交给今日头条审核团队，进入复审队列。

在确认为虚假信息后，系统会立刻停止虚假信息的推荐和展示，并依据平台运营规则对违规账号进行处罚。如果是影响范围很广的不实信息，今日头条的辟谣机制就会走到最后一步，精准推送辟谣内容。对于看过谣言的用户，系统会自动推荐辟谣文章，没看过的用户，系统会根据他的个性化阅读需求正常推荐，不会强推。

但与Facebook不同的是，今日头条没有传统媒体那样的编辑，徐一龙表示，他们有产品、运营、审核的同事，他们每天的重要工作就是调教算法，让算法进行更精准的分发。

但算法真的是解决一切问题的终极答案吗？

近日，Google受到口诛笔伐。因在其搜索框里输入“did the hol”时，竟自动填充了“did the Holocaust happen (犹太大屠杀是否存在)”选项，更糟糕的是，置顶结果竟然是一个新纳粹网站stormfront.org的文章，标题是“证明大屠杀没发生的十大理由”，维基百科的解释只排在第二位。

一开始Google想撇清关系，对外声明这种仇恨言论虽然出现在搜索结果里，但并不代表Google的立场。而《卫报》记者随即发现，只要在Google的广告服务AdWords上付费，就能改变置顶的网站。

《卫报》记者付费后改变了搜索结果的排序，她自创的条目“The Holocaust really happened”以广告的形式被置顶。

在越来越大的舆论压力之下，27日，经过紧急修改，现在Google已经完全移除了“大屠杀没有发生”这种搜索结果和相关的问题链接。先不谈技术公司是否需要像媒体一样对平台上的内容负责，从这件事就可以看出，连谷歌的的算法都不完美。

虽然Google否认他们奖励那些点击率高的网站，但他们也并未更多解释目前使用的算法。业界权威建议，Google应该尽可能增加搜索结果排名的透明度，并利用人工复查等方式弥补算法现有的缺陷。

对抗假新闻，我们还能做什么？

Dean Pomerleau现任卡耐基梅隆大学的客座教授。这位在1989年就造出了自动驾驶 ，并预判到人工智能火热应用前景的AI专家也深受假新闻困扰，于是，他始发了一项名为#FakeNewsChallenge的竞赛，希望机器学习和人工智能界的好手能够开发一种鉴别假新闻，并将之移除的算法。

他个人出资1000美元作为获胜者的奖金，同样出资1000美金的还有亚马逊Echo声音识别系统的开发者Delip Rao。各国好手们纷纷组队参赛，在接下来的6个月之内将相竞用神经网络系统等机器 学习方法来创建对抗假新闻的算法。

但这样的尝试不一定会成功。

假新闻从出生以来，从未被打败。最早的假新闻可以追溯到1475年的意大利，它存在的目的，就是煽风点火，传播歧视言论和固化偏见，并引发社会暴力行为。1439年古登报堡发明了铅字打印技术后，假新闻随着报纸的兴起而盛行。很多我们耳熟能详的极端历史事件都与假新闻扯不开，比如中世纪的焚烧女巫、海怪传说，甚至是纳粹的反犹歧视宣传，也借用了15世纪“犹太人在祭祀仪式上喝幼童的血”的假新闻。

与假新闻的战争，是人类理性和懒散愚昧本能之间的战争，理智一松懈，假新闻就会趁虚而入。

Delip Rao的计划是，着手建立一个庞大的假新闻数据库，不断收集新数据，训练算法鉴别假新闻，当算法得到升级，它找寻判别假新闻的能力随之增强，越来越多的假新闻被加入数据库中，形成一种正向循环。

就像斯坦福大学建的ImageNet图片数据库，神经网络通过大量数据分析，现已能分辨电子图片中的人脸。但这也有难度，因为假新闻的判定本身需要大量精力与时间。它没有唯一的判定标准，有些新闻似是而非，不实比例可大可小，在辨别消息真假之前，读者不仅要对新闻来源和文中涉及到的历史地理文化背景有所了解，还需要理解文本语义修辞，别错把反话看成陈述。

Dean Pomerleau对此也早有认识。他接受采访时表示，让机器判断虚假信息，相当于要求它们达到受过较高水平教育的人的智能水平，这在短期看来是不会实现的。因此，他们旨在开发的算法无法取代人类，但能帮助人类，快速准确地排查假新闻。

数据时代，假新闻的产生与流量、点击率和利润紧密相关，而科技公司、社交媒体、传统媒体、各种形态的新闻聚合平台和公众即将共同面对的，是一场对抗假新闻的硬仗。算法目前还没有能力检测新闻的真假，而如今的媒体生态下， 或许最合适的方式还是人类与机器协同工作。

【来源：钛媒体     作者：元婕】