毫不夸張的說，生活在信息時代的我們，已經(jīng)無法想象沒有互聯(lián)網(wǎng)的生活。各式各樣的信息充斥在網(wǎng)絡上，每秒都有無數(shù)新信息冒出，我們需要做的只是簡單的動動手指，利用搜索引擎搜索關鍵詞。這些信息，無論是真實的還是虛假的，有用的還是無用的，我們每個人都難以避免與它們接觸。

在 2019 EmTech China“全球新興科技峰會”上，賓夕法尼亞大學的計算機和信息科學系教授 Dan Roth 在演講的最開始就呼吁，“互聯(lián)網(wǎng)上的信息污染問題與我們每個人息息相關，每個人都有權利關心?！?/p>

圖丨 Dan Roth（來源：DeepTech）

Roth 教授列舉幾條實際發(fā)生的事情，比如 2016 年的美國大選，F(xiàn)acebook 和推特上就曾涌現(xiàn)了很多假賬號和假資訊，有些信息已經(jīng)達到了以假亂真的程度，一度誤導了很多美國網(wǎng)民，最后官方帳號不得不站出來辟謠，社交媒體平臺也出臺了相關措施。

事實上，在世界范圍內(nèi)都存在謠言大肆傳播的情況。歐美網(wǎng)民常用的 Facebook，WhatsApp 和推特，中國網(wǎng)民常用的微博和微信，都是虛假信息滋生的地方?；ヂ?lián)網(wǎng)和社交媒體的本質是傳播信息，由于假信息通常以爆料和顛覆常識為噱頭，更容易抓人眼球，因此它們的傳播速度很快，尤其容易涉及醫(yī)療、教育、科學和公共政策等領域。

在 Roth 教授看來，這種信息污染“是絕對不能接受的”，否則后果可能是致命的。舉個例子，現(xiàn)在人們很喜歡在網(wǎng)上搜索某種疾病的治療方式，然而網(wǎng)上良莠不齊的資料矛盾百出，而且還可能包含作者的深層次目的，比如推銷自家產(chǎn)品和技術。想要找到真實可靠的信息，需要具備相關專業(yè)知識，才能自己辨別真?zhèn)?。一旦誤信了虛假資料，輕則耽誤疾病治療，重則危及生命。

“所以我們需要開發(fā)一個計算框架，幫助人們在這樣的信息污染世界中生存，”Roth 教授強調。人工智能和自然語言處理技術（AI & NLP）就可以成為這樣的工具，幫助人們找到、收集和整理真實可靠的信息，分辨資訊的真?zhèn)巍?/p>

自然語言處理技術可以分析語句，理解它們背后的深層次含義。Roth 教授表示，借助機器學習的力量，可以更好地從原始文本中提取信息，分析語句和語段之間的關聯(lián)，讓計算機像人類一樣理解語言背后蘊藏的意義。

這聽起來簡單，實現(xiàn)起來卻十分困難。因為人類自然而然地就可以理解語言的模糊性，結合語境、上下文和文化背景，就可以分析出語句的深層含義，但對于計算機來說，它習慣于明確的指示，并不具備理解語言模糊性的能力，需要研究人員付出很大的努力去實現(xiàn)和完善。

Roth 教授最新的研究就著重于整合和完善自然語言處理過程，主要從了解信息源和理解證據(jù)入手。

（來源：Dan Roth）

首先，自然語言處理系統(tǒng)必須知道如何找到可靠信息源，即去哪里證實手里有的信息？在找到信息源之后，系統(tǒng)還需要知道如何看待信息源的背后目的和含義，即它持有什么樣的視角（perspective）？

Roth 教授解釋說，一千個人眼中就有一千個哈姆雷特，每個人看待故事的角度不同，因此系統(tǒng)在收集信息時，也需要具備辨別視角的能力，注意審視不同的條件和情況，不能以偏概全，防止被一些帶有偏見和誤導性的信息左右。

這就要求系統(tǒng)去尋找證據(jù)（evidence），來分類和支持不同的信息，證明哪些信息更可靠，更有價值，更有意義。這樣系統(tǒng)就可以更好地理解語言究竟要表達什么意思，背后有什么意圖。

在 Roth 及其團隊的研究中，他們進行了一項實驗—識別有關《一周偶像》信息。實驗中使用的原文提到了節(jié)目主持人是 1983 年出生的，但系統(tǒng)找到了多種可靠證據(jù)證明，他們是 1978 年出生的。這說明原文出現(xiàn)了事實性錯誤，于是系統(tǒng)將其標識為“虛假信息”。

Roth 解釋說，“整個語言識別系統(tǒng)就像是網(wǎng)絡一樣，對于不同的資訊或主張信息（claim），會找到很多不同的信息源（source），為了驗證這些信息源，系統(tǒng)會收集不同的證據(jù)（evidence）。”

這種邏輯模式模擬了人類的批判性思維，即利用證據(jù)分析信息源的可靠程度，理解它們背后的內(nèi)容和意義。只有這樣才能從根本上杜絕錯誤信息的大規(guī)模傳播，幫助人們獲得可信的信息，并且真正理解它們，實現(xiàn)價值的最大化。

“我相信，在每個人都開始關注這件事情后，整個人類社會都將會收獲巨大?！?/p>