Twitter will mit Deep Learning gegen Fake News vorgehen
Kredit: Vermögen
Twitter ist eine Social-Media-Epidemie, der scheinbar unmöglich etwas entgegenzuwirken ist, und wird Deep-Learning-Algorithmen einsetzen, um die Verbreitung gefälschter Nachrichten einzudämmen.
Fake News ist ein relativ neuer Begriff für ein uraltes Problem. Mit Social Media ist es noch einfacher, Lügen zu verbreiten. Nun hofft Twitter, dass Deep Learning dem ein Ende bereiten könnte.
Es ist passend, dass Twitter jetzt Tools gegen Fake News implementiert. Die meisten von uns haben den Begriff zuerst auf der Website gelesen, wahrscheinlich in Bezug auf etwas, das Donald Trump getwittert hat. Die Geißel der Fake News reicht jedoch weit über Ihre Twitter-Timeline hinaus.
Die Geschichte des Online-Journalismus ist komplex. Im Jahr 2019 sind wir im Grunde an einem Punkt angelangt, an dem Zeitungen es bereuen, ihre Inhalte jemals kostenlos online gestellt zu haben, und Printmedien damit zu kämpfen haben, dass jeder kostenlos Informationen online teilen kann. Paywalls sind an der Tagesordnung. Abonnements für Inhalte sind beliebt. In einem gesättigten Markt ist es schwieriger denn je, sich online abzuheben.
Wie stellen Sie also sicher, dass die Leute Ihre Website besuchen und Ihren Artikel lesen? Für einige liegt die Antwort in einer eklatanten Erfindung. Andere sind etwas subtiler irreführend. Es gibt einige Kanäle, die Satire veröffentlichen, und in einem turbulenten politischen Klima kann dies als Fake News missverstanden werden.
Twitter versucht, die Dinge ein wenig klarer zu machen.
Mit der Übernahme der in London ansässigen Fabula AI bringt der Social-Networking-Riese ein Startup an Bord, das Technologien entwickelt hat, um Desinformationen online zu erkennen. Twitter hofft, dass dieser Neuzugang seine Plattform zuverlässiger macht. Gerüchte können leicht Feuer fangen: Stellen Sie sich Fabula AI als Feuerlöscher vor.
Deep Learning zielt eher auf die Verbreitung von Nachrichten als auf den Inhalt ab
Fabula AI wird dabei helfen, auf den bestehenden maschinellen Lernfähigkeiten von Twitter aufzubauen. Es wird angenommen, dass Twitter Natural Language Processing (NLP), Empfehlungssysteme und Reinforcement Learning einsetzen wird.
NLP ist besonders nützlich, wenn es darum geht, geschriebenen Text zu durchsuchen. Es ist bereits von Unternehmen wie Spotify beschäftigt das Internet nach Blogs zu durchsuchen, die über Musiker geschrieben wurden, und es verbessert intelligente Geräte und Chatbots. In der Vergangenheit war NLP auf bestimmte Sätze und Wörter angewiesen. Chatbots zum Beispiel würden sich auf bestimmte Wörter in der richtigen Reihenfolge verlassen, aber NLP wird jetzt intuitiver. Die Technologie wird bei der Suche nach verwandten Begriffen immer besser.
Mit subtilen Unterschieden zwischen einer manipulierten Geschichte und wirklich guten Inhalten hat Deep Learning die Macht, ein wenig tiefer zu graben.
Oft gibt es verräterische Anzeichen dafür, ob eine Quelle wahr ist oder nicht. Laut Claire Wardle von First Draft News gibt es sie Sieben Arten von Fake News. Von falschen Verbindungen – wenn die Überschrift nicht ganz mit dem Inhalt übereinstimmt: Denken Sie an Artikel im Clickbait-Stil „Sie werden nicht glauben, was als nächstes geschah“ – bis hin zu betrügerischen Inhalten – bei denen Quellen absichtlich gefälscht werden – gibt es viele Möglichkeiten, zu täuschen Eine Audienz.
Fake News sind ein komplexes Geschäft. Mit subtilen Unterschieden zwischen einer manipulierten Geschichte und wirklich guten Inhalten hat Deep Learning die Macht, ein wenig tiefer zu graben. Fabula AI schaut nicht auf den Inhalt, sondern wie er verbreitet wird. Die Unterschiede zwischen der Art und Weise, wie echte Nachrichten organisch mit denjenigen geteilt werden, die nach Updates suchen, und der Verbreitung von Lügen sind viel größer als die Unterschiede zwischen den Inhalten.
Durch Reinforcement Learning ist es für einen Algorithmus möglich, sich mit mehr Informationen zu verbessern. Die KI, die Twitter auf seiner Plattform implementieren möchte, wird immer mehr Informationen aufnehmen und ständig analysieren, um eine bessere Vorstellung davon zu bekommen, was Fake News sind oder nicht.
Fabula vergleicht Deep Learning mit einer „Krankheit“, die sich über ein Netzwerk ausbreitet und hat patentiert Technologie, um dem entgegenzuwirken. Die Algorithmen analysieren nicht so sehr die verbreiteten Artikel, sondern Twitter selbst. NLP wird verwendet, um herauszufinden, wie Benutzer die Informationen teilen, und kann gefälschte Nachrichten aus seinem Marketing erkennen.
Könnte sich Deep Learning im Journalismus durchsetzen?
Im Januar 2018 postete Aaron Edell ein faszinierender Artikel über einen Detektor für gefälschte Nachrichten, den er von Grund auf neu gebaut hat.
Edell behauptet, er sei „fast verrückt geworden“. Er stieß auf die gleichen Probleme, die Twitter zweifellos mit den Feinheiten zwischen verschiedenen Arten von Lügen haben wird. Die Definition von Fake News wurde extrem schwierig und Edell musste seine Vorlage zerreißen und an einer Stelle neu anfangen. Bis er zu einer Erleuchtung kam: dass es einfacher ist, echte Nachrichten zu kategorisieren als gefälschte Nachrichten.
Auf Qualität zu achten, anstatt die schlechten Inhalte zu sieben, ist vielleicht die beste Methode. Wenn es um die Anwendung von Deep Learning im Online-Journalismus geht, könnte es gut sein, dass wir mithilfe von KI sowohl die Besten als auch die Schlechtesten finden. Wie gesagt, es ist ein extrem gesättigter Markt.
Tools wie Feedly generieren die Nachrichten, die Sie interessieren. Die Zukunft von Deep-Learning-Algorithmen könnte darin bestehen, einen Artikel daraufhin zu analysieren, wie eng er mit Ihren politischen Ansichten übereinstimmt oder sogar wie viele Witze er enthält. Deep Learning müsste nicht einmal den Inhalt durchsuchen, um dies zu überprüfen: Es ist mehr als möglich, anhand der Reaktionen abzuschätzen und herauszufinden, wer ihn wo geteilt hat.
Fake News können durchaus die Geißel der sozialen Medien sein. Abgesehen davon, alle Benutzer mit einem Lügendetektor auszustatten, gibt es keine Möglichkeit, ihn vollständig loszuwerden.
Fake News an sich sind jedoch nicht das Problem. Es ist die Täuschung, die das Problem ist. Wenn Social-Media-Nutzer bewusster sind, was echt ist und was nicht, können sie im Voraus wissen, ob sie Inhalte mit Vorsicht genießen sollten. Künstliche Intelligenz kann nicht aus moralischer Verpflichtung handeln, uns vor Parteipropaganda zu schützen, aber sie kann uns den Hinweis geben, dass die Quelle möglicherweise ein wenig unwahr ist.
