Ученые из Университета штата Пенсильвания проанализировали примеры fake news, сгруппировав их в семь основных категорий. Статья об этом опубликована в издании American Behavioural Scientist, сообщает Naked Science.
Исследователи определили следующие разновидности новостных фейков: газетные утки, предубежденное мнение, сатира, недостоверные сведения, комментарии, убеждающая информация и «городская журналистика». Ученые также сравнили эти типы материалов с реальными достоверными новостями.
У достоверных материалов есть определенные признаки, отличающие их от неправдивых. В фейковых новостях обычно не соблюдается журналистский стиль, они менее выдержаны и вместо фактов предлагают людям эмоциональные утверждения. Также признаком fake news являются завлекательные или провокационные заголовки, отсутствие источников информации или ссылки на «анонимный источник».
Ученые отметили особенности в структуре веб-сайтов, которые позволяют маркировать их как источник недостоверной информации: например, использование нестандартных e-mail адресов для обратной связи или же отсутствие контактов редакторов и владельцев ресурса.
Онлайновые новости также часто лишены многих структурных особенностей, которые присутствуют в более традиционных медиа (журналах и газетах) и позволяют различать формы контента. Так, на сайтах часто реальные новости смешиваются с рекламными материалами без соответствующих пометок, а мнение автора выдается за аналитику.
По словам ведущего автора статьи Марии Молины, выявление особенностей различных форм правдивых и ложных онлайн-новостей необходимо не только для того, чтобы помочь людям различать фейки. Эти данные будут полезны при создании систем искусственного интеллекта, которые будут автоматически предупреждать людей о возможной дезинформации.
Кроме того, данные исследования помогут разработать систему маркировки контента, которая восстановит характерную для традиционных СМИ сегментацию новостей.
Использование компьютеров для автоматического определения фейковых новостей затрудняет то, что искусственный интеллект мыслит в категориях бинарной логики, распознавая лишь правду или ложь, не улавливая при этом многих нюансов. Например, сатирический памфлет фактически содержит неправдивые данные, но с учетом контекста не должен маркироваться как фальшивка. С другой стороны, если элементы сатиры используются в новостных сообщениях вне контекста, такие материалы должны быть отмечены как сомнительные.
«Наше улучшенное понимание характеристик семи подтипов [фейковых новостей]… позволит нам разработать новый тип системы автоматического определения, способный принимать более индивидуальные решения», — утверждает Ли Донгвон, один из участников исследования. Ученые уже работают над программным решением этой проблемы с использованием методик машинного обучения.
В июле стало известно, что Facebook начал понижать рейтинг постов о сомнительных «сенсационных» достижениях медицины. А месяц назад компания заявила, что публикации политиков в соцсети не будут проходить этап проверки фактов. Позже сенатор от Демократической партии США Элизабет Уоррен (кандидат в президенты от партии) пошла на спонсирование публикации фейковой информации в Facebook ради того, чтобы привлечь внимание к противоречивой политике компании.
