阿里開發(fā)AI謠言粉碎機(jī) 謠言識別準(zhǔn)確率達(dá)81% 判斷一個(gè)新聞?wù)婕僦恍枞?還可識別論文是否抄襲 全球AI 人才分布情況[圖]

    昨天，一篇《為拯救爸媽朋友圈，達(dá)摩院造了“謠言粉碎機(jī)”》的文章，在朋友圈刷屏，引來一片鼓掌叫好：“這下終于不用費(fèi)勁勸導(dǎo)爸媽了！”

    文章說的是，阿里巴巴達(dá)摩院的科學(xué)家，造了一個(gè)謠言粉碎機(jī)，這是一個(gè)算法模型，可以識別真假新聞，未來也能應(yīng)用在各大領(lǐng)域。

    這是怎樣一種算法？準(zhǔn)確率高嗎？真的可以終結(jié)謠言？記者聯(lián)系到了正在大洋彼岸的“謠言粉碎機(jī)”的創(chuàng)造者李泉志。

    “粉碎機(jī)”的前生功能

    是為記者提供可靠線索

    《速轉(zhuǎn)！科學(xué)家發(fā)現(xiàn)：一味中藥48小時(shí)可殺死60%癌細(xì)胞!》《晚上喝白開水的朋友，再不看就晚了！》《專家說了，這樣?xùn)|西千萬別吃！》……

    你有沒有收到過父母發(fā)來的這些“關(guān)懷”？又有多少次是抱著“算了算了，你開心就好”的心態(tài)結(jié)束話題？

    “不能保證百分之百準(zhǔn)確，但基本可以判斷是否為謠言。”李泉志，達(dá)摩院NLP團(tuán)隊(duì)的核心成員之一，畢業(yè)于清華大學(xué)，后在美國獲得自然語言理解方向的博士學(xué)位，目前在達(dá)摩院的西雅圖辦公室工作。

    在加入達(dá)摩院前，他曾是路透社重要的“情報(bào)官”：通過機(jī)器篩選成千上萬的網(wǎng)絡(luò)信息，為數(shù)千位一線記者提供可靠線索。

    “AI謠言粉碎機(jī)”就是借助自然語言實(shí)現(xiàn)的。在剛剛結(jié)束的SemEval（自然語言處理領(lǐng)域的國際權(quán)威比賽，由國際計(jì)算語言學(xué)學(xué)會舉辦）全球語義測試中，“AI謠言粉碎機(jī)”創(chuàng)造了假新聞識別準(zhǔn)確率的新紀(jì)錄，達(dá)到了前所未有的81%。

    判斷一個(gè)新聞?wù)婕?/p>

    要分三個(gè)步驟

    “AI謠言粉碎機(jī)”要怎么去判斷是否為謠言呢？李泉志說，分三步——

    首先，該模型會找到最初的信息源，分析用戶畫像，包括：專業(yè)領(lǐng)域，此前傳播或轉(zhuǎn)發(fā)過什么，是個(gè)人還是機(jī)構(gòu)，注冊時(shí)間，活躍規(guī)律等，來判斷發(fā)布者是否“可靠”。最后根據(jù)不同態(tài)度的人群比例、各自的信譽(yù)度等信息，計(jì)算出此新聞的可信度。

    第二步，尋找網(wǎng)上所有的信息源，看看鏈接的域名，是否來自可信網(wǎng)站，比如新華社、政府醫(yī)藥管理局等。

    第三步，將正文里關(guān)鍵的論證提煉為知識點(diǎn)，與知識圖譜里的權(quán)威知識庫做匹配驗(yàn)證。如果毫無聯(lián)系、自相矛盾，減分。

    李泉志解釋，“AI謠言粉碎機(jī)”會考慮一部分人類的想法，更多的則是 AI的運(yùn)用。人工智能有很多人類比不了的地方，比如當(dāng)一個(gè)流言在社交網(wǎng)站上傳播很快的時(shí)候，我們很難去判斷真假，不知道誰接收到了，是出于什么原因轉(zhuǎn)發(fā)，不同的人對此的評價(jià)是什么，而這些AI可以做到。“假如來一個(gè)流言，人可以通過網(wǎng)站去查證，但是AI可以快速把科學(xué)研究、新聞拉出來，加上后臺知識庫的對比，做一個(gè)驗(yàn)證。人腦中有基本判斷，但是沒有大型的知識庫。”李泉志說。

    就拿“AI謠言粉碎機(jī)”的訓(xùn)練樣本來說，就要分至少兩個(gè)層面：首先拿底層的2億條信息，幾百萬條新聞，訓(xùn)練語言樣本；再將模型進(jìn)行謠言的真實(shí)性訓(xùn)練。“是一個(gè)復(fù)雜且費(fèi)時(shí)的過程。”李泉志表示。

    誰制造謠言，論文是否抄襲

    未來粉碎機(jī)還有更多功能

    其實(shí)，要建這樣一個(gè)數(shù)據(jù)模型，并不容易。李泉志坦言，他在前一家公司就開始研究，到如今，也還需繼續(xù)完善。他們有一個(gè)小團(tuán)隊(duì)專門在研究這一技術(shù)，因?yàn)椋傮w來說這不是一個(gè)單獨(dú)能列出來的技術(shù)，是自然語言所有技術(shù)的綜合。

    目前，該模型也并未應(yīng)用于阿里巴巴的任何業(yè)務(wù)中，李泉志坦言，數(shù)據(jù)模型需要不斷被“訓(xùn)練”，也需要得到社會的認(rèn)同，而這些，都不是短時(shí)間內(nèi)能解決的。

    可以想象的是，“AI謠言粉碎機(jī)”未來將被應(yīng)用的多個(gè)場合。

    比如，可以識別論文是否為抄襲，用技術(shù)從個(gè)人的寫作風(fēng)格、方法論、主題等多維度去判斷是否為抄襲。過去有人說某年輕作家后期的作品由人代筆，以后用AI就能分析得出結(jié)論。

    另一方面，可以協(xié)助警方找到真正謠言的制造者。通過AI去追蹤傳播路徑，從傳播路徑中，將傳播分解，可以發(fā)現(xiàn)規(guī)律，比如傳播了哪些用戶，用戶是什么反應(yīng)，是簡單的轉(zhuǎn)發(fā)，還是贊成、反對，還是進(jìn)行了二次加工？

    “當(dāng)然，該模型也還是需要更多的語言訓(xùn)練。比如有些用戶轉(zhuǎn)發(fā)時(shí)，說的是反話、諷刺，有些是隱喻，不知是否是真實(shí)的情緒表達(dá)，這些作為機(jī)器很難對此做出判斷，但是通過大量的訓(xùn)練，是可以實(shí)現(xiàn)的。”李泉志表示，他和團(tuán)隊(duì)會繼續(xù)研究該模型。

    目前，全球人工智能人才約30萬人。其中產(chǎn)業(yè)人才約20萬人，大部分分布在各國AI產(chǎn)業(yè)的公司和科技巨頭中；學(xué)術(shù)及儲備人才約10萬人，分布在全球367所高校中。據(jù)統(tǒng)計(jì)，截止至2017年6月，全球人工智能初創(chuàng)企業(yè)共計(jì)2617家。美國占據(jù)1078家居首，中國以592家企業(yè)排名第二，其后分別是英國，以色列，加拿大等國家。其中，美國1078家人工智能企業(yè)約有78700名員工，中國592家公司中約有39200位員工，約為美國的50%。

    目前，全球共有367所具有人工智能研究方向的高校，AI領(lǐng)域的人才數(shù)量約有10萬人。其中，有6000多名AI領(lǐng)域的學(xué)者，以及7萬余名AI相關(guān)專業(yè)在讀碩博研究生以及其他。每年AI相關(guān)領(lǐng)域碩博畢業(yè)生約2萬名。在這367所高校中，美國擁有168所，占據(jù)全球的45.7%，獨(dú)占鰲頭，加拿大、中國、印度、英國位于第二梯隊(duì)。

    人工智能領(lǐng)域?qū)W術(shù)能力排在世界前20的學(xué)校中，美國占據(jù)14所；排名的前八個(gè)席位都為美國所占據(jù)。雄厚的學(xué)術(shù)研究實(shí)力，幫助美國在人工智能領(lǐng)域取得了首屈一指的地位。而其他國家，在學(xué)術(shù)能力上與美國差距巨大，如何發(fā)展AI教育，是值得思考的問題。

人工智能領(lǐng)域20所頂級高校

    注：

    1.頂尖學(xué)者數(shù)目是指2006-2017年間在人工智能領(lǐng)域頂級會議上發(fā)表至少一篇論文的學(xué)者數(shù)目

    2.頂會論文數(shù)目是指2006-2017年間該校學(xué)者在人工智能頂級會議上發(fā)表的論文總數(shù)目，論文數(shù)目由論文合作人數(shù)調(diào)整得出。頂級會議是指AI領(lǐng)域的最高國際學(xué)術(shù)會議，也是全世界科學(xué)家參與和關(guān)注最多的會議。

    從國別來看，AI產(chǎn)業(yè)人才主要分布在美國、中國及其他國家的企業(yè)中。以在初創(chuàng)企業(yè)工作的AI人才為例來看。截至2017年6月，全球人工智能初創(chuàng)企業(yè)共計(jì)2617家。美國占據(jù)1078家居首，中國以592家企業(yè)排名第二，其后分別是英國，以色列，加拿大等國家。其中，美國1078家人工智能初創(chuàng)企業(yè)約有78700名員工，中國592家公司中約有39200位員工，只有美國的50%。美國人工智能初創(chuàng)企業(yè)主要以1-10人和10-50人的團(tuán)隊(duì)為主，這種小型團(tuán)隊(duì)共759個(gè)，占據(jù)全美的70.41%，是美國AI初創(chuàng)公司的主力軍；中國人工智能初創(chuàng)企業(yè)主要是10-50人的團(tuán)隊(duì)，總量384個(gè)，占據(jù)全國的64.86%?？梢哉f，美國的小型創(chuàng)業(yè)團(tuán)隊(duì)規(guī)模比中國小。在需要同等技術(shù)的情況下，美國團(tuán)隊(duì)的平均能力和可創(chuàng)造價(jià)值高于中國團(tuán)隊(duì)。

人工智能企業(yè)擁有數(shù)量TOP5

數(shù)據(jù)來源：公開資料整理