#AI進行假新聞辨別不是夢：
研究指出只要建立假新聞大數據庫，將有機會以AI人工智慧的方式分辨假新聞
#假新聞無所不在，不但是政治新聞有假，醫藥、食品、健康、財經等類別的新聞，也都有假新聞。假新聞到處氾濫，實在令人困擾，如何利用AI人工智慧，發展智慧判別，變成為學術界努力的方向。
由台北大學汪志堅教授、淡江大學Min-Yuh Day 戴敏育
副教授、台北大學研究生胡林辳 （Lin Lung Hu）
合組的研究團隊，針對假新聞進行深度學習，發展人工智慧判斷的機制。該研究中，利用加拿大所收集的2萬3千多筆英文假新聞與2萬1千多筆真新聞，進行深度學習訓練，以各種類神經深度學習人工智慧方法（包括長短期記憶法LSTM、雙向長短期記憶法BLSTM、門閘遞迴神經網路GRU)，結合不同的激活函數、損失函數、優化器、退出率Dropout，進行深度學習人工智慧的模式調校。研究中訓練獲得的人工智慧過濾模式，可以成功判別90%以上的假新聞，表示確實可以找到特徵，可以分辨假新聞。
不過，要利用人工智慧進行假新聞判別，最大的挑戰是大數據資料庫。當研究團隊使用2萬1千多筆的加拿大所收集的假新聞進行訓練時，資料數量足夠，因此可以判別90％甚至於95％以上的假新聞。
但台灣目前所收集的假新聞數量仍然不足，研究團隊以4886筆台灣的假新聞進行類神經深度學習訓練所獲得的人工智慧模式，只能成功判別三成到四成左右的假新聞。此一結果顯示若要進行假新聞人工智慧模式發展，必須有充足的假新聞資料庫作為後盾。
目前台灣有許多單位，致力於標註假新聞，知名的單位包括TFC 台灣事實查核中心、g0v的「真的假的」專案。這些單位的假新聞標註數量，仍不夠多，若能多投入資源，增加真假新聞的判讀，建立完整的真新聞、假新聞資料庫，對於未來發展假新聞的人工智慧標註，將會很有助益。
研究團隊還發現，在學術研究中，經常以假新聞、真新聞各半的比率，進行研究。但這樣的研究情境設計，與真實狀況不符，導致於調校出來的人工智慧模式過度樂觀。當假新聞的比率降低到5%，以較接近現實生活中的情況時，人工智慧模式的正確率就大幅降低了。也就是說，目前學術研究中的假新聞比率，過度高估，使得研究成果被過度樂觀看待。若要真正用於假新聞偵測，考慮重新檢視，才能將學術研究成果運用於實務界。
本次研究主要是由由台北大學汪志堅教授、淡江大學戴敏育副教授、台北大學研究生胡林辳所共同完成，本研究使用的2萬1千多筆加拿大假新聞報導，是由維多利亞大學(University of Victoria)的資訊安全與物件科技研究室(Information Security and Object Technology Research Lab)所收集。本研究使用到的近5千筆台灣假新聞報導，是由g0v的「真的假的」專案所收集。研究中，將假新聞比率分別定為50%、25%、5%，進行深度學習人工智慧類神經訓練，並計算各種不同模式下成功判別假新聞的可能性。
國立臺北大學National Taipei University汪志堅教授與
世新大學 Shih Hsin University陳才教授合著的新書：「假新聞：來源、樣態與因應策略」（前程管理教育中心出版），將於2019年7月30日上午9:30舉行新書發表會與研討會，會中除了發表新書以外，也將發表此一研究成果，說明未來利用人工智慧進行假新聞判別的展望。關於該研討會相關事項，可與汪志堅教授（國立臺北大學資訊管理研究所）聯絡，或直接聯繫承辦專員涂小姐，Email: tmi@tmi.org.tw 電話02-2658-9282 ext.258。活動網址為https://www.accupass.com/go/fakenews。
ai進行假新聞辨別不是夢 在 來源、樣態與因應策略- #AI進行假新聞辨別不是夢 - Facebook 的推薦與評價
AI進行假新聞辨別不是夢 ： #研究指出只要建立假新聞大數據庫，#將有機會以AI人工智慧的方式分辨假新聞假新聞無所不在，不但是政治新聞有假，醫藥、食品、健康、財經等 ... ... <看更多>