從傳染病大流行到訊息大流行

彙整/黃愉芳|整理自2020.12.13 「2020 AI嘉年華」達人論壇.同名
主持人
李育杰(中央研究院資通安全專題研究中心執行長)
李育杰(中央研究院資通安全專題研究中心執行長)
與談人
古倫維(中央研究院資訊科學研究所副研究員)
李政德(國立成功大學數據科學研究所副教授)
高虹安(立法委員)
古倫維(中央研究院資訊科學研究所副研究員)
李政德(國立成功大學數據科學研究所副教授)
高虹安(立法委員)

澳洲戰略政策研究所(ASPI)利用機器學習分析社群媒體上與疫情相關的訊息,依據主題、情緒、分享內容、影響力等指標整理出調查報告,發現各方都曾試圖透過操縱資訊,來獲取策略性利益:從六月大眾關注「病毒的發源地」、「國家的防疫措施」開始,八月臉書、推特開始加強疫情訊息的推播,俄羅斯曾發佈假訊息宣傳自己已研發出疫苗,但至今(2020年底)仍未看見具體成果。另外川普對疫情的態度、TikTok上的訊息,都對於整個國家的政治安定影響巨大。
電腦科學或人工智慧或許沒辦法精準地判斷報導的真偽,但可以從提供更多訊息入手,如報導的日期、消息來源等,讓讀者自行判斷真假,降低他們轉發的意願,而非直接幫讀者過濾假訊息這樣的方式。目前Twitter在處理疫情相關貼文時,也會藉由標注「此篇文章與Covid-19有關」,提醒使用者不要只看標題,沒有注意內文就轉貼分享。
真、假訊息的傳播途徑不同:真訊息的來源少,但因為真實,所以較多人願意主動轉發,傳播路徑比假訊息長且發散。假訊息則因為來源多且多樣,所以更像是小分子擴散,傳播路徑較短且彼此之間沒有緊密連結。除了人,假消息的來源也可能是某個自然語言處理模型。具體的解決方法,或許可以透過AI去預防、防堵這些混淆視聽的AI。



(本文為教育部「人工智慧技術及應用人才培育計畫」成果內容)
(Visited 61 times, 1 visits today)