因「虚假新闻」造成重大破坏的例子比比皆是，例如去年美国总统大选投票过后，特朗普团队在社交网络中疯传拜登选举舞弊，引发暴徒上街冲击国会山庄。（路透社资料图片）
大数据分析是人工智能背后的核心技术。在现实生活中，人工智能从人类日常生活的数据中学习人类文化，从中进行模仿，达至「机器代人」的目标，例如从市民阅读报章、杂志的习惯，了解他们的生活方式、日常兴趣、甚至其政治立场等，然后针对性地提供个人化的智能服务。
虚假新闻传播 屡造成重大破坏
俗语云：「树大有枯枝」，这道理也适用于大数据应用上。网络上的数据良莠不齐，垃圾信息满布，当中「虚假新闻」更是全球焦点，因而造成重大破坏的例子比比皆是，例如美国于2003年在没有真凭实据下坚持伊拉克拥有大杀伤力武器而入侵该国，导致死伤无数；2016年美国总统大选，市场研究公司「剑桥分析」（Cambridge Analytics）利用5,000万个Facebook私人用户资料发放假信息打压希拉莉，最终特朗普以爆冷姿态在选举中胜出；2020年美国总统大选投票过后，特朗普团队内部在社交网络中疯传拜登选举舞弊，引发暴徒上街冲击国会山庄等。
在香港网络社会中，情况也不遑多让，线上谣言满天飞，虚假新闻严重影响本地社会秩序和常态，例如有「伪专家」指鹿为马，错误地指出「安心出行」存在私隐外泄风险，令市民抗拒下载使用；亦有网民误导普罗大众，刻意指摘新冠疫苗效果不彰，令不少市民放弃接种。这些源源不绝的「假新闻」严重拖慢本港抗疫步伐，打击民生和经济。
面对虚假新闻对社会的负面影响，科技企业、大学、科研中心等各界没有坐视不理，无不积极投放资源进行研究，务求找出有效的方法识别及过滤虚假新闻。笔者的研究领域聚焦于「自然语言处理」，研究目的是利用人工智能技术分析及理解文字信息（例如报章内容），而识别虚假新闻亦是笔者近年的主要研究方向。
两类传媒资讯 AI处理各不同
传媒资讯如报章、杂志等的内容，主要由两类信息组成，分别为「客观信息」（Objective Information）和「主观信息」（Subjective Information），客观信息描述所报道的事件，包括其前因后果，主观信息则是记者或受访者对事件的个人意见。根据传统定义，大众视前者为新闻，而后者则为评论，从人工智能角度，处理这两种信息的目标截然不同。
客观信息理论上由事实组成，因此要判断它的真伪，人工智能系统会进行「事实查证」（Fact Check），目的是核对事件是否事实。如果事件是自然发生的，系统可以从它的合理性及科学性进行研究和求证，但若然系统面对的是社会事件，查证便会较为复杂。分析这类新闻的算法，并非纯粹是证实目标事件是否发生过那么简单，而是把事件在何时进行（When）、那里发生（Where）、谁人导致（Who）、如何造成（How）等关连证据也进行彻底分析，例如系统会追溯事件发生的历史，以及牵涉相关人士之间的人际网络等。
进行这类任务的最大困难是「自然语言理解」（Natural Language Understanding，NLU），因为在这方面的现有技术都是针对特定领域（如法律）而设，并不能普及地应用于日常新闻理解上。
处理主观信息的手法大有区别，其主要目的是作「舆情分析」（Public Opinion Analysis），让用户了解大众对目标事件所关注的要点及程度。人工智能系统首先利用「自然语言处理」技术，从评论中挖掘出各评论员的不同论点，然后统计每一论点的支持人数，最后作出结论，例如分析发现大多数香港年轻人认为「在大湾区创业」是正面的。
然而，由于舆情分析的算法主要基于统计学，因此其结果深受数据（即新闻）完备性的影响，常见的现象包括：1、系统并没有涵盖所有关键持份者，导致其分析结果偏颇或带有立场；2、由于分析系统并没有获取所有论点，因而导致以偏概全的问题，影响分析的可靠性。
缺标准测试数据 碍新闻理解研究
总体而言，无论是「事实查证」或「舆情分析」，两者与其他大数据分析应用同出一辙，都是非常依靠「机器学习」技术。有效的机器学习，与系统背后所采用的训练及测试数据质量息息相关。然而，训练数据不足，以及缺乏标准测试数据，是新闻理解研究的瓶颈，窒碍了它的广泛应用。
以拥有最先进科研能力的Facebook公司为例，自从特朗普首届选举以来，他们便坚决要杜绝「脸书」社交平台上的「虚假新闻」，为此花了不少人力、物力去研发专责的人工智能算法，但到了今天仍未能完全把过程自动化，还是需要人机互动，以人工智能技术辅助专家团队作出最终判断。从另一角度看，此情景又一次反映出坊间盛传的「机器代人」观念在现阶段并不适于传媒行业。新闻采集、写作、而至编辑等工作还是以人为本，很需要真人参与。
（文章观点仅代表作者本人）
作者为香港中文大学工程学院副院长（外务）、香港资讯科技联会荣誉会长
来源：香港经济日报
