AI Baru Dapat Mendeteksi Jika Sumber Berita Akurat Atau Bias Politik
- Algoritme pembelajaran mesin baru berfokus pada sumber berita, bukan hanya menggores klaim individu, untuk mendeteksi berita palsu dan bias.
- Untuk artikel berita baru, akurasinya mencapai 70%.
- Hanya membutuhkan 150 konten untuk menentukan apakah sumbernya dapat dipercaya atau tidak.
Platform media sosial telah membuatnya sangat mudah bagi siapa saja untuk berbagi dan menyebarkan informasi di internet. Hal ini telah memunculkan proliferasi berita palsu yang biasanya dibuat untuk mengubah sentimen orang dan memengaruhi peristiwa besar seperti pemilihan politik, atau untuk menarik lalu lintas dan menghasilkan pendapatan dengan menampilkan iklan.
Sementara banyak raksasa teknologi menempatkan sumber daya yang signifikan untuk membangun sistem pendeteksi berita palsu mereka sendiri, para peneliti di MIT dan Qatar Computing Research Institute percaya bahwa strategi terbaik untuk mendeteksi berita palsu adalah dengan fokus pada sumber berita daripada hanya menganalisis klaim individu.
Dengan menggunakan pendekatan ini, mereka telah mengembangkan metode berbasis pembelajaran mesin baru yang menentukan apakah suatu sumber dapat dipercaya atau tidak. Pada dasarnya, ini mencirikan seluruh media berita, meramalkan faktualitas pelaporan.
Bagaimana Cara Menentukan Berita yang Bias?
Ide di balik sistem ini adalah jika sebuah situs telah mempublikasikan fakta yang salah sebelumnya, ada kemungkinan besar mereka akan melakukannya lagi. Menganalisis konten lain di situs web semacam itu dapat membantu sistem menentukan situs mana yang kemungkinan besar akan melakukannya.
Untuk mengidentifikasi berita palsu secara andal, orang dapat mencari fitur linguistik umum seperti struktur, kompleksitas, dan sentimen dalam artikel. Misalnya, sebagian besar berita palsu menggunakan bahasa emosional, subjektif, dan hiperbolik.
Dalam penelitian ini, mereka bereksperimen dengan beberapa fitur yang diturunkan dari
- Konten dari sumber berita target,
- akun Twitter dan halaman Wikipedianya
- struktur URL-nya
- jumlah pengunjung yang didapat
Mereka mengumpulkan data dari situs web Media Bias/Fact Check. Dengan bantuan peninjau manusia, situs web ini memeriksa faktualitas dan bias dari hampir dua ribu situs berita, termasuk sumber media populer dan kumpulan konten tipis.
Referensi: arXiv:1810,01765 | MIT
Data ini diumpankan ke model pembelajaran mesin, yang dikembangkan untuk mengklasifikasikan sumber dengan cara yang sama seperti yang dilakukan situs web peninjauan manusia. Model tersebut memberikan hasil yang mengesankan:untuk artikel berita baru, model ini mencapai akurasi 65% dalam menentukan apakah artikel tersebut memiliki tingkat faktualitas rendah, sedang, atau tinggi, dan 70% akurat dalam menentukan apakah kontennya condong ke kanan, condong ke kiri, atau moderat.
Kredit gambar:MIT
Para peneliti mengklaim bahwa sistem hanya membutuhkan 150 konten untuk secara akurat menentukan apakah situs web sumber dapat dipercaya atau tidak. Dengan demikian, dapat menyaring berita palsu sebelum menyebar terlalu luas di internet.
Apa Selanjutnya?
Para peneliti saat ini sedang mengerjakan sistem untuk meningkatkan akurasinya dan membuatnya bekerja bersama dengan penganalisis fakta konvensional. Jika sistem memberikan keluaran yang 'aneh atau membingungkan' pada topik tertentu, platform yang meninjau secara manual dapat dengan cepat memeriksa hasil tersebut dan menentukan validitas apa yang harus diberikan untuk perspektif yang berbeda.
Penulis juga telah menghasilkan kumpulan data sumber terbuka dari hampir seribu situs web berita yang ditandai dengan skor akurasi dan bias. Mereka juga berencana untuk meluncurkan aplikasi seluler untuk membantu orang-orang keluar dari gelembung politik mereka. Selain itu, mereka akan mencoba melatih sistem untuk bekerja dengan bahasa lain juga. Mereka ingin melampaui bias kanan/kiri dan memodelkan bentuk bias lain yang lebih relevan dengan wilayah lain.
Baca:Algoritma Generik Baru Untuk Mendeteksi ID Palsu di Situs Jejaring Sosial
Jenis algoritme ini dapat membantu orang memahami seperti apa tampilan situs palsu dan jenis artikel yang cenderung mereka terbitkan.
