面對突如其來的疫情，大眾對于信息的即時性、透明度和傳達(dá)效率有了更高的關(guān)注。相比2003年“非典”時期，此次疫情爆發(fā)后，信息洪流也更為洶涌。移動傳播時代，人人皆是自媒體，不僅是信息接收端，也是無數(shù)輿論的中轉(zhuǎn)站，各種資訊的生產(chǎn)端。形形色色的疫情信息不僅降低了輿論場的“信噪比”，也為各種謠言提供了適宜的溫床。

2020年2月上旬，世界衛(wèi)生組織在一次會議中提出了“infodemic”一詞，即information＋epidemic，可以直白地理解為“信息疫情”。因?yàn)橐咔榘l(fā)生至今，在海量信息的轟炸下，人們往往難辨真?zhèn)危畔⒌母聲r時牽動著公眾神經(jīng)，催生著不安、擔(dān)憂、焦慮、恐懼。群體情緒“過載”之下，對于疫情管控的考驗(yàn)無疑更加嚴(yán)峻。值得注意的是，人工智能在本次疫情相關(guān)的輿情梳理中開始扮演“沙里淘金”的角色，運(yùn)用NLP（自然語言處理）技術(shù)“提純”有效信息，關(guān)聯(lián)信息線索，打造公共危機(jī)事件里的信息中樞。

進(jìn)擊的LDA：挖掘文本語義的利器

NLP被譽(yù)為人工智能皇冠上的明珠 ，因?yàn)樽匀徽Z言是人類智慧的凝練，“讓機(jī)器理解自然語言”寄托了人們對于AI最初的幻想——讓機(jī)器聽懂人話，和人交談，甚至理解語言背后的文化、意圖與情感。發(fā)展到今天，可以說“凡是文本飛舞的地方，NLP技術(shù)就會燃燒”。

LDA（潛在狄利克雷分配）主題模型是NLP中非常基礎(chǔ)、大眾認(rèn)知度也比較高的模型。當(dāng)我們寫文章時，可能多數(shù)人是先確定文章的幾個關(guān)鍵主題，然后圍繞這幾個主題遣詞造句成文。這一過程的逆向操作就是LDA做的事。通俗來說，就是根據(jù)給定的文檔，讓計(jì)算機(jī)反推其主題分布，包括推測分析網(wǎng)上各篇文章分別寫了哪些主題，且各篇文章中各個主題出現(xiàn)的概率大小。

在傳統(tǒng)的方法中，判斷兩個文檔的相似性是通過識別兩個文檔中有多少共有詞。這種方法的局限性在于沒有考慮到語義背后的關(guān)聯(lián)。

比如：

“同人小說站A03獲得雨果獎。”

“藝術(shù)創(chuàng)作不是孤島。”

這兩句話沒有共有詞，但事實(shí)上，前者是獲獎新聞，后者是獲獎致辭。兩者主題是相似的。可見判斷文檔相似性時需要考慮到文檔中的潛在詞或者兩篇文檔間的聯(lián)系。在主題模型中，主題就像一個袋子，里面裝了出現(xiàn)概率較高的單詞，這些單詞與這個主題有很強(qiáng)的相關(guān)性。可以說，LDA模型是語義挖掘的利器。

疫情期間，使用LDA在數(shù)據(jù)集中提取主題也有落地應(yīng)用。今年2月14日，“新冠肺炎疫情AI話題分析平臺”正式上線。這個平臺由清華大學(xué)人工智能研究院、RealAI共同研發(fā)推出。在底層算法支持上，平臺采用WarpLDA主題提取算法研發(fā)。相比傳統(tǒng)的Gibbs采樣算法，WarpLDA在訪存效率、并行度方面更有優(yōu)勢，可用于上億級別文本的主題提取。

去偽存真：提取有效信息

51CTO記者在調(diào)查中了解到，這個平臺除了疫情數(shù)字的實(shí)時播報(bào)以外，更側(cè)重對疫情相關(guān)的熱點(diǎn)話題進(jìn)行分析。

“無論是疫情一線故事、防控措施，還是科普知識、辟謠信息，只要傳播廣熱度高，都可以在平臺上找到。所以我們平臺的定位更像一個‘疫情話題熱榜’。”RealAI的工作人員這樣介紹。

打開移動端的平臺界面，可以看到：截止目前，上線的具體板塊包括“今日熱點(diǎn)”關(guān)鍵詞、“熱點(diǎn)地區(qū)排行”、“實(shí)時熱點(diǎn)”話題排行、“最近三天”熱點(diǎn)排行、“官方發(fā)布消息”，這些模塊合組合在一起，為公眾在海量碎片化內(nèi)容中構(gòu)建了一個信息入口。

從這些模塊的設(shè)置可以看到，針對信息“過載”的困擾，該平臺對海量信息進(jìn)行了自動抓取，識別公眾關(guān)注的熱點(diǎn)新聞、輿論趨勢、地區(qū)關(guān)注度變化，并在這一過程中完成對于消息真實(shí)性的甄別，一定程度上保證了輸出信息的可靠性。就如何完成有效信息的過濾，RealAI方面給出了具體說明。

首先在新聞源的抓取上，平臺會優(yōu)先抓取官方渠道信息，比如全國各地區(qū)衛(wèi)健委官方網(wǎng)站、新華網(wǎng)、人民網(wǎng)等權(quán)威媒體，平臺會給予這些渠道的新聞更高的權(quán)重。一般來說，在社交網(wǎng)絡(luò)平臺上，“謠言”更容易產(chǎn)生和傳播，因此諸如微博、自媒體這類渠道，權(quán)重會相對較低。

另外，官方渠道發(fā)布的文章內(nèi)容更為嚴(yán)肅，風(fēng)格更為一致，在新聞抓取時比較容易集中在一個主題下。相較之下，那些無中生有的謠言，無論是文本呈現(xiàn)還是行文用詞通常風(fēng)格迥異，在做新聞聚合的時候更容易分散，不容易被歸納成一個熱點(diǎn)主題。

鑒于當(dāng)前NLP領(lǐng)域中LDA主題模型的發(fā)展還有比較大的外展空間，平臺在運(yùn)營過程中也會有人工把控，補(bǔ)充機(jī)器的不足之處。

針對網(wǎng)絡(luò)謠言和假新聞，AI技術(shù)其實(shí)在疫情之前就開始嶄露頭角。2019年，阿里巴巴在愚人節(jié)推出了“AI謠言粉碎機(jī)”。據(jù)悉，這個算法模型要判斷信息真?zhèn)危紫葧业匠跏夹畔⒃矗治鲇脩舢嬒瘢鎰e發(fā)布者的可信度。然后尋找網(wǎng)上所有信息源，分析相關(guān)鏈接的域名來辨別傳播載體的可信度，最后將正文里的關(guān)鍵論證進(jìn)行提煉，與知識圖譜里的權(quán)威知識庫做匹配，驗(yàn)證關(guān)聯(lián)度，如果互為印證，可信度就較高，自相矛盾，可信度就降低。在SemEval全球語義測試中，這項(xiàng)AI技術(shù)的識別準(zhǔn)確率達(dá)到了81%。

見微知著：預(yù)警傳染軌跡

人工智能除了可以過濾海量信息外，還可以從信息海的蛛絲馬跡中預(yù)判危機(jī)的爆發(fā)。這對于提升危機(jī)事件的迅速響應(yīng)能力，控制事件擴(kuò)散規(guī)模有著至關(guān)重要的作用。此次新冠肺炎在武漢爆發(fā)之初沒有得到有效遏制，信息梳理的缺位也是原因之一。事實(shí)上，今年1月時就有報(bào)道指出，一家致力于公共健康風(fēng)險(xiǎn)評估的加拿大公司BlueDot在2019年12月底就向其客戶通報(bào)了這種新型冠狀病毒。

在外媒采訪中，BlueDot創(chuàng)始人解釋：“公司的早期預(yù)警系統(tǒng)使用AI（包括NLP和ML），通過每天分析65種語言的約10萬篇文章，來跟蹤100多種傳染病爆發(fā)情況。這些數(shù)據(jù)有助于公司知道何時通知客戶潛在的傳染病爆發(fā)和擴(kuò)散。”

從目前公開的資料來看，BlueDot沒有披露使用的算法，他們避開信息比較混亂的社交媒體，通過采集多語種的新聞報(bào)道、官方公告和動物疾病報(bào)告，綜合全球航空動態(tài)和天氣數(shù)據(jù)，為客戶提供預(yù)警。

BlueDot聲稱，他們的數(shù)據(jù)源主要來自三方面，一個是全球新聞報(bào)道，設(shè)置關(guān)鍵詞基本與流行疾病、動物疾病、公共衛(wèi)生有關(guān)；一個是航空公司的票務(wù)數(shù)據(jù)，通過全球機(jī)票數(shù)據(jù)庫的數(shù)據(jù)來跟蹤疑似感染人口的流動，預(yù)測感染可能波及和擴(kuò)散的城市，及時告知客戶相關(guān)信息；還有就是監(jiān)測某個地區(qū)一定時期內(nèi)的氣候、溫度及牲畜變化情況。此前，BlueDot準(zhǔn)確預(yù)測了病毒在最初出現(xiàn)的幾天內(nèi)將從武漢傳播到泰國曼谷、韓國首爾、中國臺北和日本東京。

放眼全球，AI雖然已經(jīng)在疾病預(yù)防中有所建樹，未來也可能成為公共健康規(guī)劃中的可信工具，但目前的疾病預(yù)測算法還都需要面對預(yù)測模型的缺陷。谷歌在2008年發(fā)布的流感趨勢預(yù)測工具Flu Trends就是一個典型。

Flu Trends可以監(jiān)測數(shù)百萬用戶的健康數(shù)據(jù)，提供幾十個國家的流感趨勢預(yù)測。但在2012年的一次流感爆發(fā)事件中，疾控中心匯總各地?cái)?shù)據(jù)后發(fā)現(xiàn)谷歌的預(yù)測比實(shí)際情況夸大了近1倍。后來研究發(fā)現(xiàn)，谷歌的工程師們并不了解搜索關(guān)鍵字和流感傳播之間有什么關(guān)聯(lián)，對于各種信息背后的關(guān)聯(lián)也沒有深入解析，最終導(dǎo)致了荒謬的結(jié)果。之后工程師們不斷進(jìn)行著算法的微調(diào)，但是每當(dāng)修正完一處，總有另一處出現(xiàn)了意想不到的誤差。在瞬息萬變的信息抗疫戰(zhàn)場上，可以說，唯一不變的就是一直在變的“算法”。

光影雙生：AI帶來的輿情風(fēng)險(xiǎn)

在信息戰(zhàn)場上，AI可以發(fā)揮輿論的積極導(dǎo)向作用，但不可輕忽的是，如果AI被不正當(dāng)?shù)厥褂茫部梢哉T發(fā)輿論恐慌。技術(shù)本身沒有價(jià)值觀，但技術(shù)的使用者有價(jià)值取向。在不同的利益方手中，AI技術(shù)必然會產(chǎn)生不一樣的后果。

2019年AI換臉app在社交媒體上的火爆一度引發(fā)爭議。只需要一張人臉照片，就可以用AI換臉技術(shù)，“嫁接”到選定視頻的某個人物身上，由此生成的視頻畫面流暢，人物表情自然，幾可亂真。合成圖像、合成語音，充斥在網(wǎng)絡(luò)里的合成品使“眼見不一定為實(shí)，耳聽也不一定為真”。

這些技術(shù)給眾多使用者帶來了有趣的體驗(yàn)，但也有人質(zhì)疑AI開啟了潘多拉魔盒，踩著倫理和法律的底線反復(fù)橫跳，帶來了事關(guān)版權(quán)、肖像權(quán)、個人隱私的隱患，甚至可能引發(fā)盜竊、詐騙、***制作等“技術(shù)作惡”亂象。

更為嚴(yán)重的是，如果利用AI技術(shù)惡意虛構(gòu)新聞事件大肆傳播，極有可能導(dǎo)致謠言的“發(fā)酵升級”，甚至影響輿論走向。

一家美國的制片公司“猴爪”在2018年利用AI制作了這樣一段視頻：奧巴馬對美國現(xiàn)任總統(tǒng)特朗普進(jìn)行嚴(yán)厲批評。但實(shí)際上奧巴馬的表情和動作合成自“猴爪”創(chuàng)始人皮爾。更極端地考慮，如果官方的新聞發(fā)布平臺或一些權(quán)威機(jī)構(gòu)的媒體號被黑客控制，散播AI合成的文本、視頻、音頻，就更容易操作輿論，煽動公眾情緒，造成輿情風(fēng)波。

此外，“機(jī)器人水軍”也值得警惕，其存在本身影響著輿論生態(tài)，而且在一些平臺上已形成規(guī)模。比如網(wǎng)店利用機(jī)器人水軍刷好評，相比雇人灌水這種操作，機(jī)器自動生成的信息密度更大，侵蝕性更強(qiáng)，也更容易將真實(shí)評價(jià)淹沒于無形。可以想象，如果在社會事件中引入機(jī)器人水軍，那么輿論被裹挾是必然，真相被掩蓋，公眾被蒙蔽，甚至可能將國家安全置于險(xiǎn)地。更諷刺的是，大多數(shù)人可能對此一無所覺。長此以往，即使“黑天鵝”不再來，“灰犀牛”也會不期而至。

責(zé)任編輯：Ct