研究显示，2016年美国总统大选期间，受访选民平均每人每天接触到4篇虚假新闻。
虚假新闻被认为影响了2016年美国大选和英国***的投票结果。
”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。
为了减少虚假信息，有必要对网络新闻进行认证。
但大型资讯聚合类平台每天的新闻发布量一般在50万条以上，显然完全依靠人工认证是不现实的，面向公众，亟待建立高效的AI识谣平台。
杜克大学新闻研究中心的调查显示：截至2018年2月，全球共有149个正在活跃运营的事实核查类新闻创业项目，其中北美和欧洲74个、亚洲7个。
而在一些国外社交平台上，已有自动化可信度评估插件来显示信息的可信度。
据了解，目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式
其存在一定的问题：发现线索主要依赖用户举报，数量有限，时效性不强，往往是事件已造成***影响才“后知后觉”；此外，新闻认证速度有待提高。
Facebook统计，依靠专家辟谣的认证模式平均滞后3天，错失辟谣醉佳时期；覆盖类别受限，专家只能在自身擅长的领域辟谣，领域专家库的多样性决定了人工辟谣平台的能力上限。
为提高识谣效率，目前中科院计算机研究所、阿里、藤0寻等多家企业和机构已经开展了人工智能识谣工作。
曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究，她介绍，AI识谣公众平台可自动及时发现可疑线索并进行认证，大大降低谣言可能带来的危害；通过机器学习算法辅助人工审核，仅需1分钟即能对疑似谣言事件发出预警；基于数据驱动的方法，平台还可不断挖掘出不同类别谣言的特性，实现对各种谣言地自动识别。
不过，需要指出的是，“虚假信息识别是一个高度复杂的问题，一方面是虚假的定义并不明确，需要不确定性建模；另一方面是标注很困难，需要小样本学习方法。
目前，机器学习算法的准确率尚不足以完全取代人类，但已能够辅助人类更快更好地审核新闻。
”曹娟表示。
正如扎克伯格所说，“想要完全依靠AI审核内容，可能尚需5—10年时间”。
多模态、多层次、多角度揪出假新闻“虚假新闻往往从选题、文字表述