以可解释新闻推送算法对抗假新闻

如今，人工智能算法作为数字媒体环境中注意力激烈竞争的一部分，被大规模用于定向和个性化内容分发。不幸的是，定向信息传播可能导致智识隔离与歧视。此外，正如美国和欧盟近期政治事件所表明的，恶意机器人和社交媒体用户可以以不同形式制造并传播定向的“假新闻”内容以获取政治利益。另一方面，假新闻检测算法试图通过识别错误信息和欺诈性用户档案来应对此类问题。本文回顾了常见的新闻推送算法以及假新闻检测方法，并讨论了新闻推送算法如何被滥用于推广伪造内容、影响新闻多样性或损害可信度。我们回顾了新闻推送算法和推荐引擎如何助长确认偏误，将用户孤立于特定新闻来源并影响对现实的感知。作为提升用户对内容如何被筛选或排序之认知的潜在方案，我们主张采用可解释的新闻推送算法。我们讨论了改进的用户认知与系统透明度如何能够缓解社交媒体中回声室和过滤气泡的不良后果。