【51CTO.com原創稿件】　　面對突如其來的疫情，大眾對于信息的即時性、透明度和傳達效率有了更高的關注。相比2003年“非典”時期，此次疫情爆發后，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，也是無數輿論的中轉站，各種資訊的生產端。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”。因為疫情發生至今，在海量信息的轟炸下，人們往往難辨真偽，信息的更新時時牽動著公眾神經，催生著不安、擔憂、焦慮、恐懼。群體情緒“過載”之下，對于疫情管控的考驗無疑更加嚴峻。值得注意的是，人工智能在本次疫情相關的輿情梳理中開始扮演“沙里淘金”的角色，運用NLP（自然語言處理）技術“提純”有效信息，關聯信息線索，打造公共危機事件里的信息中樞。

　　進擊的LDA：挖掘文本語義的利器

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

　　LDA（潛在狄利克雷分配）主題模型是NLP中非?；A、大眾認知度也比較高的模型。當我們寫文章時，可能多數人是先確定文章的幾個關鍵主題，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，就是根據給定的文檔，讓計算機反推其主題分布，包括推測分析網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的概率大小。

　　在傳統的方法中，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聯。

　　比如：

　　“同人小說站A03獲得雨果獎。”

　　“藝術創作不是孤島?！?/p>

　　這兩句話沒有共有詞，但事實上，前者是獲獎新聞，后者是獲獎致辭。兩者主題是相似的?？梢娕袛辔臋n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系。在主題模型中，主題就像一個袋子，里面裝了出現概率較高的單詞，這些單詞與這個主題有很強的相關性?？梢哉f，LDA模型是語義挖掘的利器。

　　疫情期間，使用LDA在數據集中提取主題也有落地應用。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人工智能研究院、RealAI共同研發推出。在底層算法支持上，平臺采用WarpLDA主題提取算法研發。相比傳統的Gibbs采樣算法，WarpLDA在訪存效率、并行度方面更有優勢，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記者在調查中了解到，這個平臺除了疫情數字的實時播報以外，更側重對疫情相關的熱點話題進行分析。

　　“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’?！盧ealAI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”關鍵詞、“熱點地區排行”、“實時熱點”話題排行、“最近三天”熱點排行、“官方發布消息”，這些模塊合組合在一起，為公眾在海量碎片化內容中構建了一個信息入口。

　　從這些模塊的設置可以看到，針對信息“過載”的困擾，該平臺對海量信息進行了自動抓取，識別公眾關注的熱點新聞、輿論趨勢、地區關注度變化，并在這一過程中完成對于消息真實性的甄別，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，平臺會優先抓取官方渠道信息，比如全國各地區衛健委官方網站、新華網、人民網等權威媒體，平臺會給予這些渠道的新聞更高的權重。一般來說，在社交網絡平臺上，“謠言”更容易產生和傳播，因此諸如微博、自媒體這類渠道，權重會相對較低。

　　另外，官方渠道發布的文章內容更為嚴肅，風格更為一致，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，無論是文本呈現還是行文用詞通常風格迥異，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主題。

　　鑒于當前NLP領域中LDA主題模型的發展還有比較大的外展空間，平臺在運營過程中也會有人工把控，補充機器的不足之處。

　　針對網絡謠言和假新聞，AI技術其實在疫情之前就開始嶄露頭角。2019年，阿里巴巴在愚人節推出了“AI謠言粉碎機”。據悉，這個算法模型要判斷信息真偽，首先會找到初始信息源，分析用戶畫像，辨別發布者的可信度。然后尋找網上所有信息源，分析相關鏈接的域名來辨別傳播載體的可信度，最后將正文里的關鍵論證進行提煉，與知識圖譜里的權威知識庫做匹配，驗證關聯度，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AI技術的識別準確率達到了81%。

　　見微知著：預警傳染軌跡

　　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判危機的爆發。這對于提升危機事件的迅速響應能力，控制事件擴散規模有著至關重要的作用。此次新冠肺炎在武漢爆發之初沒有得到有效遏制，信息梳理的缺位也是原因之一。事實上，今年1月時就有報道指出，一家致力于公共健康風險評估的加拿大公司BlueDot在2019年12月底就向其客戶通報了這種新型冠狀病毒。

　　在外媒采訪中，BlueDot創始人解釋：“公司的早期預警系統使用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多種傳染病爆發情況。這些數據有助于公司知道何時通知客戶潛在的傳染病爆發和擴散?！?/p>

　　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道、官方公告和動物疾病報告，綜合全球航空動態和天氣數據，為客戶提供預警。

　　BlueDot聲稱，他們的數據源主要來自三方面，一個是全球新聞報道，設置關鍵詞基本與流行疾病、動物疾病、公共衛生有關；一個是航空公司的票務數據，通過全球機票數據庫的數據來跟蹤疑似感染人口的流動，預測感染可能波及和擴散的城市，及時告知客戶相關信息；還有就是監測某個地區一定時期內的氣候、溫度及牲畜變化情況。此前，BlueDot準確預測了病毒在最初出現的幾天內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雖然已經在疾病預防中有所建樹，未來也可能成為公共健康規劃中的可信工具，但目前的疾病預測算法還都需要面對預測模型的缺陷。谷歌在2008年發布的流感趨勢預測工具Flu Trends就是一個典型。

　　Flu Trends可以監測數百萬用戶的健康數據，提供幾十個國家的流感趨勢預測。但在2012年的一次流感爆發事件中，疾控中心匯總各地數據后發現谷歌的預測比實際情況夸大了近1倍。后來研究發現，谷歌的工程師們并不了解搜索關鍵字和流感傳播之間有什么關聯，對于各種信息背后的關聯也沒有深入解析，最終導致了荒謬的結果。之后工程師們不斷進行著算法的微調，但是每當修正完一處，總有另一處出現了意想不到的誤差。在瞬息萬變的信息抗疫戰場上，可以說，唯一不變的就是一直在變的“算法”。

　　光影雙生：AI帶來的輿情風險

　　在信息戰場上，AI可以發揮輿論的積極導向作用，但不可輕忽的是，如果AI被不正當地使用，也可以誘發輿論恐慌。技術本身沒有價值觀，但技術的使用者有價值取向。在不同的利益方手中，AI技術必然會產生不一樣的后果。

　　2019年AI換臉app在社交媒體上的火爆一度引發爭議。只需要一張人臉照片，就可以用AI換臉技術，“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，充斥在網絡里的合成品使“眼見不一定為實，耳聽也不一定為真”。

　　這些技術給眾多使用者帶來了有趣的體驗，但也有人質疑AI開啟了潘多拉魔盒，踩著倫理和法律的底線反復橫跳，帶來了事關版權、肖像權、個人隱私的隱患，甚至可能引發盜竊、詐騙、情色視頻制作等“技術作惡”亂象。

???

　　更為嚴重的是，如果利用AI技術惡意虛構新聞事件大肆傳播，極有可能導致謠言的“發酵升級”，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：奧巴馬對美國現任總統特朗普進行嚴厲批評。但實際上奧巴馬的表情和動作合成自“猴爪”創始人皮爾。更極端地考慮，如果官方的新聞發布平臺或一些權威機構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，造成輿情風波。

　　此外，“機器人水軍”也值得警惕，其存在本身影響著輿論生態，而且在一些平臺上已形成規模。比如網店利用機器人水軍刷好評，相比雇人灌水這種操作，機器自動生成的信息密度更大，侵蝕性更強，也更容易將真實評價淹沒于無形?？梢韵胂?，如果在社會事件中引入機器人水軍，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地。更諷刺的是，大多數人可能對此一無所覺。長此以往，即使“黑天鵝”不再來，“灰犀?！币矔黄诙痢?/p>

　　參考資料：An AI Epidemiologist Sent the First Warnings of the Wuhan Virus  https://www.wired.com/story/ai-epidemiologist-wuhan-public-health-warnings/amp

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】