Fake News: KI erkennt unglaubwürdige Medien nur unzuverlässig
Künstliche Intelligenz soll dabei helfen, Fake-News als solche zu identifizieren. Ein umfangreiches Experiment dazu verlief allerdings nicht überzeugend.
(Bild: MS. TECH)
- Sascha Mattke
Forscher von MIT, Quatar Computing Research Institute (QCRI) und der Sofia Universität in Bulgarien haben für eine Studie untersucht, wie gut sich mit Hilfe von künstlicher Intelligenz die Glaubwürdigkeit von Medien-Angeboten bewerten lässt. Die Ergebnisse sind zunächst einmal nicht sehr überzeugend: Ihr Modell stufte die Faktentreue von Nachrichten-Seiten als „gering“, „mittel“ oder „hoch“ ein, lag dabei aber nur in 65 Prozent der Fälle richtig. Preslav Nakov, leitender Wissenschaftler am QCRI und einer der Autoren der Studie, geht allerdings trotzdem davon aus, dass KI hilfreich im Kampf gegen Fake-News sein kann. Das berichtet Technology Review online in „Mit KI gegen Fake-News“.
Eine umfangreichere Untersuchung zu diesem Thema dürfte es noch nie gegeben haben. Die Forscher überprüften mehr als 900 mögliche Variablen auf die Frage, ob sie die Glaubwürdigkeit eines Medien-Angebots erkennen lassen können. Um eine Kombination von Variablen zu finden, die möglichst genaue Ergebnisse liefert, trainierten die Forscher ein Maschinenlern-Modell. Interessant daran ist, dass die untersuchten Variablen keine Einschätzungen durch Menschen erfordern – sie beziehen sich auf objektiv messbare Faktoren wie die Satzstruktur von Überschriften oder die Wort-Vielfalt in Artikeln.
Dass die Trefferquote mit 65 Prozent mäßig ausfiel, bedeutet laut Nakov nicht, dass der Ansatz grundsätzlich nicht funktionieren würde. Als Trainingsmaterial konnte das System Bewertungen der Glaubwürdigkeit von 2500 Medien nutzen, die von der Organisation Media Bias Fact Check stammen – nach Maschinenlern-Maßstäben ist das jedoch sehr wenig. „Die offensichtlichste Möglichkeit, um die Genauigkeit zu erhöhen, liegt darin, mehr Trainingsdaten zu bekommen“, sagt Nakov. Derlei Technologie könne durchaus dazu beitragen, die Ausbreitung einer Fake-News-Epidemie relativ schnell zu stoppen, wenn Plattformen wie Facebook und Twitter das wirklich wollen.
Mehr dazu bei Technology Review online:
(sma)
