MIT研發(fā)可出鑒別信息準確性和個人政治偏見的AI系統(tǒng)
10月4日，麻省理工學院計算機科學與人工智能實驗室(CSAIL)宣布與卡塔爾計算研究所(Qatar Computing Research Institute)合作，研究出一種可以鑒別信息來源準確性和個人政治偏見的AI系統(tǒng)。
研究人員利用該AI系統(tǒng)創(chuàng)建了一個包含1000多個新聞源的開源數據集，這些新聞源被標注了“真實性”和“偏見”分數。據悉，這是類似數據集中收錄新聞源數量最多的數據集。
該AI系統(tǒng)的獨特之處在于：其對所評估的媒介有廣泛的語境理解，沒有單獨從新聞文章中提取特征值(機器學習模型所訓練的變量)，而是兼顧了維基百科、社交媒體，甚至根據url和web流量數據的結構來確定可信度。
該AI系統(tǒng)支持向量(SVM)訓練來評估事實性和偏差，其真實性分為：低、中、高;政治傾向分為：極左、左、中偏左、中偏右、右、極右。該系統(tǒng)只需檢測150篇文章就可以確定一個新的源代碼是否可靠，其在檢測一個新聞來源是否具有高、低或中等程度的“真實性”方面的準確率為65%，在檢測其政治傾向是左傾、右傾還是中立方面的準確率為70%。
未來，該團隊打算探索該AI系統(tǒng)是否能適應其他語言(其目前只接受過英語訓練)，以及是否能被訓練來檢測特定區(qū)域的偏見。
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
AI
+關注
關注
91文章
39531瀏覽量
301053 -
MIT
+關注
關注
3文章
254瀏覽量
24988
原文標題：MIT研發(fā)出可識別假新聞的AI系統(tǒng)
文章出處：【微信號：robotmagazine，微信公眾號：機器人技術與應用】歡迎添加關注！文章轉載請注明出處。
發(fā)布評論請先 登錄
相關推薦
熱點推薦
確保X光設備檢測的有效性和準確性的關鍵技巧
在工業(yè)和安全領域，X光設備檢測已成為不可或缺的重要環(huán)節(jié)。然而，許多用戶常常面臨檢測效果不理想、準確性不足的問題，影響生產效率和安全保障。如何確保X光檢測設備能夠發(fā)揮最大效能，準確捕捉目標信息，是當前
電能質量在線監(jiān)測裝置的精度等級對其測量結果的準確性有何影響？
電能質量在線監(jiān)測裝置的精度等級是衡量其測量結果準確性的 核心量化指標 ，直接決定了測量值與 “真實值” 的偏差范圍。精度等級越高（如 A 級），誤差限值越嚴格，測量結果的準確性越高；反之（如 B/C
電能質量在線監(jiān)測裝置定位諧波源的準確性有多高？
網、測點密集、同步精準），準確性可達到 90% 以上；在復雜場景（如廣域電網、背景諧波波動大、測點稀疏），準確性可能降至 70% 以下。以下從 “準確性分級、關鍵影響因素、提升路徑” 三方面，
電能質量監(jiān)測中，數據校驗系統(tǒng)的準確性如何影響暫態(tài)過電壓指標？
在電能質量監(jiān)測中，暫態(tài)過電壓的核心監(jiān)測價值在于 精準捕捉 “短時、突發(fā)” 的電壓異常特征 （關鍵指標包括幅值、持續(xù)時間、上升時間、波形形態(tài)），而數據校驗系統(tǒng)的準確性直接決定了這些特征參數的測量可信度
如何驗證電能質量在線監(jiān)測裝置數據校驗系統(tǒng)的準確性？
驗證電能質量在線監(jiān)測裝置 數據校驗系統(tǒng)的準確性 ，核心是通過 “標準基準對比、模擬真實工況、量化指標評估”，確保校驗系統(tǒng)能精準識別監(jiān)測裝置數據的 “正確性 / 偏差
如何保障電能質量監(jiān)測裝置的準確性？
保障電能質量監(jiān)測裝置（以下簡稱 “裝置”）的準確性，需貫穿其 “ 選型→安裝→運行維護→校準→報廢 ” 全生命周期，核心是通過 “ 源頭把控硬件精度、過程規(guī)避干擾與退化、定期驗證與修正 ”，確保裝置
除了校準，還有哪些方法可以保證電能質量在線監(jiān)測裝置的準確性？
除校準外，保證電能質量在線監(jiān)測裝置準確性需覆蓋 硬件選型、安裝部署、環(huán)境控制、數據鏈路、日常運維、系統(tǒng)協(xié)同 等全生命周期環(huán)節(jié)，通過 “源頭把控 + 過程管理 + 動態(tài)驗證” 形成閉環(huán)保障。以下是 7
如何保證數據校驗系統(tǒng)的時間同步以提高準確性？
在電能質量監(jiān)測的數據校驗系統(tǒng)中， 時間同步的準確性直接決定了多監(jiān)測點數據的時空一致性、暫態(tài)事件的時序匹配度，以及校驗結果的可信度 。要保證時間同步以提升數據校驗準確性，需從 “協(xié)議選擇
哪些環(huán)境因素會對電能質量在線監(jiān)測裝置的校驗準確性產生影響？
電能質量在線監(jiān)測裝置的校驗準確性，核心依賴于裝置硬件（如采樣傳感器、模數轉換器 ADC、基準源）、信號傳輸鏈路及校驗標準源的穩(wěn)定工作。而環(huán)境因素通過干擾上述環(huán)節(jié)的性能，直接或間接導致校驗數據偏差
如何使用運行數據趨勢分析驗證裝置準確性？
利用運行數據趨勢分析驗證電能質量在線監(jiān)測裝置準確性，核心邏輯是 通過長期采集的電網運行數據，判斷其趨勢是否符合電網實際規(guī)律、是否具備穩(wěn)定性與一致性 —— 若裝置準確，其輸出的數據趨勢應與電網工況（如
【Sipeed MaixCAM Pro開發(fā)板試用體驗】基于MaixCAM-Pro的AI生成圖像鑒別系統(tǒng)
任務。這套系統(tǒng)為藝術市場、教育行業(yè)和內容平臺提供了一種實用的工具，有效應對AI生成內容帶來的挑戰(zhàn)。雖然有些識別會出錯，但是還是值得繼續(xù)優(yōu)化以及探討方案的可行性。
發(fā)表于 08-21 13:59
測縫計測量數據的準確性和校準方法解析
在結構物安全監(jiān)測領域，數據準確性是評估工程健康狀態(tài)的核心依據。振弦式測縫計作為主流裂縫監(jiān)測設備，其測量精度直接影響裂縫發(fā)展趨勢的判斷。那么如何確保測縫計測量數據的準確性以及如何校準？下面是南京峟思給
必知！影響手機氣密性檢測準確性的重要因素
移動設備防水防塵技術升級，手機氣密性檢測成保障產品可靠性的關鍵。但檢測準確性受設備精度、環(huán)境穩(wěn)定性、操作規(guī)范性及手機結構設計局限等因素干擾，影響測試結果、產品良品率和用戶體驗。影響手機氣密性
如何使用POT準確性檢查器？
：95：0.00%
分辨率視覺對象等級挑戰(zhàn) （VOC） 數據集未經英特爾驗證。如 Yolo-v4-tf 文檔 中所提到，英特爾已使用上下文中常見的對象 （COCO） 數據集驗證了準確性。通過
發(fā)表于 03-06 08:04
如何設置準確性檢查器支持的“Input_height”和“Input_width”適配器參數？
根據準確性檢查器 （AC） 工具文檔設置input_width并input_height參數在量化過程中遇到此錯誤：
adapter.yolo_v3 specifies unknown options:
[\'input_width\', \'input_height\']
發(fā)表于 03-06 07:45
工商網監(jiān)
評論