Apr, 2019

新闻文章的评级可靠性与偏见：AI 助手是否能帮助每个人？

PDF
TL;DR通过对 654 名参与者进行研究，发现基于特征解释的算法辅助可以提高新闻的可靠性和偏见认知准确性，但是新闻的阅读和分享频率会影响被辅助程度，政治背景和频繁的阅读可以提高准确性。
发现论文，激发创造
  • 人工智能在事实核实方面无效且有潜在危害

    人工智能模型在事实检查任务中表现出令人印象深刻的能力，但该研究发现，AI 事实检查在一些特定情况下会对人们的信念和新闻共享意图造成有害影响，这凸显出了 AI 应用潜在危害性并强调了预防或减轻此类意外后果的政策的重要性。

    Aug, 2023

  • 预防虚假新闻检测中过度信任的机器学习解释

    研究表明通过引入可解释的 AI 助手来解释新闻评论平台中的假新闻，有助于改善用户对算法透明度的理解和信任程度，并提高他们的准确性。

    Jul, 2020

  • 关于人工智能和人类协同招聘团队表现和偏见的研究

    探讨了使用 AI 辅助决策时，人工智能的预测性能与偏差如何对人类决策产生影响的复杂动态，并通过大规模用户研究发现，高性能的模型显著提高了人类在混合环境中的表现，但有些模型削弱了混合偏见，有些则加重了混合偏见。这些研究结果表明，预先评估这些复杂动态对于部署人工智能具有明确的必要性。

    Feb, 2022

  • 虚假新闻的预测语言线索：一个社会人工智能问题

    使用机器学习算法分析媒体新闻的语言特征，以区分真假新闻，主要解决神经假新闻生成、机器生成的标题、文本和图像标题之间的语义矛盾等问题。同时提出应用特征集和类别、特征之间的相关性计算相关属性评估指标和计算属性变量的协方差指标来模拟这些问题。其中独特、负面、积极和基数数字特征在度量中得分高，能够提供高的 AUC 和 F1-score。

    Nov, 2022

  • 自动化评估文本处理服务的可信度的进展

    基于食品行业中营养标签的成功，本文旨在评估和评级 AI 服务的用户信任度，并提出了面向现实世界场景如健康和食品建议的原则性、多模式、因果关系评级方法的挑战和远景。

    Feb, 2023

  • 在与 AI 搭档做出复杂决策时的启发式和偏见作用

    研究表明，一些参与者过于信任人工智能辅助工具，导致选择结果不佳，适用于复杂选择的人工智能辅助工具的研究需要采用新的实验范例和计算建模方法。

    Jan, 2023

  • 通过可解释的 AI 实现智能虚假新闻检测

    人们现在认为社交媒体是他们唯一的信息来源，但同时社交媒体上假新闻也呈指数级增长。本文强调可解释的假新闻检测在当前技术水平上的现状，并介绍了我们正在开展的多模态可解释假新闻检测模型研究。

    Jul, 2022

  • 交互式学习社交媒体表达提高新闻来源事实准确性检测

    社交媒体的兴起使得虚假新闻的广泛传播成为可能，而虚假新闻被故意发布以传播错误信息和影响人们的信仰。本文介绍了一种新的方法，通过人机交互的方式改善自动化系统对社交媒体的表示质量，在真实事件中实验表明，在少量人机交互之后，系统检测新闻可信度的性能得到了提升。

    Sep, 2023

  • 透过人工智能的视角：增强人类对 LLM 生成的假新闻的怀疑

    该论文旨在通过提供简单的标记，帮助个人区分人类撰写的文章和由 LLMs 生成的文章，从而增强对 LLMs 生成的假新闻的怀疑。研究中引入并详细审查 ESAS 排名最高的词汇，以辅助个人加强对 LLMs 生成假新闻的怀疑。

    Jun, 2024

  • 生成人工智能对假新闻影响调查

    2024 年的综合研究论文对生成式人工智能在假新闻检测和创作领域的研究和实际应用进行了全面的审查，并综合了当前的研究结果和挑战。

    Apr, 2024