大數據分析是人工智能背後的核心技術。在現實生活中，人工智能從人類日常生活的數據中學習人類文化，從中進行模仿，達至「機器代人」的目標，例如從市民閱讀報章、雜誌的習慣，了解他們的生活方式、日常興趣、甚至其政治立場等，然後針對性地提供個人化的智能服務。
虛假新聞傳播 屢造成重大破壞
俗語云：「樹大有枯枝」，這道理也適用於大數據應用上。網絡上的數據良莠不齊，垃圾信息滿布，當中虛假新聞更是全球焦點，因而造成重大破壞的例子比比皆是。例如美國於2003年在沒有真憑實據下，堅持伊拉克擁有大殺傷力武器而入侵該國，導致死傷無數；2016年美國總統大選，市場研究公司劍橋分析（Cambridge Analytics）利用5000萬個Facebook私人用戶資料，發放假信息打壓希拉莉，最終特朗普以爆冷姿態在選舉中勝出；2020年美國總統大選投票過後，特朗普團隊內部在社交網絡中瘋傳拜登選舉舞弊，引發暴徒上街衝擊國會山莊等。
在香港網絡社會中，情況也不遑多讓，線上謠言滿天飛，虛假新聞嚴重影響本地社會秩序和常態，例如有「偽專家」指鹿為馬，錯誤地指出「安心出行」存在私隱外洩風險，令市民抗拒下載使用；亦有網民誤導普羅大眾，刻意指摘新冠疫苗效果不彰，令不少市民放棄接種。這些源源不絕的「假新聞」嚴重拖慢本港抗疫步伐，打擊民生和經濟。
面對虛假新聞對社會的負面影響，科技企業、大學、科研中心等各界沒有坐視不理，無不積極投放資源進行研究，務求找出有效的方法識別及過濾虛假新聞。筆者的研究領域聚焦於「自然語言處理」，研究目的是利用人工智能技術分析及理解文字信息（例如報章內容），而識別虛假新聞亦是筆者近年的主要研究方向。
兩類傳媒資訊 AI處理各不同
傳媒資訊如報章、雜誌等的內容，主要由兩類信息組成，分別為客觀信息（Objective Information）和主觀信息（Subjective Information），客觀信息描述所報道的事件，包括其前因後果，主觀信息則是記者或受訪者對事件的個人意見。根據傳統定義，大眾視前者為新聞，而後者則為評論，從人工智能角度，處理這兩種信息的目標截然不同。
客觀信息理論上由事實組成，因此要判斷它的真偽，人工智能系統會查證事實（Fact Check），目的是核對事件是否事實。如果事件是自然發生的，系統可以從它的合理性及科學性進行研究和求證，但若然系統面對的是社會事件，查證便會較為複雜。分析這類新聞的算法，並非純粹是證實目標事件是否發生過那麽簡單，而是把事件在何時進行（When）、哪裏發生（Where）、誰人導致（Who）、如何造成（How）等關連證據也進行徹底分析，例如系統會追溯事件發生的歷史，以及牽涉相關人士之間的人際網絡等。
進行這類任務的最大困難是「自然語言理解」（Natural Language Understanding，NLU），因為在這方面的現有技術都是針對特定領域（如法律）而設，並不能普及地應用於日常新聞理解上。
處理主觀信息的手法大有區別，其主要目的是作「輿情分析」（Public Opinion Analysis），讓用戶了解大眾對目標事件所關注的要點及程度。人工智能系統首先利用「自然語言處理」技術，從評論中挖掘出各評論員的不同論點，然後統計每一論點的支持人數，最後作出結論，例如分析發現大多數香港年輕人認為「在大灣區創業」是正面的。
然而，由於輿情分析的算法主要基於統計學，因此其結果深受數據（即新聞）完備性的影響，常見的現象包括：
- 系統並沒有涵蓋所有關鍵持份者，導致其分析結果偏頗或帶有立場；
- 由於分析系統並沒有獲取所有論點，因而導致以偏概全的問題，影響分析的可靠性。
缺標準測試數據 礙新聞理解研究
總體而言，無論是事實查證或輿情分析，兩者與其他大數據分析應用同出一轍，都是非常依靠機器學習技術。有效的機器學習，與系統背後所採用的訓練及測試數據質量息息相關。然而，訓練數據不足，以及缺乏標準測試數據，是新聞理解研究的瓶頸，窒礙了它的廣泛應用。
以擁有最先進科研能力的Facebook公司為例，自從特朗普首屆選舉以來，他們便堅決要杜絕臉書社交平台上的虛假新聞，為此花了不少人力、物力去研發專責的人工智能算法，但到了今天仍未能完全把過程自動化，還是需要人機互動，以人工智能技術輔助專家團隊作出最終判斷。從另一角度看，此情景又一次反映出坊間盛傳的「機器代人」觀念在現階段並不適於傳媒行業。新聞採集、寫作、而至編輯等工作還是以人為本，很需要真人參與。
原刊於《經濟日報》，本社獲作者授權轉載。
