English
邮箱
联系我们
网站地图
邮箱
旧版回顾


www.55rfd.com_www.55rfd.com-【市场营销专家】

文章来源:SEO    发布时间:2019-10-24 13:56:48  【字号:      】

www.55rfd.com_www.55rfd.com-【市场营销专家】识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。

识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。

识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。

识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。识谣言、辨假货 人工智能已活跃在打假一线#标题分割#  “虚假信息的产生主要有两类动机:一类是利益驱动,2018年发表于《科学》的研究发现,要达到相同的传播深度,虚假信息的速度是正常信息的20倍;另一类是政治驱动,在现有互联网经济中,高效传播代表着高额经济价值,人工智能技术会被不法分子用来左右公众对于政治的认知和判断,从而控制舆论,威胁政治安全。研究显示,2016年美国总统大选期间,受访选民平均每人每天接触到4篇虚假新闻。虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果。”中科院计算所副研究员、博士生导师曹娟在日前北京举办的WomenWhoCode讲座上介绍。  为了减少虚假信息,有必要对网络新闻进行认证。但大型资讯聚合类平台每天的新闻发布量一般在50万条以上,显然完全依靠人工认证是不现实的,面向公众,亟待建立高效的AI识谣平台。  杜克大学新闻研究中心的调查显示:截至2018年2月,全球共有149个正在活跃运营的事实核查类新闻创业项目,其中北美和欧洲74个、亚洲7个。而在一些国外社交平台上,已有自动化可信度评估插件来显示信息的可信度。  据了解,目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式,其存在一定的问题:发现线索主要依赖用户举报,数量有限,时效性不强,往往是事件已造成负面影响才“后知后觉”;此外,新闻认证速度有待提高。Facebook统计,依靠专家辟谣的认证模式平均滞后3天,错失辟谣最佳时期;覆盖类别受限,专家只能在自身擅长的领域辟谣,领域专家库的多样性决定了人工辟谣平台的能力上限。  为提高识谣效率,目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作。曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究,她介绍,AI识谣公众平台可自动及时发现可疑线索并进行认证,大大降低谣言可能带来的危害;通过机器学习算法辅助人工审核,仅需1分钟即能对疑似谣言事件发出预警;基于数据驱动的方法,平台还可不断挖掘出不同类别谣言的特性,实现对各种谣言地自动识别。  不过,需要指出的是,“虚假信息识别是一个高度复杂的问题,一方面是虚假的定义并不明确,需要不确定性建模;另一方面是标注很困难,需要小样本学习方法。目前,机器学习算法的准确率尚不足以完全取代人类,但已能够辅助人类更快更好地审核新闻。”曹娟表示。正如扎克伯格所说,“想要完全依靠AI审核内容,可能尚需5—10年时间”。  多模态、多层次、多角度揪出假新闻  “虚假新闻往往从选题、文字表述,到配图都呈现出较强煽动性:一般选题集中于社会热点或争议点;文字描述中情感激烈;配图具有视觉冲击力等。”曹娟剖析道。  曹娟介绍,目前,中科院计算所开发的辟谣平台已积累数万条假新闻信息,累计认证数十万次。通过平台积累的数据,目前可从新闻质量的角度把杜撰的新闻文本大致分为三类:一完全杜撰,往往是在真实存在的实体上编造情节;二半真半假,可能描述的前半段是真,后半段就展开不可靠的想像,或者一部分是真,但在关键情节上添油加醋;三旧闻新传、移花接木,事件本身可能存在,但发布者故意模糊化甚至篡改原事件中的时间、地点,让人误以为事情刚刚发生在当地被。  除去文字造假,图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息,以及图文不匹配等特点。例如,有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道,“谣言更易形成病毒式扩散的趋势,而真实新闻的扩散速度和爆发度要温和许多。”  “从核心技术上,AI甄别谣言依赖于‘三多’。”曹娟说,一是多模态数据,谣言从发布、传播到被辟谣的生命周期中,可能会伴随产生文字、图片、视频、传播网络、参与用户属性等多种模态的数据,各模态数据均能不同程度指示谣言,例如谣言文字的情感倾向、图片的视觉冲击力、传播网络的结构属性等,但没有哪种模态的数据拥有独立完全的谣言指示能力,所以要尽可能获取不同模态的数据。  二是多层次表示,深度学习技术有强大的表示学习能力,经过神经网络结构和融合机制的设计,AI模型可以在面对众多意义、形式、结构都不同的模态数据时,综合不同层次数据,自动找出最有区分能力的表示组合,并将待甄别文章对应的文字、图片、传播网络等融合投射到特征空间中。  三是多角度判断,AI可以从单一方面(如内容、用户、传播)给出可信度,也可以全面观察,给出综合所有信息的可信度,及时帮助人们“揪出”可信度不高的信息。  结合专家经验辨别虚假商品  曹娟介绍,目前除了鉴别虚假新闻、虚假图片,AI虚假检测技术还可以应用在对虚假商品的检测上,如基于视觉信息技术鉴定一些高档商品的真伪。  2017年,美国纽约大学成功研发出一套假货鉴定系统Entrupy,用户利用配有微型相机的手持设备对鉴定物品进行拍摄,这个系统利用机器学习算法,分析图像,最终确定产品的真实性。其联合创始人介绍,除了表面是屈光的钻石和瓷器不能检测外,这项技术使用光学分析可测试汽车零部件、手机、充电器、耳机、夹克和鞋子,甚至原油。  近日,中国科学院计算技术研究所与国内某奢侈品电商宣布共建联合实验室,探索智能鉴定和智能内容分发、在线鉴定商品业务等内容。那么,AI如何对商品,如包、鞋辨别真假;在识别假货方面,AI可替代专家吗?  “与人识别假货相比,在强度、效率等方面,AI有着突出表现。例如,一般识别假LV包的专家,工作一天只能鉴定五六个包,而AI筛查一个包仅需几分钟。实际操作中,AI先在大量筛选中发现异常情况,报警示错,再由专家来做进一步甄别。即以AI技术打假为主、以人工审核为辅,AI还不能替代专家。”曹娟说。  曹娟表示,虚假商品检测可形式化为异常检测问题。正品样本往往量很大,但仿品样本量很小,甚至为零。这时候,只能对大量正品进行建模表示,然后对待检测样本,要看它与正品相比是否存在异常。但单纯的数据学习是困难的,鉴别中还要结合鉴定专家的经验知识,以引导模型学到快速定位异常区域的能力;同时,模型通过数据驱动发现的视觉规律,也会反馈给专家。因此,这是一个专家和模型相互学习、迭代提高的过程。

从中亚之行的三句古语看习近平的外交理念#标题分割#  2019年6月15日,亚洲相互协作与信任措施会议第五次峰会在塔吉克斯坦首都杜尚别举行。习近平出席峰会并发表题为《携手开创亚洲安全和发展新局面》的重要讲话。  不做碌碌无为的清谈馆,要做知行合一的行动队。在亚信峰会的讲话中,习近平特别提到古语“君子务本,本立而道生。”意为君子要专心致力于根本事务。  与一些西方国家的“口惠而实不至”不同,习近平在单边、多边外交中展示出来的务实魅力,让世界人民感受到了中国的发展自信和大国担当。  以上合峰会为例,上海合作组织是世界上幅员最广、人口最多的综合性区域合作组织。习近平和各国领导人在此次比什凯克峰会首先讨论的,就是2018年青岛峰会成果的落实情况。会议发表的新闻公报中明确,成员国将“继续致力于推动上合组织框架内政治、安全、经贸、金融、投资、交通、能源、农业、人文等领域的务实合作”。会议通过的近1万字的《比什凯克宣言》和文件清单上的22项成果,都是务实合作沉甸甸的证明。  此外,达特卡-克明输变电工程、奥什市医院、中吉乌(兹别克斯坦)公路、亚湾-瓦赫达特铁路桥隧道、杜尚别热电厂……一个个标志性项目,为吉塔两国发展振兴创造了新机遇,为当地民众生活带来了新福祉,也是中国务实合作的最佳见证。  中国好,亚洲才能好;亚洲好,世界会更好。在经济全球化深入发展的今天,世界各国相互依赖,一荣俱荣、一损俱损,既是命运共同体,也是利益共同体和责任共同体。习近平顺应世界发展大势的外交理念,与亚洲各国共奏命运交响曲,必将为亚洲和世界发展提供增长新动力。  (中央广播电视总台央视网)从中亚之行的三句古语看习近平的外交理念#标题分割#  2019年6月15日,亚洲相互协作与信任措施会议第五次峰会在塔吉克斯坦首都杜尚别举行。习近平出席峰会并发表题为《携手开创亚洲安全和发展新局面》的重要讲话。  不做碌碌无为的清谈馆,要做知行合一的行动队。在亚信峰会的讲话中,习近平特别提到古语“君子务本,本立而道生。”意为君子要专心致力于根本事务。  与一些西方国家的“口惠而实不至”不同,习近平在单边、多边外交中展示出来的务实魅力,让世界人民感受到了中国的发展自信和大国担当。  以上合峰会为例,上海合作组织是世界上幅员最广、人口最多的综合性区域合作组织。习近平和各国领导人在此次比什凯克峰会首先讨论的,就是2018年青岛峰会成果的落实情况。会议发表的新闻公报中明确,成员国将“继续致力于推动上合组织框架内政治、安全、经贸、金融、投资、交通、能源、农业、人文等领域的务实合作”。会议通过的近1万字的《比什凯克宣言》和文件清单上的22项成果,都是务实合作沉甸甸的证明。  此外,达特卡-克明输变电工程、奥什市医院、中吉乌(兹别克斯坦)公路、亚湾-瓦赫达特铁路桥隧道、杜尚别热电厂……一个个标志性项目,为吉塔两国发展振兴创造了新机遇,为当地民众生活带来了新福祉,也是中国务实合作的最佳见证。  中国好,亚洲才能好;亚洲好,世界会更好。在经济全球化深入发展的今天,世界各国相互依赖,一荣俱荣、一损俱损,既是命运共同体,也是利益共同体和责任共同体。习近平顺应世界发展大势的外交理念,与亚洲各国共奏命运交响曲,必将为亚洲和世界发展提供增长新动力。  (中央广播电视总台央视网)




(www.55rfd.com_www.55rfd.com-【市场营销专家】)

附件:

专题推荐


© www.55rfd.com_www.55rfd.com-【市场营销专家】SEO程序:仅供研究探讨测试使用 联系我们

请勿用于非法用途,否则后果自负,一切与程序作者无关!

百站百胜: 美增兵沙特:1套爱国者4套“哨兵”200名操作员 机构看好零食产业未来增长空间扎堆调研休闲食品股 刚买一年就成 求是摘报:在深入推动长江经济带发展座谈会上的讲话 宗校立:美联储重要人物纷纷转鹰对美元是否利好? 国庆节给长辈送礼物近期超值千元手机选购指南 美元指数持续走强人民币中间价报7.0731下调2点 一汽轿车:270亿置入资产一汽解放获国务院国资委批复 刘永富:脱贫攻坚来不得假来不得违规资金降到1%以下 Netflix想靠财报翻身?瑞信:不大可能了 涠洲岛失联女孩事发前微信曝光:曾多次问安全问题 人民日报文章:手挽着手肩并着肩同心共筑中国梦 国庆阅兵仪仗队将首次护卫三面旗帜徒步通过天安门 全球的奇葩游戏控制器,每年都在这里Battle 59元买进4999元转手盲盒是赚钱捷径还是交智商税? 特朗普准备公开与乌总统通话文字记录:我已授权 新中国究竟“新”在何处?答案也许就在一封信里 人民日报国纪平:大变局中的中国与世界 九寨沟震后两年开放游客感叹“照相不用加滤镜” 生于1949:他收藏了80万张旧时的火柴盒贴画 券商发力金融科技求新若渴2020届高薪校招全面开启 科创板上会被否第2例泰坦科技业务模式未能准确披露 全文|9月25日外交部发言人耿爽主持例行记者会 银宝山新7天6涨停暴涨80%:啥原因谁在抢筹? 再见!南苑机场的最后一晚和曾经辉煌的第一次 獐子岛终止重大资产出售因会计师及财务顾问未表态 科创板上市委:同意金山办公首发上市 关键数据晚间登场!警惕金价再度大跌黄金分析 首秀他们是受阅徒步方队中唯一战斗着装的 小米旗下国内首款5G手机发布米9Pro5G售价3699元起 快来看大兴机场的黑科技电子行李牌能帮你 云南白药拟推员工持股计划股价大涨 苯乙烯期货合约正式上市:产能从缺口到过剩 阿里宣布一重大项目成果!或诞生下一个因特尔? “双11”快递启动会举行中国快递“天团”集体备战 特朗普会见乌克兰总统法媒:两人既紧张又滑稽 京雄城际动车票开售北京西到大兴机场二等座25元 80后领不到养老金?工行农行千亿市值股权划转社保 中国女排世界杯五冠王训练时郎平亲自拖地板 利多因素不断涌现,金价站上1530创将近三周以来新高 媒体聚焦 工商银行完成非公开发行7亿股境内优先股募集700亿 苏宁易购:苏宁金服完成百亿融资公司料获收益158亿 两连板纵横通信:股东东证昭德、魏世超拟减持 蔚来汽车回应质疑:实际亏了220亿元年底前还会裁员 中国科学家定位嫦娥四号着陆位置再现落月过程 联想控股(天津)有限公司法定代表人不再是柳传志 美国财政部:当前没有阻止中国企业在美上市计划 发改委:我国信息化深入发展新四大发明成为常态 小摩:玖龙纸业降至中性评级下调目标价至7港元 最高检首次发布行政检察指导性案例回应社会热点 山西农商银行改制提速一天批复6家农商行筹建工作 贵人资本梁渊:料港股近期谨慎做多可留意消费股 中央储备冻猪肉将再投放1万吨供应市场 财政部:70年来财政改革始终发挥基础性和支撑性作用 美联储“鹰”声助推美指脱欧迷茫压制英镑反弹 李楠谈小米MIXAlpha:卖19999元还是不赚钱 华为董事长:美国禁令对华为没太大影响 振静股份:上市不到两年闪电卖壳养猪巨星将借道冲A 来自阅兵场的《我和我的祖国》音乐响起瞬间泪目 韩连环杀人案嫌犯或还涉及他案警方已介入调查 18款游戏笔记本对比:外星人性价比低小米神舟不要买 特朗普遭众院弹劾调查对手拜登支持度上升 优刻得科创板过会A股同股不同权首家公司越来越近 来头不小首家银行系资产配置类私募诞生 方达控股昨升逾11%后现逆市续涨5%破顶 重磅:工行、农行大动作刚转了1200亿给社保基金 北京楼市“金九”未现新房网签持平二手房跌超三成 双焦领跌、黑色再现一日游钢市限产红利提前结束? 迟到的公募REITs 美媒:若匿名投票多数共和党议员支持弹劾特朗普 特朗普联大批评中国外交部回应 国庆长假理财攻略来了逆回购、银行理财招数多多 原央行官员、侨联副主席李波出任重庆副市长 大兴机场经济效应:分流周边机场引导京津冀票价降低 新时代民营经济观察:自主创新助推民企跑步式发展 专项债额度最快月下达地方可 FESCO程金刚:让AI赋能人力资本和驱动增长 茅台连出大招平抑价格物美超市京城投放万瓶 韩经济副总理:韩俄商定将于明年签署自贸协定 华为Mate30买哪个版本这是给您的由衷建议 苏宁金服完成100亿增资不再纳入苏宁易购合并报表 “两弹一星”到北斗导航70年来重大工程捷报频传 铁矿石期货功能渐显现钢企参与期货交易成潮流 兴业投资:多空继续胶着等待新的指引 美联储向市场需求低头宣布提高回购协议操作的规模 林郑月娥:大湾区能丰富“一国两制”实施 恍如大牛市:公募王者归来最牛者今年暴涨逼近100% 14.33亿海澜之家悉数收回原旗下女装爱居兔分文未用 财经大V怒怼拍拍贷:请人马尔代夫豪华游算商业行贿? 青岛构筑冰上丝绸之路桥头堡天禧轮穿越北极 2020年度海军招飞工作启动重点招舰载机飞行学员 泰禾董秘夏亮辞职:副总裁葛勇暂代董秘职责 “考”问大数据隐私保护与大数据金融矛盾吗? 华软科技控股股东作价31亿出售张景明接盘夺实控权 正中珠江客户联瑞新材将上会上会前夕变更实控人 美方解密有关对台售武备忘录国台办:完全错误 央视主播海霞告诉你爱国最好的打开方式 科创板第二例泰坦科技IPO遭上交所否决 邻国抗议日本允许“旭日旗”进奥运赛场日方狡辩 中俄议会合作委员会第五次会议举行对话会立法圆桌会 厉害了我的大兴机场:全球最大单体航站楼台媒吹爆 宁波银行回应计提损失准备:等待进一步明确信息 长园集团:格力集团子公司格力金投成为第一大股东 Uber3个月亏52亿美元CEO:商业模式绝对可持续 美国电子烟神秘肺病病例一周激增52%已致12人死亡 疾控中心:国庆期间重点预防登革热季节性流感等 股价暴跌后蔚来宣布今晚8点举行二季度财报电话会议 我国前8月服务贸易总额同比增长3% 日本政府批准日本2019年版《防卫白皮书》 易纲:中国的货币政策应保持定力不搞大水漫灌 住建部:培育住房租赁市场因地制宜发展共有产权住房 吴彦初:伦敦金黄金TD白银TD晚间走势分析及参考建议 王乾品金:黄金震荡走高多头强劲原油震荡偏弱多空 总市值超千亿财政部向社保基金划转农行、工行股权 李大霄:一股强大的力量将大盘拉起好股票无需恐慌 台媒:华为重塑供应链美企正被这些公司取代 求是摘报:在深入推动长江经济带发展座谈会上的讲话 中国将加入《武器贸易条约》特朗普却曾表示要退约 首家银行系资产配置私募诞生信银投资背后中信银行 全球乳业巨头恒天然净亏6亿新西兰元 兴业投资:多空陷入拉锯国际油价涨跌不一 日本央行行长黑田东彦:没必要排除下调负利率的选项 报告:今年国庆我国旅游人次或将接近8亿 獐子岛终止逾2亿出售资产一月内不再筹划相关重组 银行系商城的前世今生:为何做电商是蜜糖还是鸡肋 比利时授予马云皇冠勋章表彰其倡导企业家精神 中潜股份再买空壳妖股、赌王合体葫芦里卖的什么药? 央行今日开展200亿逆回购操作当日实现净回笼1000亿 华为是如何野蛮生长的 让贫困生也能用电脑秘鲁女学生开发木质笔记本 新产品下线:国产大飞机及发动机有精密锻件了(图) 工行:35年攀顶银行市值第一位 韩长赋:今年粮食产量有望第5年稳定在1.3万亿斤以上 快讯:医药板块午后表现分化京新药业跌停 周睿金:黄金跌至千五关口修复日内操作策略指南 任泽平展望中国未来:十年后有望跃升为第一大经济体 金徽酒今领涨酿酒板块称不存在影响股票波动的大事 爆航旅纵横泄露隐私媒体请尊重 韩美总统重申不对朝鲜动武讨论朝美协商方案 李嘉诚讨债首席 全通教育重组落幕巴九灵回应:或将独立IPO 恒瑞医药新适应症上市申请拟纳入优先审评 凯撒旅游上半年扣非净利降7成海航旅游丢大股东宝座 央行数字货币意味什么%专家%三个 首都机场十一期间启动刷脸登机全流程自助服务 专访瑞银中国策略主管:看好A、H市场这些股票标的 美经济学家谈王毅讲话:贸易战无法阻挡中国前进步伐 沙特称伊朗为 王毅会见俄外长:中俄要继续加强战略协作 鑫苑物业入场费3030元10月11日上市滔搏传筹资94亿 波音赔偿遇难者每人14万美元家属律师:远远不够 关于建设人工智能上海高地构建一流创新生态行动方案 正泰集团股权冻结幕后:金龙机电11亿并购曲终人散 香港“光头警长”北京行心愿单:想登长城吃烤鸭 李嘉诚向好友动手:担保违约被破产揭连亏9年老千股 交换俘虏之后俄乌冲突仍难化解 央行今日开展300亿逆回购操作当日实现净回笼100亿 保险业连续8个月增速下行人身险公司增速略优于行业 北京大兴国际机场首个商业航班降落搭载149名旅客 人大代表建议制定禁止虐待动物法农业农村部回应 三大运营商延期5G免费体验套餐正式商用套餐待发布 海大集团布局400万头生猪养殖板块领涨迅速收复失地 十一出游保险护体:低至十余元的旅游保险靠谱吗? 经济日报头版:负面清单“减”外资空间“加” 北京大兴国际机场首批航班将起飞三大技能保障开航 宗校立:周二交易日简单剖析下美联储的立场! 又有券商被罚:5张罚单一起来资管也遭殃 众兴菌业前三季度净利预降65%单品拖累毛利率 爱奇艺:百度高级副总裁沈抖将担任董事王路辞任 药品带量采购扩围厮杀:拟中选价降六成药企感叹刺激 吴京对举国旗的执念原来因为中国女排 今日净流入27.52亿元外资A股话语权或持续提升 吉祥人寿四千万股权被拍卖股东方折现保利地产身影 瑞声科技跌近2%遭晨星首予卖出评级 共享充电宝告别一元时代?企业回应 一文详解主流P2P平台资产端:个人信贷业务或将扩大 苹果iOS13和iPadOS存第三方键盘漏洞官方:即将修复 引渡案再次开庭孟晚舟发朋友圈:感谢风雨同行的你们 八成偏股基金涨幅超沪指3只偏股基金涨近80% 最高检首次发布行政检察指导性案例回应社会热点 美媒:中国女孩老板正在崛起大多是千禧一代 农业农村部部长:明年开始对土地承包延包进行试点 世界VR产业大会将至助力5G应用最强风口 双成药业两项 孟晚舟引渡案再次听证违规批捕和政治因素或成焦点 小摩:新电价机制不利电力股华能国际及华电受影响 今年全球银行业已宣布裁员近6万人90%在欧洲 大金融表现强势浦发银行等涨近3% 财政部向社保基金划转工行农行股权总价值超1151亿 商务部原副部长:当前是迈向全球制造强国最好时期 烈士纪念日向人民英雄敬献花篮仪式30日上午举行 国家发改委:有条件地区会跟进放宽或取消汽车限购 正邦科技:下调年度生猪出栏量 国庆期间北京公交新增两条故宫摆渡专线 外汇局新闻发言人就6月末外债数据有关问题答记者问 四环生物背后提线人:阳光系大佬陆克平操纵19个账户