چکيده
يكي از اهداف هوش مصنوعي، كمك به بشر در كنترل هوشمند انواع فعاليت¬ها اعم از شناسايي هويت، تشخيص بيماري، تشخيص اخبار جعلي و غيره مي¬باشد. جهت تشخيص اخبار جعلي و شايعات دو روش كلي وجود دارد: بررسي صحت به صورت دستي و غير اتوماتيك و بررسي صحت به صورت اتوماتيك. اطلاعات غلط يا تاييد نشده، همانند اطلاعات دقيق در فضاي مجازي پخش مي¬شود. بنابراين بسيار خطرناك بوده و بر افكار عمومي و تصميمات آن تأثير مي¬گذارد. اخبار و شايعات جعلي به ترتيب نشانگر محبوب¬ترين اشكال اطلاعات غلط و تاييد نشده است و براي جلوگيري از تأثيرات چشمگير آنها بايد در اسرع وقت شناسايي شوند. در نتيجه علاقه به تكنيك¬هاي شناسايي موثر اخبار جعلي و شايعات در سال-هاي گذشته بسيار سريع رشد كرده است.
در اين سمينار به بررسي رويكردهاي مختلف در تشخيص خودكار اخبار جعلي و شايعات مطرح شده در مقالات و كارهاي انجام شده اخير مي¬پردازيم. بستر مطالعه در اين مبحث، متن مي¬باشد. نكته مهم در تشخيص اخبار جعلي در بستر متن، پس از ايجاد مجموعه دادگان مناسب، يافتن ويژگي¬هاي مناسب مي-باشد كه خوشبختانه امروزه با پيشرفت كامپيوترها و ديجيتالي شدن متن¬ها، استفاده از ابزارهاي پردازش زبان طبيعي براي يافتن ويژگي¬هاي زباني در كنار ديگر ويژگي¬هاي غير زباني در پيشبرد اين حوزه كمك فراواني كرده¬اند. همچنين روش¬هاي متعدد يادگيري ماشين و يادگيري عميق وجود دارند تا به ما در تشخيص اخبار جعلي كمك كنند.
