研究表明，找到自动识别假新闻的方法可能比预期的要复杂

　　一组研究人员称，点击诱饵标题可能不像人们想象的那样吸引读者。他们补充说，人工智能人工智能在正确判断一个标题是否是点击诱饵时也可能会出现不足。
　　在一系列研究中，研究人员发现，通常依靠语言噱头来吸引读者进一步阅读的点击诱饵标题往往表现得并不好，在某些情况下，表现比传统标题更差。
　　由于假新闻在社交媒体上备受关注，研究人员探索了如何利用人工智能系统地识别和阻止点击诱饵。然而，研究还表明，用人工智能识别假新闻可能比预期的还要复杂。希亚姆桑达尔，詹姆斯P。唐纳德P。贝利萨里奥传播学院和媒体效果研究实验室联合主任。
　　假新闻研究的一个想法是，如果我们能解决点击诱饵问题，我们就能更接近解决假新闻问题，桑达尔说，他也是宾夕法尼亚州立大学计算与数据科学研究所的附属机构我们的研究把这一点推后了一点。他们认为假新闻可能是一种完全不同的游戏，点击诱饵本身比我们想象的要复杂。
　　在第一项研究中，研究小组随机分配150名参与者阅读8种不同类型的标题之一，然后测量参与者是否会阅读或分享故事。参与者阅读传统的标题，或者依赖于七种点击诱饵功能之一的标题，包括带问题的标题、列表、、指示形容词、正最高级、负最高级，或情态动词（即，可以，应该）。这些头条新闻来自可靠和不可靠的网络来源，并使用检测点击诱饵的算法进行分类。
　　这项研究的主要作者、密歇根州立大学广告与公共关系助理教授玛丽亚莫利纳说：我们最初的一个问题是，哪些点击诱饵功能会吸引更多的点击？我们想更深入地探讨这个问题，但当我们分析结果时，我们意识到没有显著差异，而且，如果有的话，人们更喜欢非点击诱饵的标题。因此，从那里，我们发现可能有一些原因导致这种情况发生。
　　莫利纳称，研究人员进行了第二项研究，以确保其他因素（如每个标题的主题）不会混淆研究结果。
　　在这项研究中，研究人员招募了249名参与者，他们被随机分配到8个条件中的一个，7个点击诱饵标题和1个非点击诱饵标题。这一次，所有的头条新闻都集中在一个单一的政治话题上，由一位前记者撰写。研究小组再次报告说，clickbait的标题并没有显著优于传统的标题。
　　研究小组进行了第三项研究，对研究中使用的几种人工智能或机器学习模型进行了研究，这些模型将标题分为点击诱饵标题和非点击诱饵标题。他们发现，模特们经常在标题是否是clickbait的问题上产生分歧。
　　研究发现，四种人工智能模型对点击诱饵的分类只有47的时间是一致的。在这四种算法分类为相似的175个标题中，139个被确定为点击诱饵，36个被确定为非点击诱饵。各系统之间的一致程度也因标题类型而异。例如，虽然四种算法对负最高级特征的点击诱饵分类达成了更多的一致，但与其他六种特征相比，四种分类器对负最高级特征或问题特征的非点击诱饵分类没有达成一致。
　　人工智能和机器学习模型的性能往往各不相同，ICDS附属机构Lee说。当根据每个模型分类的标题与点击次数进行评估时，四个模型中的三个模型一致显示，指示形容词、列表和wh词比非点击诱饵标题更吸引读者。
　　由于这些机器学习模型是过去几十年的产物，我们有许多变体，有些非常简单，有些运行速度非常快，但另一些更复杂，需要大量资源，李说这就好比当你组装一张桌子时，你可以用5美元的螺丝刀来完成这项工作，但用50美元的电钻可能可以更快地完成这项工作。因此，根据这些机器学习模型的固有能力和模型所提供的训练数据集，他们往往有不同的表现水平和不同的利弊。
　　然而，这些发现让人怀疑人工智能仅仅通过对标题进行分类来检测假新闻。人们在使用clickbait标题作为虚假新闻检测算法的一个元素方面投入了大量资金，但我们的研究却对这一假设提出了质疑。
　　他补充说，这些研究还表明，随着人类假新闻生产者和媒体消费者对构成假新闻的要素变得精明，开发出检测假新闻算法的程序员可能必须不断适应。
　　这有点像猫捉老鼠的游戏，桑德尔说撰写虚假新闻的人可能会意识到被检测者识别为虚假新闻的特征，从而改变策略。新闻消费者也可能只是对某些特征麻木，如果他们看到这些标题的所有时间。因此，虚假新闻的发现必须随着读者和创作者的不断发展而不断演变。
　　研究人员认为，过去点击诱饵标题的流行可能是标题未能吸引读者参与研究的一个原因。Clickbait在当今的媒体中可能无处不在，以至于它们无法脱颖而出，无法像传统的头条新闻那样吸引人们的注意力。clickbait的流行也带来了更多的媒体审查，这可能使研究参与者对clickbait的头条新闻更加谨慎。