Ett nytt verktyg för artificiell intelligens (AI) kan hjälpa sociala medienätverk och nyhetsorganisationer att rensa bort falska historier.

Verktyget, utvecklad av forskare vid University of Waterloo, använder djuplärande AI-algoritmer för att avgöra om påståenden i inlägg eller berättelser stöds av andra inlägg och berättelser om samma ämne.

"Om dem är, bra, det är förmodligen en riktig historia, sa Alexander Wong, professor i systemdesignteknik vid Waterloo. "Men om det mesta av det andra materialet inte är stödjande, det är en stark indikation på att du har att göra med falska nyheter."

Forskare motiverades att utveckla verktyget genom spridningen av onlineinlägg och nyhetsartiklar som är tillverkade för att lura eller vilseleda läsare, typiskt för politisk eller ekonomisk vinning.

Deras system främjar pågående ansträngningar för att utveckla helautomatiserad teknik som kan upptäcka falska nyheter genom att uppnå 90 procents noggrannhet inom ett nyckelområde av forskning som kallas ställningsdetektion.

Med tanke på ett påstående i ett inlägg eller en berättelse och andra inlägg och berättelser om samma ämne som har samlats in för jämförelse, systemet kan korrekt avgöra om de stöder det eller inte nio av tio gånger.

Det är ett nytt riktmärke för noggrannhet av forskare som använder en stor datamängd skapad för en vetenskaplig tävling 2017 kallad Fake News Challenge.

Medan forskare runt om i världen fortsätter att arbeta mot ett helt automatiserat system, Waterloo-tekniken skulle kunna användas som ett screeningverktyg av mänskliga faktagranskare på sociala medier och nyhetsorganisationer.

"Det förstärker deras kapacitet och flaggar information som inte ser helt rätt ut för verifiering, sa Wong, en av grundarna av Waterloo Artificial Intelligence Institute. "Det är inte designat för att ersätta människor, men för att hjälpa dem att kontrollera fakta snabbare och mer tillförlitligt."

AI-algoritmer i hjärtat av systemet visades tiotusentals påståenden parade med berättelser som antingen stödde eller inte stödde dem. Över tid, systemet lärde sig att bestämma stöd eller icke-stöd självt när det visades nya anspråksberättelsepar.

"Vi måste ge journalister möjlighet att avslöja sanningen och hålla oss informerade, sa Chris Dulhanty, en doktorand som ledde projektet. "Detta representerar ett försök i ett större arbete för att mildra spridningen av desinformation."

Ett papper om deras arbete, "Ta ställning till falska nyheter:mot automatisk desinformationsbedömning via Deep Bidirectional Transformer Language Models for stance Detection, " presenterades denna månad vid konferensen om neurala informationsbehandlingssystem i Vancouver.