自動化されたファクトチェックが現実にどれほど近いかを次に示します。

Reuters Instituteの新しいファクトシートには、世界中の自動化されたファクトチェックが含まれています。将来は明るいと思われます。

本日リリース 、レポートは、ファクトチェッカーとコンピューター科学者へのインタビュー、および既存のテクノロジーの概要を利用して、自動化されたファクトチェックが近い将来にどのように実践を変えることができるかを詳しく説明します。

「昨年、ジャーナリスト、政策立案者、テクノロジー企業の間で、オンラインの誤った情報に対する効果的で大規模な対応を見つける問題に注目が集まっています」と、上級研究員のルーカス・グレイブスは報告書に書いています。 「しかし、公の主張の真実を判断し、正当な見解を誤った情報から分離することは困難であり、しばしば物議を醸す作業です…（自動化されたファクトチェック）に引き継がれる課題。」

これらの課題の中で、グレイブス氏は、完全に自動化されたファクトチェックは、ジャーナリストが日常的に適用する判断を可能にすることすらできないと述べています。さらに、より優れた機能と大規模なシステムを開発するには、財団、大学、プラットフォームからのサポートが不可欠です。

しかし、自動化の可能性は非常に高く、すでに一部のニュースルームで起こっています。

短いドキュメントは、自動化されたファクトチェックテクノロジーと研究における最新の開発の分類を提供します。

（自動化されたファクトチェック）イニシアチブと調査は、一般に、3つの重複する目的の1つ以上に焦点を当てています。疑わしい主張やストーリーを正式に検証するため、またはジャーナリストや一般の人々による検証を容易にするため。誤った情報にさらされた視聴者に、さまざまなメディアで即座に修正を提供します。エンドツーエンドのシステムは、識別、検証、修正の3つの要素すべてに対応することを目的としています。

英国のファクトチェック慈善団体FullFactは、メディアと議会の記録を自動的にスキャンしてクレームを探し、既存のファクトチェックと照合するツールを開発しました。 Duke Reporters’LabとChequeadoはどちらも、メディアのトランスクリプトをスキャンしてチェック可能なクレームを探し、後でファクトチェッカーに潜在的なファクトチェックを通知する同様のツールを構築しました。 （開示：レポーターズラボは、グローバルファクトチェックサミットの支払いを支援します）。

最初の2つの組織は、InternationalFact-CheckingNetworkの3番目の「CheckIt」ビデオで紹介されています。

その方法論—トランスクリプト内のクレームを自動的にスクレイピングして検索し、次のような既存のファクトチェックのライブラリと照合します。 事実を共有する グレイブスによれば、これは最も効果的で成功した研究の産物です。しかし、テクノロジーはまだ完璧ではありません。

ただし、これまでのところ、これらのシステムは、単純な宣言型ステートメント、欠落している暗黙のクレーム、または人間が容易に認識できる複雑な文に埋め込まれたクレームしか識別できません。これは、ディスカッションプログラムのように、人々が代名詞を使用して以前のポイントを参照することが多い会話ソースでは特に困難です。

また、言い換えや言い換え、タイミング、文脈の微妙な変化を誤解する可能性もあります。それを超えて、検証は今日の既存の自動化されたファクトチェックツールの範囲外であり、潜在的なファクトチェックをふるいにかけることを人間に依存しているため、レポートによると、期待は控えめに保つ必要があります。

今後、自動化の継続的な課題は、クレームを公式の情報源と照合する方法を見つけることです。これは、基本的にファクトチェッカーが手動で行うことです。グレイブス氏は、人工知能の研究者は、自動化されたファクトチェックシステムがどのデータソースが特定の主張に適切であるかをどのように特定できるかを調べることができると書いています。

しかし、それは他の問題を引き起こします。データが常に利用できるとは限りません。データが利用できる場合でも、データが主張の信憑性にとって何を意味するのかを正しく識別することは困難です。

…「レソトはアフリカで最小の国」という主張を論理的に解釈せずにテストする方法は、大規模なテキストソース全体またはWeb全体で類似した言語を検索することです。たとえば、ウィキペディアを信頼できるソースとして使用し、125,000件の申し立てのデータセットを使用した実験では、[Andreas Vlachos]の学生の1人が率いるチームが、単一述語の申し立てがサポートされているか反論されているか（または十分でないかどうか）を正しく予測できます。証拠）時間の約25％（Thorne et al.2018）。

多くの点で、その種の学術的洞察は、開業医が自動化されたプラットフォームを開発するのを助ける上で不可欠であることが証明されています。

「（自動化されたファクトチェック）は、研究者と実務家の間の非常に緊密なコラボレーションの領域でした」とグレイブスは書いています。 「さらなる進歩は、主に2つの要因に依存します。基礎研究と実世界の実験の両方に対する継続的な財政支援と、オープンデータ標準の確立における政府および市民社会グループによる進歩です。」