辨别假新闻、实时下单 AI在新闻行业走到哪一步？
8月22日，本站新闻“闻学社沙龙”以《人工智能将如何重塑新闻业》为主题，邀请了来自北大、中大、路透社、新华社等机构的专家学者，探讨新技术影响下的传媒生态重塑。
Reuters News Tracer是一个监测社交媒体的工具，最早用于路透内部，帮助记者和编辑监测社交媒体中出现的新闻信源。后来随着算法的深入，我们发现用机器学习还可以做更多的事情，比如对于社交媒体上发出的信息，可以通过算法区别哪些是新闻，哪些是一般性对话。这个项目经过三四年的不断优化，现在正逐步测试开放给外部用户使用。
News Tracer能够对Twitter上搜集起来的所有可能视为新闻的内容做分析：是谁最先发出消息的；是谁最先转发的；信息的可信度如何。如果分析结果判定消息的真实性存疑，就会在上面标注出来相应的从0%到100%的可信度数值。
Reuters News Tracer的界面
前段时间我刚好亲历一则上市公司的谣言从发布到爆发的传播过程：
这则假消息刚刚发布时，我用News Tracer这个工具监测，看新闻源就知道是假的。慢慢增长到800多个点击量，然后有大V或其它媒体转载，当被网站转载以后它就变成新闻发酵了，但不到24小时又被澄清了。“我见证了整个过程，因为我收到第一新闻源特别早，整个假消息传播链条是一开始局限在小范围内，随着新闻网站的转发和大V转发而爆发。”
News Tracer目前的应用范围有以下几个方面：
1. 自动验证新闻真假，它会用算法去分析记者平时可能会关注的问题，去验证新闻的真实性。
2. 通过算法和机器学习剔除广告、垃圾、谣言、一般性谈话等无用信息，摘出要点。根据不同的数据源确定它的真实程度有多高，同时它能够去除噪音，而且会把相同类别的叠在一块儿，作为一个数据组，同时显示未来的更新。
3. 进行实时监测，验证Twitter和其他社交媒体上的新闻。
4. 凭借后台大数据库，客户可以根据需求搜索相关新闻，分辨真假。
传统上说到的人工智能应用都是在分发那一端，而Reuters News Tracer是从新闻来源一端就做了大数据、人工智能、机器学习的应用。
Reuters News Tracer可以通过社交媒体直接抓取由见证者第一时间发布的信息，如果信息真实就直接发布。比如日本地震，网络上最早的消息可能比第一个发布的媒体还早4分钟，由于有亲历者发布，Reuters News Tracer可以进行交叉验证，验证为真就发布出来，发布时还会标注这条新闻的可信度为多少，是50%，70%还是100%，而且会把数据来源显示出来让你辨别。
2机读新闻(Machine Readable News)，帮助用户实时下单
2009年起我们就推出了机读新闻 (Machine Readable News) 的产品。用户的下单系统对接我们的Machine Readable News可以自动下单，这个产品到现在为止已经革新了几代，相对来说比较成熟。
通过机器自动读取和分析新闻，系统可以判断事件是正面还是负面，随后便会将结果与历史数据库比较，如：事件正面程度有多高、具体涉及到哪些公司、消息利好程度有多大，从而判断新闻对商品、股价的影响程度。通过以上方式得出的实时数据和分析，能够让机器自行辨别买卖信号直接下单。
更进一步，这个产品还可以根据新闻分析出市场情绪，即给出一个指数指标跟踪市场对资产类别或股票的情绪变化。比如大宗商品或者黄金，根据这段时间的新闻报道来看，大家的情绪是高还是低？我们前端已经将结果做了可视化呈现，用户能很明显地看到结果。
另外就是给出一些经济指标，经济指标相对来说比新闻简单，特别是股票市场、外汇市场，现在股票、外汇、大宗商品市场很多交易都来自于这种指标的直接下单。
从新闻里还能发现什么价值？路透社通过对新闻的分析建立了企业关联关系的供应链。
人与人之间有各种各样的关系网络，公司之间也是如此。我们有一个引擎，可以根据某些公司新闻做分析，分析之后就能看出这些新闻中提到的其它公司是它的客户、竞争对手、母公司、消费者还是子公司，机器分辨出来后会将它们做成一条关联关系。
苹果公司的供应链数据
这里会用到路透原有积累的产品或数据，全球99%的上市公司在我们的数据库里都有ID，这样比较容易找到那些公司。我们还有两个关键数据库，一个是组织机构数据库，另一个是人的数据库，一个是做公司关联，另外一个是做上市公司高管之间的关联，打出标签以后很容易分出上下游和关联关系。第三方用户如果也想做数据处理，直接把原材料放在云端就可以用我们的机器生成关联关系。