到配圖都呈現(xiàn)出較強煽動性：一般選題集中于社會熱點或爭議點；文字描述中情感激烈；配圖具有視覺沖擊力等?！辈芫昶饰龅?。曹娟介紹，目前，中科院計算所開發(fā)的辟謠平臺已積累數(shù)萬條假新聞信息，累計認證數(shù)十萬次。通過平臺積累的數(shù)據(jù)，目前可從新聞質(zhì)量的角度把杜撰的新聞文本大致分為三類：一完全杜撰，往往是在真實存在的實體上編造情節(jié)；二半真半假，可能描述的前半段是真，后半段就展開不可靠的想像，或者一部分是真，但在關(guān)鍵情節(jié)上添油加醋；三舊聞新傳、移花接木，事件本身可能存在，但發(fā)布者故意模糊化甚至篡改原事件中的時間、地點，讓人誤以為事情剛剛發(fā)生在當?shù)乇弧３ノ淖衷旒?，圖片視頻造假也越來越多。“我們將虛假新聞配圖分為復(fù)用的過時圖片、能引起歧義的誤導(dǎo)性圖片及篡改圖片。假新聞通常呈現(xiàn)出新聞要素缺失、圖像質(zhì)量低、內(nèi)容包含***敏感廣告等低俗信息，以及圖文不匹配等特點。

例如，有些假新聞中的配圖會出現(xiàn)滿屏彌漫沖天大火、公路凹陷深坑、被棄男童在垃圾廢墟前嚎啕等畫面。”曹娟描述道，“謠言更易形成病毒式擴散的趨勢，而真實新聞的擴散速度和爆發(fā)度要溫和許多。”“從核心技術(shù)上，AI甄別謠言依賴于‘三多’?！辈芫暾f，一是多模態(tài)數(shù)據(jù)，謠言從發(fā)布、傳播到被辟謠的生命周期中，可能會伴隨產(chǎn)生文字、圖片、視頻、傳播網(wǎng)絡(luò)、參與用戶屬性等多種模態(tài)的數(shù)據(jù)，各模態(tài)數(shù)據(jù)均能不同程度指示謠言，例如謠言文字的情感傾向、圖片的視覺沖擊力、傳播網(wǎng)絡(luò)的結(jié)構(gòu)屬性等，但沒有哪種模態(tài)的數(shù)據(jù)擁有獨立完全的謠言指示能力，所以要盡可能獲取不同模態(tài)的數(shù)據(jù)。二是多層次表示，深度學習技術(shù)有強大的表示學習能力，經(jīng)過神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和融合機制的設(shè)計，AI模型可以在面對眾多意義、形式、結(jié)構(gòu)都不同的模態(tài)數(shù)據(jù)時，綜合不同層次數(shù)據(jù)，自動找出醉有區(qū)分能力的表示組合，并將待甄別文章對應(yīng)的文字、圖片、傳播網(wǎng)絡(luò)等融合投射到特征空間中。三是多角度判斷，AI可以從單一方面（如內(nèi)容、用戶、傳播）給出可信度，也可以***觀察，給出綜合所有信息的可信度