假新闻的散布，是因为我们没有“思考”！（图片来源：Adobestock）
假新闻的散布，是因为我们没有“思考”！别丢下判断讯息合理性的责任。
假新闻是个复杂的问题，没有简单的解决方法。竞争和隐私固然应该受到规范，错误讯息却构成一种独特的挑战，因为我们需要选出真相仲裁者赋予他们定义真假的权利，政府通常不适合担任这样的角色。基于这个理由，对抗错误讯息的战争不会、也不该由政策制定者赢得，而是由平台和人民赢得。虽然没有灵丹妙药，但组合不同的方法可以抑制假新闻的扩散，并减轻这类新闻对社会的影响。
1、加上标记
第一个方法是加上标记。我们可以这么想：在超市买东西时，产品上普遍都有标示。我们因此知道产品有多少卡路里、脂肪，以及制作过程是否会经过处理小麦或花生的设备（针对会过敏的消费者）。这种营养表上的标示是法律规定的。但当我们阅读线上新闻时，没有任何标记可以显示我们付费阅听消息的来源和真实性。消息中有什么？消息来源可靠吗？消息是如何搜集的？这个期刊的编辑政策为何？需要多少个独立消息来源来证实才能发表声明？这个消息来源有多常发表经过事实查核的消息？我们对所吃的食物可以得到广泛的讯息，可是对我们付费阅听的新闻却几乎没有任何资料。
研究显示，加上标记可以抑制错误讯息的散播。例如，我的同事大卫．兰德和葛登．潘尼库克发现，在碰到假新闻时，消费者是“懒惰而不是有偏见”。他们如果用分析的角度来看新闻，就比较能够区分真假。“人们看了假新闻会上当，是因为他们没有思考，而不是因为他们带着动机或以保护身份的方式去思考。”鼓励人们思考付费阅听的新闻，能改变他们对新闻的信任程度和分享意愿。
贴标记和轻推人们、促使他们思考正确性，都不算冒犯，而是能逐步扩大的解决方案。但这些解决方案并不完美。在研究中，假新闻标记也降低人们对真新闻的信任，这意味着标记造成人们对新闻的普遍不信任。此外，假新闻的标记可以创造一种“暗示真实效应”（implied truth effect），只是因为假新闻没有被揭穿，所以消费者认为没有标记的新闻必然是正确的。在为假新闻贴上标记的同时，我们必须确保能有效辨别假新闻，同时避免执行上已知的困难。
2、处理制造和散播假讯息背后所蕴含的经济诱因
其次，我们必须处理制造和散播假讯息背后所蕴含的经济诱因。2016年美国总统大选期间，马其顿冒出一波错误讯息，并且从出现在假内容旁的广告赚到钱。这里面并没有政治动机。由于假新闻比真相传播得更远、更快、更深、更广，根据我们的研究，再分享的机率多出70%。我们首先需要切断散播错误讯息的经济诱因，并减少制造错误讯息的经济诱因。
YouTube也采用这个方法来对抗反接种疫苗错误讯息的散播。2019年二月，他们移除反接种疫苗影片上的广告，并停止让反接种疫苗帐号从影片得到收入，让他们完全赚不到广告收入。他们的群体指导原则现在是这样：“有可能引发有害或危险行为（会造成严重的身体、情绪、心理伤害）的内容不适合刊登广告。”这包含“促进或提倡有害的健康或医疗主张或做法”，如“反接种疫苗或爱滋病否认运动……暗示严重病况并不存在或只是刻意捏造的骗局”。
在停止为错误讯息提供广告收入的同时，还拦截相关搜寻并禁止有害内容。他们比较可能成功断绝错误讯息市场的经济收入。
3、学会分辨事实
第三，虽然有关人们的媒体识读能力（media literacy）能否有效对抗假新闻，相关研究仍处于初始阶段，这种认识却可以成为预防偏见和谎言的重要管道。对媒体的认识是设计来教导人们（透过初等和中等教育）以批判角度来思考付费阅听和分享的讯息。这包括教他们如何分辨事实和意见、发现假新闻、了解媒体如何被用来说服大众。
剑桥大学2018年推出一个名为“坏消息”（Bad News）的游戏来教导网络使用者，如何用自己创造假新闻的方式来发现假新闻。在这个网页游戏中，玩家用推特机器人、 photoshop证据、散播开来的阴谋论吸引追踪者，还要同时保持高“可信度分数”以维持自己的说服力。
剑桥大学社交决策实验室主任桑德．范德．林登（Sander van der Linden）说，“我们的游戏有类似心理上打预防针的效果。”即让用户接触小剂量的谎言来达成预防效果。一项有15000个参与者的研究发现，这个游戏让假新闻的可信度平均下降21%，还不影响用户对真实新闻的认知。而且，那些一开始被评估为较容易受到假新闻标题影响的人，从这个游戏获益更多。
4、采用科技解决方案
第四，我们应该采用科技解决方案来对抗错误讯息的散播。机器学习虽然不是灵丹妙药，却可以赶走线上的假讯息。最好的算法会利用内容的特征，如假讯息的语言、结构及主张，也会考量讯息以虚假讯号方式传播时的特征。例如，我们以前的学生、现在在达特茅斯担任教授的赛洛希．乌苏吉于2015年建立一个谎言预测器，它能正确的预测推特上75%谣言的真实性，速度比任何一种公众消息来源都还要快，包括来自记者和执法官员的消息。
科技进展得很快，而现在主要平台所用的高科技算法可能更有效。用来训练新算法的数据库已经可供取用，例如数据科学竞争网站Kaggle上的资料。但科技不是灵丹妙药，人类必须待在这个科技回路中。这个问题大到不是人类能单独解决的，但我们不能放弃判断讯息合法性的责任。为了训练机器学习算法，以及确保人类判断可以引领算法对定义真假的判断，人工标记是不可或缺的。
本文整理、节录自思南．艾瑞尔（Sinan Aral）《宣传机器》一书，文章仅代表作者个人立场和观点。由天下文化授权转载，欲阅读完整作品，欢迎参考原书。
