在信息爆炸的时代，假新闻的传播速度之快、影响之广已经不容忽视。它们不再局限于小范围的争执，而是像野火一样蔓延，每天影响着数百万人。面对如此敏感的问题，如何应对？互联网上每天产生数以百万计的文章，如何辨别真伪？这并不容易，因为传统的事实核查通常是基于故事逐一进行的。能否借助机器学习的力量？
FakerFact是由Mike Tamir博士领导的项目，旨在利用自然语言处理（NLP）领域的机器学习算法来识别和区分真实与虚构的信息。该项目的核心思想是，能否教会机器学习算法区分教育性、报道性文本与表达观点、使用讽刺、充满仇恨言论、隐藏议程等文本之间的区别。
数据收集是机器学习项目中的一大挑战。Mike和他的团队从顶级域名开始，使用不同的算法进行逆向引导过程，从域名级别逐步细化到单个文章级别，以便于训练。他们特别关注样本的分层，以避免模型基于样本产生偏见。Mike通过右翼与左翼文章的例子生动地说明了这一点。
鉴于信息在当今互联世界中传播的速度，一次性的数据收集是远远不够的。Mike和他的团队不断更新他们的数据集，目前已经是第五次迭代。他们不断地抓取数据，将数以百万计的文章输入到数据集中。每次更新后，团队都需要重新运行并检查他们的基线结果，以确保性能保持在同一水平，或者是否需要改变架构。