El término fake news ha saltado a primera plana en los últimos años a raíz de
la manipulación de la opinión pública y del voto en las elecciones de Estados
Unidos de 2016, y también en el referéndum del Brexit celebrado en el Reino
Unido. El escándalo protagonizado por la empresa Cambridge Analytica, que hizo
un uso fraudulento de los datos personales de millones de usuarios de Facebook,
volvió a avivar su protagonismo el pasado año.
No obstante, no todos aprueban el
uso de la denominación de noticias falsas para referirse al fenómeno y hay
quien lo considera muy restrictivo e insuficientemente descriptivo del problema
de fondo. Es el caso de la Comisión Europa, que prefiere hablar de
desinformación.
En concreto, define la
desinformación como “información falsa, inexacta o engañosa, diseñada,
presentada o promovida para causar intencionadamente un daño público o para
obtener un beneficio”. Para la Comisión, la expresión fake news no es adecuada, porque no abarca la complejidad del
problema.
De hecho, a menudo se trata de
contenido que no es falso, o que no es completamente falso, pero que es
información fabricada, mezclada con hechos y prácticas que poco tienen que ver
con el concepto de noticia, como pueden ser cuentas automáticas en redes
sociales utilizadas para hacer astroturfing
(disfrazar las acciones de una entidad política o comercial como la reacción
pública espontánea), el uso de redes de seguidores falsos, los vídeos
manipulados, la publicidad dirigida, los trolls
organizados o los memes visuales. En
resumen, se trata de todo un abanico de prácticas para manipular la opinión
pública en internet, que van más allá de lanzar una noticia falsa.
Paradójicamente, las noticias
falsas o fake news se viralizan en
las redes sociales mucho más rápidamente que la información veraz y
contrastada. Es algo que ha podido demostrar un reciente estudio de MIT
Initiative on the Digital Economy, que analizó, entre 2006 y 2017, en torno a
126.000 hilos de noticias en Twitter, tuiteados más de 4,5 millones de veces
por unos 3 millones de personas.
Los resultados fueron desalentadores.
En palabras de los autores, la verdad tarda aproximadamente seis veces más que
la mentira en alcanzar a 1.500 personas. En suma, los contenidos falsos se
difunden significativamente más lejos, más rápido y más profundamente en los
hilos y cascadas de conversaciones, que los verdaderos.
Entre todas las categorías de
bulos, los relacionados con la política son los que alcanzan mayor difusión,
por encima de los relacionados con el terrorismo, los desastres naturales, la
ciencia, la información financiera o las leyendas urbanas.
El hecho de que las fake news presentan una probabilidad de
ser retuiteadas un 70% superior puede tener que ver, según el estudio, a que se
perciben como más novedosas que las reales. La gente tiende a difundir la
novedad en mayor medida que lo ya conocido.
Finalmente, y en contra de lo que
se piensa, el análisis realizado demostró que los bots, los perfiles automáticos de Twitter, aceleran las noticias
falsas y verdaderas en la misma proporción, lo que implica que somos los
humanos -y solo nosotros- los únicos responsables de la proliferación de las fake news.
La caza de noticias falsas es una
tarea ardua y compleja. El inmenso caudal de información que llega a los
portales agregadores de contenidos y que circula por las redes sociales hace
muy difícil que los editores humanos puedan verificar rápidamente una
determinada noticia, especialmente cuando se trata de una historia nueva.
Ocurre con frecuencia que, cuando se consigue demostrar que una noticia es
falsa, el daño que produce ya ha tenido lugar.
Las máquinas pueden aportar
rapidez y eficiencia a la tarea de cazar bulos. En concreto, nos pueden superar
en el análisis de los atributos cuantificables de la noticia, como la
estructura gramática, la elección de palabras, la puntuación y la complejidad
del texto. No obstante, el verdadero desafío para construir un buen detector de
fake news no es tanto el diseño del
algoritmo, sino encontrar los datos adecuados para alimentarlo y entrenarlo en
suficiente cantidad. Pero los bulos aparecen y desaparecen con rapidez, y
resulta complicado recopilarlos para podérselos mostrar a las máquinas.
Un equipo de investigación de la
Universidad de Michigan ha creado un algoritmo cazador de noticias falsas que
ha demostrado hacerlo mejor que los humanos: ha conseguido identificar fake news con un 76% de éxito, frente al
70% de los cazadores humanos.
Otro ejemplo de detección de
noticias falsas a través de la inteligencia artificial es el sistema basado en
aprendizaje profundo que ha desarrollado la startup
británica Fabula. En este caso, la identificación del bulo no se produce a
través del análisis del texto, sino estudiando cómo se comparten las historias,
para reconocer patrones de difusión que únicamente pueden corresponder a fake news.
Por último, el MIT’s Computer
Science and Artificial Intelligence Lab (CSAIL), en colaboración con el Qatar
Computing Research Institute (QCRI), ha realizado una tercera aproximación a
este tema, en este caso centrando la atención en las fuentes de las noticias.
El sistema que han desarrollado utiliza el aprendizaje automático (machine learning) para determinar la
exactitud de una fuente de información e identificar si está políticamente
sesgada.
La tesis que subyace en esta
experiencia es que, si una web ha publicado fake
news en el pasado, es muy probable que lo vuelva a hacer. De esta forma, el
algoritmo recopila datos de estos sitios sospechosos y los modeliza, para poder
identificar con este patrón a otras páginas que vayan a publicar bulos por
primera vez. Este rastreador solamente necesita analizar unos 150 artículos
para poder determinar con fiabilidad si una fuente de información es o no de
confianza.
Photo by Bruno Moretti from Pexels
No hay comentarios:
Publicar un comentario
Comenta lo que quieras