Una propuesta de marco de aprendizaje automático y un mayor uso de la tecnología blockchain podrían ayudar a contrarrestar la difusión de noticias falsas al permitir a los creadores de contenidos centrarse en las áreas en las que la desinformación puede causar más daño público, según una nueva investigación de la Universidad de Binghamton, Universidad Estatal de Nueva York. La investigación, dirigida por Thi Tran, profesor adjunto de Sistemas de Información de Gestión en la Facultad de Administración de la Universidad de Binghamton, amplía los estudios existentes al ofrecer herramientas para reconocer patrones en la desinformación y ayudar a los creadores de contenidos a centrarse en los peores infractores.
«Espero que esta investigación nos ayude a educar a más personas para que sean conscientes de las pautas», afirma Tran, «para que sepan cuándo verificar algo antes de compartirlo y estén más atentos a los desajustes entre el titular y el contenido en sí, lo que evitaría que la desinformación se difundiera involuntariamente». La investigación de Tran propuso sistemas de aprendizaje automático -una rama de la inteligencia artificial (IA) y la informática que utiliza datos y algoritmos para imitar el modo en que aprenden los humanos mejorando gradualmente su precisión- para ayudar a determinar la escala a la que los contenidos podrían causar más daño a su audiencia.
Algunos ejemplos podrían ser las historias que circularon durante el punto álgido de la pandemia de COVID-19 en las que se pregonaban falsos tratamientos alternativos a la vacuna. El marco utilizaría datos y algoritmos para detectar indicadores de desinformación y utilizar esos ejemplos para informar y mejorar el proceso de detección. También tendría en cuenta las características de los usuarios con experiencia o conocimientos previos sobre noticias falsas para ayudar a elaborar un índice de daño. El índice reflejaría la gravedad de los posibles daños a una persona en determinados contextos si se viera expuesta y víctima de la desinformación.
«Es más probable que nos preocupemos por las noticias falsas si causan un daño que afecta a los lectores o a la audiencia. Si la gente percibe que no hay daño, es más probable que comparta la desinformación», afirma Tran. «Los perjuicios provienen de si el público actúa de acuerdo con las afirmaciones de la desinformación, o si rechaza la acción adecuada a causa de ella. Si disponemos de una forma sistemática de identificar dónde causará más daño la desinformación, eso nos ayudará a saber dónde centrarnos para mitigarla». Según Tran, a partir de la información recopilada, el sistema de aprendizaje automático podría ayudar a los encargados de mitigar las noticias falsas a discernir qué mensajes pueden ser los más perjudiciales si se permite que se difundan sin ser cuestionados.
«Tu nivel educativo o tus creencias políticas, entre otras cosas, pueden influir en la probabilidad de que confíes o no en un mensaje de desinformación, y esos factores los puede aprender el sistema de aprendizaje automático», explica Tran. «Por ejemplo, el sistema puede sugerir, según las características de un mensaje y tu personalidad y antecedentes, etc., que es un 70% probable que seas víctima de ese mensaje específico de desinformación». Aunque ya se han realizado otros estudios sobre el uso de blockchain -un tipo de tecnología de bases de datos compartidas- como herramienta para luchar contra las noticias falsas, la investigación de Tran también amplía los resultados anteriores al explorar más de cerca la aceptabilidad de estos sistemas por parte de los usuarios.
Tran propuso encuestar a 1.000 personas de entre dos grupos: mitigadores de noticias falsas (organizaciones gubernamentales, medios de comunicación y administradores de redes sociales) y usuarios de contenidos que podrían estar expuestos a mensajes de noticias falsas. La encuesta presentaría tres sistemas blockchain existentes y mediría la disposición de los participantes a utilizar esos sistemas en diferentes escenarios. La trazabilidad es una de las buenas características de la cadena de bloques, dijo Tran, porque puede identificar y clasificar las fuentes de desinformación para ayudar a reconocer los patrones.
«El modelo de investigación que he construido nos permite probar diferentes teorías y luego demostrar cuál es la mejor manera de convencer a la gente de que utilice algo de blockchain para combatir la desinformación», afirma Tran. Tran presentó recientemente su investigación en una conferencia organizada por SPIE, la organización internacional sin ánimo de lucro dedicada al avance de la investigación y las tecnologías basadas en la luz. Una ponencia se centró en el marco basado en el aprendizaje automático y otra en el uso de blockchain.