Nova IA pode detectar se uma fonte de notícias é precisa ou politicamente inclinada

• O novo algoritmo de aprendizado de máquina se concentra em fontes de notícias, em vez de apenas rastrear declarações individuais, para detectar notícias falsas e tendenciosas.
• Para novos artigos de notícias, atingiu uma precisão de até 70%.
• Requer apenas 150 conteúdos para determinar se a fonte é confiável ou não.

As plataformas de mídia social tornaram extremamente fácil para qualquer pessoa compartilhar e divulgar informações na Internet. Isso deu origem à proliferação de notícias falsas, que geralmente são geradas para alterar os sentimentos das pessoas e influenciar grandes eventos, como eleições políticas, ou para atrair tráfego e gerar receita com a exibição de anúncios.

Enquanto muitos gigantes da tecnologia estão investindo recursos significativos na construção de seus próprios sistemas de detecção de notícias falsas, os pesquisadores do MIT e do Qatar Computing Research Institute acreditam que a melhor estratégia para detectar notícias falsas é focar nas fontes de notícias, em vez de apenas analisar declarações individuais.

Usando essa abordagem, eles desenvolveram um novo método baseado em aprendizado de máquina que determina se uma fonte é confiável ou não. Basicamente, caracteriza toda a mídia noticiosa, prevendo a factualidade da reportagem.

Como isso determina notícias tendenciosas?

A ideia por trás do sistema é, se um site publicou fatos errados antes, há uma probabilidade razoável de que eles o façam novamente. A análise de outros conteúdos nesses sites pode ajudar o sistema a determinar quais sites têm probabilidade de fazê-lo em primeiro lugar.

Para identificar notícias falsas de forma confiável, pode-se procurar características linguísticas comuns, como estrutura, complexidade e sentimento no artigo. Por exemplo, a maioria das notícias falsas usa uma linguagem emocional, subjetiva e hiperbólica.

Neste estudo, eles experimentam vários recursos derivados de

1. Conteúdo de fontes de notícias específicas,
2. sua conta no Twitter e página da Wikipedia
3. sua estrutura de URL
4. o número de visitantes que recebe

Eles coletaram dados de uma checagem de fatos / preconceito de mídia do site. Com a ajuda de revisores humanos, este site examina a factualidade e os preconceitos de quase dois mil sites de notícias, incluindo fontes de mídia populares e farms de conteúdo limitado.

Referência:arXiv:1810.01765 | MIT

Esses dados foram alimentados para um modelo de aprendizado de máquina, que é desenvolvido para classificar as fontes da mesma forma que o site de revisão humana faz. O modelo produziu resultados impressionantes:para novos artigos de notícias, obteve uma precisão de 65% para determinar se o artigo tem um nível baixo, médio ou alto de factualidade e foi 70% preciso para determinar se o conteúdo é tendencioso, inclinado para a esquerda ou moderado.

Crédito da imagem:MIT

Os pesquisadores afirmam que o sistema requer apenas 150 conteúdos para determinar com precisão se o site de origem é confiável ou não. Assim, ele pode filtrar notícias falsas antes que se espalhem amplamente pela Internet.

O que vem a seguir?

Os pesquisadores estão atualmente trabalhando no sistema para melhorar sua precisão e fazê-lo funcionar em conjunto com analisadores de fatos convencionais. Se o sistema fornece saídas "estranhas ou confusas" sobre um tópico específico, a revisão manual das plataformas pode verificar rapidamente esses resultados e determinar qual validade deve ser dada a diferentes perspectivas.

Os autores também geraram um conjunto de dados de código aberto de quase mil sites de notícias marcados com pontuações de precisão e preconceito. Eles também planejam lançar aplicativos móveis para ajudar as pessoas a sair de suas bolhas políticas. Além disso, eles tentarão treinar o sistema para funcionar também com outros idiomas. Eles querem ir além do enviesamento de direita / esquerda e modelar outras formas de enviesamentos que são mais relevantes para outras regiões.

Leia:Um novo algoritmo genérico para detectar IDs falsos em sites de redes sociais

Esse tipo de algoritmo pode ajudar as pessoas a entender como são os sites falsos e o tipo de artigo que eles tendem a publicar.