La nueva IA puede detectar si una fuente de noticias es precisa o tiene sesgos políticos

• El nuevo algoritmo de aprendizaje automático se centra en las fuentes de noticias en lugar de simplemente eliminar las afirmaciones individuales, para detectar noticias falsas y tendenciosas.
• Para los artículos de noticias nuevos, alcanzó una precisión de hasta el 70%.
• Solo se requieren 150 contenidos para determinar si la fuente es confiable o no.

Las plataformas de redes sociales han hecho que sea extremadamente fácil para cualquier persona compartir y difundir información en Internet. Esto ha dado lugar a la proliferación de noticias falsas que generalmente se generan para alterar los sentimientos de las personas e influir en grandes eventos como elecciones políticas, o para atraer tráfico y generar ingresos mediante la visualización de anuncios.

Si bien muchos gigantes de la tecnología están invirtiendo importantes recursos en la construcción de sus propios sistemas de detección de noticias falsas, los investigadores del MIT y del Qatar Computing Research Institute creen que la mejor estrategia para detectar noticias falsas es centrarse en las fuentes de noticias en lugar de solo analizar afirmaciones individuales.

Con este enfoque, han desarrollado un nuevo método basado en el aprendizaje automático que determina si una fuente es confiable o no. Básicamente, caracteriza a los medios de comunicación completos, pronosticando la factualidad de los informes.

¿Cómo determina las noticias sesgadas?

La idea detrás del sistema es que si un sitio ha publicado datos incorrectos anteriormente, existe una probabilidad decente de que lo vuelvan a hacer. El análisis de otros contenidos en dichos sitios web puede ayudar al sistema a determinar qué sitios es probable que lo hagan en primer lugar.

Para identificar de manera confiable las noticias falsas, se pueden buscar características lingüísticas comunes como estructura, complejidad y sentimiento en el artículo. Por ejemplo, la mayoría de las noticias falsas utilizan un lenguaje emocional, subjetivo e hiperbólico.

En este estudio, experimentan con varias funciones derivadas de

1. Contenidos de fuentes de noticias objetivo,
2. su cuenta de Twitter y su página de Wikipedia
3. su estructura de URL
4. la cantidad de visitantes que recibe

Recopilaron datos de un sitio web Media Bias / Fact Check. Con la ayuda de revisores humanos, este sitio web examina la realidad y los sesgos de casi dos mil sitios de noticias, incluidas fuentes de medios populares y granjas de contenido delgado.

Referencia:arXiv:1810.01765 | MIT

Estos datos se enviaron a un modelo de aprendizaje automático, que se desarrolla para clasificar las fuentes de la misma manera que lo hace el sitio web de revisión humana. El modelo arrojó resultados impresionantes:para los nuevos artículos de noticias, logró una precisión del 65% para determinar si el artículo tiene un nivel de factualidad bajo, medio o alto, y tuvo una precisión del 70% para determinar si el contenido se inclina hacia la derecha. de tendencia izquierdista o moderada.

Crédito de la imagen:MIT

Los investigadores afirman que el sistema requiere solo 150 contenidos para determinar con precisión si el sitio web de origen es confiable o no. Por lo tanto, puede filtrar las noticias falsas antes de que se difundan demasiado en Internet.

¿Qué sigue?

Actualmente, los investigadores están trabajando en el sistema para mejorar su precisión y hacerlo funcionar junto con analizadores de hechos convencionales. Si el sistema proporciona resultados "extraños o confusos" sobre un tema específico, las plataformas de revisión manual podrían verificar rápidamente esos resultados y determinar qué validez se debe otorgar a las diferentes perspectivas.

Los autores también han generado un conjunto de datos de código abierto de casi mil sitios web de noticias etiquetados con puntajes de precisión y sesgo. También planean implementar aplicaciones móviles para ayudar a las personas a salir de sus burbujas políticas. Además, intentarán entrenar el sistema para que funcione también con otros idiomas. Quieren ir más allá del sesgo de derecha / izquierda y modelar otras formas de sesgo que son más relevantes para otras regiones.

Leer:Un nuevo algoritmo genérico para detectar identificaciones falsas en sitios de redes sociales

Este tipo de algoritmos podría ayudar a las personas a comprender cómo se ven los sitios falsos y el tipo de artículo que tienden a publicar.