Cómo Machine Learning y la IA pueden combatir las FAKE NEWS
Las FAKE NEWS (noticias falsas) se han hecho muy populares en los últimos años. Para los que no estéis familiarizados con este término, las fakes news son noticias falsas que son distribuidas masivamente a través de redes sociales y medios de comunicación con la intención de confundir o engañar a la audiencia.
Se han utilizado en periodos electorales para influir en los votantes, en épocas de guerra para decantar la balanza hacia un bando, en mensajes de corrientes extremistas para enfrentar grupos sociales o simplemente en la lucha empresarial entre grandes compañías.
El problema de las Fake News es que son mensajes contundentes y de razonamiento simple. Esto implica que tengan una gran viralidad y llegan por diferentes medios, por lo que los damos por verdaderos casi al instante.
Además suelen obviar los hechos objetivos y apelar a emociones y creencias personales, por lo que el único arma para rebatirlas son los datos.
¿Cómo se propagan las Fake News?
El modo más habitual para propagar una fake news es a través de MPMs (micro-propaganda-machines). Estas micro-sites tienen una gran capacidad de propagación y de conexión con los “grandes medios” como puede verse en el mapa desarrollado por Jonathan Albright para analizar como se viralizaron las noticias falsas en las elecciones de EEUU en 2016 (MPMs marcados en rojo):
Los objetivos de estos MPM es influir en grandes medios de comunicación, redes sociales y Wikipedia. Si hacemos un zoom en el mapa se pueden observar los nombres de algunas de las webs MPM que han contribuido a viralizar estas noticias falsas y la influencia que han tenido en los grandes medios de internet (cuanto más grande es el círculo, más links se han colado desde los MPMs):
Si queréis obtener más detalle de este estudio lo podéis hacer en el artículo de Jonathan Albright titulado “The #Election2016 Micro-Propaganda Machine”
¿Cómo se han combatido hasta ahora las noticias falsas?
Con el auge de las noticias falsas también fueron proliferando las webs con redactores que se encargaban de validar las noticias “sospechosas” de ser fake-news, eran las llamadas fact-checkers. En España, por ejemplo, se ha popularizado la web de Maldito Bulo.
Facebook fue una de las primeras redes sociales en intentar luchar contra las fakes-news (también fue una de las primeras en ser acusada de propagarlas sin ningún control en su red).
Lo primero que pensaron en 2016 en la compañía de Mark Zuckerberg es en usar una etiqueta de “noticia disputada” que indicaba que alguna de las webs de verificación de noticias la había rebatido.
Pero, la iniciativa sólo duró un año, ya que se indicaba que la noticia era falsa, pero no se detallaba que parte de la noticia era inventada o distorsionada. Por ello, sustituyeron la etiqueta por noticias verdaderas que rebatían la información proporcionada por la fake-new.
El problema es que el volumen de noticias falsas crece exponencialmente y los fact-checkers no son capaces de abordarlas todas. Este hecho crea la falsa sensación de que lo que no está rebatido, es cierto…..y eso no es verdad.
Big Data y Machine Learning: las únicas armas contra las Fake News
El crecimiento exponencial de las noticias falsas y su gran viralidad exigen la automatización de procesos que validen las noticias digitales y que dispongan de la inteligencia suficiente para reconocer una noticia falsa.
El volumen de fakes news implica una infraestructura de Big Data para su procesamiento y análisis, mientras que los modelos de Machine Learning aportan la inteligencia para diferenciar una fake new de una noticia normal.
Para entender como detectan y combaten este tipo de herramientas las fake news, os dejo esta infografía:
Entre los principales proyectos que se están desarrollando en la actualidad y que utilizan IA y Big Data me gustaría destacar algunos de ellos:
Fandango Project
Fandango Project es un proyecto financiado por la UE para detectar noticias falsas en medios digitales. Su tecnología incluye un Data Lake para recopilar las noticias publicadas en formatos estructurados y no estructurados (fotos, vídeos, textos extensos..). Además, incorpora varios modelos de IA para detectar las fake news:
Fake News Challenge
En este caso, Fake News Challenge es un concurso abierto a equipos de Data Sciencist para elegir el mejor modelo de detección de fake news. Ya se ha celebrado la primera edición y este el podio de ganadores:
Podéis ojear el código del proyecto ganador en este link de GitHub.
Fabula AI
La start-up Fabula AI ha sido recientemente adquirida por Twitter. La idea es aprovechar su gran solución de detección de fake news e incorporarla dentro de la red del pajarito.
Conclusiones
Está claro que las Fake News no van a desaparecer, pero ahora contamos con la tecnología necesaria para combatirlas.
Gracias a la potencia del Big Data y la inteligencia de los modelos de Machine Learning y Deep Learning podemos procesar a gran velocidad todas las noticias creadas y detectar si son fake news o no.
En otros post como Machine Learning: ¿Está mi empresa preparada para su implantación? os comentaba las ventajas que tienen este tipo de soluciones para el mundo empresarial, pero hoy os he querido acercar otros usos de la Inteligencia Artificial para las personas que usamos Internet y las redes sociales asiduamente.
Espero que os haya gustado y si es así compartáis el post con otros apasionados por la analítica de datos ;)
