Quando acquisti tramite i link sul nostro sito potremmo guadagnare una commissione di affiliazione, senza alcun costo aggiuntivo per l’utente.
L’intelligenza artificiale sta trovando applicazione in diversi campi, specialmente quando la quantità di dati da elaborare è molto grande. Un esempio è quello di identificare e segnalare le fake news o meglio: quei contenuti che hanno alta probabilità di essere poco attendibili
Il problema delle fake news che vengono diffuse attraverso il web è diventato un enorme problema da quando la maggior parte della popolazione ha accesso ad internet. Da una parte si tratta di un potentissimo mezzo di espressione e libertà, dall’altro però diventa difficile controllare la veridicità di tutto quello che viene postato. Dovremmo affidarci al nostro senso critico, verificare e mettere in dubbio ciò che leggiamo o condividiamo. Non è sempre facile, anzi è molto difficile. Tuttavia errare è umano, perseverare è diabolico: ci sono alcuni personaggi che hanno costruito un impero sulle fake news, costruendo ad hoc articoli o altri contenuti virali provocatori e totalmente privi di fondamento, solamente per poter guadagnare con le visite al proprio portale. Ma che anche di peggio.
(Photo by Omar Marques/SOPA Images/LightRocket via Getty Images)
Fake news: un problema non più trascurabile
Le fake news sono diventante quindi un problema dell’intera società perché possono influenzare elezioni politiche o decisioni importanti nella vita di ognuno di noi. Ecco perché stiamo cercando un valido aiutante che possa aiutarci ad analizzare l’enorme mole di dati che viene ogni giorni immessa nel web. Ci sono alcuni siti che sono nati appositamente a questo proposito – il più famoso è sicuramente BUTAC o Bufale Un Tanto Al Chilo – cioè raccogliere il maggior numero possibile di fake news, spiegando in maniera più o meno rigorosa perché non si tratta di notizie affidabili (in certi casi non è così difficile in realtà).
Ciò non basta molto spesso. Dando un’occhiata ai social è molto più frequente vedere nei profili delle notizie false, piuttosto che le loro smentite. La provocazione e lo sdegno sono armi potenti, utilizzate fin dall’alba dell’epoca delle masse per manipolare l’opinione pubblica. Serve una difesa altrettanto potente. L’approccio più promettente è quello basato sull’intelligenza artificiale.
Impatto delle fake news sulla vita reale
Intelligenza artificiale contro le fake news
Un nuovo strumento basato sull’intelligenza artificiale potrebbe aiutare i social network e i grandi aggregatori di notizie a individuare le fake news. Questo strumento è stato sviluppato dai ricercatori della University of Waterloo e si basa sul paradigma di intelligenza artificiale chiamato deep learning, ovvero sull’utilizzo di reti neurali profonde. L’idea è tende a mimare quello che Google fa per dare il ranking ad una pagina web: si tenta di capire se un certo post è supportato da altri post simili precedentemente postati da fonti affidabili. Alexander Wong, professore di ingegneria e progettazione di sistemi presso l’università di Waterloo, spiega:
Se lo sono, fantastico, probabilmente si tratta di una vera storia – riferendosi alla presenza di materiale di supporto -. Ma se la maggior parte degli altri materiali non è di supporto, è una forte indicazione che hai a che fare con notizie false.
I ricercatori sono stati motivati a sviluppare questi nuovi algoritmi di intelligenza artificiale a causa della proliferazione sul web di post e fake news appositamente costruite per fuorviare i lettori, creando una visione distorta della realtà, tipicamente per motivi politici o per guadagnarci sopra. Il sistema approntato ha permesso un bel passo avanti nella lotta alle fake news con lo sviluppo di una tecnologia completamente automatica, capaci di identificare fake news con una accuratezza del 90% in un task chiave in quest’area di ricerca detto stance detection: in sostanza si cerca di capire se una certa asserzione sia in accordo o meno con un’altra. Ad esempio, data la frase sorgente “A Roma c’è sempre molto traffico”, si voglio assegnare delle etichette ad altre frasi del tipo:
- Tutti i romani si spostano in automobile per andare al lavoro (agree)
- Uno studio svela che oltre il 70% dei romani usa mezzi pubblici per andare a lavoro (disagree)
Esempio di stance detection
Il sistema di sviluppato
Si tratta di un problema di elaborazione del linguaggio naturale, dove l’intelligenza artificiale ed in particolare il deep learning stanno avendo un grande successo. Data una asserzione in un post o una storia e altri post e storie sullo stesso argomento che sono stati raccolti per il confronto, il sistema può determinare correttamente se questi ultimi la supportano o meno nove volte su dieci. Si tratta di un nuovo punto di riferimento per l’accuratezza in questo tipo di task, utilizzando un ampio set di dati pubblici creato per un concorso scientifico del 2017 chiamato Fake News Challenge.
Una rete neurale utilizzata per l’elaborazione del linguaggio naturale
Il sistema sviluppato all’università di Waterloo prevede di fornire all’utente un feedback, una sorta di rate di affidabilità sul contenuto che sta visualizzando, mettendolo in guardia sulla veridicità. Il sistema non è quindi totalmente automatico, ma permette di individuare in modo automatico contenuti che meritano di essere analizzati con più cura da parte di un essere umano prima di essere autorizzati. Wong, che è anche membro del Waterloo Artificial Intelligence Institute, afferma:
Il sistema aumenta le loro capacità e contrassegna le informazioni che non sembrano del tutto corrette per la verifica. Non è progettato per sostituire le persone, ma per aiutarle a controllare i fatti in modo più rapido e affidabile.
L’algoritmo di intelligenza artificiale è il cuore del sistema ed è stato allenato con decine di migliaia di frasi in accoppiata con materiale in accordo o disaccordo con queste. Il sistema quindi ha imparato a classificare la correlazione tra coppie di frasi. Chris Dulhanty, uno studente laureando che ha guidato il progetto, spiega:
Dobbiamo aiutare i giornalisti a scoprire la verità e tenerci informati. Ciò rappresenta uno sforzo in una più ampia area di lavoro per mitigare la diffusione della disinformazione.
Un documento sul loro lavoro, “Taking a Stance on Fake News: Towards Automatic Disinformation Assessment via Deep Bidirectional Transformer Language Models for Stance Detection“, è stato presentato questo mese alla Conferenza sui sistemi di elaborazione delle informazioni neurali a Vancouver. Questi sistemi potrebbe presto essere integrati in applicazioni utilizzabili da tutti per poter aiutare gli esseri umani ad orientarsi nella enorme quantità di informazioni che contiene il web che non è per nulla un’impresa banale. Dalla sezione scienze è tutto! Continuate a seguirci!
Lascia un commento