Fake News - Notícias Falsas

UM ALGORITMO PARA 

DETECTAR NOTÍCIAS FALSAS

Desde que o termo se popularizou durante o ciclo eleitoral de 2016 aqui no Brasil, as notícias falsas (Fake News) têm sido um ponto focal nas políticas, tanto americana, quanto brasileira. Esses artigos imprecisos ou enganosos, que se passam por fatos, já demonstraram impactar as eleições, a sociedade e a resposta à pandemia do novo coronavírus. Portanto, identificá-los e impedi-los precocemente é fundamental para mitigar (reduzir) o seu impacto.

Embora a Meta e outras empresas de redes sociais tenham tomado medidas para identificar notícias falsas, trata-se de um desafio complexo, pois as notícias falsas são baratas de produzir, fáceis de disseminar e se escondem entre fontes confiáveis. E embora especialistas humanos consigam separar os fatos da ficção, isso consome tempo, é caro e mesmo os especialistas mais eficientes não conseguem acompanhar o ritmo frenético desse tipo de publicação falsa, que são as fake news.

O professor assistente de Ciência da Computação, Jiawei Zhang, acredita que uma solução potencial seja desenvolver uma rede neural para isso. Redes neurais são um tipo de algoritmo de aprendizado de máquina modelado com base no cérebro humano, composto por uma vasta rede em camadas de "neurônios" que tomam decisões complexas baseadas em probabilidade. Ao considerar a relação entre o autor, o tópico e as palavras-chave de um artigo, o programa pode potencialmente encontrar, sinalizar e bloquear notícias suspeitas antes que se espalhem.

“Esperamos detectar notícias falsas o mais cedo possível, de preferência nos primeiros minutos, para que possamos interromper a propagação em um estágio muito inicial e evitar alguns efeitos potenciais na sociedade”, disse Zhang.

MÍDIAS SOCIAIS COMO UM GRÁFICO

FOTO: Pixabay

Redes de mídia social podem ser representadas como dados de grafos — uma rede de pontos de dados conectados sobre autores, pôsteres, tópicos e palavras-chave. Dados de grafos como esses também são comuns em biologia, medicina e química para aplicações que vão desde interações moleculares até o comportamento de neurônios no cérebro, mas sua complexidade dificulta a compreensão por uma rede neural. O Laboratório de Fusão e Mineração de Informações de Zhang se concentra em solucionar esse problema.

“Temos dados gráficos muito diversos no mundo real, mas, no momento, os modelos de aprendizado profundo para dados gráficos apresentam algumas limitações”, disse ele. “Nosso objetivo é propor um modelo base que possa lidar com todos os tipos de dados gráficos e ser útil para aplicações muito diversas.”

UM DETECTOR EFICAZ DE NOTÍCIAS FALSAS

Durante o ciclo eleitoral de 2016, Zhang ficou preocupado ao ver amigos e colegas compartilhando informações enganosas online. À medida que o problema se tornava mais evidente, ele percebeu que poderia usar sua pesquisa para fazer a diferença.

“Notícias falsas não aparecem isoladamente”, disse ele. “Normalmente, há alguma correlação entre autores, tópicos ou questões, então, se as verificarmos isoladamente, provavelmente deixaremos passar alguma informação. Podemos usar redes neurais de grafos como forma de capturar essa correlação e detectar essas notícias falsas.”

Professor Assistente
de Ciência da Computação
Jiawei Zhang
(Jiawei Zhang/UC Davis)

Em sua instituição anterior, ele desenvolveu uma rede neural baseada em gráficos chamada FakeDetector, que analisa o conteúdo, o tópico e o autor de uma notícia e atribui a eles uma pontuação de credibilidade que varia de completamente verdadeiro ("Verdadeiro") a completamente falso ("Calças em Chamas"). O programa foi treinado com dados do site independente de checagem de fatos PolitiFact, onde descobriu que tópicos ou palavras-chave específicos apareciam com mais frequência em artigos falsos do que em verdadeiros e que certas figuras políticas eram geralmente mais confiáveis do que outras. Essas informações foram usadas para tomar decisões.

“Se descobrirmos que a credibilidade do autor tem alguns problemas, então é mais provável que um artigo de notícias dele seja falso ou incorreto”, explicou ele.

Nos estudos da equipe, publicados na Conferência Internacional de Engenharia de Dados do IEEE de 2020, o FakeDetector superou em muito outros programas líderes de detecção de notícias falsas de código aberto, mostrando a promessa de uma abordagem de rede neural gráfica para detectar notícias falsas.

CONSTRUINDO SOBRE O SUCESSO

Zhang ingressou na UC Davis neste outono e continua a consolidar esse sucesso. Ele afirma estar elaborando diversas propostas para projetos na região e ansioso para colaborar com a indústria e causar um impacto real.

Enquanto isso, ele e seu grupo estão trabalhando para aprimorar o programa. Zhang afirma que seu objetivo a longo prazo é desenvolver um sistema que possa lidar com uma gama mais ampla de notícias falsas nas redes sociais, já que o sistema tem mais dificuldade com artigos, imagens e vídeos mais curtos.

“Hoje em dia, vemos notícias falsas aparecendo em diferentes tamanhos, tópicos e plataformas, então tenho planos de desenvolver um sistema que funcione para esses diversos cenários”, disse ele.

Ele também quer tornar o programa capaz de verificar fatos, o que o tornaria mais útil e melhor na detecção de artigos falsos.

“Pretendo incorporar a verificação de fatos e combinar mais fontes de informação para ajudar [o programa] a detectar alguns dos artigos de notícias falsas que são mais difíceis de avaliar com base apenas no conteúdo ou nos autores”, disse ele.

Zhang também planeja considerar a ética da criação e implementação do sistema à medida que o desenvolve. Ele observa que ele precisa ser preciso o suficiente para não sinalizar artigos incorretamente, além de estar livre de vieses corporativos ou governamentais que possam torná-lo malicioso, como por exemplo algum viés ideológico. Isso torna as notícias falsas um desafio do ponto de vista técnico e social, mas Zhang acredita que vale a pena enfrentá-las.

“Este [programa] é ambicioso porque é muito difícil de construir, mas acho que este é um problema importante”, disse ele.

FONTE: Esta história foi apresentada na edição de primavera de 2022 da Engineering Progress.