El término “noticias falsas” se ha convertido en algo ubicuo en los últimos dos años. El diccionario inglés lo define como “historias falsas que parecen noticias, se diseminan por Internet o bien utilizan otros medios, y son creadas comúnmente para influir en opiniones políticas o a título de broma”.
Como parte de una ofensiva mundial para limitar la propagación de información falsa deliberada, los investigadores están tratando de comprender qué es lo que lleva a la gente a compartir noticias falsas. Aunque hay que tener en cuenta que los seres humanos son animales sociales complejos y la tecnología muchas veces no es capaz de captar la riqueza de las interacciones y aprendizaje humanos.
Por ello es que decidimos adoptar un enfoque diferente en nuestra investigación. Utilizamos las últimas técnicas de la inteligencia artificial para estudiar de qué forma el apoyo -o la oposición- a un artículo con noticias falsas puede difundirse dentro de una red social.
Cómo se propagan las “fake news”
Nuestro enfoque nos permitió aprender una cantidad de cosas nuevas sobre cómo se propagan las noticias falsas.
La principal lección de nuestra investigación es que a la hora de evitar la propagación de noticias falsas, la privacidad es la clave. Es importante que uno conserve para sí la información personal y sea cuidadoso al brindar información a medios sociales grandes o motores de búsqueda.
La ola más reciente de innovaciones tecnológicas nos trajo la Web 2.0 centrada en datos y con ella cierta cantidad de desafíos esenciales a la privacidad del usuario y la integridad de las noticias que se comparten en las redes sociales. Pero tal como muestra nuestra investigación, hay razones para ser optimista y pensar que la tecnología, sumada a una saludable dosis de activismo individual, también podría aportar soluciones al flagelo de las noticias falsas.
Modelando la conducta humana
La literatura existente modela la propagación de noticias falsas de dos formas.
En la primera, uno puede modelar lo que ocurre cuando la gente observa lo que hacen sus vecinos y usa luego esta información en un complejo cálculo para actualizar de manera ideal sus creencias sobre el mundo.
La segunda presupone que la gente sigue una simple regla de la mayoría: todo el mundo hace lo que hacen la mayoría de sus vecinos.
Pero ambas formas tienen sus defectos. No pueden imitar lo que ocurre cuando la mente de alguien es modificada después de varias conversaciones o interacciones.
Nuestra investigación fue diferente. Modelamos a los seres humanos como agentes que crean sus propias estrategias sobre cómo actualizar sus opiniones sobre un artículo periodístico teniendo en cuenta las acciones de sus vecinos. Introdujimos luego un adversario que intentó diseminar noticias falsas y comparamos qué tan eficiente era el adversario cuando tenía conocimiento sobre la fuerza de las creencias de otros agentes en comparación con cuando no lo tenía.
Es así como en un ejemplo del mundo real, un adversario decidido a propagar noticias falsas lee primero su perfil en Facebook y ve lo que usted cree. Ajusta luego su información errónea para intentar adaptarla a sus creencias de modo de aumentar la probabilidad de que usted comparta la información falsa que le envió.
Aprendimos algunas cosas nuevas sobre cómo se propagan las noticias falsas. Mostramos, por ejemplo, que el hecho de aportar comentarios sobre noticias que fueron compartidas hace que a la gente le resulte más fácil detectar las falsas.
Nuestro trabajo sugiere también que el hecho de inyectar de manera artificial cierta cantidad de noticias falsas en una red social puede entrenar a los usuarios a detectarlas mejor.
Básicamente, podemos usar modelos como los nuestros para idear estrategias sobre cómo limitar la difusión de noticias falsas.
Hay varias cosas que aprendimos con esta investigación sobre lo que todo el mundo puede hacer para detener las noticias falsas.
Cómo combatir las noticias falsas
Como los seres humanos aprenden de sus vecinos, quienes a su vez aprenden de otros, y así sucesivamente, todo aquel que detecte y señale noticias falsas puede ayudar a prevenir su difusión en las redes.
Más allá de señalar las noticias falsas, podemos también elogiar a un amigo cuándo éste comparta una nota de buen periodismo, bien equilibrada y documentada. Lo que es importante es que este elogio puede darse aún cuando uno no esté de acuerdo con la conclusión o punto de vista político mencionado en el artículo. Estudios de psicología humana y aprendizaje de refuerzo muestran que la gente adapta su conducta en respuesta al feedback positivo y negativo -en especial cuando este proviene de su propio círculo social.
La segunda gran lección fue: no divulgue sus datos.
La Web 2.0 fue creada sobre la premisa de que las empresas ofrecen servicios gratis a cambio de información sobre los usuarios. Miles de millones siguieron este canto de sirena, convirtiendo a Facebook, Google, Twitter y Linkedin en gigantes multimillonarios. Pero a medida que estas empresas fueron creciendo se recogieron más y más datos. Algunos calculan que el 90% de la información mundial fue creada en los últimos dos años.
No dé información personal de forma tan fácil o libre. Toda vez que le sea posible, utilice herramientas que estén totalmente encriptadas y así se recogerá muy poca información sobre su persona online. Existe una alternativa más segura y más centrada en la privacidad para la mayoría de las aplicaciones, desde motores de búsqueda a aplicaciones de mensajería.
Los sitios de redes sociales no cuentan todavía con alternativas centradas en la privacidad. Felizmente, el surgimiento del sistema blockchain aportó una nueva tecnología que podría solucionar la paradoja privacidad-rentabilidad. En lugar de tener que confiar en que Facebook mantendrá a salvo nuestros datos, ahora podemos colocarlos en un sistema blockchain descentralizado, que fue diseñado para operar como un medio ambiente engañoso.
Co-Pierre Georg es conferencista senior en el African Institute for Financial Markets and Risk Management y director del UCT Financial Innovation Lab, Universidad de Ciudad del Cabo.
Christoph Aymanns es profesor adjunto en la Universidad de St. Gallen, Facultad de Finanzas, Universidad de Gallen.
Jakob Foerster es estudiante en el doctorado de Inteligencia Artificial y Aprendizaje con Maquinas en la Universidad de Oxford.
Traducción por Silvia S. Simonetti
