Dedurre ciò che condividiamo da come condividiamo

Sta diventando sempre più difficile per le persone decifrare informazioni reali da informazioni false online. Ma i modelli nei modi in cui le informazioni vengono diffuse su Internet, da utente a utente su una rete di social media, servono come indicazione del fatto che le informazioni siano autentiche o meno.

Questi sono i risultati di un nuovo studio condotto dai ricercatori del CyLab della Carnegie Mellon University.

“La sfida con la disinformazione è che l’intelligenza artificiale è avanzata a un livello in cui i robot di Twitter e i deepfake stanno confondendo la capacità degli umani di decifrare la verità dalla finzione”, afferma Conrad Tucker di CyLab, professore di ingegneria meccanica e il principale investigatore del nuovo studio. “Invece di fare affidamento sugli esseri umani per determinare se qualcosa è autentico o meno, volevamo vedere se la rete su cui vengono diffuse le informazioni potesse essere utilizzata per determinarne l’autenticità”.

Lo studio è stato pubblicato nell’edizione della scorsa settimana di Rapporti scientifici. Dottorato di ricerca di Tucker studente, Sakthi Prakash, è stato il primo autore dello studio.

“Questo studio è arrivato da molto tempo”, afferma Tucker.

Per studiare come le informazioni reali e false fluiscono attraverso un social network, studiare i dati reali di Twitter può sembrare la scelta più ovvia. Ma ciò di cui i ricercatori avevano bisogno erano i dati che catturavano il modo in cui le persone si collegavano, condividevano e apprezzavano i contenuti nell’intero arco dell’esistenza di una rete di social media.

“Se guardi Twitter in questo momento, guarderesti un istante nel tempo in cui le persone si sono già connesse”, afferma Tucker. “Volevamo guardare all’inizio, all’inizio di una rete, a dati difficili da ottenere se non sei il proprietario o il creatore della piattaforma”.

A causa di questi vincoli, i ricercatori hanno costruito una rete di social media simile a Twitter e hanno chiesto ai partecipanti allo studio di utilizzarla per due giorni. I ricercatori hanno popolato il social network con 20 video autentici e 20 falsi raccolti da fonti verificate di ciascuno, ma gli utenti non erano a conoscenza dell’autenticità dei video. Poi, nel corso di 48 ore, 620 partecipanti si sono uniti, hanno iniziato a seguirsi, hanno condiviso e apprezzato i video su questo social network simulato.

Per incoraggiare la partecipazione, i partecipanti allo studio sono stati incentivati: l’utente con il maggior numero di follower alla fine dei due giorni di studio ha ricevuto un premio in denaro di $ 100. Tuttavia, a tutti gli utenti è stato assegnato un punteggio di credibilità che tutti sulla rete potevano vedere. Se gli utenti condividessero troppi contenuti che i ricercatori sapevano fossero falsi, il loro punteggio di credibilità avrebbe avuto un successo.

Questa rete di social media simulata simile a Twitter è la prima del suo genere, afferma Tucker, ed è open source per altri ricercatori da utilizzare per i propri scopi.

“Il nostro obiettivo era ricavare una relazione tra la credibilità dell’utente, i Mi piace ai post e la probabilità che un utente stabilisse una connessione con un altro utente”, afferma Tucker.

Si scopre che questa relazione si rivela utile per dedurre se la disinformazione viene condivisa o meno su un particolare social network, anche se il contenuto stesso condiviso è sconosciuto. In altre parole, i modelli in cui le informazioni sono condivise attraverso una rete – con chi sono condivise, la quantità di Mi piace che riceve, ecc. – possono essere utilizzate per dedurre l’autenticità delle informazioni.

“Ora, piuttosto che fare affidamento sugli esseri umani stessi per identificare la disinformazione, potremmo essere in grado di fare affidamento sulla rete degli umani, anche se non sappiamo cosa stanno condividendo”, afferma Tucker. “Osservando il modo in cui le informazioni vengono condivise, possiamo iniziare a dedurre ciò che viene condiviso.

“Man mano che il mondo avanza verso sistemi cyber-fisici, quantificare la veridicità delle informazioni sarà fondamentale”, afferma Tucker.

Dato che gli attuali sistemi meccanici stanno diventando sempre più connessi, Tucker sottolinea l’opportunità per i ricercatori di ingegneria meccanica di svolgere un ruolo fondamentale nella comprensione dell’impatto dei sistemi che creano su persone, luoghi e politiche.

“Avevamo sistemi meccanici che si sono evoluti in elettromeccanici, quindi in sistemi che raccolgono dati”, afferma Tucker. “Dato che le persone fanno parte di questa rete, ci sono persone che interagiscono con questi sistemi e hai una componente di scienze sociali, e dobbiamo comprendere queste vulnerabilità in relazione ai nostri sistemi meccanici e ingegneristici”.