211service.com
Proyecto de aprendizaje automático apunta a la desinformación
En asociación con Fundación Qatar
No hay nada nuevo sobre las teorías de conspiración, la desinformación y las falsedades en la política. Qué es Lo nuevo es la rapidez con la que los actores malintencionados pueden difundir desinformación cuando el mundo está estrechamente conectado a través de las redes sociales y los sitios de noticias de Internet. Podemos renunciar al problema y confiar en las propias plataformas para verificar historias o publicaciones y descartar la desinformación, o podemos crear nuevas herramientas para ayudar a las personas a identificar la desinformación tan pronto como cruce sus pantallas.
Preslav Nakov es científico informático en el Instituto de Investigación de Computación de Qatar en Doha y se especializa en el procesamiento del habla y el lenguaje. Dirige un proyecto que utiliza el aprendizaje automático para evaluar la confiabilidad de las fuentes de los medios. Eso le permite a su equipo recopilar artículos de noticias junto con señales sobre su confiabilidad y sesgos políticos, todo en un formato similar al de Google News.
No es posible verificar todos los reclamos del mundo, explica Nakov. En su lugar, concéntrese en la fuente. Me gusta decir que puedes verificar las noticias falsas incluso antes de que se escriban. La herramienta de su equipo, llamada Tanbih News Aggregator, está disponible en árabe e inglés y recopila artículos en áreas como negocios, política, deportes, ciencia y tecnología, y covid-19.
Business Lab está organizado por Laurel Ruma, directora editorial de Insights, la división de publicaciones personalizadas de MIT Technology Review. El programa es una producción de MIT Technology Review, con la ayuda de producción de Collective Next.
Este podcast fue producido en colaboración con la Fundación Qatar.
Mostrar notas y enlaces
Instituto de Investigación de Computación de Qatar
Incluso la mejor IA para detectar noticias falsas sigue siendo terrible. MIT Technology Review, 3 de octubre de 2018
Transcripción completa
Laurel Ruma: De MIT Technology Review, soy Laurel Ruma, y esto es Business Lab, el programa que ayuda a los líderes empresariales a dar sentido a las nuevas tecnologías que salen del laboratorio y llegan al mercado. Nuestro tema de hoy es la desinformación. Desde noticias falsas hasta propaganda y falsificaciones profundas, puede parecer que no hay defensa contra las noticias armadas. Sin embargo, los científicos están investigando formas de identificar rápidamente la desinformación para ayudar no solo a los reguladores y las empresas tecnológicas, sino también a los ciudadanos, mientras todos navegamos juntos por este nuevo y valiente mundo.
Dos palabras para ti: propagar la infodemia.
Mi invitado es el Dr. Preslav Nakov, científico principal del Instituto de Investigación de Computación de Qatar. Dirige el proyecto Tanbih, desarrollado en colaboración con el MIT. También es el investigador principal principal de un proyecto de colaboración QCRI MIT sobre el procesamiento del habla y el lenguaje en árabe para la búsqueda de información en varios idiomas y la verificación de hechos. Este episodio de Business Lab se produce en asociación con la Fundación Qatar. Bienvenido, Dr. Nakov.
Preslav Nakov: Gracias por invitarme.
Laurel Ruma: Entonces, ¿por qué estamos inundados con tanta desinformación en línea en este momento? Este no es un problema nuevo, ¿verdad?
Nakov: Por supuesto, no es un problema nuevo. No es el caso de que sea la primera vez en la historia del universo que las personas mienten o los medios de comunicación mienten. Tuvimos la prensa amarilla, tuvimos todos estos tabloides durante años. Se convirtió en un problema debido al auge de las redes sociales, cuando de repente se hizo posible tener un mensaje que puedes enviar a millones y millones de personas. Y no solo eso, ahora podrías contar cosas diferentes a personas diferentes. Entonces, podría crear un microperfil de las personas y podría entregarles un mensaje personalizado específico que está diseñado, elaborado para una persona específica con un propósito específico para presionar un botón específico sobre ellos. El principal problema de las noticias falsas no es que sean falsas. El principal problema es que las noticias en realidad se armaron, y esto es algo de lo que se ha quejado Sir Tim Berners-Lee, el creador de la World Wide Web: que su invento fue armado.
Laurel: Sí, Tim Berners-Lee obviamente está angustiado porque esto haya sucedido, y no es solo en un país u otro. De hecho, está en todo el mundo. Entonces, ¿existe una diferencia real entre noticias falsas, propaganda y desinformación?
Nakov: Claro, lo hay. No me gusta el término noticias falsas. Este es el término que ha recogido: fue declarado palabra del año por varios diccionarios en distintos años, poco después de las anteriores elecciones presidenciales en EEUU. El problema de las noticias falsas es que, en primer lugar, no hay una definición clara. He estado buscando en los diccionarios, cómo definen el término. Un diccionario importante dijo, en realidad no vamos a definir el término en absoluto, porque es algo que se explica por sí mismo: tenemos 'noticias', tenemos 'falsas' y son noticias que son falsas; es compositivo; se usó en el siglo XIX, no hay nada que definir. Diferentes personas ponen diferentes significados en esto. Para algunas personas, las noticias falsas son solo noticias que no les gustan, independientemente de si son falsas. Pero el principal problema con las noticias falsas es que realmente engaña a las personas y, lamentablemente, incluso a ciertas organizaciones importantes de verificación de datos, para que solo se centren en una cosa, ya sea cierta o no.
Prefiero, y la mayoría de los investigadores que trabajan en esto prefieren, el término desinformación. Y este es un término adoptado por organizaciones importantes como las Naciones Unidas, la OTAN, la Unión Europea. Y la desinformación es algo que tiene una definición muy clara. Tiene dos componentes. Primero, es algo que es falso, y segundo, tiene una intención maliciosa: la intención de hacer daño. Y nuevamente, la gran mayoría de las investigaciones, la gran mayoría de los esfuerzos, muchas iniciativas de verificación de hechos, se centran en si algo es cierto o no. Y es típicamente la segunda parte la que es realmente importante. La parte si hay intención maliciosa. Y esto es en realidad de lo que hablaba Sir Tim Berners-Lee cuando habló por primera vez sobre el uso de armas de las noticias. El principal problema de las noticias falsas, si hablas con los periodistas, te lo dirán, el principal problema de las noticias falsas no es que sean falsas. El problema es que es un arma política.
Y propaganda. ¿Qué es la propaganda? Propaganda es un término ortogonal a desinformación. Una vez más, la desinformación tiene dos componentes. Es falso y tiene intenciones maliciosas. La propaganda también tiene dos componentes. Una es que alguien está tratando de convencernos de algo. Y segundo, hay un objetivo predefinido. Ahora, debemos prestar atención. La propaganda no es verdadera; no es falso No es bueno; no está mal. Eso no es parte de la definición. Entonces, si un gobierno tiene una campaña para persuadir al público de que se vacune, puede argumentar que tiene un buen propósito, o digamos que Greta Thunberg intenta asustarnos de que cientos de especies se extinguen todos los días. Esta es una técnica de propaganda: apelar al miedo. Pero puedes argumentar que es por un buen propósito. Entonces, la propaganda no es mala; no es bueno. No es verdad; no es falso
Laurel: Pero la propaganda tiene el objetivo de hacer algo. Y, al forzar ese objetivo, es realmente atractivo para ese factor de miedo. Así que esa es la distinción entre desinformación y propaganda, es el miedo.
Nakov: No, el miedo es sólo una de las técnicas. Hemos estado investigando esto. Por lo tanto, mucha investigación se ha centrado en la clasificación binaria. ¿Es esto cierto? ¿Es esto falso? ¿Es esto propaganda? ¿No es esto propaganda? Hemos mirado un poco más profundo. Hemos estado investigando qué técnicas se han utilizado para hacer propaganda. Y de nuevo, puedes hablar de propaganda, puedes hablar de persuasión o de relaciones públicas, o de comunicación de masas. Básicamente es lo mismo. Distintos términos para casi lo mismo. Y en cuanto a las técnicas de propaganda, hay dos tipos. El primer tipo son apelaciones a las emociones: puede apelar al miedo, puede apelar a emociones fuertes, puede apelar a sentimientos patrióticos, y así sucesivamente. Y la otra mitad son falacias lógicas: cosas como la falacia en blanco y negro. Por ejemplo, o estás con nosotros o contra nosotros. O vagón de banda. Bandwagon es como, oh, la última encuesta muestra que el 57% votará por Hillary, así que estamos en el lado correcto de la historia, tienes que unirte a nosotros.
Hay varias otras técnicas de propaganda. Hay una pista falsa, hay ofuscación intencional. Hemos investigado 18 de ellos: la mitad de ellos apelan a las emociones, y la mitad de ellos usan ciertos tipos de falacias lógicas o razonamiento lógico roto. Y hemos creado herramientas para detectarlos en los textos, de modo que realmente pueda mostrárselos al usuario y hacerlo explícito, para que las personas puedan entender cómo están siendo manipulados.
Laurel: Entonces, en el contexto de la pandemia de covid-19, el director general de la Organización Mundial de la Salud dijo, y cito, no solo estamos luchando contra una epidemia; estamos luchando contra una infodemia. ¿Cómo se define la infodemia? ¿Cuáles son algunas de esas técnicas que podemos usar para evitar también el contenido dañino?
Nakov: Infodemia, esto es algo nuevo. En realidad, MIT Technology Review tuvo hace aproximadamente un año, en febrero del año pasado, un excelente artículo que hablaba de eso. La pandemia de covid-19 ha dado lugar a la primera infodemia global en las redes sociales. Y nuevamente, casi al mismo tiempo, la Organización Mundial de la Salud, en febrero, tenía en su sitio web una lista de las cinco prioridades principales en la lucha contra la pandemia, y la lucha contra la infodemia era el número dos, el número dos en la lista de las principales cinco prioridades. Entonces, definitivamente es un gran problema. ¿Qué es la infodemia? Es una fusión de una pandemia y la desinformación preexistente que ya estaba presente en las redes sociales. También es una mezcla de desinformación política y de salud. Antes de eso, la parte política y, digamos, el movimiento antivacunas, estaban separados. Ahora, todo está mezclado.
Laurel: Y eso es un problema real. Quiero decir, la preocupación de la Organización Mundial de la Salud debería ser combatir la pandemia, pero luego su preocupación secundaria es combatir la desinformación. Encontrar esperanza en ese tipo de miedo es muy difícil. Así que uno de los proyectos en los que estás trabajando se llama Tanbih. Y Tanbih es un agregador de noticias, ¿verdad? Eso destapa la desinformación. Así que el proyecto en sí tiene una serie de objetivos. Una es descubrir la postura, el sesgo y la propaganda en las noticias. El segundo es promover diferentes puntos de vista e involucrar a los usuarios. Pero luego, el tercero es limitar el efecto de las noticias falsas. ¿Cómo funciona Tanbih?
Nakov: De hecho, Tanbih comenzó como un agregador de noticias, y se ha convertido en algo mucho más grande que eso, en un proyecto, que es un megaproyecto en el Instituto de Investigación de Computación de Qatar. Y abarca a personas de varios grupos en el instituto, y se desarrolla en cooperación con el MIT. Comenzamos el proyecto con el objetivo de desarrollar herramientas que realmente podamos poner en manos de los usuarios finales. Y decidimos hacer esto como parte de un agregador de noticias, piense en algo como Google News. Y a medida que los usuarios leen las noticias, les indicamos cuándo algo es propagandístico y les brindamos información general sobre la fuente. Lo que estamos haciendo es analizar los medios por adelantado y crear perfiles de medios. Entonces estamos mostrando, diciendo a los usuarios hasta qué punto el contenido es propagandístico. Les estamos diciendo si la noticia es de una fuente confiable o no, si está sesgada: izquierda, centro, derecha. Si es extrema: extrema izquierda, extrema derecha. También, si está sesgado con respecto a temas específicos.
Y esto es algo que es muy útil. Entonces, imagina que estás leyendo un artículo que es escéptico sobre el calentamiento global. Si te decimos, mira, este medio de noticias siempre ha sido muy sesgado de la misma manera, entonces probablemente lo tomes con pinzas. También estamos mostrando la perspectiva del reportaje, el encuadre. Si lo piensas bien, el covid-19, el Brexit, cualquier evento importante se puede reportar desde diferentes perspectivas. Por ejemplo, tomemos covid-19. Tiene un aspecto de salud, eso seguro, pero también tiene un aspecto económico, incluso un aspecto político, tiene un aspecto de calidad de vida, tiene un aspecto de derechos humanos, un aspecto legal. Por lo tanto, perfilamos a los medios y dejamos que los usuarios vean cuál es su perspectiva.
Con respecto a los perfiles de medios, los estamos exponiendo además como un complemento del navegador, de modo que mientras visita diferentes sitios web, puede hacer clic en el complemento y puede obtener información general muy breve sobre el sitio web. Y también puede hacer clic en un enlace para acceder a un perfil más detallado. Y esto es muy importante: el foco está en la fuente. Una vez más, la mayoría de las investigaciones se han centrado en si esta afirmación es cierta o no. ¿Y esta noticia es cierta o no? Esa es solo la mitad del problema. La otra mitad es en realidad si es dañino, que generalmente se ignora.
La otra cosa es que no podemos verificar todos los reclamos en el mundo. No manualmente, no automáticamente. Manualmente, eso está fuera de discusión. Hubo un estudio del MIT Media Lab hace unos dos años, en el que realizaron un gran estudio sobre muchos, muchos tweets. Y se ha demostrado que la información falsa llega seis veces más lejos y se difunde mucho más rápido que la información real. Hubo otro estudio que es mucho menos famoso, pero me parece muy importante, que muestra que el 50% de la difusión de por vida de algunas noticias falsas muy virales ocurre en los primeros 10 minutos. ¡En los primeros 10 minutos! La verificación manual de hechos lleva uno o dos días, a veces una semana.
¿Comprobación automática de hechos? ¿Cómo podemos verificar una afirmación? Bueno, si tenemos suerte, si la afirmación es que la economía de los EE. UU. creció un 10 % el año pasado, esa afirmación la podemos comprobar automáticamente fácilmente, consultando Wikipedia o alguna tabla estadística. ¿Pero si dicen que hubo una bomba en este pueblito hace dos minutos? Bueno, realmente no podemos verificarlo, porque para verificarlo automáticamente, necesitamos tener alguna información de alguna parte. Queremos ver qué van a escribir los medios al respecto o cómo van a reaccionar los usuarios. Y ambos toman tiempo para acumularse. Entonces, básicamente no tenemos información para verificarlo. ¿Qué podemos hacer? Lo que estamos proponiendo es movernos a una mayor granularidad, para enfocarnos en la fuente. Y esto es lo que están haciendo los periodistas. Los periodistas están investigando: ¿hay dos fuentes independientes de confianza que afirmen esto?
Así que estamos analizando los medios. Incluso si las personas malas hacen un reclamo en las redes sociales, probablemente pondrán un enlace a un sitio web donde se puede encontrar una historia completa. Sin embargo, no pueden crear un nuevo sitio web de noticias falsas para cada afirmación falsa que están haciendo. Los van a reutilizar. Así, podemos monitorizar cuáles son los sitios web más utilizados, y podemos analizarlos con antelación. Y me gusta decir que podemos verificar las noticias falsas incluso antes de que se escriban. Porque en el momento en que se escribe, en el momento en que se coloca en las redes sociales y hay un enlace a un sitio web, si tenemos este sitio web en nuestra creciente base de datos de sitios web analizados continuamente, podemos decirle de inmediato si es un sitio web confiable o no. . Por supuesto, los sitios web confiables también pueden tener información deficiente, los buenos sitios web a veces también pueden estar equivocados. Pero podemos darte una idea inmediata.
Más allá del agregador de noticias, comenzamos a buscar análisis, pero también estamos desarrollando herramientas para la alfabetización mediática que muestran a las personas las técnicas de propaganda detalladas que se destacan en el texto: los lugares específicos donde se lleva a cabo la propaganda y su tipo específico. Y finalmente, estamos creando herramientas que pueden ayudar a los verificadores de datos en su trabajo. Y esos son nuevamente problemas que generalmente se pasan por alto, pero que son extremadamente importantes para los verificadores de hechos. Es decir, lo que vale la pena verificar en primer lugar. Considere un debate presidencial. Hay más de 1.000 frases que se han dicho. Usted, como verificador de hechos, puede verificar quizás 10 o 20 de esos. ¿Cuáles vas a verificar primero? ¿Cuáles son los más interesantes? Podemos ayudar a priorizar esto. O hay millones y millones de tuits sobre el covid-19 a diario. ¿Y cuál de ellos le gustaría verificar como verificador de hechos?
El segundo problema es detectar afirmaciones previamente verificadas. Un problema con la tecnología de verificación de hechos en estos días es la calidad, pero la segunda parte es la falta de credibilidad. Imagina una entrevista con un político. ¿Puedes poner al político en el punto? Imagine un sistema que automáticamente reconoce el habla, eso es fácil, y luego verifica los hechos. Y de repente dices, Oh, Sr. X, mi IA me dice que ahora tienes un 96% de probabilidades de estar mintiendo. Puedes profundizar sobre eso? ¿Porqué estás mintiendo? Usted no puede hacer eso. Porque no confías en el sistema. No se puede poner al político en el lugar en tiempo real o durante un debate político. Pero si el sistema regresa y dice: acaba de decir algo que ha sido verificado por esta organización confiable de verificación de datos. Y aquí está la afirmación que hizo, y aquí está la afirmación que fue verificada, y mira, sabemos que es falsa. Entonces puedes ponerlo en el lugar. Esto es algo que potencialmente puede revolucionar el periodismo.
Laurel: Entonces, volviendo a ese punto sobre el análisis. Para entrar en detalles técnicos, ¿cómo usa Tanbih la inteligencia artificial y las redes neuronales profundas para analizar ese contenido, si se encuentra con tantos datos, tantos tweets?
Nakov: Tanbih inicialmente no se estaba enfocando realmente en los tweets. Tanbih se ha centrado principalmente en los principales medios de comunicación. Como dije, estamos analizando medios enteros, para que estemos preparados. Porque, de nuevo, hay una conexión muy fuerte entre las redes sociales y los sitios web. No basta con poner un reclamo en la Web y difundirlo. Puede propagarse, pero la gente lo percibirá como un rumor porque no hay fuente, no hay más corroboración. Por lo tanto, aún desea buscar en un sitio web. Y luego, como dije, al buscar en la fuente, puede hacerse una idea de si desea confiar en esta afirmación entre otras fuentes de información. Y al revés: cuando estamos perfilando medios, estamos analizando el texto de lo que publican los medios.
Entonces, diríamos, está bien, analicemos unos cientos o miles de artículos de este medio de comunicación objetivo. Luego, también analizaríamos cómo este medio se representa a sí mismo en las redes sociales. Muchos de esos sitios web también tienen cuentas en redes sociales: ¿cómo reacciona la gente a lo que se ha publicado en Twitter, en Facebook? Y luego, si los medios tienen otros tipos de canales, por ejemplo, si tienen un canal de YouTube, lo analizaremos también. Así que veremos no solo lo que dicen, sino también cómo lo dicen, y esto es algo que proviene de la señal del habla. Si hay mucho atractivo para las emociones, podemos detectar algo en el texto, pero algo lo podemos obtener del tono.
También estamos investigando lo que otros escriben sobre este medio, por ejemplo, lo que se escribe sobre ellos en Wikipedia. Y estamos juntando todo esto. También estamos analizando las imágenes que se ponen en este sitio web. Estamos analizando las conexiones entre los sitios web. La relación entre un sitio web y sus lectores, la superposición en términos de usuarios entre diferentes sitios web. Y luego estamos usando diferentes tipos de redes neuronales gráficas. Entonces, en términos de redes neuronales, estamos usando diferentes tipos de modelos. Es principalmente una representación de texto contextualizada profunda basada en transformadores; eso es lo que normalmente haces con los mensajes de texto en estos días. También estamos usando redes neuronales gráficas y estamos usando diferentes tipos de redes neuronales convolucionales para el análisis de imágenes. Y también estamos usando redes neuronales para el análisis del habla.
Laurel: Entonces, ¿qué aprendemos al estudiar este tipo de desinformación región por región o por idioma? ¿Cómo puede eso realmente ayudar a los gobiernos y las organizaciones de atención médica a combatir la desinformación?
Nakov: Básicamente, podemos brindarles información agregada sobre lo que está sucediendo, según un esquema que hemos estado desarrollando para el análisis de los tweets. Hemos diseñado un esquema muy completo. Hemos estado investigando no solo si un tuit es cierto o no, sino también si está propagando el pánico, o está promoviendo una mala cura, o la xenofobia, el racismo. Estamos detectando automáticamente si el tweet está haciendo una pregunta importante que tal vez una determinada entidad gubernamental quiera responder. Por ejemplo, una de esas preguntas el año pasado fue: ¿el covid-19 va a desaparecer en el verano? Es algo que tal vez las autoridades de salud quieran responder.
Otras cosas han sido ofrecer consejos o discutir las medidas tomadas y las posibles curas. Así que hemos estado investigando no solo las cosas negativas, las cosas sobre las que podría actuar, tratar de limitar, cosas como el pánico o el racismo, la xenofobia, cosas como no comer comida china, no comer comida italiana. O cosas como culpar a las autoridades por su acción o inacción, a lo que los gobiernos podrían querer prestar atención y ver hasta qué punto está justificado y si quieren hacer algo al respecto. Además, algo importante que podría desear un formulador de políticas es monitorear las redes sociales y detectar cuándo se habla de una posible cura. Y si es una buena cura, es posible que desee prestar atención. Si es una mala cura, es posible que también desee decirle a la gente: no use esa mala cura. Y discusión de la acción tomada, o un llamado a la acción. Si hay muchas personas que dicen cerrar las peluquerías, es posible que desee ver por qué dicen eso y si desea escuchar.
Laurel: Correcto. Porque el gobierno quiere monitorear esta desinformación con el propósito explícito de ayudar a que todos no tomen esos malos remedios, verdad. No seguir por el camino de pensar que esta propaganda o desinformación es cierta. Entonces, ¿es una acción del gobierno regular la desinformación en las redes sociales? ¿O crees que depende de las empresas de tecnología resolverlo ellas mismas?
Nakov: Esa es una buena pregunta. Hace dos años fui invitado por la Asamblea de la Unión Interparlamentaria. Habían invitado a tres expertos y había 800 miembros del parlamento de países de todo el mundo. Y durante tres horas nos estuvieron haciendo preguntas, básicamente girando en torno al tema central: qué tipo de legislación pueden aprobar ellos, los parlamentos nacionales, para que den una solución al problema de la desinformación de una vez por todas. Y, por supuesto, el consenso al final fue que ese es un problema complejo y no hay una solución fácil.
Cierto tipo de legislación definitivamente juega un papel. En muchos países, ciertos tipos de discursos de odio son ilegales. Y en muchos países, existen ciertos tipos de regulaciones cuando se trata de elecciones y anuncios en época de elecciones que se aplican a los medios regulares y también se extienden al espacio web. Y ha habido muchos pedidos recientes de regulaciones en el Reino Unido, en la Unión Europea, incluso en los EE. UU. Y ese es un debate muy acalorado, pero este es un problema complejo y no hay una solución fácil. Y hay jugadores importantes allí y esos jugadores tienen que trabajar juntos.
Entonces, ¿cierta legislación? Si. Pero también necesita la cooperación de las empresas de redes sociales, porque la desinformación está ocurriendo en sus plataformas. Y están en una muy buena posición, la mejor posición en realidad, para limitar la propagación o hacer algo. O enseñar a sus usuarios, educarlos, que probablemente no deberían difundir todo lo que leen. Y luego las organizaciones no gubernamentales, los periodistas, todos los esfuerzos de verificación de hechos, esto también es muy importante. Y espero que los esfuerzos que nosotros, como investigadores, estamos poniendo en la construcción de tales herramientas, también sean útiles en ese sentido.
Una cosa a la que debemos prestar atención es que cuando se trata de la regulación a través de la legislación, no debemos pensar necesariamente qué podemos hacer con esta o aquella empresa específica. Deberíamos pensar más a largo plazo. Y debemos tener cuidado de proteger la libertad de expresión. Así que es una especie de equilibrio delicado.
En términos de noticias falsas, desinformación. El único caso en el que alguien ha declarado la victoria, y la única solución que hemos visto que realmente funciona, es el caso de Finlandia. En mayo de 2019, Finlandia declaró oficialmente que había ganado la guerra contra las noticias falsas. Les tomó cinco años. Comenzaron a trabajar en eso después de los eventos en Crimea; se sintieron amenazados e iniciaron una campaña de alfabetización mediática muy ambiciosa. Se centraron principalmente en las escuelas, pero también apuntaron a las universidades y todos los niveles de la sociedad. Pero, por supuesto, principalmente las escuelas. Estaban enseñando a los estudiantes cómo saber si algo es sospechoso. Si te enoja demasiado, tal vez algo no esté bien. Cómo hacer, digamos, una búsqueda inversa de imágenes para verificar si esta imagen que se muestra es realmente de este evento o de otro lugar. Y en cinco años, han declarado la victoria.
Entonces, para mí, la alfabetización mediática es la mejor solución a largo plazo. Y es por eso que estoy particularmente orgulloso de nuestra herramienta para el análisis detallado de la propaganda, porque realmente muestra a los usuarios cómo están siendo manipulados. Y puedo decirles que mi esperanza es que después de que las personas hayan interactuado un poco con una plataforma como esta, aprendan esas técnicas. Y la próxima vez los reconocerán por sí mismos. No necesitarán la plataforma. Y me pasó a mí ya varios otros investigadores que han trabajado en este problema, nos pasó a nosotros, y ahora ya no puedo leer las noticias correctamente. Cada vez que leo las noticias, descubro estas técnicas porque las conozco y puedo reconocerlas. Si más personas pueden llegar a ese nivel, será bueno.
Tal vez las empresas de redes sociales puedan hacer algo así cuando un usuario se registra en su plataforma, podrían pedirles a los nuevos usuarios que tomen un curso corto de alfabetización digital y luego aprueben algo así como un examen. Y luego, por supuesto, tal vez deberíamos tener programas gubernamentales como ese. El caso de Finlandia muestra que, si el gobierno interviene y pone en marcha los programas adecuados, las noticias falsas son algo que puede resolverse. Espero que las noticias falsas sigan el camino del spam. No se va a erradicar. El spam sigue ahí, pero no es el tipo de problema que era hace 20 años.
Laurel: Y eso es alfabetización mediática. E incluso si lleva cinco años erradicar este tipo de desinformación o simplemente mejorar la comprensión de la sociedad sobre la alfabetización mediática y lo que es la desinformación, las elecciones ocurren con bastante frecuencia. Y ese sería un gran lugar para comenzar a pensar en cómo detener este problema. Como dijiste, si se convierte en spam, se convierte en algo con lo que tratas todos los días, pero en lo que ya no piensas ni te preocupas. Y no va a dar la vuelta por completo a la democracia. Me parece un objetivo muy alcanzable.
Laurel: Dr. Nakov, muchas gracias por unirse a nosotros hoy en lo que ha sido una conversación fantástica en Business Lab.
Nakov: Gracias por invitarme.
Laurel: Ese fue el Dr. Preslav Nakov, científico principal del Instituto de Investigación de Computación de Qatar, con quien hablé desde Cambridge, Massachusetts, la sede del MIT y MIT Technology Review, con vista al río Charles.
Eso es todo por este episodio de Business Lab. Soy su anfitrión, Laurel Ruma. Soy el Director de Insights, la división de publicaciones personalizadas de MIT Technology Review. Fuimos fundados en 1899 en el Instituto Tecnológico de Massachusetts. Y puede encontrarnos impresos, en la web y en eventos cada año en todo el mundo. Para obtener información sobre nosotros y la feria, visite nuestro sitio web en technologyreview.com.
El programa está disponible dondequiera que obtenga sus podcasts.
Si disfrutó de este podcast, esperamos que se tome un momento para calificarnos y revisarnos. Business Lab es una producción de MIT Technology Review. Este episodio fue producido por Collective Next.
Este episodio de podcast fue producido por Insights, el brazo de contenido personalizado de MIT Technology Review. No fue producido por el equipo editorial de MIT Technology Review.