Un modello di machine learning per scovare le fake news

AI bias

In un semplice esperimento un modello di machine learning è stato usato per distinguere le notizie vere da quelle false, banalmente analizzando i titoli degli articoli e classificandoli come veri o fake news.

Uno studente ha raccolto 24.000 titoli fra notizie reali e notizie pubblicate dalla rivista satirica “The Onion” (quindi false) per creare il dataset. In un piccolissimo test (assolutamente non rappresentativo) un gruppo di lettori in carne e ossa ha ottenuto risultati decisamente poco lusinghieri dalla disamina dei titoli, riuscendo a distinguere le notizie vere da quelle false solo nel 50% dei casi (il che spiega perché le fake news vadano così forte).

Il modello di machine learning invece è riuscito nell’intento con un’accuratezza dell’83%, meglio degli esseri umani anche se molto lontano dalla perfezione. La parte interessante tuttavia è che lo studente ha annotato ogni passo del suo esperimento, dalla creazione del dataset all’addestramento del modello, con tanto di codice Python utilizzato.

Per saperne di più: Using Machine Learning to Distinguish BetweenWhat’s Real and What Is Not

Mi occupo da molti anni di intelligenza artificiale. Dopo la laurea in Management ho conseguito una specializzazione in Business Analytics a Wharton, una certificazione Artificial Intelligence Professional da IBM e una sul machine learning da Google Cloud. Ho trascorso la maggior parte della carriera – trent'anni - nel settore della cybersecurity, dove fra le altre cose sono stato consigliere del Ministro delle Comunicazioni e consulente di Telespazio (gruppo Leonardo). Oggi mi occupo prevalentemente di intelligenza artificiale, lavorando con un'azienda leader del settore e partecipando a iniziative della Commissione Europea. Questo blog è personale e le opinioni espresse appartengono ai singoli autori.