
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