Análise de modelos de aprendizado de máquina para detecção de notícias falsas

Abstract

Informação é um componente crucial hoje para se viver e se localizar na sociedade atual. Um mundo cada vez mais globalizado exige o acesso simplificado e ágil a notícias e acontecimentos em qualquer parte do planeta. Tais informações ajudam a moldar e formar opiniões que movem e influenciam diretamente as atitudes dos seres humanos. Hoje, de maneira idealizada, quem está sintonizado com a realidade exposta pelos grandes meios de comunicação se encontra a par de tomar decisões que vão de acordo com o momento atual. Desde o início dos anos 1990, uma quantidade sem precedentes de informações são divulgadas pelo mundo, propulsionadas pelas tecnologias cria das com o advento da Internet. Quantificando essa informação, em 2020, 64,2 Zettabytes de dados foram criados, capturados, copiados e consumidos globalmente, segundo previsões calculados pelo Statista 1 . Tamanha quantidade de informações levantam questões essenciais para a análise de quem as consome, como por exemplo: como saber que dada informação é verdadeira? É possível confiar na análise racional humana, alinhada a ferramentas que nos permitem comparar uma in formação com fatos já registrados pelos jornais, artigos científicos, livros e muitos outros meios de registros confiáveis de informações sobre o mundo. Mas seria possível confiar que todo e qualquer ser humano tem tais meios de verificar e checar por si a veracidade de uma informação? O presente trabalho possui o objetivo de analisar a possibilidade da utilização de aprendizado de máquina como ferramenta acessível aos usuários brasileiros de redes sociais para que possam filtrar e classificar notícias como verdadeiras ou falsas. Como uma vertente do estudo em inteli gência artificial, o aprendizado de máquina parte do princípio de programar um computador com o objetivo de agilizar e otimizar uma dada tarefa automatizada, no nosso caso, a classificação de notícias. Notícias podem ser classificadas utilizando a lógica humana alinhada a conhecimentos históricos, mas esse tipo de abordagem se torna muito complexa para um algoritmo computacional realizar. Nesse caso, a análise realizada foi feita de forma a identificar padrões na escrita ou no viés das palavras utilizadas nas notícias incluídas no dataset. Esse é um tipo de abordagem que poderia processar volumes muito grandes de dados em pouco tempo e ajudar usuários a identifica rem prováveis notícias falsas. Foi analisado o desempenho de diversos algoritmos já existentes de aprendizado de máquina e escolhido o modelo PAC - Passive Agressive Classifier como ênfase do estudo. Os motivos da escolha são: a sua baixa complexidade computacional e o fato de ter obtido as melhores métricas de performance (92% de acurácia). Utilizando de dados originários de bancos de dados de notícias de cunho jornalístico e também bancos de dados de boatos e notícias falsas compartilhadas em redes sociais como WhatsApp e Facebook, analisaremos o panorama Brasileiro de compartilhamento de notícias online e a possibilidade de mitigação do impacto causado pela desinformação fazendo uso de inteligência artificial.