Pesquisadores criam IA capaz de detectar fake news sem precisar conhecer notícias verdadeiras

Pesquisadores criaram um modelo de inteligência artificial capaz de identificar fake news mesmo sem ter acesso a informações verdadeiras. Dessa forma, a técnica representa um avanço no combate à desinformação em ambientes digitais, onde mapear conteúdos confiáveis é praticamente impossível.

O modelo, chamado PSRB (Positive Sequential Reconstruction via Breadth Search), surgiu de uma parceria entre Computação e Ciências Sociais. Além disso, os resultados da pesquisa aparecem no periódico científico Knowledge and Information Systems e foram assinados por Guilherme Henrique Messias, doutorando do Programa de Pós-Graduação em Ciência da Computação; Sylvia Iasulaitis, professora do Departamento de Ciências Sociais; e Alan Demétrius Baria Valejo, professor do Departamento de Computação.

Motivação da pesquisa

Segundo Messias, a ideia surgiu ao perceber que os métodos tradicionais usam textos de sites de checagem, como “Fato ou Fake?” e “Agência Lupa”. Entretanto, esses textos diferem muito das notícias falsas que circulam nas redes sociais.

“O texto em si, a forma como ele está construído, não é a forma como ele é disseminado”, explica Messias. “Nos questionamos: ‘Será que isso não está trazendo viés para os modelos de IA?’”. Por isso, a equipe buscou criar uma técnica mais robusta.

Como funciona o PSRB

O PSRB utiliza um paradigma chamado “aprendizado positivo e não rotulado”. Assim, o algoritmo aprende a classificar dados tendo acesso apenas a exemplos de conteúdos falsos. Os demais dados não possuem rótulo, e o modelo precisa identificar se são verdadeiros ou enganosos.

Para isso, os pesquisadores organizaram os dados como uma rede interconectada. Cada notícia funciona como um ponto, e relações entre elas — como palavras-chave em comum, proximidade temática ou conexões entre usuários — formam os elos da rede. Além disso, a técnica cria novas conexões artificiais entre notícias falsas conhecidas, fortalecendo a comunicação na rede. Dessa maneira, a rede neural em grafos (GNN) consegue aprender melhor os padrões da desinformação.

Testes e resultados

Os pesquisadores testaram o PSRB em cinco bases de dados científicas: Cora, CiteSeer, PubMed, Amazon Photo e DBLP. Eles compararam o modelo com seis algoritmos consolidados, simulando cenários com 1% a 25% de dados rotulados.

Os resultados mostraram que o PSRB superou métodos existentes, especialmente em redes fragmentadas, como Instagram e X (antigo Twitter), onde comunidades interagem pouco entre si. Portanto, a técnica se mostrou promissora para cenários complexos de disseminação de notícias.

Aplicações além das fake news

Embora a pesquisa tenha sido motivada por notícias falsas, o modelo pode ser usado em outras áreas. Por exemplo, a técnica já ajuda a identificar interações entre fármacos e proteínas. Messias explica: “Dessa forma, é possível descobrir novas interações entre medicamentos sem precisar realizar todo o treinamento laboratorial, que é caro e demorado”.

Outra aplicação possível é em redes de citações acadêmicas. Quando dois artigos se citam mutuamente, formam uma relação que o modelo pode usar para classificar pesquisas por área de conhecimento.

Desafios em tempo real

Os pesquisadores reconhecem desafios na aplicação em tempo real. “Nas redes sociais, novas notícias surgem a cada segundo. Aplicar esse método nesse fluxo contínuo é muito difícil”, afirma Messias. Nos experimentos, os dados já estavam organizados, o que não acontece em situações reais.

Outro estudo do grupo, apresentado no Bracis, mostrou que pré-processar textos com modelos de linguagem melhora os resultados. Assim, se os textos recebem tratamento prévio usando IA, os resultados melhoram ainda mais.

No entanto, a equipe identificou limitações, como o over-smoothing, fenômeno que ocorre quando o algoritmo agrega dados demais e perde capacidade de diferenciar informações.

Próximos passos

Os pesquisadores planejam aplicar o PSRB em problemas com mais de duas categorias e em fluxos contínuos de dados, como eleições ou crises de saúde pública. Dessa maneira, a técnica poderá analisar informações em tempo real, aumentando sua relevância no combate à desinformação.

Por Gessica Vieira
Foto: Reprodução
Jornalismo Portal Pn7