Consegue identificar as críticas falsas na net?
Um grupo de investigadores da Universidade de Aalto, na Finlândia, desenvolveu um algoritmo que permite identificar críticas falsas a produtos e serviços publicadas em sites como o Yelp, o TripAdvisor e a Amazon. Mas uma das conclusões a que chegaram é que os detetores usados para um tipo de críticas falsas não são eficazes com outros tipos.
O estudo, desenvolvido pelo grupo de investigação dos sistemas de segurança da Universidade de Aalto e pelos investigadores da Universidade de Waseda, no Japão, foi apresentado este mês, no âmbito do Simpósio Europeu de Investigação em Segurança Informática.
De acordo com um comunicado da instituição de ensino superior, nove em cada dez pessoas confiam nas críticas que leem, e 40% dos consumidores fundamentam-se nestas apreciações na hora de fazer compras. Porém, algumas críticas são falsas. E estas, cada vez mais, alertam os investigadores, são escritas por sistemas de inteligência aritifical.
Mika Juuti, investigador da Universidade de Aalto, diz que é fácil gerar críticas falsas através de algoritmos, e muitas vezes as pessoas não conseguem distinguir as que são genuínas das que são geradas automaticamente.
"O comportamento de algumas empresas pode até mesmo tentar levar a um aumento das suas vendas, ao criarem uma imagem de marca positiva de forma artificial ou gerando falsas críticas negativas sobre um concorrente. Claro que a motivação é dinheiro: as críticas online são um grande negócio para os destinos das viagens, hotéis, fornecedores de serviços e produtos de consumo", disse Juuti.
"No estudo que desenvolvemos, mostrámos aos participantes críticas reais escritas por humanos e críticas falsas geradas automaticamente, e pedimos-lhes para identificar as críticas falsas. Mais de 60% das críticas falsas foram erroneamente identificadas como sendo verdadeiras", disse Juuti.
O algoritmo que desenvolveram para identificar as críticas falsas acabou por ter um bom desempenho, explica, sobretudo nos casos em que os humanos mostraram mais dificuldades.
No ano passado, investigadores da Universidade de Chicago fizeram uma experiência em que usaram uma base de dados com três milhões de críticas a restaurantes recolhidas pelo Yelp para treinar uma máquina a escrever críticas falsas. Porém, este método gerava erros facilmente detetados pelos leitores.
Por isso, Juuti e a sua equipa usaram uma técnica conhecida como tradução automática neural, para enquadrar o modelo no contexto, proporcionando melhores resultados. Em seguida, criaram um classificador que identifica críticas falsas e ajudou os avaliadores humanos, mas concluíram que a deteção destas críticas é ainda "um problema em aberto".