A hybrid environment for the simulation and analisys of fake news’ dynamics: model enhancement and experimentation

Oggigiorno il rilevamento delle fake news è divenuto un argomento centrale nell’ambito della ricerca scientifica. Con la nascita delle intelligenze artificiali generative e degli strumenti che da esse derivano, è aumentata la facilità con cui le fake news possono essere create e diffuse in rete. La proliferazione di tali notizie espone la società a notevoli rischi quali la disinformazione e la manipolazione dell’opinione pubblica. Tali fattori, uniti alla facilità di accesso ad Internet ed ai social network, permettono alle fake news di diffondersi in breve tempo tra gli utenti. In questo ambito, lo studio delle reti sociali che vengono a crearsi tra gli utenti dei social network, diventa un elemento fondamentale per comprendere a fondo come le fake news nascano e si diffondano anche al di fuori dei gruppi di utenti che le promuovono. In questo lavoro di tesi, si vuole approfondire lo studio della diffusione delle fake news e dei meccanismi di contrasto sfruttando insieme approcci model-driven e data-driven, al fine di migliorare un modello di apprendimento che possa identificare la diffusione delle fake news in uno scenario realistico. A tal fine, verranno impiegati una simulazione ad agenti che rappresenta la rete sociale ed un super-agent che sfrutta tecniche di Deep Reinforcement Learning per imparare a riconoscere la diffusione delle fake news e le azioni da intraprendere per contrastarle. Al fine di rendere la simulazione più realistica e quindi migliorare le prestazioni del super-agent nel mondo reale, questo lavoro di tesi si basa sull’implementazione di caratteristiche fondamentali delle reti sociali ad oggi esistenti, unitamente alla modellazione di elementi della psicologia umana per rendere ancora più realistica l’interazione tra agenti. Tra le caratteristiche implementabili di maggiore interesse figurano gli schemi di following dei social network ed i bias cognitivi, che permettono un significativo avvicinamento della simulazione alle dinamiche del mondo reale.