Kriiside ja loodusõnnetuste ajal aitab ühismeedia elupäästvatel hoiatustel kiiresti levida. Täpselt sama kiirust ja filtrite puudumist kasutavad ära ka pahatahtlikumate kavatsustega inimesed. Tallinna Ülikooli digitehnoloogiate instituudi teadlased uurisid rahvusvahelise teadusprojekti Martini raames, kes on need inimesed ja millised on need masinad, mis internetis väärinfot jagavad.

Uurijate laiem eesmärk oli laduda vundament tehisintellektil põhinevatele tööriistadele, mis suudaksvaleinfo levitajaid automaatselt tuvastada ja koostada nende profiile.

Teadustöö üks suurimaid väljakutseid oli aga väärinfo levitajate tuvastamine, sest internetis ringlev sisu ei ole alati tahtlikult pahatahtlik. "Märkimisväärne osa valest teabest levib pahaaimamatute kasutajate kaudu, kes ei ole teadlikud, et levitavad eksitavat infot," nentis Tallinna Ülikooli nooremteadur Debora Conceicao Firmino De Souza.

Teadusartikkel tõi välja selge erisuse aktiivse ja passiivse petmise vahel. Sisu loojad kasutavad aktiivset pettust, luues valeinfot ja võltsitud usaldusväärsust. Samal ajal langevad tavakasutajad sageli passiivse pettuse ohvriks, jagades sisu edasi seetõttu, et see toetab nende varasemaid uskumusi või pakub emotsionaalset kõlapinda.

Olukorra muudab keerukamaks asjaolu, et valeinfot levitavad nii inimesed kui ka automatiseeritud kontod ehk botid. Samal ajal võivad sellesse panustada nii üksikisikud kui ka organiseeritud rühmitused. Arvestades eksitava sisu kiiret levikut, jääb selle tuvastamiseks ja faktikontrolliks sageli väga vähe aega.

Kaoses korra loomiseks töötasid teadlased välja kolmeosalise taksonoomia ehk liigitussüsteemi. Esimene osa keskendub tegutseja rollile ja tunnustele. Süsteem eristab selgelt sisu algseid loojaid, edasijagajaid ja kattuvaid rolle täitvaid kontosid. Kontode taga võivad peituda tavakasutajad, võrgustunud rühmitused, näiteks äärmuslased, lihtsad rämpsposti-robotid või isegi oma mainet kujundavad ettevõtted.

Teine osa liigitab meetodeid, mida pahalased oma eesmärkide saavutamiseks kasutavad. Uurijad kaardistasid hulga võtteid alates otsesest meediamanipulatsioonist, nagu süvavõltsingud ja meemid, kuni diskursuse manipuleerimiseni. Viimane hõlmab näiteks avalike arutelude fookuse suunamist, trollimist ja vihakõne levitamist.

Kolmas osa hindab levitaja laiemat kampaaniastrateegiat. Tehisintellekt peab tulevikus suutma hinnata, kas kontod spämmivad valimatult, võimendavad kunstlikult oma mõju või loovad suletud kajakambreid.

Loodud raamistiku proovilepanekuks analüüsisid teadlased 30 erinevat Telegrami kanalit, kust kogusid kokku tuhandeid sõnumeid. Juhtumiuuring näitas kohe, et praktikas on sisu liigitamine veelgi keerukam, kuna tõlgendus sõltub suurel määral kontekstist ja võrgustikust.

Teadlased tõdesid, et täiesti neutraalne uuesti jagatud postitus või päriselt ilmunud uudis võib ühes arutelus olla kahjutu, kuid teises keskkonnas omandada eksitava või lausa kahjuliku tähenduse. Samuti teeb teadlastele ja tehisintellektile peavalu sotsiaalmeedia kiirus. Sisu liigub platvormide ja kanalite vahel nii kiiresti, et viide algallikale kaob. Seetõttu osutus liigitamine nn loojateks ja levitajateks päris elus sageli võimatuks, sest algset postitajat pole lihtsalt enam võimalik leida.

Kõigist nendest väljakutsetest hoolimata suutsid teadlased luua mudeli, mis on universaalne ega sõltu ühestki konkreetsest teemast, riigist või poliitilisest sündmusest. "Loodud süsteem pakub usaldusväärset alust teadlastele ja tehnoloogia arendajatele, et jätkata tehisintellektil põhinevate tööriistade arendamist, mis suudavad väärinfo levitajaid tuvastada ja profileerida, ning toetada võrgusüsteemide vastutustundlikku kujundamist," sõnas interaktsioonidisaini dotsent Sónia Cláudia Da Costa Sousa.

Praegu valmistab projektimeeskond ette uut teaduspublikatsiooni, et esitleda rahvusvahelise projekti lõplikke järeldusi.