A atividade de inteligência e os desafios de uma sociedade conectada pelo caos
aprendizado de máquina e análise de redes como um recurso auxiliar
Resumo
As redes sociais são capazes de impactar positiva e negativamente cenários sociais, políticos e econômicos de um país. O grande fluxo de informações que circulam nesses ambientes impossibilita que, por ação unicamente humana, sejam realizadas operações de combate à desinformação e a fake news. A Atividade de Inteligência também precisa se adequar ao novo desafio de coletar, analisar e disseminar conhecimento em meio a uma qualidade duvidosa de conteúdo produzido por Inteligência Artificial. O objetivo deste artigo é explorar os modelos de aprendizado de máquina que representam ferramentas auxiliares valiosas para monitorar, em tempo real, oportunidades e ameaças de desinformação.
Referências
ALLEN, Greg; CHAN, Taniel. Artificial Intelligence and National Secururity. Cambridge: Harvard Kennedy School. Belfer Center for Science And International Affairs, July 2017.
ANDERSON, Monica et al. Focus groups: Social media stirs a range of emotions and reactions in teens. Pew Research Center, Washington, DC, 16 nov. 2022.
ARGUEDAS, Amy Ross et al. Echo chambers, filter bubbles, and polarisation: a literature review. Oxford: Reuters Institute, Jan. 2022.
BHUTANI, Bhavika et al. Fake News Detection Using Sentiment Analysis. In: Twelfth International Conference on Contemporary Computing (IC3), Noida, 2019.
BRODY, Dorje C.; MEIER, David M. Mathematical models for fake news. Disponível em: https://arxiv.org/pdf/1809.00964. Acesso em: 19 out. 2023.
CHITRA, Jain, Arihant. Fake News detection using naive bayes classifier. Journal of Analysis and Computation (JAC), vol. XIV, issue -VI, 2020. Disponível em: www.ijaconline.com. Acesso em: 19 out. 2023.
EHMAKE, Rachel. How Using Social Media Affects Teenagers. Child Mind Institute. Disponível em: Social Media Effects on Teens | Impact of Social Media on Self-Esteem (childmind.org). Acesso em: maio 2023.
GONÇALVES, Joanisval Brito. A Atividade de Inteligência no combate ao crime organizado: o caso do Brasil. Disponível em: http://www2.senado.leg.br/bdsf/handle/id/103. Acesso em: 19 out. 2023.
GRUPPO, Meaghan. Intelligence Sourcing Basics: A Primer as Generative AI Pollutes the Internet to Death. Disponível em: https://substack.com. Acesso em: maio 2023.
HARDY, John. Hunters and Gatherers: the evolution of strike and Intelligence functions in special operations forces. International Journal of Intelligence and CounterIntelligence, v. 36, n. 4, p 1143-1163. 2023.
HEIKKILA, Melissa. How AI-generated text is poisoning the internet. MIT Technology Review. Dez. 2022.
HVITVED, Sophie. What if 99% of the metaverse is made by AI? Scenario magazine, Copenhagen, 24 fev. 2022.
JARDINE, Érico. Beware Fake news. Platform governance, security, Centre for International Governance Innovation. Disponível em: https://www.cigionline.org/aticles/beware –fake-news/. Acesso em: abril 2023.
KRESNAKOVA, Viera Maslej et al.Deep learning methods for Fake News detection. In: IEEE International Symposium on Computational Intelligence and Informatics. Hungria, 2019.
LOKHANDE, Samiksha. Noções básicas de PNL (Processamento de Linguagem Natural). Disponível em: medium.com. Acesso em: maio 2023.
NEWBERY, Samantha; KAUNERT, Christian. Critical Intelligence Studies: a new framework for analysis. Intelligence and National Security, v. 38, n. 5, p. 780-798, 21 feb. 2023.
ORTIZ-OSPINA, Esteban. The rise of social media. Our World in Data, 18 sept 2019. Disponível em: https://ourworldindata.org/rise-of-social-media. Acesso em: 19 out 2023.
OSHIKAMA, Ray; QUIAN, Jing; WANG, William Yang. A Survey on Natural Language Processing for Fake News Detection: computation and language. In: Conferência de Recursos e Avaliação Linguística, 2020. Disponível em: https://doi.org/10.48550/arXiv.1811.00770. Acesso em: 19 out. 2023.
ROMERO, Alberto. Generative AI Could Pollute the Internet to Death. Disponível em: substack.com. Acesso em: maio 2023.
SANTOS, Roney Lira de Sales; PARDO, Thiago Alexandre Salgueiro. Structural Characterization and Graph-based Detection of Fake News in Portuguese. In: Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana. Porto Alegre: Sociedade Brasileira de Computação, 2021.
SHRIVASTAVA, Gulshan et al. Defensive Modeling of Fake News Through Online Social Networks. IEEE Transactions on Computational Social Systems, vol. 7, n. 5, pp. 1159-1167. 2020.
SIVASANKARI S.; VADIVU, G. Tracing the fake News propagation path using social network analysis. Soft Comput, v. 26, n. 23, p. 12883–12891, 2022.
SMALDINO, Paul E. Modeling Social Behavior: Mathematical and Agent-Based Models of Social Dynamic and Cultural Evolution. Princeton University Press.2023 THOTA, Aswini et al. Fake News Detection: a deep learning approach. SMU Data Science Review, v. 1, n. 3, 2018. Disponível em: https://scholar.smu.edu/datasciencereview/vol1/iss3/10/. Acesso em: 19 out. 2023.
WASSERMAN, Stanley; FAUST, Katherine. Social Network Analysis: methods and applications. Cambridge University Press, 1994.
WATSON, Amy. Encountering fake news in print media worldwide 2019, by country. Statista, 03 Jun. 2022a.
WATSON, Amy . Share of adults who have witnessed fake news in print media worldwide as of January 2019, by country. Statista, 03 Jun. 2022b.
WATSON, Amy . Perceived frequency of online news websites reporting fake news stories in the United States as of March 2018. Statista, Abr. 2018.
ZERVOPOULOS, A. et al.. Hong Kong Protests: using natural language processing for fake News detection on twitter. In: MAGLOGIANNIS, I.; ILIADIS, L.; PIMENIDIS, E. (ed.). Artificial Intelligence Aplications and Innovations. AIAI 2020. IFIP Advances in Information and Communication Technology, v. 584. Springer, Cham. Disponível em: https://doi.org/10.1007/978-3-030-49186-4_34. Acesso em: 19 out. 2023
