Portavoces del estudio aseguraron que este comportamiento no es ex profeso y que puede tener varios orígenes. La revelación sale a la luz al mismo tiempo que Facebook enfrenta acusaciones por la moderación preferencial de ciertas tendencias.
El algoritmo de Twitter amplifica desproporcionadamente el contenido político de la derecha y las fuentes de noticias asociadas a esta tendencia política. Así lo descubrió la compañía en un análisis que involucró a millones de sus usuarios en siete países.
Twitter asegura que sus investigadores no han ubicado la causa del por qué está sucediendo eso. No obstante, estudios internos y también analistas externos justifican con varias hipótesis el comportamiento de la inteligencia artificial de la red social, que además, naturalmente, quita visibilidad asociada al contenido y las noticias de izquierda.
LEE TAMBIÉN: «Facebook Papers», el escándalo amenaza la supervivencia de la red social
El análisis fue realizado entre el 1 de abril y el 15 de agosto de 2020 y cubrió al 5 % de los usuarios activos de la compañía. Este podría ser uno de los estudios más grandes de este tipo realizado por cualquiera de las principales compañías de redes sociales sobre cómo sus productos influyen en lo que las personas consumen.
La pesquisa se da a conocer una semana después de los «Facebook Papers», una filtración masiva de documentos internos de Facebook en los cuales se revela cómo la empresa usa un doble rasero para moderar los mensajes que contienen discursos de odio y noticias falsas.
La IA de Twitter mira hacia la derecha
El nuevo estudio de Twitter fue publicado por la propia compañía, se realizó en colaboración con académicos y se basa en el consumo por parte de los usuarios y en la tendencia de los mensajes más vistos.
«Nuestros resultados revelan una tendencia notablemente consistente: en seis de los siete países estudiados, la derecha política dominante disfruta de una mayor amplificación algorítmica que la izquierda política dominante. De acuerdo con esta tendencia general, nuestro segundo conjunto de hallazgos que estudian el panorama de los medios de Estados Unidos reveló que la amplificación algorítmica favorece las fuentes de noticias de tendencia derecha», dijo el estudio, que involucró a académicos de la Universidad de Cambridge, UC Berkley y University College London.
Los investigadores seleccionaron a funcionarios electos de siete países: Canadá, Francia, Alemania, Japón, España, Estados Unidos y Reino Unido. Excepto en Alemania, los tuits de líderes políticos de derecha «reciben más amplificación algorítmica que la izquierda política cuando se estudian como grupo», dijeron Rumman Chowdhury, director de ingeniería de software de Twitter, y el investigador de ML Luca Belli en una publicación de blog.
De acuerdo con lo descubierto, la amplificación desequilibrada fue más fuerte en Canadá (liberales 43 % frente a conservadores 167 %) y el Reino Unido (laborista 112 % frente a conservadores 176 %).
Una segunda parte del estudio analizó cómo se amplificaron las publicaciones de los medios de comunicación estadounidenses. Esta encontró que los medios de noticias de derecha, como New York Post y Brietbart, estaban más amplificados que las fuentes neutrales como Reuters y los medios de comunicación de izquierda como el LA Times.
En el pasado, un análisis similar de sus tecnologías ML llevó a Twitter a abandonar su función de recorte de fotos después de una controversia en la cual usuarios descubrieron que el código de recorte automático se centraba solo en la cara de un político estadounidense de raza blanca y dejaría fuera la de un afroamericano.
¿Por qué el algoritmo de Twitter beneficia al contenido de derecha?
En una serie de tuits que detallan los hallazgos, Chowdhury agregó que «establecer por qué ocurren estos patrones observados es una pregunta significativamente más difícil».
«Twitter es un sistema sociotécnico: nuestros algoritmos responden a lo que está sucediendo. Lo que sigue es un análisis de la causa raíz: ¿se trata de un sesgo involuntario del modelo? ¿O es esto una función de qué y cómo la gente tuitea y de las cosas que están sucediendo en el mundo? ¿O ambos?», agregó Chowdhury.
Por su parte, Ferenc Huszár, profesor titular de Machine Learning en la Universidad de Cambridge y uno de los autores del estudio, dijo que podría haber varias razones. «Los patrones que observamos pueden ser el resultado de varios factores contribuyentes, y probablemente hay demasiadas explicaciones para enumerar».
“Las diferencias pueden surgir, por ejemplo, de personas con diferentes intereses políticos que simplemente usan Twitter de manera diferente: algunas comunidades pueden usar más las funciones de retuit, me gusta o responder, u otorgan una relevancia ligeramente diferente a cada una de estas acciones”, agregó.
Los expertos han pedido recientemente a empresas como Twitter y Facebook que compartan el acceso a investigadores académicos para llegar al fondo de los daños que sus tecnologías pueden estar causando. Estas preocupaciones han surgido de una serie de controversias que han involucrado a casi todas las principales empresas de redes sociales.
“Empresas como Twitter pueden utilizar las mismas herramientas que suelen utilizar para mejorar los productos e impulsar las ganancias (experimentación y ciencia de datos) para estudiar los impactos sociales que tienen sus productos. Solo estamos rascando la superficie aquí, espero ver más de este tipo de trabajo en el futuro”, subrayó Huszár.
Un segundo investigador estuvo de acuerdo. “Es encomiable que Twitter esté invirtiendo tiempo y recursos en comprender sus feeds de contenido y esté poniendo a disposición de otros investigadores un conjunto de datos para verificar, que es más de lo que se puede decir sobre otras plataformas. El primer paso para solucionar un problema es admitir que tiene un problema”, dijo Jyoti Panday, investigador del Proyecto de Gobernanza de Internet del Georgia Tech.
Panday agregó que es significativo que Twitter parezca admitir que no comprende sus algoritmos y que “la compleja infraestructura de comunicación puede estar más allá de la comprensión de los propietarios de la infraestructura, con los efectos de los algoritmos poco claros incluso para quienes los escriben”.
