I Bot sono account di social media che sono controllati da software artificiale piuttosto che da umani e vengono utilizzati per una varietà di scopi, dall’aggregazione di notizie all’assistenza clienti automatizzata per i rivenditori online.
Tuttavia, i Bot sono stati recentemente sotto i riflettori in quanto vengono regolarmente impiegati come parte degli sforzi su larga scala sui social media per manipolare l’opinione pubblica, come durante le campagne elettorali.
Un nuovo studio su Frontiers in Physics ha rivelato la presenza di tendenze comportamentali a breve termine negli umani che sono assenti nei bot dei social media, fornendo un esempio di una “firma umana” sui social media che potrebbe essere sfruttata per sviluppare strategie di rilevamento dei bot più sofisticate .
La ricerca è il primo studio nel suo genere ad applicare il comportamento degli utenti durante una sessione di social media al problema del rilevamento dei bot.
“I robot migliorano continuamente per imitare sempre di più il comportamento che gli esseri umani mostrano in genere sui social media. Ogni volta che identifichiamo una caratteristica che riteniamo prerogativa del comportamento umano, come il sentimento di argomenti di interesse, scopriamo presto che i bot open source di nuova concezione possono ora catturare quegli aspetti ”, afferma il co-autore Dr. Emilio Ferrara, Assistente Professore di team leader di informatica e ricerca presso il University of Southern California Information Sciences Institute.
In questo lavoro, i ricercatori hanno studiato come il comportamento di umani e robot è cambiato nel corso di una sessione di attività utilizzando un ampio set di dati Twitter associato a recenti eventi politici. Nel corso di queste sessioni, i ricercatori hanno misurato vari fattori per catturare il comportamento degli utenti, inclusa la propensione a impegnarsi in interazioni sociali e la quantità di contenuti prodotti, e quindi hanno confrontato questi risultati tra robot e umani.
Per studiare il comportamento dei bot e degli utenti umani durante una sessione di attività, i ricercatori si sono concentrati sugli indicatori della quantità e della qualità delle interazioni sociali in cui un utente ha partecipato, incluso il numero di retweet, risposte e menzioni, nonché la lunghezza del tweet si. Hanno quindi sfruttato questi risultati comportamentali per informare un sistema di classificazione per il rilevamento dei bot per osservare se l’inclusione di funzioni che descrivono la dinamica della sessione potrebbe migliorare le prestazioni del rivelatore. Una serie di tecniche di apprendimento automatico sono state utilizzate per formare due diversi set di classificatori: uno che include le funzionalità che descrivono la dinamica della sessione e uno senza tali funzionalità, come base.
I ricercatori hanno scoperto, tra gli umani, tendenze che non erano presenti tra i robot: gli esseri umani hanno mostrato un aumento della quantità di interazione sociale nel corso di una sessione, illustrato da un aumento della frazione di retweet, risposte e numero di menzioni contenute in un Tweet.
Gli umani hanno anche mostrato una diminuzione della quantità di contenuti prodotti, illustrata da una tendenza decrescente nella lunghezza media del tweet.
Si ritiene che queste tendenze siano dovute al fatto che man mano che le sessioni avanzano, gli utenti umani si stancano e hanno meno probabilità di intraprendere attività complesse, come la composizione di contenuti originali. Un’altra possibile spiegazione può essere data dal fatto che col passare del tempo, gli utenti sono esposti a più post, aumentando quindi la loro probabilità di reagire e interagire con i contenuti. In entrambi i casi, è stato dimostrato che i robot non sono interessati da tali considerazioni e da essi non è stato osservato alcun cambiamento comportamentale.
I ricercatori hanno utilizzato questi risultati comportamentali per informare un sistema di classificazione per il rilevamento dei bot e hanno scoperto che il modello completo, comprese le caratteristiche che descrivono le dinamiche di sessione, ha significativamente superato il modello di base nella sua accuratezza del rilevamento dei bot, che non ha descritto tali caratteristiche.
Questi risultati evidenziano che il comportamento degli utenti sui social media si evolve in modo misurabilmente diverso tra robot e umani durante una sessione di attività e suggerisce anche che queste differenze possono essere utilizzate per implementare un sistema di rilevamento di bot o per migliorare quelli esistenti.
Emilio mette in evidenza: “I robot sono in continua evoluzione – con rapidi progressi nell’intelligenza artificiale, è possibile creare robot sempre più realistici in grado di imitare sempre di più il modo in cui parliamo e interagiamo nelle piattaforme online”.
“Stiamo continuamente cercando di identificare dimensioni che sono particolari per il comportamento degli umani sui social media che possono a loro volta essere utilizzate per sviluppare toolkit più sofisticati per rilevare i robot“.
