Publicado:
2022-08-12Número:
Vol. 10 Núm. 1 (2022): Enero-julio- 2022Sección:
InvestigaciónInteligencia Artificial como Alternativa en la Detección de Noticias Falsas
Artificial Intelligence as an alternative in the detection of false news
Palabras clave:
noticias falsas, Inteligencia Artificial, Aprendizaje Automático, Procesamiento de Lenguaje Natural. (es).Descargas
Resumen (es)
El objetivo del presente artículo es analizar cómo la Inteligencia Artificial ha servido como herramienta para la detección de noticias falsas. Se trata de un artículo de revisión bibliográfica, descriptivo, exploratorio cuya unidad de análisis está representada por artículos publicados en bases de datos tales como: Scielo, Dialnet, Science Direct y Scopus. Se obtuvo como resultado que existen distintos mecanismos de Inteligencia Artificial en el subcampo del Aprendizaje Automático, el Aprendizaje Profundo y Procesamiento de Lenguaje Natural (NLP), como el uso de máquinas de soporte vectorial, el clasificador Naive Bayes y distintos tipos de modelos de Redes de Neuronas Artificiales; como las Redes Neuronales Recurrentes (RNN), las Redes Neuronales Convolucionales (CNN), que son bastante populares en el Procesamiento de Lenguaje Natural, especialmente en el uso de Redes de Memoria a Corto y Largo Plazo (LSTM), las cuales permiten establecer mecanismos confiables y precisos para detectar patrones dentro de un objetivo con contenido textual.
Referencias
El Tiempo, «Europa busca regular las redes sociales,» [En línea]. Available:
https://www.eltiempo.com/tecnosfera/novedades-tecnologia/como-sera-la-regularizacion-de-lasredes-sociales-en-europa-347622. [Último acceso: 16 noviembre 2020]
E. Hunt, «What is fake news? How to spot it and what you can do to stop it,» The Guardian, p. 17, 2016.
N. Fernández García, «Fake news: una oportunidad para la alfabetización mediática,» NUSO, nº 269, 2017.
S. Aphiwongsophon y P. Chongstitvatana, «Detecting Fake News with Machine Learning Method,»
th International Conference on Electrical Engineering/Electronics, Computer,
Telecommunications and Information Technology (ECTI-CON), pp. 528-531, 2018.
O. Nicole, Machine Learning for Detection of Fake News, Massachusetts: Massachusetts Institute of Technology, 2018.
J. Flores y F. Botelho, Inteligencia Artificial: Cómo los bots pueden contrarrestar las `fake news´ que afectan a las organizaciones de noticias, Madrid: UNED, 2019.
C. Pauner, «Noticias falsas y libertad de expresión e información. El control de los contenidos informativos en la red.,» Teoría y Realidad Constitucional, vol. 41, pp. 297-318, 2018.
H. Allcott y M. Gentzkow, «Social media and fake news in the 2016 election.,» Journal of economic perspectives, vol. 31, nº 2, pp. 211-236, 2017.
M. González, «Las fake news siempre han existido,» La Gaceta, vol. 14, 2018.
S. Haykin, Neural Networks: A Comprehensive Foundation, Ontario, 1999.
M. Laster, Teach the Way the Brain Learns: Curriculum Build Neuron Networks., North America: R&L Education., 2009.
J. Ponce, A. Torres, F. Quezada, A. Silva, E. Martinez y A. Casali, Inteligencia Artificial, 1a ed. - Iniciativa Latinoamericana de Libros de Texto Abiertos (LATIn), 2014. 225, 2014.
B. C. Tayiz, «Alternative NLP Method,» 6 enero 2020. [En línea]. Available:
https://becominghuman.ai/alternative-nlp-method-9f94165802ed. [Último acceso: 25 noviembre 2020].
D. Changyu, J. Xunbi, R. Colton y Z. Jianyu, Machine Learning with Human Knowledge, ISCIENCE, 2020.
L. Rouhianen, Inteligencia artificial: 101 cosas que debes saber hoy sobre nuestro futuro, Barcelona: Alienta Editorial, 2018.
J. Lanier, Diez razones para borrar tus redes sociales de inmediato., Madrid, 2018.
E. De la Rosa Montero, El aprendizaje profundo para la identificación de sistemas no lineales, Centro de Investigación y de estudios avanzados del Instituto Politécnico nacional., 2014.
Yannn lecun, «Yannn lecun,» [En línea]. Available: http://Yannn.lecun.com/. [Último acceso: 25 noviembre 2020].
B. Chandra, «Fast learning in Deep Neural Networks.,» Neurocomputin, vol. 171, pp. 1205-1215, 2016.
Artículo de investigación. ISSN: 2344-8288 Vol. 10 No. 1. 2022 Bogotá-Colombia
[20] P. Benavides y S. Rod
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Visitas
Descargas
Licencia
Derechos de autor 2022 Tecnología Investigación y Academia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Reconocimiento – NoComercial – CompartirIgual (by-nc-sa): No se permite el uso comercial de la obra original, las obras derivadas deben circular con las mismas condiciones de esta licencia realizando la correcta atribución al autor.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional
