Detección de fake news a través de inteligencia artificial

Abstract

En el presente proyecto se analiza la aplicación de agentes inteligentes y modelos de lenguaje de última generación (Large Language Models, LLMs) para la detección automatizada de fake news. El objetivo principal es mantener o incluso mejorar los niveles de precisión alcanzados por otros modelos tradicionales de machine learning, incorporando además un componente de explicabilidad que permita entender y justificar las decisiones tomadas por el sistema. La proliferación de noticias falsas en entornos digitales representa una amenaza creciente para la veracidad informativa y la confianza pública. Empresas tecnológicas como Google o Meta invierten grandes sumas en combatir la desinformación, mientras que otras organizaciones sufren graves perjuicios económicos y de reputación como consecuencia de estas prácticas. En este contexto, el uso de inteligencia artificial avanzada ofrece una alternativa prometedora para hacer frente a estos desafíos. El proyecto se motiva por la necesidad urgente de escalar las capacidades de verificación de hechos (fact-checking), actualmente limitadas por procesos manuales lentos y costosos. La metodología propuesta se basa en la integración de agentes inteligentes que utilizan LLMs para analizar, evaluar y clasificar la veracidad de contenidos informativos. Además, se busca dotar al sistema de mecanismos de explicabilidad que permitan interpretar el razonamiento detrás de cada decisión. Esta combinación de tecnologías no solo aspira a mejorar la eficiencia del proceso de verificación, sino también a democratizar el acceso a herramientas de fact-checking para actores más pequeños, como medios independientes u organizaciones no gubernamentales, promoviendo así una sociedad más informada y resiliente frente a la manipulación mediática.

This project analyzes the application of intelligent agents and state-of-the-art Large Language Models (LLMs) for the automated detection of fake news. The main goal is to maintain or even improve the accuracy levels achieved by traditional machine learning models, while also incorporating an explainability component to justify and understand the system’s decisions.

The spread of false information in digital environments poses a growing threat to informational truth and public trust. Technology companies like Google and Meta invest large sums in combating disinformation, while other organizations suffer significant financial and reputational damage as a result. In this context, the use of advanced artificial intelligence offers a promising alternative to address these challenges. The motivation behind the project lies in the urgent need to scale fact-checking capabilities, which are currently limited by slow and costly manual processes.

The proposed methodology is based on the integration of intelligent agents powered by LLMs to analyze, evaluate, and classify the veracity of informational content. Additionally, the system is designed to include explainability mechanisms that allow users to interpret the reasoning behind each decision. This combination of technologies aims not only to improve the efficiency of the verification process but also to democratize access to fact-checking tools for smaller actors, such as independent media outlets or non-governmental organizations, thus fostering a better-informed and more resilient society in the face of media manipulation.