La investigación identificó tweets de Pakistán que apoyaban a India durante la crisis

India y Pakistán han librado cuatro guerras en las últimas décadas, pero cuando India enfrentó una escasez de oxígeno en sus hospitales durante su reciente aumento de COVID-19, Pakistán se ofreció a ayudar.

En Twitter, hashtags como #IndiaNeedsOxygen y #PakistanStandsWithIndia fueron tendencia. Sin embargo, encontrar estos tweets positivos no fue tan fácil como simplemente navegar por los hashtags de apoyo o mirar las publicaciones más populares. Los tweets negativos a menudo secuestran los hashtags de apoyo para trollear o pelear con otros usuarios. Y el algoritmo de Twitter no está ajustado para mostrar los tweets más positivos durante una crisis.

Ashique KhudaBukhsh, del Instituto de Tecnologías del Lenguaje (LTI) de la Universidad Carnegie Mellon, dirigió un equipo de investigadores que utilizaron el aprendizaje automático para identificar tweets de apoyo de Pakistán durante la crisis del COVID-19 en India. En medio de una crisis de salud pública, las palabras de esperanza pueden ser una medicina bienvenida.

«Cuando un país está experimentando una crisis de salud nacional, cuantos más mensajes de apoyo veas, mejor», dijo KhudaBukhsh. «Si solo está buscando aleatoriamente, encontrará tweets positivos aproximadamente el 44% del tiempo. Nuestro método le da a una persona tweets positivos el 83% del tiempo. Esa persona tendrá que hacer mucho menos trabajo para encontrar los tweets de apoyo . «

Al combinar clasificadores de idiomas existentes (algoritmos entrenados por aprendizaje automático que determinan, por ejemplo, si el habla es positiva o negativa, esperanzadora o angustiosa), el equipo desarrolló un sistema que identificó tweets paquistaníes positivos o de apoyo sobre la India el 83% de las veces, mucho mejor. que los métodos existentes. El equipo utilizó su método para concluir que más del 85% de los tweets publicados sobre la crisis de COVID-19 en India desde Pakistán eran de apoyo.

«Tenemos límites, pero no en nuestro corazón», comenzó un tuit detectado por el equipo.

El equipo incluía a KhudaBukhsh, Clay H. Yoo y Rupak Sarkar de LTI y Shriphani Palakodety, un ingeniero de la empresa blockchain e inteligencia artificial Onai que obtuvo su maestría en LTI. Publicaron sus resultados en un artículo titulado «Empatía y esperanza: transferencia de recursos para modelar la dinámica de las redes sociales entre países», que fue aceptado en el Taller de la Asociación de Lingüistas Computacionales de la ACL sobre el procesamiento del lenguaje natural para lograr un impacto positivo. El trabajo se realizó en tiempo real con la crisis y mientras los miembros del equipo se preocupaban por la salud de sus seres queridos en India.

La investigación es significativa en varios frentes. Primero, el equipo demostró que los clasificadores de idiomas existentes podrían ser útiles en contextos amplios. Esto es importante porque para implementar un clasificador que será útil en medio de la crisis, debe construirse rápidamente. No se puede construir desde cero, y el equipo quería ver si la investigación existente sobre clasificadores de idiomas podía ayudar.

Para detectar tweets de apoyo durante la crisis de COVID-19 en India, el equipo utilizó un clasificador de discurso de esperanza que KhudaBukhsh y Palakodety construyeron con el fallecido Jaime Carbonell, un profesor distinguido de la Facultad de Ciencias de la Computación que fundó el LTI, para identificar los comentarios positivos de YouTube sobre videos publicados sobre la escalada del conflicto de 2019 entre India y Pakistán por Cachemira. Luego, el equipo combinó el clasificador de esperanza-discurso con un clasificador conocido de empatía-angustia.

A pesar de que estos dos clasificadores de idiomas se construyeron por diferentes razones y se entrenaron con diferentes datos, detectaron efectivamente tweets positivos durante el aumento de COVID en India.

«Demostramos que existe algún tipo de universalidad en la forma en que expresamos las emociones», dijo KhudaBukhsh. «Y demostramos que podemos utilizar las soluciones existentes, combinarlas y atacar crisis futuras rápidamente.

La investigación también fue potencialmente significativa para la crisis en India. KhudaBukhsh y Carbonell imaginaron el clasificador de discurso de esperanza como una forma alternativa de combatir el discurso de odio. En lugar de detectar y eliminar, restar importancia o bloquear el discurso de odio, que existe en masa en Internet, la pareja buscó usar su clasificador de discurso de esperanza para identificar y amplificar los mensajes de apoyo. Las personas se ven influenciadas por lo que ven y leen, y si se les presentan mensajes esperanzadores en lugar de mensajes de odio, esto podría afectar su forma de pensar y actuar.

El equipo identificó tweets que ofrecían oraciones a India, hablaban de la humanidad común de dos países y enviaban amor.

«Es desgarrador ver esta situación en nuestro vecindario. Envía amor y oraciones desde Pakistán. Que Allah Todopoderoso ayude a la humanidad a superar esta pandemia. Mantente fuerte. Mantente a salvo», decía un tweet encontrado por el equipo.

Hacer hincapié en el apoyo entre India y Pakistán podría marcar la diferencia, dijo KhudaBukhsh. Y dado que ahora suceden tantas peleas a través de Internet, tal vez ese sea el lugar para comenzar.

«Estos dos países tienen un pasado tan amargo», dijo KhudaBukhsh. «Cualquier comportamiento positivo de cualquiera de las partes puede ayudar a promover la paz mundial».