🔬 physics

How fake news can turn against its spreader

Il documento dimostra che, in determinate condizioni di rapporto segnale-rumore e correlazione positiva degli errori, la disinformazione può paradossalmente indurre un ricevitore razionale a interpretare la realtà in modo opposto a quello previsto dal suo creatore, offrendo così un meccanismo naturale per contrastarne gli effetti.

Autori originali: Dorje C. Brody, Tomooki Yuasa

Pubblicato 2026-03-17

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Dorje C. Brody, Tomooki Yuasa

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina che la nostra mente sia come un ricettore radio che cerca di sintonizzarsi su una stazione musicale vera (la realtà), ma che spesso riceve anche molto "fruscio" (rumore) e, a volte, qualcuno cerca di sabotare la trasmissione con una canzone falsa (fake news).

Gli autori di questo studio, due matematici, hanno scoperto due modi sorprendenti in cui chi cerca di ingannare la gente può finire per ottenere l'effetto opposto a quello desiderato.

1. La "Trappola della Sovrapposizione" (Quando due notizie si scontrano)

Immagina di dover scegliere tra diversi candidati politici (o prodotti, o idee). Hai due fonti di informazione che ti parlano di loro:

Fonte A: È una fonte onesta, ma un po' confusa (c'è del rumore di fondo).
Fonte B: È una fonte che sta mentendo apposta (fake news) per spingerti a scegliere l'opzione estrema (ad esempio, il candidato più a destra).

Cosa succede normalmente?
Se ascolti solo la Fonte B, ti convinci a votare per l'estremista. La menzogna funziona.

Cosa succede se ascolti ENTRAMBE?
Qui arriva la magia matematica. Se la Fonte A è molto forte e chiara (ha un "segnale" potente) e il "fruscio" (i dubbi, le ambiguità) delle due fonti è collegato tra loro (ad esempio, entrambe vengono dallo stesso tipo di media o contesto sociale), succede qualcosa di strano.

L'analogia del detective:
Immagina che tu sia un detective.

Il tuo amico onesto (Fonte A) ti dice: "Il ladro è alto 1,80m".
Il tuo amico bugiardo (Fonte B) urla: "Il ladro è alto 2 metri!" (mentre in realtà è alto 1,60m).

Se il tuo amico onesto è molto affidabile, quando senti il tuo amico bugiardo urlare "2 metri!", il tuo cervello pensa: "Aspetta, se il mio amico onesto non ha visto nulla di strano, allora il mio amico bugiardo deve aver esagerato moltissimo il rumore di fondo. Se lui urla così forte, significa che la realtà è l'opposto!".

Il risultato:
Più il bugiardo urla forte (più fake news diffonde), più il tuo cervello, cercando di bilanciare le due informazioni, si convince che la realtà sia l'esatto opposto di ciò che il bugiardo voleva.

Se il bugiardo voleva farti votare per l'estrema destra, tu finisci per votare per l'estrema sinistra.
La morale: A volte, non serve smascherare la bugia. Basta avere una fonte di verità molto forte e chiara. La bugia, mescolata alla verità, diventa un boomerang che colpisce chi l'ha lanciata.

2. L'Effetto "Oltremodo" (Quando esagerare fa male)

La seconda scoperta riguarda chi diffonde troppa disinformazione.

L'analogia del ristorante:
Immagina un politico che vuole convincerti che la sua posizione è "leggermente a destra" (magari una ricetta leggermente più piccante).

Se dice: "La mia ricetta è piccante", ti convince.
Se dice: "La mia ricetta è super piccante, è la cosa più calda al mondo!", inizia a sembrare esagerato.
Se continua a urlare: "È fuoco puro! Brucia tutto!", tu pensi: "Ma se è così estremo, allora non è la mia ricetta leggera che volevo. Devo cercare qualcuno che sia ancora più estremo di lui!".

Cosa succede nella realtà?
Se un partito politico cerca di spostare l'opinione pubblica verso la destra usando menzogne esagerate, rischia di spingere le persone così tanto verso l'estremo che queste saltano il partito stesso e vanno a votare per un gruppo ancora più radicale.

È come se un genitore cercasse di spaventare il figlio dicendogli che il mondo è pieno di mostri. Se esagera troppo, il figlio non avrà paura dei mostri, ma deciderà di diventare lui stesso un mostro per difendersi, o cercherà un gruppo di "cacciatori di mostri" ancora più estremi.

In sintesi: Cosa ci insegna questo studio?

La verità forte è la migliore difesa: Non serve sempre passare ore a smentire ogni singola fake news. Se si diffonde una informazione vera, chiara e potente (un "segnale" forte), le bugie che si mescolano ad essa possono finire per confondere chi le ha inventate e far capire il contrario a chi le ascolta.
L'esagerazione è pericolosa: Chi diffonde disinformazione deve stare attento a non esagerare. Se spinge troppo forte, rischia di spingere le persone verso l'estremo opposto o verso rivali ancora più radicali, ottenendo l'effetto contrario.
Il contesto conta: Tutto dipende da come le notizie si mescolano. Se le fonti di informazione sono "collegate" (stesso tipo di rumore, stessa piattaforma), la matematica della comunicazione ci dice che la verità può vincere da sola, anche senza che noi sappiamo esattamente quali siano le bugie.

In parole povere: a volte, la menzogna è così rumorosa che, quando si mescola alla verità, fa sembrare la verità più logica dell'opposto. È un modo matematico per dire che la luce del sole, se abbastanza forte, può far sembrare le ombre più scure di quanto non siano in realtà, ma anche farle scomparire del tutto.

Titolo: Come le fake news possono ritorcersi contro il loro diffusore

Autori: Dorje C. Brody e Tomooki Yuasa
Data: 28 aprile 2025

1. Il Problema

L'articolo affronta l'impatto crescente della disinformazione (fake news) sui processi democratici e sulle percezioni pubbliche. Sebbene esistano modelli per analizzare come le persone reagiscono alle notizie, la sfida principale risiede nel comprendere come la combinazione di fonti di informazione multiple (alcune genuine, altre contenenti disinformazione) influenzi un ricevente razionale che ignora l'esistenza della manipolazione.
Il problema centrale è determinare se, e sotto quali condizioni, l'introduzione di disinformazione in un flusso informativo possa generare un effetto opposto a quello inteso dal diffusore, portando a un "rimbalzo" (backfire) che danneggia la strategia di chi diffonde la menzogna.

2. Metodologia

Gli autori adottano un approccio basato sulla Teoria dell'Informazione e sulla Statistica Bayesiana, modellando il processo di ricezione delle informazioni come un problema di filtraggio del segnale.

Modello di Base: L'informazione è decomposta in un segnale ( $X$ ) e un rumore ( $\epsilon$ ). La ricezione di un messaggio è modellata dalla variabile aleatoria:
$\xi = \sigma X + \epsilon$
dove $\sigma$ è il rapporto segnale-rumore (SNR) e $\epsilon$ è un rumore gaussiano a media zero.
Modellazione della Disinformazione: La disinformazione è introdotta come un bias nel rumore ( $f$ ), tale che il messaggio diventa:
$\xi = \sigma X + (\epsilon + f)$
Il ricevente, ignaro di $f$ , interpreta erroneamente il segnale, spostando la sua percezione di $X$ di una quantità $f/\sigma$ .
Fusione di Fonti Multiple: Il cuore della metodologia risiede nell'analisi della combinazione di due (o più) fonti di informazione ( $\xi_1, \xi_2$ ) con diversi rapporti segnale-rumore ( $\sigma_1, \sigma_2$ ) e con termini di rumore correlati ( $\rho$ ). Gli autori dimostrano che due messaggi possono essere ridotti a un singolo messaggio efficace attraverso una trasformazione lineare, permettendo di calcolare l'effetto netto della disinformazione combinata.
Estensione Temporale: Il modello è generalizzato a un flusso continuo di informazioni nel tempo (processi stocastici tipo moto browniano) per simulare scenari realistici come le campagne elettorali.

3. Contributi Chiave e Risultati

Il paper identifica due fenomeni principali in cui la disinformazione può ritorcersi contro il suo creatore:

A. Effetto di Inversione (Reversal Effect) nella Fusione delle Fonti

Questo è il contributo principale. Gli autori dimostrano che quando un ricevente consuma due fonti di informazione ( $\xi_1$ e $\xi_2$ ) con rumore positivamente correlato ( $\rho > 0$ ), l'impatto della disinformazione può invertirsi.

Condizione Matematica: Se la fonte contenente disinformazione (es. $\xi_2$ ) ha un rapporto segnale-rumore sufficientemente basso rispetto alla fonte genuina ( $\xi_1$ ), specificamente se:
$\sigma_2 < \rho \sigma_1$
allora il bias $f_2$ (la disinformazione) genera uno spostamento del segnale aggregato nella direzione opposta a quella desiderata.
Logica del Fenomeno: Se il ricevente riceve un messaggio forte e chiaro da una fonte genuina ( $\xi_1$ ) e un messaggio distorto da una fonte debole ( $\xi_2$ ), e i rumori sono correlati, il ricevente deduce logicamente che il valore anomalo in $\xi_2$ sia dovuto a un picco di rumore. Poiché i rumori sono correlati, il ricevente inferisce che anche il rumore in $\xi_1$ sia stato alto. Se $\xi_1$ non mostra un picco alto nonostante il rumore atteso alto, il ricevente conclude che il segnale sottostante $X$ deve essere basso.
Esempio Politico: Se un partito di estrema destra diffonde fake news per spingere gli elettori verso posizioni più estreme ( $f > 0$ ), ma gli elettori ricevono anche informazioni chiare da partiti di centro/sinistra con un SNR alto, la disinformazione potrebbe paradossalmente spingere gli elettori verso posizioni più moderate o opposte.

B. Effetto di Sovrappasso (Overshoot Effect)

Il secondo risultato riguarda l'eccesso di disinformazione.

Meccanismo: In un modello bayesiano, le probabilità posteriori per le posizioni estreme dello spettro politico (es. $x_1$ o $x_n$ ) possono avvicinarsi a 1, mentre quelle per le posizioni intermedie ( $x_k$ ) sono limitate da un valore strettamente inferiore a 1.
Risultato: Se un partito di centro-destra (posizione $x_{n-1}$ ) diffonde troppa disinformazione per spostare l'opinione pubblica verso destra, l'eccesso di segnale può spingere la probabilità verso l'estremo opposto ( $x_n$ , estrema destra), bypassando completamente la posizione desiderata. Questo spiega fenomeni come il passaggio di elettori da partiti conservatori a partiti di estrema destra quando il messaggio diventa troppo estremo.

4. Significato e Implicazioni

Strategia di Controffensiva: Il paper suggerisce che la strategia più efficace per contrastare la disinformazione non è necessariamente la smentita diretta (fact-checking), che spesso arriva troppo tardi o è ignorata, ma piuttosto aumentare la qualità e la chiarezza delle informazioni genuine (aumentare $\sigma_1$ ). Se il segnale genuino è abbastanza forte e il rumore delle fonti è correlato, la disinformazione si ritorce contro il suo autore.
Limiti del Fact-Checking: Gli autori notano che i fact-checkers sono utili per analisi retrospettive, ma meno efficaci nel prevenire l'impatto immediato. La conoscenza della distribuzione statistica della disinformazione (anche senza conoscerne il valore esatto) è più potente della verifica singola di una notizia.
Implicazioni Democratiche: Il modello offre una base teorica matematica per comprendere perché alcune campagne di disinformazione falliscono o addirittura rafforzano l'avversario, specialmente in ambienti mediatici complessi dove le fonti sono multiple e i rumorosi (rumori, speculazioni) sono correlati.
Avvertenza: Le condizioni per questo effetto (in particolare la correlazione positiva dei rumori e il rapporto specifico tra gli SNR) non sono sempre garantite, ma quando si verificano, offrono un meccanismo naturale di difesa contro la manipolazione dell'informazione.

In sintesi, il paper dimostra che in un sistema informativo razionale e interconnesso, la disinformazione non è un'arma a senso unico; sotto specifiche condizioni matematiche, può diventare un boomerang che distorce la percezione del pubblico nella direzione opposta a quella voluta dal manipolatore.