Democratici e Repubblicani discutono degli stessi argomenti, ma utilizzano linguaggi differenti, seguono fonti informative vicine alle proprie convinzioni e continuano a mantenere posizioni polarizzate anche quando entrano in contatto con persone dello schieramento opposto. È quanto emerge da una ricerca coordinata dall’Istituto di Scienze e tecnologie dell’informazione “Alessandro Faedo” del Consiglio nazionale delle ricerche di Pisa (CNR-ISTI), che ha utilizzato l’intelligenza artificiale per riprodurre il funzionamento di un social network e analizzare i meccanismi alla base della polarizzazione politica online. Lo studio assume particolare rilevanza alla vigilia delle elezioni di Midterm negli Stati Uniti, in programma il 3 novembre, un appuntamento nel quale la circolazione delle informazioni e il confronto politico sulle piattaforme digitali assumono un ruolo centrale.
Attraverso una simulazione durata 60 giorni e condotta su mille agenti artificiali, equamente suddivisi tra Democratici e Repubblicani, i ricercatori hanno osservato la formazione progressiva di ambienti informativi separati. Il risultato mostra come la combinazione tra algoritmi di raccomandazione, preferenze individuali e comportamenti degli utenti possa favorire la nascita delle cosiddette echo chamber, le camere dell’eco nelle quali le persone tendono a incontrare soprattutto contenuti e opinioni coerenti con il proprio orientamento. La ricerca, pubblicata sulla rivista scientifica Big Data & Society, è stata realizzata in collaborazione con le Università di Pisa e di Trento e con l’Université Claude Bernard di Lione.
Democratici e Repubblicani divisi anche quando discutono degli stessi temi
Uno degli aspetti più significativi dell’esperimento riguarda il comportamento dei due gruppi politici durante le interazioni online. Pur partecipando a discussioni sugli stessi argomenti, gli agenti artificiali hanno progressivamente sviluppato abitudini informative differenti, privilegiando le fonti considerate più vicine alle rispettive posizioni politiche. Questa separazione non si è manifestata soltanto nella scelta dei contenuti, ma anche nelle modalità con cui venivano affrontate le conversazioni. I ricercatori hanno infatti osservato l’utilizzo di linguaggi e hashtag differenti tra gli agenti democratici e quelli repubblicani. Un elemento che evidenzia come la frammentazione del dibattito digitale possa riguardare contemporaneamente le informazioni consultate, le espressioni utilizzate e le modalità di partecipazione alle discussioni. L’appartenenza a gruppi diversi ha continuato a influenzare le interazioni anche quando gli agenti si sono confrontati con interlocutori di orientamento politico opposto. La simulazione ha quindi mostrato una persistenza della polarizzazione che non è venuta meno attraverso il semplice contatto tra i due schieramenti. Un risultato particolarmente significativo per comprendere le dinamiche dei social network durante le campagne elettorali, quando la contrapposizione politica può intrecciarsi con i meccanismi attraverso cui le piattaforme selezionano e diffondono i contenuti.
YSocial, il social network virtuale creato con l’intelligenza artificiale
Per studiare questi fenomeni, il gruppo di ricerca ha sviluppato YSocial, una piattaforma digitale basata sul concetto di virtual twin, ovvero un gemello digitale capace di riprodurre le dinamiche di un social network. A differenza di una piattaforma tradizionale, nella quale le attività sono svolte da persone reali, YSocial ospita utenti artificiali generati attraverso modelli di intelligenza artificiale basati sui Large Language Models (LLM), la stessa categoria di tecnologie utilizzata per sviluppare sistemi capaci di elaborare e generare linguaggio naturale. All’interno di questo ambiente simulato, gli agenti pubblicano contenuti, interagiscono tra loro e partecipano ai processi di diffusione delle informazioni secondo dinamiche che riproducono quelle osservabili sui social network. Ciascun utente artificiale possiede caratteristiche specifiche, tra cui età, interessi, opinioni, personalità e preferenze, che contribuiscono a determinarne il comportamento. Gli agenti non rimangono statici, ma interagiscono nel tempo e rispondono agli stimoli prodotti dagli algoritmi della piattaforma. Questa struttura permette di osservare come le caratteristiche individuali e i sistemi che regolano la distribuzione dei contenuti possano influenzarsi reciprocamente. Il comportamento degli agenti si sviluppa all’interno di un ambiente in cui le interazioni sociali e le raccomandazioni algoritmiche contribuiscono a definire l’esperienza informativa di ciascun profilo.
Il CNR: “possiamo osservare polarizzazione, viralità e impatto degli algoritmi”
A spiegare le caratteristiche della piattaforma è Giulio Rossetti, ricercatore del CNR-ISTI e primo autore dello studio, che sottolinea le opportunità offerte dalla simulazione per analizzare fenomeni difficilmente osservabili attraverso sperimentazioni condotte direttamente sui social network esistenti. “Il sistema ci consente di simulare e osservare, in un ambiente controllato, come si sviluppano la polarizzazione, la viralità dei contenuti, l’impatto degli algoritmi di raccomandazione e le interazioni con utenti e contenuti”, osserva Giulio Rossetti, ricercatore del Cnr-Isti e primo autore dello studio. “Analizzare tali fenomeni direttamente sulle piattaforme reali, infatti, è sempre più complesso: l’accesso ai dati è limitato, gli algoritmi che determinano i contenuti visualizzati dagli utenti spesso poco trasparenti e numerose sperimentazioni sono impedite per ragioni etiche. Il sistema è inoltre progettato per essere accessibile anche a ricercatori senza competenze di programmazione, grazie a un’interfaccia zero-code”.
La possibilità di utilizzare un ambiente digitale controllato rappresenta dunque uno degli elementi fondamentali del progetto. L’accesso limitato ai dati delle piattaforme reali, la scarsa trasparenza di alcuni sistemi di raccomandazione e le difficoltà etiche legate alla sperimentazione sulle persone rendono infatti complessa l’analisi diretta dei comportamenti online. Il modello sviluppato dai ricercatori consente invece di ricostruire queste dinamiche attraverso agenti artificiali, mantenendo la possibilità di osservare l’evoluzione delle interazioni e della circolazione dei contenuti. Un’altra caratteristica di YSocial è l’interfaccia zero-code, concepita per permettere l’utilizzo della piattaforma anche a studiosi che non possiedono competenze di programmazione. La ricerca sulle dinamiche sociali digitali può così avvalersi di uno strumento di simulazione accessibile anche al di fuori degli ambiti strettamente informatici.
L’esperimento con mille agenti artificiali e le fonti CNN e Fox News
La sperimentazione descritta nello studio ha riprodotto un dibattito politico tra mille agenti artificiali, suddivisi in parti uguali tra Democratici e Repubblicani. L’attività è stata osservata per un periodo di 60 giorni, utilizzando due fonti informative basate su CNN e Fox News. Per rendere la simulazione aderente alle dinamiche delle piattaforme digitali reali, i ricercatori hanno inoltre impiegato dati storici provenienti da Bluesky, raccolti su circa l’80% della popolazione della piattaforma. Rossetti descrive le modalità dell’esperimento e i risultati ottenuti: “abbiamo simulato per 60 giorni un dibattito tra mille agenti artificiali, equamente suddivisi tra Democratici e Repubblicani, con due fonti informative basate su CNN e Fox News e utilizzando dati storici provenienti dalla piattaforma di microblogging Bluesky, raccolti su circa l’80% della sua popolazione, al fine di riprodurre con la massima fedeltà l’attività osservata nel mondo reale”, prosegue Rossetti. “I due gruppi hanno progressivamente sviluppato diete informative sbilanciate, interagendo prevalentemente con le fonti più affini al proprio orientamento e, pur discutendo degli stessi temi, hanno utilizzato linguaggi e hashtag differenti. La polarizzazione si è mantenuta anche quando hanno interagito con agenti del gruppo opposto”. L’impiego dei dati storici di Bluesky ha consentito di costruire la simulazione facendo riferimento ad attività effettivamente osservate su una piattaforma di microblogging. L’obiettivo era riprodurre con la maggiore fedeltà possibile il comportamento tipico delle interazioni online, per poi analizzare come le diverse preferenze politiche e informative si manifestassero all’interno della popolazione artificiale.
Echo chamber e bolle informative: perché gli algoritmi possono rafforzare la polarizzazione
Le bolle informative non dipendono esclusivamente dalle scelte degli utenti e non possono essere ricondotte soltanto al funzionamento automatico delle piattaforme. Si formano attraverso l’interazione tra questi due elementi: da una parte le persone selezionano contenuti, fonti e interlocutori sulla base dei propri interessi e delle proprie convinzioni; dall’altra, gli algoritmi dei social network contribuiscono a determinare quali informazioni vengono visualizzate e quali interazioni vengono favorite. Da questa combinazione possono svilupparsi ambienti nei quali la circolazione delle opinioni diventa progressivamente più omogenea. Le echo chamber rappresentano una delle manifestazioni di questo fenomeno, perché favoriscono la ripetizione e il rafforzamento di punti di vista già condivisi all’interno di un gruppo. In queste condizioni, l’accesso a prospettive differenti può risultare limitato, contribuendo ad accentuare le divisioni nel dibattito pubblico. La simulazione realizzata con YSocial ha permesso di osservare la formazione di queste dinamiche attraverso comportamenti che si sono sviluppati nel tempo. Gli agenti artificiali hanno privilegiato le fonti più affini al proprio schieramento e hanno mantenuto modalità di espressione differenti rispetto al gruppo opposto. Il fatto che la polarizzazione sia persistita anche durante le interazioni trasversali mostra come il contatto tra orientamenti diversi non abbia necessariamente modificato, nell’ambiente simulato, le abitudini informative consolidate.
Social network ed elezioni americane: il peso delle informazioni nella campagna per le Midterm
Il tema assume particolare importanza in occasione delle elezioni di metà mandato negli Stati Uniti, previste per il 3 novembre. Gli appuntamenti elettorali di grande rilevanza possono infatti accentuare i processi di polarizzazione, soprattutto quando la discussione politica si sviluppa all’interno di spazi digitali caratterizzati da una forte selezione delle fonti e degli interlocutori. In questo contesto, il fenomeno delle bolle informative riguarda non soltanto la quantità dei contenuti disponibili, ma anche la varietà dei punti di vista ai quali gli elettori possono accedere. Le dinamiche analizzate dai ricercatori evidenziano come gruppi contrapposti possano partecipare contemporaneamente al dibattito sugli stessi temi senza condividere necessariamente le medesime fonti informative o utilizzare un linguaggio comune. Il lavoro coordinato dal CNR-ISTI di Pisa offre così uno strumento per studiare il rapporto tra intelligenza artificiale, algoritmi di raccomandazione, comportamenti sociali e polarizzazione politica. Attraverso YSocial, la formazione delle echo chamber può essere esaminata in un ambiente virtuale che riproduce le interazioni tra utenti e contenuti, permettendo di approfondire i meccanismi attraverso cui le preferenze individuali e il funzionamento delle piattaforme contribuiscono a modellare il confronto politico online.