O vice-presidente global de Políticas Públicas do Twitter, o americano Colin Crowell, afirma que é uma tendência que a tecnologia de machine learning ajude a separar o joio do trigo nas conversações públicas da internet – isto é, que os métodos automatizados de análise de dados ajude a separar os seres humanos dos bots e contas difusoras de spam.
Esta evolução do Twitter, segundo ele, é a causa da polêmica da terça-feira (7) no Brasil quando ativistas de direita encontraram suas contas sem as funcionalidades para interagir com outros usuários e acusaram publicamente a rede social de censurá-los. Até o candidato Jair Bolsonaro (PSL), que lidera as pesquisas e tem 1,2 milhão de seguidores, aderiu à hashtag #DireitaAmordaçada para criticar o Twitter.
"O fato é que o Twitter não age baseado levando em conta o conteúdo político ou a perspectiva política do usuário", disse Crowell, em entrevista ao BuzzFeed News nesta quarta (8).
Abaixo os principais trechos da entrevista de Crowell sobre internet e eleições.
Este é um ano de eleições importantes em muitos mercados relevantes onde o Twitter atua. O México elegeu um novo presidente em julho, os Estados Unidos têm uma nova votação para parte do Congresso em novembro. O que vocês aprenderam em eleições passadas em outros países que pode ser aplicado à eleição brasileira?
COLIN CROWELL – Cada eleição nos ajuda com informações valiosas sobre o que acontece com a plataforma para a próxima eleição. Mas eleições em cada país difere umas das outras. Aqui no Brasil, em particular, temos uma relação muito produtiva com o TSE (Tribunal Superior Eleitoral) e, desde o ano passado, temos trabalhado junto com eles para permitir que eleitores consigam informações através de mensagens diretas [do Twitter]. Isso é algo que não fizemos no México [onde a eleição foi em 1º de julho], por exemplo. Trabalhamos junto com eles [o TSE] porque nos interessa, por exemplo, porque queremos estar seguros de que as contas do Twitter tenham integridade no contexto eleitoral. Todos os principais candidatos têm contas verificadas e nós trabalhamos com suas equipes de redes sociais de vários partidos para mostrar funcionalidades e ferramentas que lhes possam ser úteis. Um trabalho importante que também é feito com jornalistas que cobrem a eleição e que muitas vezes têm de reportar o que está na plataforma.
Polarização dos eleitores é um fenômeno global, como mostraram as eleição de Donald Trump nos Estados Unidos ou o Brexit, no Reino Unido. Aqui no Brasil também há uma forte polarização. Que tipo de preocupação isso impõe para o Twitter?
CROWELL – Nos últimos meses, no Twitter estamos trabalhando com uma espécie de perspectiva de saúde pública. [Tomando a plataforma] como um corpo humano. Medimos a temperatura, verificamos o pulso ou o colesterol. Estas medidas ou métricas oferecem uma visão geral do estado do corpo humano. De um modo similar, é o que estamos fazendo no Twitter. Junto com o laboratório de mídia do MIT (Massachussets Institute of Technology, uma das universidades mais prestigiosas dos EUA) e estabelecemos quatro critérios para medir a saúde da conversação na internet.
Como se mede isso?
CROWELL – O primeiro critério é um senso de atenção, se estamos conversando, em um país ou comunidade, sobre coisas que são importantes. O segundo é um senso de verdade. As pessoas têm direito à própria opinião, mas não aos próprios fatos, embora haja um número crescente de pessoas que desejam ter seus próprios fatos. O terceiro é uma perspectiva de respeito à diversidade, o que também diz respeito à polarização e às bolhas que surgem na internet. E o último é um critério de receptividade. Quando você está exposto a várias perspectivas, você está aberto a elas e o engajamento da conversação pode ser saudável ou tóxico.
Como isso funciona na prática?
CROWELL – Uma das preocupações de especialistas e de muitas pessoas sobre o ecossistema digital é como filtrar bolhas, obter informações de diferentes fontes. É uma preocupação relevante. No Twitter, lidamos com isso através das hashtags. No Twitter, você escolhe que contas seguir e eu vejo o que eles tuítam ou retuítam. Mas se eu clicar numa hashtag, eu consigo ver o que não está na minha timeline e lá eu verei tuítes de contas que eu não sigo, de pontos de vista com os quais eu posso nao concordar ou dos quais eu nunca tinha ouvido falar antes. O Twitter foi concebido para as pessoas seguirem contas. Mas com a ferramenta dos tópicos, as hashtags, permite seguir a conversação pública, e não somente o que amigos ou a família estão falando.
Em junho, BuzzFeed News reportou a existência de "fazendas de bots" no México durante a eleição. Carlos Merlo, dono de uma empresa chamada VictoryLab, alegou que podia fazer qualquer coisa virar um Trending Topic por algo como 10 mil dólares.
CROWELL – Eu não posso atestar a veracidade do que ele alegou, mas há muitos anos temos estado removendo uma enorme quantidade de contas que tentavam manipular Trending Topics. Os Trending Topics hoje refletem organicamente o que as conversações que as pessoas estão tendo na plataforma. Nós lutamos proativamente contra todo tipo de uso malicioso da plataforma. Nossos controles têm se tornado muito mais efetivos contra essa prática. Se você olhar o dado de março a maio deste ano, nós caímos de 25 mil denúncias de spam por dia para 17 mil por dia.
O Twitter tem investido cada vez mais em machine learning. Mas essa tecnologia já está pronta o suficiente para evitar a ação de bots?
CROWELL – A tecnologia de machine learning está ficando cada vez mais sofisticada. Nós começamos a usar machine learning no início em casos envolvendo contraterrorismo e, nos últimos três anos, nós removemos mais de um milhão de contas relacionadas com terrorismo. Três anos atrás, só 25% destas contas foram removidas com o uso de tecnologia, os 75% restantes vieram de denúncias de usuários. Nos últimos seis meses, por exemplo, 95% das contas foram removidas pelo uso da tecnologia de machine learning. E deste montante, três quartos foram removidas antes mesmo do primeiro tuíte. Essa atividade coordenada que você se referiu [no México] pode ter sido através de bots ou através de seres humanos. Se alguém abrir 20 contas diferentes e começar a tuitar delas o mesmo conteúdo é uma violação dos nossos termos de uso. O mesmo com pessoas que publicam conteúdo que nada tem a ver com as hashtags. É o tipo de conduta que tem sido combatida.
Ontem houve o bloqueio de um grande número de contas e muitos ativistas de direita acusaram publicamente o Twitter de tentar censurá-los. O próprio candidato a presidente Jair Bolsonaro, que é líder nas pesquisas, tuitou a hashtag #DireitaAmordaçada. O que aconteceu?
CROWELL – Antes da questão específica, um pouco de como machine learning ajuda a caçar os bots. Quando há suspeita de uma atividade que fere os termos de uso, fazemos o que chamamos de "desafio" às contas suspeitas. É uma rápida verificação de identidade, como por exemplo para inserir um número de telefone. Depois da verificação bem-sucedida, a conta é plenamente restabelecida. Em setembro do ano passado, desafiávamos 3,2 milhões de contas por semana. Em junho deste ano, foram 9,9 milhões por semana. Nem todo mundo que é desafiado é um robô, mas talvez tenha chamado a atenção do nosso filtro de spam por alguma atividade incomum ou características similares às de uma conta automatizada. Uma coisa importante sobre as contas de ontem que você mencionou é que nenhuma delas foi suspensa, todas elas continuam lá. Elas apenas foram desafiadas e eu penso que houve uma reação ao que acreditavam ser um ponto de vista em particular. Mas tudo que eu descrevi a você reflete o fato de que o Twitter não age baseado levando em conta o conteúdo político ou a perspectiva política do usuário. Machine learning leva em conta características de uso e, isso é muito importante, não sobre o conteúdo do que está sendo tuitado. As contas não foram bloqueadas ou suspensas, elas apenas foram desafiadas e restabelecidas após a verificação.
CORREÇÃO
Na versão inicial deste texto, informamos erroneamente que o número de denúncias do Twitter em maio era de 1,7 milhão por dia. O número correto é 17 mil por dia. O texto foi corrigido.