Un equip encapçalat per Yamini Devi Jonnala ha presentat un sistema automàtic per detectar notícies falses que, segons l'estudi, assoleix una precisió superior al 98% en dos conjunts de dades. El treball ha sortit a la revista International Journal of Information and Computer Security (Inderscience) i Tech Xplore l'ha recollit el 20 d'octubre de 2026.
El sistema combina un codificador transformer, un tipus de model d'IA que capta les relacions entre les paraules d'un text i el seu context, amb un algorisme d'optimització anomenat «deer hunting» (cacera del cérvol). Abans de l'anàlisi, els autors treuen del text les adreces web, la puntuació i les paraules buides. L'algorisme ajusta sol els paràmetres del model, en comptes de fer-ho a mà.
Una precisió del 98% vol dir que el sistema falla en una o dues peces de cada cent. És un resultat prometedor per a la lluita contra la desinformació, perquè automatitza una feina que ara depèn de verificadors humans.
Els límits són importants. El sistema només analitza text: no revisa imatges, vídeos falsos ni contradiccions entre text i imatge, i encara no s'ha provat amb publicacions reals de xarxes socials. L'article no detalla els dos conjunts de dades, de manera que no se sap fins a quin punt els resultats es poden extrapolar. Els autors plantegen estudiar en el futur el contingut multimèdia i la relació entre els continguts i els usuaris que els publiquen. L'estudi té DOI 10.1504/ijics.2026.156919.