La desinformaciĆ³n, como herramienta de influencia geopolĆtica, ha sido una constante histĆ³rica, pero su naturaleza y alcance se han transformado radicalmente con la llegada de la inteligencia artificial (IA) generativa.
La apariciĆ³n de grandes modelos de lenguaje (LLM), como ChatGPT o Gemini, redefiniĆ³ el campo de batalla de la informaciĆ³n, desplazando el foco de la manipulaciĆ³n de la audiencia humana a la contaminaciĆ³n de los propios sistemas algorĆtmicos.
Una avalancha de contenido pro-Kremlin
Este texto aborda esta mutaciĆ³n analizando el fenĆ³meno conocido como preparaciĆ³n de LLM, una estrategia de influencia atribuida a actores estatales, en particular la FederaciĆ³n de Rusia, que busca infiltrar narrativas sesgadas directamente en conjuntos de datos de entrenamiento de IA.
Esta maniobra consiste en inundar deliberadamente la web con cantidades masivas de contenido de baja calidad o narrativas manipuladas, diseƱadas especĆficamente para ser recogidas por modelos de IA.
El objetivo principal es que estos textos, que replican la visiĆ³n pro-Kremlin, se integren en conjuntos de datos de capacitaciĆ³n LLM o fuentes de informaciĆ³n en tiempo real que estos modelos utilizan para generar respuestas.
El motor de preparaciĆ³n LLM busca cambiar la base cognitiva de los sistemas automatizados. Cuando un usuario interactĆŗa con LLM para obtener informaciĆ³n sobre temas delicados (como la guerra en Ucrania, la expansiĆ³n de la OTAN o los procesos electorales occidentales), el modelo ofrece respuestas que ya incorporan sutilmente narrativas diseƱadas por MoscĆŗ.
Este proceso no sĆ³lo busca influir en la opiniĆ³n pĆŗblica humana, sino que tambiĆ©n sesga los resultados generados por los sistemas de inteligencia artificial, convirtiĆ©ndolos en vectores involuntarios de propaganda.
La efectividad de esta tĆ”ctica radica en la propia arquitectura de los LLM, que dependen de la abundancia y variedad de datos para su funcionamiento, haciendo de la saturaciĆ³n intencional de fuentes sesgadas un mĆ©todo de contaminaciĆ³n altamente escalable.
Portal de Kombat en Ćfrica
Un ejemplo paradigmĆ”tico de esta estrategia es la operaciĆ³n Portal Kombat, documentada en febrero de 2024 por la agencia francesa VIGI-NUM/SGDSN.
Este informe revelĆ³ una red coordinada de al menos 193 portales web. La peculiaridad de esta red es que no produce contenidos originales, sino que se dedica a la reproducciĆ³n masiva y automatizada de publicaciones de medios rusos y figuras influyentes pro-Kremlin. El propĆ³sito es claro: influir en los paĆses occidentales mediante la amplificaciĆ³n artificial de contenidos.
Portal Kombat Network utiliza optimizaciĆ³n avanzada de motores de bĆŗsqueda (SEO) y tĆ©cnicas de extensiĆ³n multilingĆ¼e para garantizar que sus dominios estĆ©n indexados por motores de bĆŗsqueda, motores de bĆŗsqueda y agregadores de noticias, que, a su vez, son las fuentes principales de LLM.
Esta integraciĆ³n automĆ”tica convierte los modelos de IA en un vector de influencia invisible para la mayorĆa de los usuarios. AdemĆ”s, esta tĆ”ctica se estĆ” exportando a regiones geopolĆticamente sensibles, como el continente africano, donde las campaƱas rusas de manipulaciĆ³n e interferencia de la informaciĆ³n extranjera (FIMI) encuentran ecosistemas de informaciĆ³n con menos resistencia institucional.
En estos contextos, la guerra de la informaciĆ³n muta: el objetivo ya no es sĆ³lo inundar las redes sociales, sino infectar una infraestructura algorĆtmica que se percibe errĆ³neamente como neutral.
Este patrĆ³n tambiĆ©n se extiende al Ć”mbito electoral. Estudios recientes, como el realizado por el Centro para la InnovaciĆ³n en Gobernanza Internacional (CIGI) sobre la intromisiĆ³n rusa en las elecciones estadounidenses, indican un cambio de enfoque: la manipulaciĆ³n tiene como objetivo "contaminar" los LLM en lugar de centrarse Ćŗnicamente en los votantes humanos.
En la prĆ”ctica, cuando un sistema de IA genera resĆŗmenes, predicciones o anĆ”lisis, la narrativa manipulada ya estĆ” incorporada, lo que permite que los modelos actĆŗen como generadores de propaganda sin que el usuario final revele la fuente del sesgo.
¿QuĆ© pasa?
La amenaza de la preparaciĆ³n del LLM presenta una doble dimensiĆ³n crĆtica. Primero, el volumen de informaciĆ³n: la insaciable necesidad de LLM de datos de entrenamiento significa que inyectar contenido prorruso cambia la base del modelo hacia un sesgo estructural.
En segundo lugar, escalabilidad y automatizaciĆ³n: al implementar redes de replicaciĆ³n optimizadas para navegadores (un programa informĆ”tico que escanea automĆ”ticamente Internet, sigue enlaces para recopilar y analizar el contenido de las pĆ”ginas web), Rusia reduce drĆ”sticamente el costo de producir propaganda, multiplicando el alcance de su "fĆ”brica de ruido" de informaciĆ³n y dirigiĆ©ndola al algoritmo en lugar del consumidor final.
Para las democracias y los medios de comunicaciĆ³n, esto presenta desafĆos sin precedentes:
FragmentaciĆ³n de la autoridad cognitiva: el debate de la verdad pasa de lo que consumen los humanos a lo que la IA ofrece como referencia. Si los sistemas generativos legitiman narrativas manipuladas, la capacidad de la sociedad para etiquetar propaganda se erosiona.
Opacidad y trazabilidad del impacto: el seguimiento de la contaminaciĆ³n requiere auditar cadenas de capacitaciĆ³n de LLM complejas y a menudo opacas, incluidos motores de bĆŗsqueda, agregadores de datos e indexaciĆ³n web.
ErosiĆ³n Ć©tica y polĆtica de la memoria social: La dependencia de "cajas negras" de IA que replican la manipulaciĆ³n socava la confianza fundamental en la informaciĆ³n digital y, de manera similar al concepto orwelliano de manipulaciĆ³n de la memoria social, debilita la capacidad de resistencia polĆtica al fragmentar la realidad compartida.
Ante esta realidad, las lĆneas de acciĆ³n deben combinar estrategias clĆ”sicas (verificaciĆ³n, alfabetizaciĆ³n mediĆ”tica) con una urgente adaptaciĆ³n regulatoria.
En conclusiĆ³n, la guerra de informaciĆ³n rusa no esperĆ³ a que la IA madure antes de atacarla: la crea a partir de su base de datos. La estrategia de preparaciĆ³n del LLM abre un frente silencioso pero decisivo, donde el adversario busca contaminar el algoritmo que define lo que la sociedad percibe como verdad.
.webp)
0 Comentarios