Wie start een golf van desinformatie? Die vraag is cruciaal, want nepnieuws verspreidt zich razendsnel via digitale kanalen. Hoe eerder je de bron vindt, hoe kleiner de schade. Een nieuw AI-systeem genaamd EAGLE doet precies dat: het wijst de oorsprong van een informatiegolf aan, zelfs in zeer grote netwerken.
Dat blijkt uit onderzoek dat gepubliceerd is op arxiv.org. Volgens de onderzoekers is het tijdig lokaliseren van bronnen essentieel om negatieve maatschappelijke effecten te beperken en de veerkracht van de samenleving te vergroten.
Hoe EAGLE werkt
EAGLE staat voor Early identificAtion of propagation sources through GeneraLized Bayesian infErence. Het systeem combineert twee technieken: evolutionaire computatie en gegeneraliseerde Bayesiaanse gevolgtrekking.
De aanpak is slim opgebouwd rond een beperkt aantal 'sparse observers': menselijke waarnemers die input leveren. Die data is niet altijd betrouwbaar — ze kan onzeker zijn of ruis bevatten. EAGLE houdt daar rekening mee. Door de observaties samen te voegen met Bayesiaanse methoden, wijst het model de meest waarschijnlijke bron aan, zelfs als de geloofwaardigheid van de data varieert. Onderzoekers onder leiding van Tao Wen beschrijven deze methode in hun studie.
Beter dan de concurrentie
Een groot voordeel: EAGLE is niet afhankelijk van vooraf ingestelde aannames over hoe informatie zich verspreidt of welke kenmerken gebruikers hebben. Dat maakt het systeem flexibeler dan eerdere modellen.
De onderzoekers testten EAGLE op reële datasets met empirische verspreidingspaden van Twitter. De uitkomst: het systeem presteert consistent beter dan huidige state-of-the-art modellen. Het is bovendien een van de eerste methoden die bronnen kan identificeren in zeer grote netwerken met slechts een minimale inzet van menselijke waarnemers.
Wat betekent dit voor de praktijk?
De gevolgen zijn direct voelbaar voor organisaties en beleidsmakers. Wie de dynamiek van informatieverspreiding beter begrijpt en bronnen sneller lokaliseert, kan proactiever optreden tegen dreigingen voor de digitale veiligheid en het publieke vertrouwen.
Het onderzoek, ingediend op 10 november 2026 bij de sectie Social and Information Networks van arXiv, benadrukt dat meenemen van onzekerheidsmarges in de data-analyse cruciaal is voor een accuraat resultaat in de complexe omgeving van moderne sociale media.
Met een uitgebreide evaluatie over diverse netwerken en scenario's biedt EAGLE een krachtig instrument om de verspreiding van schadelijke informatie vroegtijdig te analyseren en te beheersen. De volledige studie is beschikbaar via arxiv.org voor verdere technische analyse.