Monitorizar las redes sociales parece una manera obvia de predecir sucesos como una protesta o un ataque terrorista. Pero lograrlo ha sido todo un reto hasta ahora. Por ejemplo, Brasil no estuvo preparado para las protestas masivas que se produjeron en 2013 a pesar de que se organizaron desde plataformas sociales.

Tales fracasos han motivado un estudio publicado la semana pasada en la revista Science. Un equipo de investigadores fue capaz de caracterizar cómo los terroristas y otros grupos utilizan las redes sociales para organizarse. Los investigadores emplearon esos datos para crear un algoritmo capaz de predecir los comportamientos futuros de estos grupos, incluido el aumento de su actividad antes de un evento (ver La lucha contra ISIS será a través de las redes sociales o no será).

La mayoría de las plataformas de redes sociales ofrecen una manera fácil de crear una comunidad o una página de organización a la que cualquiera se puede unir. En ellas se puede intercambiar información al tiempo que se mantiene el anonimato. Estos grupos creados ex profeso, y a los que la investigación ha denominado como "agregados", están siendo empleados por grupos terroristas para comunicarse y recaudar apoyos.

El físico de la Universidad de Miami (EEUU) Neil Johnson y su equipo se centraron en una red social de Rusia llamada VKontakte que tiene 360 millones de usuarios en todo el mundo. Identificaron manualmente a 196 agregados pro-ISIS que incluían a 108.086 individuos gracias a los contenidos que sugerían una conexión concreta con ISIS (en lugar de limitarse a buscar palabras clave). Los investigadores observaron que estos agregados crecen con el tiempo, y que se forman otros más grandes a partir de la unión de otros más pequeños. Los rastrearon durante un período de seis meses para recopilar datos sobre sus comportamientos, que emplearon después para crear un algoritmo predictivo.

La investigación revela algunas características fundamentales de los grupos sociales que podrían resultar útiles en la lucha contra el terrorismo. Por ejemplo, descubrieron que resulta más eficaz identificar agregados en lugar de individuos (que son más numerosos y cuyo análisis requiere mucho más tiempo de dedicación), y también lo es centrarse en agregados más pequeños y débiles antes de que se unan con otros para formar agregados más grandes.  El algoritmo también parece indicar que el ritmo de la formación de agregados se dispara antes de importante eventos. Así sucedió antes de las protestas de 2013 en Brasil y los ataques de ISIS en 2014 en Kobane (Siria).

Johnson afirma que los datos descubiertos por su algoritmo podrían emplearse para generar una herramienta que ayude en los esfuerzos de antiterrorismo (ver Google y Facebook podrían hacer mucho más para luchar contra el terrorismo islámico). "Sería posible crear una maquinaria automatizada que busque por todas las páginas web de redes sociales, detecte los agregados, analice sus dinámicas, estudie los agregados, busque la escalabilidad y entonces eleve el nivel de alerta cuando se produzca una aumento en la creación de contenidos de agregados", dice.

Eliminar las actividades terroristas de las redes sociales es un gran reto. A menudo son bloqueadas por las propias plataformas pues se saltan que la delgada línea que une la seguridad pública y la libertad de expresión. Facebook tiene un equipo que identifica y elimina individuos o grupos asociados con los contenidos terroristas, y este año Twitter suspendió 125.000 cuentas con vínculos con ISIS. Los hackers individuales y las agencias gubernamentales también pueden intervenir . El año pasado, el grupo activista Hactivist group Anonymous eliminó 20.000 cuentas de Twitter vinculadas a ISIS.

Pero algunos científicos cuestionan el valor del algoritmo como una herramienta predictiva para los esfuerzos de antiterrorismo. El profesor de estadística y política de la Universidad de Columbia (EEUU) Andrew Gelman cree que la idea de estudiar agregados es buena, pero que el análisis del estudio de los comportamientos de los agregados podría resultar más útil que su algoritmo predictivo.

Gelman concluye: "En teoría, los modelos tienen beneficios, pero no creo que hayamos llegado realmente a ese punto aún".