Catena 6 fonti · lug 2023 – set 2026 · in ordine di data, il numero è l’ordine di lettura

  1. 2lug 23Patterns
  2. 6feb 26EACL 2026
  3. 4apr 26Kyiv Independent
  4. 3lug 26The Economist
  5. 5ago 26The Washington Post
  6. 1set 26UNITED24 Media

Oleksandr Liemienov e Sofiia Maksymiv, del think tank ucraino StateWatch, pubblicano il 16 settembre 2026 un’analisi sulla propaganda russa in Finlandia che va letta sapendo chi la ospita: UNITED24 Media è il braccio editoriale della piattaforma lanciata dal presidente Zelensky.1 È una parte in guerra che descrive i metodi dell’avversario, e questo non rende false le sue affermazioni, ma obbliga a dividerle in due classi: quelle documentate altrove, che reggono da sole, e quelle che restano un’accusa. Nella prima classe c’è il fatto che conta per questa catena: la Finlandia ha, secondo gli osservatori europei, la difesa più efficace contro la disinformazione russa, fondata sul riconoscimento di una firma — fonti note, stile riconoscibile, tracce di origine. Il caso che Liemienov e Maksymiv documentano è quello in cui quella firma viene tolta.

La difesa migliore d’Europa

MV-lehti, portale finlandese fondato nel 2014 da Ilja Janitskin e da tempo classificato come veicolo di disinformazione russa, non si presenta più come una fonte straniera. Gli autori descrivono un passaggio dal riciclaggio informativo visibile — un articolo russo tradotto e ripubblicato, riconoscibile come tale — a un’operazione che adotta il linguaggio, i riferimenti e persino le lamentele locali di chi scrive davvero in Finlandia, finché la differenza fra una voce domestica scontenta e un’operazione di origine estera smette di essere rilevabile dallo stile.

Il punto non è che la Finlandia abbia smesso di difendersi bene; è che la difesa su cui ha costruito la propria reputazione — riconoscere una firma — vale solo finché l’avversario non impara a toglierla. È la stessa struttura, spostata dalla geopolitica alla prosa, che l’archivio incontra nei rilevatori di testo generato: funzionano riconoscendo uno stile, e uno stile riconosciuto è uno stile che si può imparare a non avere più.

Lo stile come firma

Il numero più citato sui rilevatori di testo generato viene da uno studio di Stanford del luglio 2023: sette strumenti applicati a saggi TOEFL di non madrelingua li classificavano come scritti da una macchina nel 61,22 per cento dei casi, contro il 5,19 per cento dei temi di studenti americani.2 L’esperimento più istruttivo dello studio è però un altro: arricchendo il lessico dei saggi TOEFL i falsi positivi scendevano all’11,77 per cento, e impoverendo quello dei madrelingua salivano al 56,65. Lo strumento non rilevava l’origine dell’autore; rilevava uno stile, e trattava quello stile come se fosse una firma stabile di provenienza — un accento, appunto, più che un contenuto.

Tre anni dopo quella firma si è già spostata. the Economist, su un corpus di 55.940 frasi, trova che l’em-dash è superato come marker — solo Claude ne usa ancora più degli scrittori umani, ChatGPT ne usa meno di chiunque — e che «delve» e «tapestry» sono spariti con gli aggiornamenti recenti.3 Il segno reale, secondo il giornale, è la «pretentious diction» descritta da Orwell: polisillabi latini, nominalizzazioni, un’assenza di punteggiatura variata — i modelli hanno adottato i vizi della cattiva prosa accademica, non le virtù di quella buona. Ogni volta che un marker diventa noto, cessa di essere un marker, perché sia chi usa il modello sia chi lo addestra può correggerlo, e la firma che resta identificabile oggi è quella che nessuno ha ancora imparato a togliere.

Nessun accento da riconoscere

Linda Hourani, per il Kyiv Independent, smaschera con metodologia OSINT i due conduttori anonimi di Russians With Attitude, podcast ultranazionalista russo con 422.000 follower e un pubblico composto per il 27,6 per cento da americani.4 «Kirill» è un attivista di estrema destra vissuto a lungo in Germania; «Nikolay» è un blogger di Ekaterinburg. L’identità viene ricostruita incrociando account multipli, email collegate e database di consegne trapelati — cioè con lo stesso lavoro filologico, non statistico, con cui Libération avrebbe accertato i plagi di Orélien un mese dopo.

L’architettura che Hourani rivela è la versione più pulita del problema di questa catena: due voci russe, monetizzate su piattaforme americane, che raccolgono fondi per unità paramilitari sanzionate senza mai esibire un tratto che un rilevatore automatico possa marcare come straniero. Non c’è un accento da sentire né uno stile da classificare, perché il contenuto è in inglese idiomatico, prodotto da chi quella lingua la parla davvero. La firma che manca non è linguistica; è istituzionale, ed è per questo che a toglierla il lavoro giornalistico, non il software.

Dove la firma ancora regge

Lawrence Norden e il Brennan Center for Justice hanno sottoposto i principali chatbot a teorie del complotto elettorali nelle settimane prima delle elezioni di midterm 2026.5 Sul testo, i modelli si sono mostrati resistenti: alimentati con il linguaggio reale degli election denier e spinti ripetutamente a confermare, hanno continuato a correggere l’informazione falsa.

L’asimmetria che lo studio documenta — il testo tiene, l’immagine è il lato pericoloso — è la stessa catena che questa pagina ha seguito, letta al contrario. I chatbot resistono sul testo perché quella è l’area in cui l’addestramento ha costruito una firma difensiva riconoscibile, ripetibile, verificata: il modello «sa» di dover segnalare la disinformazione elettorale perché gliel’hanno insegnato con lo stesso tipo di addestramento esplicito che, nella catena «Il rilevatore prima dell’oggetto», produce risposte sulla propria coscienza. Dove quell’addestramento manca — l’immagine, la voce sintetica, il video — non c’è firma da riconoscere né da togliere, perché non è mai stata costruita.

L’obiezione descrive uno strumento migliore, non un vantaggio stabile. Il caso finlandese e quello di Hourani mostrano un avversario che si adatta appena la firma precedente viene catalogata — MV-lehti ha impiegato anni a smettere di sembrare straniero, ma lo ha fatto; «Kirill» e «Nikolay» non hanno mai esibito l’accento che un rilevatore avrebbe potuto imparare a riconoscere, perché hanno scritto in una lingua che non è la loro firma. E l’asimmetria di Norden mostra la via più semplice per vincere la corsa: non migliorare la contraffazione dove la verifica è forte, ma spostarsi dove la verifica non esiste ancora. I rilevatori di testo possono migliorare quanto si vuole; il problema che risolvono resta quello di ieri, mentre la propaganda, come la disinformazione elettorale, si è già spostata sul canale dove nessuno ha ancora costruito una firma da riconoscere.

Nella catena

  1. 1Oleksandr Liemienov e Sofiia Maksymiv / UNITED24 Media — Quando la propaganda smette di sembrare straniera
  2. 2Weixin Liang, Mert Yuksekgonul, Yining Mao, Eric Wu e James Zou / Patterns — GPT detectors are biased against non-native English writers
  3. 3The Economist — How to spot AI writing
  4. 4Linda Hourani / Kyiv Independent — Unmasking the anonymous hosts of 'Russians With Attitude,' a pro-war podcast popular with US far right
  5. 5Lawrence Norden / The Washington Post — My team fed chatbots election lies. Here’s what happened.
  6. 6Adnan Al Ali, Jindřich Helcl e Jindřich Libovický / EACL 2026 — Different Time, Different Language: Revisiting the Bias Against Non-Native Speakers in GPT Detectors controtesi

Concetti ricorrenti nelle fonti rilevatori di testo generato×3 propaganda×2 test severo×2

Tutte le catene →

WR