در سال ۲۰۲۵، شبکه‌های اجتماعی و پلتفرم‌های دیجیتال به میدان اصلی تبادل اطلاعات تبدیل شده‌اند. اما این فضا، مانند شمشیری دو لبه، در کنار انتشار سریع اخبار و ایده‌ها، بستری برای گسترش محتوای گمراه‌کننده و اخبار جعلی نیز فراهم کرده است. در این میان، مفهوم آنتروپی اطلاعات (Information Entropy) به عنوان ابزاری علمی و ریاضیاتی برای تحلیل پیچیدگی و غیرعادی بودن پیام‌ها، به یکی از کلیدهای تشخیص محتوای مشکوک تبدیل شده است.

آنتروپی اطلاعات چیست؟

آنتروپی اطلاعات، مفهومی است که اولین بار توسط کلود شانون، پدر نظریه اطلاعات، در سال ۱۹۴۸ معرفی شد. این مفهوم، میزان نامطمئنی یا تصادفی بودن یک مجموعه داده را اندازه‌گیری می‌کند. به زبان ساده، آنتروپی نشان می‌دهد که یک پیام یا داده تا چه حد قابل پیش‌بینی است.

اگر آنتروپی بالا باشد، پیام پیچیده و غیرقابل پیش‌بینی است؛ اما اگر پایین باشد، پیام یکنواخت و قابل پیش‌بینی است. این ویژگی، آنتروپی را به ابزاری قدرتمند برای تحلیل داده‌های دیجیتال تبدیل کرده است.

البته نکتهٔ کلیدی آن است که خود مقدار انتروپی به تنهایی نمی‌تواند حکم جعلی یا واقعی بودن یک خبر را صادر کند، بلکه مانند یک «شاخص هشدار» عمل می‌کند.

اخبار جعلی معمولاً الگوهای خاصی دارند: یا بیش از حد هماهنگ و یکنواخت منتشر می‌شوند (مثلاً توسط بات‌ها) یا محتوای آن‌ها از نظر زبانی و ساختاری غیرطبیعی است. آنتروپی اطلاعات به شناسایی این الگوها کمک می‌کند.

وقتی آنتروپی بالا زنگ خطر را به صدا درمی‌آورد

در تحلیل پیام‌های دیجیتال، به‌خصوص در شبکه‌های اجتماعی و رسانه‌های خبری، سطح بالای آنتروپی می‌تواند نشانه‌ای از چند چیز باشد:

• محتوای جعلی یا گمراه‌کننده: اخبار جعلی اغلب با ترکیب کلمات احساسی، عبارات مبهم و روایت‌های پیچیده سعی می‌کنند حس فوریت و هیجان کاذب ایجاد کنند. نتیجه می‌شود پیام‌هایی با آنتروپی بالا که ذهن مخاطب را دچار ابهام می‌کند.
• حجم بالای اطلاعات بی‌ربط: برخی پیام‌ها با القای حجم زیاد اطلاعات – که الزاماً مهم یا مرتبط نیستند – تلاش می‌کنند ذهن را گیج کنند. به این پدیده گاهی اطلاعات‌زدگی (Information Overload) هم می‌گویند.
• نشانه‌ای از دست‌کاری الگوریتمی: پیام‌هایی که با هوش مصنوعی تولید شده‌اند، گاهی آنتروپی غیرعادی دارند، مخصوصاً اگر توسط مدل‌های زبانی ناکامل تولید شده باشند.

کاربردهای واقعی آنتروپی در تشخیص فریب

• الگوریتم‌های شناسایی بات‌ها: بسیاری از پلتفرم‌ها برای تشخیص حساب‌های رباتی از تحلیل آنتروپی استفاده می‌کنند. چرا که ربات‌ها اغلب پیام‌هایی با الگوهای زبانی غیرانسانی تولید می‌کنند.
• تحلیل خودکار رسانه‌ها: در پروژه‌هایی مانند FactCheck یا NewsGuard، از آنتروپی برای سنجش میزان غیرمعمول بودن ساختار یک خبر استفاده می‌شود. اگر متنی ناگهان از زبان رسمی به زبان عامیانه تغییر کند یا بخش‌هایی بی‌ارتباط اضافه شود، زنگ خطر به صدا درمی‌آید.
• افزونه‌های مرورگر برای کاربران عادی: برخی ابزارها می‌توانند هنگام خواندن یک متن، با بررسی میزان آنتروپی آن، به کاربر هشدار دهند که این محتوا ممکن است غیرواقعی یا دستکاری‌شده باشد.

آنتروپی در میدان جنگ اطلاعاتی

در واقع امروزه با افزایش استفاده از هوش مصنوعی برای تولید محتوای جعلی و گسترش سریع آن در پلتفرم‌های مختلف، نیاز به ابزارهای علمی برای مقابله با این تهدید بیش از پیش احساس می‌شود. آنتروپی اطلاعات، به دلیل توانایی‌اش در شناسایی الگوهای غیرطبیعی، به یکی از سلاح‌های کلیدی در این نبرد تبدیل شده است که البته چالش‌هایی نیز دارد.

داده‌های مرجع: برای استفاده از آنتروپی، نیاز به مجموعه داده‌های معتبر و طبیعی است که گاهی دسترسی به آن‌ها دشوار است.

پیچیدگی محاسباتی: محاسبه آنتروپی در مقیاس بزرگ (مثلاً تحلیل میلیون‌ها پست در X) نیازمند زیرساخت‌های محاسباتی قوی است.

فرار اخبار جعلی: تولیدکنندگان محتوای جعلی دائماً روش‌های خود را بهبود می‌دهند تا از تشخیص فرار کنند.

همچنین لازم به ذکر است، استفاده از آنتروپی نیز بدون خطر نیست. اگر به‌درستی درک نشود، ممکن است پیام‌های واقعی اما غیرمعمول را به اشتباه جعلی تشخیص دهد. این موضوع مخصوصاً در مورد اقلیت‌های زبانی یا جوامع با سبک بیانی خاص نگران‌کننده است.

آنتروپی به‌عنوان چراغ راه

ترکیب با یادگیری عمیق: آنتروپی می‌تواند با الگوریتم‌های یادگیری ماشین ترکیب شود تا دقت تشخیص را افزایش دهد. مثلاً، مطالعه‌ای در سال ۲۰۲۴ نشان داد که ترکیب ویژگی‌های زبان‌شناختی (شامل آنتروپی) با مدل‌های یادگیری عمیق، زمان آموزش را تا ۷۰% کاهش داد و و دقت مدل (F۱-Score) همچنان روی ۰.۷۵ باقی می‌ماند.

کاربرد گسترده: از تحلیل شایعات سیاسی تا شناسایی تبلیغات جعلی، آنتروپی کاربردهای متنوعی دارد.

چرا این موضوع برای رسانه‌ها مهم است؟

برای روزنامه‌نگاران، تحلیل‌گران رسانه و حتی کاربران عادی، درک آنتروپی اطلاعات می‌تواند به معنای تفاوت بین پذیرش یک خبر جعلی و تشخیص حقیقت باشد.

رسانه‌ها می‌توانند از روش‌های مبتنی بر آنتروپی برای بررسی صحت اخبار استفاده کنند و گزارش‌هایی شفاف‌تر ارائه دهند و با نشان دادن اینکه چگونه ابزارهای علمی مثل آنتروپی به تشخیص اخبار جعلی کمک می‌کنند، رسانه‌ها می‌توانند اعتماد مخاطبان را جلب کنند.

همچنین در زمان بحران (مثل همه‌گیری‌ها یا انتخابات)، آنتروپی می‌تواند به شناسایی سریع شایعات کمک و از گسترش آن‌ها جلوگیری کند.

تصور کنید یک خبر در شبکه‌های اجتماعی با سرعت غیرعادی بازنشر می‌شود. یک تیم خبری با استفاده از ابزارهای مبتنی بر آنتروپی می‌تواند تشخیص دهد که این خبر توسط بات‌ها منتشر شده و به مخاطبان هشدار دهد. این نه تنها به سلامت فضای اطلاعاتی کمک می‌کند، بلکه جایگاه رسانه‌ها را به عنوان نگهبانان حقیقت تقویت می‌کند.