Meta usa un LLM per scovare annunci che rimandano a materiale su minori
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
La società lancia nuovi strumenti AI per identificare annunci apparentemente innocui che «segnalano» siti esterni con contenuti di sfruttamento sessuale di minori.
Meta usa un modello linguistico per intercettare inserzioni e profili che reindirizzano fuori da Facebook e Instagram verso materiale di sfruttamento sessuale di minori. Nel primo semestre 2026 l’azienda ha agito su 33,2 milioni di contenuti legati a questo reato; oltre il 97% è stato trovato dai sistemi prima delle segnalazioni degli utenti1.
L’azienda chiama questa tattica “signposting”. Si tratta di annunci che appaiono normali, non mostrano contenuti illegali, ma guidano verso contenuti o attività illecite ospitati altrove. Lo strumento mira a questi passaggi, non solo al contenuto esplicito, perché chi abusa delle piattaforme usa collegamenti, codici o altri segnali per eludere i controlli diretti sulle inserzioni1.
Il nuovo sistema include un grande modello linguistico. Serve a riconoscere segnali di “signposting” in annunci e account. Meta afferma di aver visto emergere questo schema di recente, mentre gli autori cambiano metodo per evitare il rilevamento. L’adozione dell’LLM punta ad anticipare questi spostamenti tattici e a intervenire prima delle segnalazioni degli utenti1.
I dati mostrano l’ampiezza dell’intervento e la quota di rilevazioni automatiche. Oltre ai 33,2 milioni di contenuti globali del semestre, in India la società ha agito su 5,3 milioni di contenuti. In entrambi i casi, la maggioranza è stata identificata in modo proattivo: più del 97% a livello globale e oltre il 98% in India1.
Il rilascio dei nuovi strumenti è in corso. Il focus resta sulle inserzioni “pulite” che non contengono materiale vietato ma funzionano da varco verso l’esterno. L’obiettivo dichiarato è ridurre l’uso degli annunci come canale di accesso a contenuti illegali al di fuori dell’ambiente delle piattaforme1.
La scelta sposta il controllo dal contenuto ai comportamenti. Un annuncio può non violare le regole in modo evidente, ma può farlo indirettamente tramite reindirizzamenti, indicatori o collegamenti. Secondo l’azienda, proprio qui si concentrano le tattiche usate per sfuggire ai filtri basati su parole chiave o su singoli media. L’LLM serve a leggere contesti, segnali e schemi ricorrenti nei testi degli annunci e nei profili riconducibili a reti di abuso1.
Resta da vedere quanto rapidamente il modello ridurrà la visibilità di questi passaggi e con quale impatto sui tentativi di elusione futuri. Meta, intanto, lega il lancio all’evoluzione delle tattiche avversarie e alla necessità di adattare i sistemi in tempi brevi, mentre prosegue la distribuzione degli strumenti sulle sue piattaforme1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.