Lanzan Tab, un bot antispam para Telegram con red neuronal propia y reentrenamiento

Telegram tiene un nuevo bot antispam, Tab, que no usa un modelo de terceros ya preparado, sino una red neuronal propia de su autor. El proyecto lleva varios meses funcionando en chats, sigue siendo gratuito para probar y recopila datos para seguir reentrenándose.

Cómo funciona el bot

Tab se basa en un modelo de clasificación binaria de mensajes: el bot decide si un texto es spam o no. El autor no recurrió a soluciones listas de Hugging Face y construyó la arquitectura por su cuenta, con un enfoque basado en LSTM. La lógica es clara: en los mensajes cortos de Telegram es importante mantener el contexto, y combinar una red recurrente con mecanismos de atención ofrece una alternativa más ligera y manejable que los grandes modelos generalistas.

Sobre la propia red neuronal operan varias reglas más, que no solo detectan mensajes sospechosos, sino que también reducen los falsos baneos. El bot comprueba por separado si el usuario figura en una base de spammers y, según el resultado, borra el mensaje de inmediato o deja la decisión final al moderador. Este enfoque híbrido parece más práctico que la automatización pura: la clasificación de texto siempre conserva un riesgo de error, sobre todo en chats vivos con lenguaje coloquial.

Datos y entrenamiento

La parte más dura del proyecto no fue el código del bot, sino la preparación de los datos. El autor no encontró un conjunto de datos reciente y listo para el spam de Telegram en ruso, así que tuvo que construir el corpus a mano: rastrear grupos públicos, revisar chats claramente inundados de spam y etiquetar los mensajes uno por uno. El conjunto ya supera los 25.000 ejemplos, y en él se apoya la precisión principal de la clasificación.

Además, el bot incorpora un mecanismo de retroalimentación de los moderadores. Si un mensaje se marcó por error como spam, el moderador puede confirmar que es un texto normal, y ese caso pasa al conjunto de datos como falso positivo. Así no solo se limpia el chat: el modelo mejora poco a poco con casos límite reales, que suelen ser los que dañan la calidad de los sistemas antispam.

«No presento esta solución como un exterminador de todo el spam».

Modos y limitaciones

Tab admite por ahora dos escenarios: un modo estándar, más cauteloso, y un modo automático, más estricto. En el modo estándar, el bot pasa primero el mensaje por el modelo y luego examina señales adicionales, entre ellas si el usuario está en la base de spammers. Si la confianza no basta, decide una persona. Esto reduce el riesgo de castigar a un miembro normal del chat por un texto dudoso.

• En el modo estándar, un mensaje sospechoso puede enviarse a revisión del moderador
• En el modo automático, el spam se elimina inmediatamente cuando el modelo lo detecta
• El baneo depende más estrictamente de que coincidan dos factores: la clasificación como spam y la presencia en la base
• Los usuarios pueden denunciar mensajes con el comando /spam
• Los administradores del chat pueden cambiar el modo del bot

El principal problema de estos sistemas es la evolución del propio spam. Los spammers disfrazan las palabras con caracteres parecidos de otros alfabetos, insertan espacios entre las letras y cambian la presentación y el contexto del mensaje. Por eso un modelo no se puede entrenar una vez y dejar sin supervisión: necesita un flujo constante de ejemplos nuevos, reentrenamientos y revisiones.

El autor planea un panel público con estadísticas en tiempo real y más automatización del etiquetado, porque la fase manual es hoy lo que más limita el escalado.

Qué significa

Tab demuestra que, incluso sin un gran equipo ni acceso a infraestructura pesada, se puede construir una herramienta de IA aplicada y funcional para un problema concreto de los chats de Telegram. Para el mercado es otra señal: los modelos de nicho y una moderación humana cuidadosa suelen dar mejores resultados que intentar resolverlo todo con una gran red neuronal universal.