{"id":124,"date":"2024-03-04T15:26:09","date_gmt":"2024-03-04T15:26:09","guid":{"rendered":"https:\/\/ai4debunk.eu\/?page_id=124"},"modified":"2026-01-08T19:26:29","modified_gmt":"2026-01-08T19:26:29","slug":"scientific-publications","status":"publish","type":"page","link":"https:\/\/ai4debunk.eu\/da\/scientific-publications\/","title":{"rendered":"Videnskabelige publikationer"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Videnskabelig Publikationer<\/span><\/h1>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\tFind alle de videnskabelige publikationer, der er udarbejdet af AI4Debunk-partnere, og som pr\u00e6senterer de seneste videnskabelige resultater af projektet.\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tAt kaste lys p\u00e5 store generative netv\u00e6rk: Estimering af epistemisk usikkerhed i diffusionsmodeller<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Axel Brando, Lucas Berry og David Mege<\/p>

Uddybende artikel:<\/strong>
Generative diffusionsmodeller, der er bem\u00e6rkelsesv\u00e6rdige for deres store parameterantal (over 100 millioner) og drift inden for h\u00f8jdimensionelle billedrum, udg\u00f8r betydelige udfordringer for traditionelle usikkerhedsberegningsmetoder p\u00e5 grund af beregningsm\u00e6ssige krav. I dette arbejde introducerer vi en innovativ ramme, Diffusion Ensembles for Capturing Uncertainty (DECU), designet til estimering af epistemisk usikkerhed for diffusionsmodeller. DECU-rammen introducerer en ny metode, der effektivt tr\u00e6ner ensembler af betingede diffusionsmodeller ved at indarbejde et statisk s\u00e6t pr\u00e6uddannede parametre, hvilket drastisk reducerer beregningsbyrden og antallet af parametre, der kr\u00e6ver tr\u00e6ning. Derudover anvender DECU Pairwise-Distance Estimators (PaiDEs) til n\u00f8jagtigt at m\u00e5le epistemisk usikkerhed ved at evaluere den gensidige information mellem modeloutput og v\u00e6gte i h\u00f8jdimensionelle rum. Effektiviteten af denne ramme demonstreres gennem eksperimenter p\u00e5 ImageNet-datas\u00e6ttet, der fremh\u00e6ver dets evne til at fange epistemisk usikkerhed, is\u00e6r i underpr\u00f8vede billedklasser.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
Konference om Usikkerhed i Kunstig Intelligens<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tRobusthed og generalisering af syntetiske billeddetektorer<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Coccomini D.A., Caldelli R., Gennaro C., Fiameni G., Amato G., Falchi F.<\/p>

Uddybende artikel:<\/strong>
I den seneste tid er den stigende udbredelse af syntetiske medier, kendt som deepfakes, blevet muliggjort af de hurtige fremskridt inden for kunstig intelligens, navnlig algoritmer til dyb l\u00e6ring. Voksende bekymringer om den stigende tilg\u00e6ngelighed og trov\u00e6rdighed af deepfakes har ansporet forskere til at koncentrere sig om at udvikle metoder til at opdage dem. P\u00e5 dette omr\u00e5de har forskere ved ISTI CNR's AIMH Lab i samarbejde med forskere fra andre organisationer gennemf\u00f8rt forskning, unders\u00f8gelser og projekter for at bidrage til at bek\u00e6mpe denne tendens og udforske nye l\u00f8sninger og trusler. Denne artikel opsummerer den seneste indsats p\u00e5 dette omr\u00e5de af vores forskere og i samarbejde med andre institutioner og eksperter.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
M\u00f8de i CEUR-workshoppen<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tMAD '24-v\u00e6rksted: Multimedie-AI til bek\u00e6mpelse af desinformation<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Stanciu, Cristian og Ionescu, Bogdan og Cuccovillo, Luca og Papadopoulos, Symeon og Kordopatis-Zilos, Giorgos og Popescu, Adrian og Caldelli, Roberto<\/p>

Uddybende artikel:<\/strong>
Syntetisk mediegenerering og -manipulation har oplevet hurtige fremskridt i de seneste \u00e5r, hvilket g\u00f8r det stadig lettere at skabe multimedieindhold, der ikke kan skelnes fra den menneskelige observat\u00f8r. Desuden kan genereret indhold anvendes ondsindet af enkeltpersoner og organisationer til at sprede desinformation, hvilket udg\u00f8r en betydelig trussel mod samfundet og demokratiet. Der er derfor et presserende behov for AI-v\u00e6rkt\u00f8jer, der er gearet til at lette en rettidig og effektiv medieverifikationsproces. MAD'24-workshoppen har til form\u00e5l at samle personer med forskellig baggrund, som er dedikeret til at bek\u00e6mpe desinformation i multimedier ved hj\u00e6lp af kunstig intelligens, ved at fremme et milj\u00f8, hvor innovative id\u00e9er og erfaringer kan udforskes og udveksles. Forskningsomr\u00e5derne af interesse omfatter identifikation af manipuleret eller genereret indhold samt unders\u00f8gelse af udbredelsen af desinformation og dens samfundsm\u00e6ssige konsekvenser. I erkendelse af betydningen af multimedier understreger workshoppen den f\u00e6lles analyse af forskellige modaliteter inden for indhold, da verifikation kan forbedres ved at aggregere flere former for indhold.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
Procedurer i forbindelse med den tredje internationale ACM-workshop om multimediebaseret kunstig intelligens til bek\u00e6mpelse af desinformation<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tAnomalier i den tidsm\u00e6ssige overfladeramme til deepfake-videodetektering<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Andrea Ciamarra, Roberto Caldelli, Alberto Del Bimbo<\/p>

Uddybende artikel:<\/strong>
At se p\u00e5 en videosekvens, hvor en forgrundsperson er repr\u00e6senteret, er ikke s\u00e5 l\u00e6nge siden l\u00e6ngere. Deepfakes har revolutioneret vores m\u00e5de at se p\u00e5 s\u00e5dant indhold, og i dag er vi oftere vant til at spekulere p\u00e5, om det, vi ser, er \u00e6gte eller bare en mystificering. I denne forbindelse med generel desinformation er behovet for p\u00e5lidelige l\u00f8sninger til at hj\u00e6lpe almindelige brugere og ikke kun til at foretage en vurdering af denne form for videosekvenser st\u00e6rkt p\u00e5 vej. I dette papir introduceres en ny tilgang, der udnytter tidsm\u00e6ssige overfladerammeanomalier for at afsl\u00f8re deepfake-videoer. Metoden s\u00f8ger efter mulige uoverensstemmelser, fremkaldt af deepfake manipulation, i de overflader, der tilh\u00f8rer den fangede scene og i deres udvikling langs den tidsm\u00e6ssige akse. Disse funktioner bruges som input til en pipeline baseret p\u00e5 dybe neurale netv\u00e6rk til at udf\u00f8re en bin\u00e6r vurdering af selve videoen. Eksperimentelle resultater vidner om, at en s\u00e5dan metode kan opn\u00e5 betydelige resultater med hensyn til detektionsn\u00f8jagtighed.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
2024 IEEE\/CVF-konference om workshopper om computervision og m\u00f8nstergenkendelse (CVPRW)<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tEn sociopolitisk tilgang til desinformation og kunstig intelligens: Bekymringer, svar og udfordringer<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Pascaline Gaborit<\/p>

Uddybende artikel:<\/strong>
Internationale organisationer klassificerer desinformation som en af de st\u00f8rste trusler mod demokrati og institutioner i mere end et \u00e5rti. Digitale teknologier genopfinder og \u00e6ndrer i h\u00f8j grad den moderne livsstil, borgernes og erhvervslivets milj\u00f8er. Kunstig intelligens skaber en ny forstyrrelse i den m\u00e5de, hvorp\u00e5 vi f\u00e5r adgang til viden og skaber, spreder og forst\u00e5r information. Det kan ogs\u00e5 udviske linjerne mellem reel information og manipuleret information med fremkomsten af \"Fake News\", krydshenvisninger til automatiske netv\u00e6rk og \"Deep Fakes\". AI-systemer \u00f8ger potentialet for at skabe realistisk falsk indhold og m\u00e5lrettede desinformationskampagner. Desinformation g\u00e5r ud over simple rygter om bevidst at bedrage og fordreje evidensbaseret information gennem fabrikerede data. EU-institutionerne har ogs\u00e5 for nylig fokuseret p\u00e5 identifikation af desinformation i forbindelse med udenlandsk informationsmanipulation og indblanding: Udenlandsk informationsmanipulation og indblanding. Artiklen identificerer tendenser og bekymringer i forbindelse med desinformation og kunstig intelligens. Den unders\u00f8ger opfattelsen af desinformation, dens virkninger og reaktioner, herunder EU's forordning om kunstig intelligens og onlineplatformes politikker. Den giver en f\u00f8rste analytisk tilgang til emnet baseret p\u00e5 de aktuelle debatter blandt forskere, de f\u00f8rste resultater af vores unders\u00f8gelser i 2024, interviews og analysen af hundredvis af falske nyheder online. Den fors\u00f8ger at forst\u00e5, hvordan borgere og interessenter opfatter desinformation og identificerer mulige virkninger. Den analyserer ogs\u00e5 de aktuelle udfordringer og begr\u00e6nsninger, muligheder og begr\u00e6nsninger for at tackle manipulation og indblanding. Artiklen omhandler de nuv\u00e6rende processer og virkningerne af desinformation (2), pr\u00e6sentationen af de vigtigste resultater af vores onlineunders\u00f8gelse af opfattelsen af desinformation (3), EU's nuv\u00e6rende lovgivningsm\u00e6ssige svar (4) og diskussionspunkterne (5). Vi argumenterer i denne artikel for, at der er en gigantisk \u00e6ndring i den m\u00e5de, vi f\u00e5r adgang til information p\u00e5, men at reaktionerne p\u00e5 desinformation stadig befinder sig p\u00e5 et tidligt stadium. Artiklen viser ogs\u00e5, at der i de europ\u00e6iske lande er en \u00f8get bevidsthed om virkningerne af desinformation, men ogs\u00e5 en kl\u00f8ft mellem evnen til at identificere \"falske nyheder\" og desinformation og en begr\u00e6nset forst\u00e5else af de processer, trusler og akt\u00f8rer, der er involveret i spredning af desinformation.<\/p>

Udgivelsestype<\/strong>:
Tidsskriftpapir<\/p>

Udgiver:<\/b>
Journal of statskundskab og internationale relationer<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tEn ny anvendelse af SCM'er til kontrafaktiske sk\u00f8n over tidsserier i l\u00e6gemiddelindustrien<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Tomas Garriga, Gerard Sanz, Eduard Serrahima de Cambra, Axel Brando<\/p>

Uddybende artikel:<\/strong><\/p>

I dette papir pr\u00e6senterer vi en ny anvendelse af strukturelle kausale modeller (SCM'er) og abduction-action-prediction-proceduren til en tidsserieindstilling i forbindelse med et problem i den virkelige verden i l\u00e6gemiddelindustrien. Vi sigter mod at ansl\u00e5 kontrafaktiske forhold for salgsm\u00e6ngden af et l\u00e6gemiddel, der er blevet p\u00e5virket af, at et konkurrerende generisk l\u00e6gemiddel er kommet ind p\u00e5 markedet. Vi anvender enkoder-dekoderbaserede arkitekturer, anvender en betinget variationel autoencoder og introducerer ogs\u00e5 brugen af betingede sparsomme autoencodere, som aldrig var blevet brugt i kontrafaktisk litteratur. Den foresl\u00e5ede metode kr\u00e6ver tilg\u00e6ngelighed af historiske h\u00e6ndelses- og h\u00e6ndelsesl\u00f8se tidsserier og har den fordel, at den ikke er afh\u00e6ngig af kontrolkovariater, der muligvis ikke er tilg\u00e6ngelige, samtidig med at den klart overg\u00e5r det grundl\u00e6ggende kontrafaktiske sk\u00f8n over en prognose. Vi evaluerer vores tilgang ved hj\u00e6lp af vores virksomheds salgsdatas\u00e6t fra den virkelige verden samt syntetiske og semisyntetiske datas\u00e6t, der efterligner problemsammenh\u00e6ngen og viser dens effektivitet. Vi har med succes anvendt denne model i vores virksomhed, hvilket giver nyttige oplysninger til forretningsplanl\u00e6gning, investeringsallokering og fasts\u00e6ttelse af m\u00e5l.<\/p>

Udgivelsestype<\/strong>:
V\u00e6rkstedsartikel<\/p>

Udgiver:<\/b>
NeurIPS'24-workshop om indl\u00e6ring af kausal repr\u00e6sentation<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tVidengrafer og maskinl\u00e6ring i falske nyheder og afsl\u00f8ring af desinformation<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Anastasios Manos, Despina Elisabeth Filippidou, Nikolaos Pavlidis, Georgios Karanasios, Georgios Vachtanidis, Arianna D'Ulizia<\/p>

Uddybende artikel:<\/strong>
Fremkomsten af digitale platforme har lettet den hurtige spredning af desinformation, som udg\u00f8r betydelige sociale, politiske og \u00f8konomiske udfordringer. Videngrafer (KG'er) fremst\u00e5r som effektive v\u00e6rkt\u00f8jer til at forbedre n\u00f8jagtigheden, fortolkningsevnen og skalerbarheden af systemer til afsl\u00f8ring af falske nyheder og adresserer begr\u00e6nsninger i traditionelle maskinl\u00e6ringsbaserede tilgange, der prim\u00e6rt er afh\u00e6ngige af sproglig analyse. Dette arbejde indeholder en litteraturgennemgang, der sammenfatter resultaterne fra nylige unders\u00f8gelser af anvendelsen af KG'er til afsl\u00f8ring af desinformation. Vi identificerer, hvordan KG'er forbedrer detektion ved at kode virkelige relationer, analysere kontekst og forbedre modelfortolkningsevnen, samtidig med at vi diskuterer aktuelle begr\u00e6nsninger i skalerbarhed, datafuldst\u00e6ndighed og kontekstuel tilpasningsevne. De gennemg\u00e5ede unders\u00f8gelser understreger behovet for fremtidig forskning med fokus p\u00e5 skalerbare KG-modeller i realtid og p\u00e5 tv\u00e6rs af sprog for at styrke kapaciteten til at opdage desinformation globalt. Desuden freml\u00e6gger vi forel\u00f8bige resultater af to use cases, der viser en metode til opbygning af centrale grupper, der kan tjene som nyttige v\u00e6rkt\u00f8jer til bek\u00e6mpelse af spredning af desinformation.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
Den internationale konference om ingeni\u00f8rvirksomhed og nye teknologier (ICEET) 2024<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tGennemgang af politikken: Bek\u00e6mpelse af desinformation i den digitale tidsalder \u2013 politikker og initiativer til beskyttelse af demokratiet i Europa<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Alessia D'Andrea, Giorgia Fusacchia og Arianna D'Ulizia<\/p>

Uddybende artikel:<\/strong>
I dette dokument unders\u00f8ges Den Europ\u00e6iske Unions mangesidede reaktion p\u00e5 det udbredte sp\u00f8rgsm\u00e5l om desinformation, en udfordring, der er blevet intensiveret siden annekteringen af Krim i 2014. Desinformation udg\u00f8r en betydelig trussel mod de demokratiske processer og den offentlige velf\u00e6rd. Den Europ\u00e6iske Unions tilgang kombinerer lovgivningsm\u00e6ssige foranstaltninger, strategiske partnerskaber og mediekendskabsinitiativer for at tackle dette f\u00e6nomen og samtidig beskytte centrale demokratiske principper s\u00e5som ytringsfriheden. De vigtigste foranstaltninger omfatter adf\u00e6rdskodeksen om desinformation og forordningen om digitale tjenester, som har til form\u00e5l at holde digitale platforme ansvarlige og sikre gennemsigtighed. Desuden fremh\u00e6ver initiativer s\u00e5som East StratCom-taskforcen og det hurtige varslingssystem Den Europ\u00e6iske Unions bestr\u00e6belser p\u00e5 at bek\u00e6mpe desinformation som et redskab til hybrid krigsf\u00f8relse. Dette dokument understreger ogs\u00e5 den afg\u00f8rende rolle, som borgerne spiller, og som Den Europ\u00e6iske Union s\u00f8ger at styrke gennem mediekendskabsprogrammer, der s\u00e6tter dem i stand til at genkende og modst\u00e5 manipulerende indhold. Ved at unders\u00f8ge samspillet mellem statslige tiltag, inddragelse af den private sektor og inddragelse af borgerne giver denne unders\u00f8gelse en omfattende analyse af Den Europ\u00e6iske Unions strategi for bek\u00e6mpelse af desinformation og vurderer de udfordringer og fremtidige retningslinjer, der er n\u00f8dvendige for at opretholde den demokratiske modstandsdygtighed i et digitalt landskab i udvikling.<\/p>

Udgivelsestype<\/strong>:
Videnskabelig artikel<\/p>

Udgiver:<\/b>
Informationspolitet<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tSproglig indsigt, mediemekanismer og AI's rolle i udbredelsen og virkningen af desinformation<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Alessia D'Andrea, Giorgia Fusacchia og Arianna D'Ulizia<\/p>

Uddybende artikel:<\/strong><\/p>

Form\u00e5l<\/em>
Ved hj\u00e6lp af en tv\u00e6rfaglig tilgang har denne unders\u00f8gelse til form\u00e5l at spore desinformationskampagnernes vej fra deres opdagelse ved hj\u00e6lp af sproglige tegn p\u00e5 trov\u00e6rdighed til fremme gennem formidlingsmekanismerne og endelig at vurdere deres indvirkning p\u00e5 den sociopolitiske kontekst.<\/p>

Udformning\/metode\/fremgangsm\u00e5de<\/em>
Denne unders\u00f8gelse giver et indg\u00e5ende overblik over fire grundl\u00e6ggende aspekter af desinformation: de sproglige karakteristika, der kendetegner indhold, der er udformet til at vildlede og manipulere den offentlige mening, de mediemekanismer, der letter udbredelsen heraf ved at udnytte publikums kognitive processer, de trusler, som den stigende anvendelse af generativ kunstig intelligens til at sprede desinformation udg\u00f8r, og de bredere konsekvenser, som denne desinformationsdynamik har for den offentlige mening og dermed for de politiske beslutningsprocesser.<\/p>

Resultater<\/em>
Som f\u00f8lge heraf giver dokumentet en tv\u00e6rfaglig og holistisk unders\u00f8gelse af f\u00e6nomenet med henvisning til dets pluraliserede elementer for at fremh\u00e6ve betydningen af platformsansvar, mediekendskabskampagner blandt borgerne og interaktivt samarbejde mellem den private og den offentlige sektor som foranstaltninger til at \u00f8ge modstandsdygtigheden over for truslen om desinformation.<\/p>

Originalitet\/v\u00e6rdi<\/em>
Unders\u00f8gelsen fremh\u00e6ver behovet for at \u00f8ge platformens ansvarlighed, fremme mediekendskab blandt enkeltpersoner og udvikle samarbejdet mellem den offentlige og den private sektor. M\u00e5lene for denne integrerede strategi er at styrke modstandsdygtigheden over for desinformation og sikre EU's tilpasningsevne over for skiftende digitale trusler. I sidste ende sl\u00e5r dokumentet til lyd for en retf\u00e6rdig og \u00e5ben strategi, der beskytter ytringsfriheden og styrker de demokratiske institutioner p\u00e5 et tidspunkt, hvor digital desinformation er stigende.<\/p>

Udgivelsestype<\/strong>:
Videnskabelig artikel<\/p>

Udgiver:<\/b>
Tidsskrift for information, kommunikation og etik i samfundet (2025)<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tUnders\u00f8gelse af Transformers Embedding Space via Minimal Token Perturbations<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Eddie Conti, Alejandro Astruc, \u00c1lvaro Parafita, Axel Brando<\/p>

Uddybende artikel:<\/strong><\/p>

Forst\u00e5else af, hvordan information udbredes gennem Transformer-modeller, er en central udfordring for fortolkningsevnen. I dette arbejde studerer vi virkningerne af minimale tokenforstyrrelser p\u00e5 indlejringsrummet. I vores eksperimenter analyserer vi hyppigheden af hvilke tokens giver minimale skift og fremh\u00e6ver, at sj\u00e6ldne tokens normalt f\u00f8rer til st\u00f8rre skift. Desuden studerer vi, hvordan forstyrrelser formerer sig p\u00e5 tv\u00e6rs af lag, hvilket viser, at inputinformation i stigende grad blandes i dybere lag. Vores resultater validerer den almindelige antagelse, at de f\u00f8rste lag af en model kan bruges som fuldmagter til modelforklaringer. Samlet set introducerer dette arbejde kombinationen af tokenforstyrrelser og skift p\u00e5 indlejringsomr\u00e5det som et kraftfuldt v\u00e6rkt\u00f8j til modelfortolkning.<\/p>

Udgivelsestype<\/strong>:
V\u00e6rkstedsartikel<\/p>

Udgiver:<\/b>
IJCAI 2025-workshop om forklarende kunstig intelligens<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tDetektering af Deepfakes gennem uoverensstemmelser i lokale kameraoverfladerammer<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Andrea Ciamarra, Roberto Caldelli, Alberto Del Bimbo<\/p>

Uddybende artikel:<\/strong><\/p>

Desinformation er altid mere induceret ved at ty til \u00e6ndret eller fuldt syntetisk genereret realistisk indhold, der almindeligvis er kendt som deepfakes. Dette indeb\u00e6rer, at der er behov for p\u00e5lidelige instrumenter, der kan afsl\u00f8re s\u00e5dant falsk indhold for at undg\u00e5 polarisering af personers t\u00e6nkning. Forskellige teknikker er blevet pr\u00e6senteret, hvis f\u00e6llesn\u00e6vner er at s\u00f8ge efter nogle uoverensstemmelser fremkaldt af den falske generationsproces og dokumenteret ved at se p\u00e5 specifikke egenskaber. Det ser ud til, at den mulige kombination af forskellige s\u00e6rpr\u00e6g kan give mere effektive resultater. I denne opfattelse og efter vores tidligere unders\u00f8gelse om dette emne foresl\u00e5r vi at unders\u00f8ge en ny funktion, som grundl\u00e6ggende tager hensyn til de indbyggede relationer, der eksisterer inden for hele erhvervelsesscenen p\u00e5 tidspunktet for billedoptagelse (video) og derefter repr\u00e6senteret af billedpixelv\u00e6rdierne. Ideen bag er, at deepfake-genereringsprocessen kan bryde s\u00e5danne iboende afh\u00e6ngigheder mellem belysning (intensitet og retning), objektoverflader (position og refleksion) og erhvervelsesst\u00f8j, hvilket vidner om en mulig manipulation. If\u00f8lge dette er en funktionsdeskriptor, der hedder Local Surface Descriptor, blevet konstrueret og brugt til at tr\u00e6ne CNN-baserede modeller til deepfake-detektion. Eksperimentelle resultater udf\u00f8rt i forskellige operative sammenh\u00e6nge viser en signifikant detektionsn\u00f8jagtighed p\u00e5 op til 90%.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
2024 IEEE International Conference on Image Processing Challenges and Workshops (ICIPCW), Abu Dhabi, De Forenede Arabiske Emirater, 2024<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tSpotting fuldt syntetiske ansigtsbilleder via lokale kamera overflade rammer<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Andrea Ciamarra, Roberto Caldelli, Alberto Del Bimbo<\/p>

Uddybende artikel:<\/strong><\/p>

Den faktiske kapacitet til at AI-generere realistiske fuldt syntetiske billeder forbedres dag for dag, og dette g\u00e6lder is\u00e6r for billeder, der repr\u00e6senterer menneskelige ansigter, der ser ud til at kunne skelnes fra rigtige mennesker. Dette udg\u00f8r det afg\u00f8rende behov for at udvikle instrumenter, der er i stand til at skelne mellem sande og ikke-eksisterende mennesker ved at opdage nogle eventuelle uoverensstemmelser, der er indlejret i billederne under generationsprocessen. Den v\u00e6sentligste forskel mellem et uber\u00f8rt billede og et deepfake-genereret billede er, at der i det andet tilf\u00e6lde ikke har v\u00e6ret en effektiv kameraerhvervelse. s\u00e5 alle de forskellige sammenh\u00e6nge mellem de elementer, der tilh\u00f8rer scenen (lys, refleksion, objekt respektive positioner i 3D-rummet) er ikke taget af den virkelige verden i det pr\u00e6cise tidspunkt \u00f8jeblik, men blot kunstigt gengivet. If\u00f8lge en s\u00e5dan overvejelse introducerer vi i dette arbejde lokale kameraoverfladerammer som et muligt middel til at repr\u00e6sentere disse specifikke milj\u00f8m\u00e6ssige egenskaber for at fremh\u00e6ve forskelle. Den gennemf\u00f8rte eksperimentelle analyse har vist, at denne funktion kan give en meget h\u00f8j grad af n\u00f8jagtighed og en betydelig grad af generalisering.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
2024 IEEE International Conference on Image Processing Challenges and Workshops (ICIPCW), Abu Dhabi, De Forenede Arabiske Emirater, 2024<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tOm generaliseringskapaciteten for lokale overfladerammer til detektering af diffusionsbaserede ansigtsbilleder<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Andrea Ciamarra, Roberto Caldelli, Alberto Del Bimbo<\/p>

Uddybende artikel:<\/strong><\/p>

Ekstraordin\u00e6re uvirkelige billeder kan realiseres med pow-erful AI-teknikker. Forskellige v\u00e6rkt\u00f8jer til r\u00e5dighed for alle er i stand til at genskabe indhold af h\u00f8j kvalitet, is\u00e6r generere hele fuldt syntetiske billeder. Blandt de eksisterende arkitekturer kan diffusionsbaserede modeller nemt producere enhver form for billeder, herunder menneskelige ansigtsbilleder, ved at give en prompt som en tekst. S\u00e5danne falske indhold bruges ofte til at sprede misinformation, og dette giver anledning til bekymring om folks sikkerhed. P\u00e5 nuv\u00e6rende tidspunkt bliver det sv\u00e6rt at udvikle p\u00e5lidelige instrumenter til at skelne mellem reelle og genererede (selv ikke-eksisterende) mennesker. Desuden udg\u00f8r den store m\u00e6ngde diffusionsbaserede implementeringer problemet for s\u00e5danne detektorer at generalisere p\u00e5 nye generative teknikker. For at l\u00f8se disse problemer foresl\u00e5r vi at unders\u00f8ge kapaciteten af et karakteristisk tr\u00e6k, baseret p\u00e5 billedoptagelsesmilj\u00f8et, for at individuere diffusionsbaserede ansigtsbilleder fra de uber\u00f8rte. Faktisk b\u00f8r genererede billeder ikke indeholde de egenskaber, der er korrekte for erhvervelsesfasen, der udf\u00f8res via et rigtigt kamera. S\u00e5danne uoverensstemmelser kan fremh\u00e6ves ved hj\u00e6lp af nyligt indf\u00f8rte lokale overfladerammer. Denne funktion tager hensyn til objekter og overflader involveret i scenen, som alle p\u00e5virker kamera erhvervelse proces, sammen med yderligere iboende oplysninger bundet til enheden, samt belysning og refleksioner, der p\u00e5virker hele scenariet. Papiret udforsker evnen af denne funktion til at generalisere mod forskellige datas\u00e6t og nye generative metoder ukendt under tr\u00e6ning. Eksperimentelle resultater fremh\u00e6ver, at en s\u00e5dan funktion stadig giver betydelige niveauer af detektionsn\u00f8jagtighed ogs\u00e5 i disse tilf\u00e6lde.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
2024 IEEE International Conference on Image Processing Challenges and Workshops (ICIPCW), Abu Dhabi, De Forenede Arabiske Emirater, 2024<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tPraktiske do-Shapley forklaringer med estimand-agnostisk \u00e5rsagssammenh\u00e6ng<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
\u00c1lvaro Parafita, Tomas Garriga, Axel Brando, Francisco J. Cazorla<\/p>

Uddybende artikel:<\/strong><\/p>

Blandt forklarlighedsteknikker skiller SHAP sig ud som en af de mest popul\u00e6re, men overser ofte problemets \u00e5rsagsstruktur. Som svar anvender do-SHAP interventionelle foresp\u00f8rgsler, men dens afh\u00e6ngighed af estimands hindrer dens praktiske anvendelse. For at l\u00f8se dette problem foresl\u00e5r vi brugen af estimand-agnostiske tilgange, som giver mulighed for estimering af enhver identificerbar foresp\u00f8rgsel fra en enkelt model, hvilket g\u00f8r do-SHAP gennemf\u00f8rlig p\u00e5 komplekse grafer. Vi udvikler ogs\u00e5 en ny algoritme for at fremskynde dens beregning betydeligt til en ubetydelig pris samt en metode til at forklare utilg\u00e6ngelige datagenererende processer. Vi demonstrerer vores tilgangs estimering og beregningsm\u00e6ssige ydeevne og validerer den p\u00e5 to datas\u00e6t fra den virkelige verden og fremh\u00e6ver dens potentiale til at opn\u00e5 p\u00e5lidelige forklaringer.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
Den 39. \u00e5rlige konference om neurale informationsbehandlingssystemer (NeurIPS 2025)<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tN\u00e5r hentning overg\u00e5r generering: T\u00e6t bevis hentning for skalerbar falske nyheder afsl\u00f8ring<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Alamgir Munir Qazi, John Philip McCrae og Jamal Nasir<\/p>

Uddybende artikel:<\/strong><\/p>

Udbredelsen af misinformation kr\u00e6ver robuste, men beregningsm\u00e6ssigt effektive faktaverifikationssystemer. Mens de nuv\u00e6rende state-of-the-art tilgange udnytter store sprogmodeller (LLM'er) til at generere forklarende rationaler, st\u00e5r disse metoder over for betydelige beregningsm\u00e6ssige barrierer og hallucinationsrisici i real-world implementeringer. Vi pr\u00e6senterer DeReC (Dense Retrieval Classification), en letv\u00e6gtsramme, der viser, hvordan generelle tekstindlejringer effektivt kan erstatte autoregressive LLM-baserede tilgange i virkeligheden verifikationsopgaver. Ved at kombinere t\u00e6t hentning med specialiseret klassificering opn\u00e5r vores system bedre n\u00f8jagtighed, samtidig med at det er betydeligt mere effektivt. DeReC overg\u00e5r forklaringsgenererende LLM'er i effektivitet, hvilket reducerer runtime med 95% p\u00e5 RAWFC (23 minutter 36 sekunder sammenlignet med 454 minutter 12 sekunder) og med 92% p\u00e5 LIAR-RAW (134 minutter 14 sekunder sammenlignet med 1692 minutter 23 sekunder), hvilket viser dens effektivitet p\u00e5 tv\u00e6rs af forskellige datas\u00e6tst\u00f8rrelser. P\u00e5 RAWFC-datas\u00e6ttet opn\u00e5r DeReC en F1-score p\u00e5 65,58%, der overg\u00e5r den nyeste metode L-Defense (61.20%). Vores resultater viser, at omhyggeligt konstruerede hentningsbaserede systemer kan matche eller overstige LLM-ydeevnen i specialiserede opgaver, samtidig med at de er betydeligt mere praktiske til implementering i den virkelige verden.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
5. konference om sprog, data og viden<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tEn CLIP-baseret tilgang til syntetisk billeddetektering under distributionsskift<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Qiushi Li, Andrea Ciamarra, Roberto Caldelli og Stefano Berretti<\/p>

Uddybende artikel:<\/strong><\/p>

For MediaEval 2025 SynthIm Challenge Task A (Synthetic Image Detection) identificerede vi et kritisk fordelingsskift mellem de leverede tr\u00e6nings- og testdata, hvilket gjorde f\u00f8rstn\u00e6vnte til en d\u00e5rlig repr\u00e6sentant for m\u00e5ldom\u00e6net. Vores tilgang tager direkte fat p\u00e5 denne udfordring ved at indarbejde det mere stilistisk konsistente valideringss\u00e6t i vores tr\u00e6ningsdata og udnytte en frossen CLIP ViT-L\/14 som en robust funktionsudsugning. Vores vigtigste indsigt er, at under s\u00e5danne dom\u00e6neskiftforhold overg\u00e5r de generaliserbare repr\u00e6sentationer fra en stor forududdannet model betydeligt en traditionel CNN finjusteret p\u00e5 det mismatchede datas\u00e6t, hvilket viser sig at v\u00e6re en mere effektiv og p\u00e5lidelig strategi.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
MediaEval\"25: Multimedieevalueringsworkshop, 25.-26. oktober 2025, Dublin, Irland og online<\/p>

Adgang efter anmodning<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tVisuel kvalitet Forbedret vandm\u00e6rkning baseret p\u00e5 dobbelt reference tab for Deepfake Attribution<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Qiushi Li, Roberto Caldelli og Stefano Berretti<\/p>

Uddybende artikel:<\/strong><\/p>

Den hurtige udvikling af billedgenereringsmodeller som Stable Diffusion giver anledning til bekymring over potentielt misbrug, hvilket g\u00f8r robuste vandm\u00e6rkningsteknikker afg\u00f8rende for autentificering og tilskrivning af syntetisk indhold, navnlig i bek\u00e6mpelsen af deepfakes. Samtidig er det dog stadig en udfordring at sikre billedgenerering i h\u00f8j kvalitet og n\u00f8jagtig udtr\u00e6kning af vandm\u00e6rker. Gennem en analyse af eksisterende metoder identificerer vi en kritisk begr\u00e6nsning:
deres tabsfunktioner anvender ofte en enkelt reference (enten inputbilledet eller det rene genererede billede) til optimering af billedtroskab, hvilket f\u00f8rer til suboptimal ydeevne. I dette papir gennemf\u00f8rer vi en tilbundsg\u00e5ende unders\u00f8gelse af begrebet tab af billedkvalitet i diffusionsbaseret vandm\u00e6rkning. Ved at analysere de forskellige virkninger af at bruge inputbilledet i forhold til det rene genererede billede som referencer under optimering, afsl\u00f8rer vi, at en f\u00e6lles betragtning af begge referencer forbedrer robustheden og den visuelle kvalitet betydeligt. Omfattende eksperimenter viser, at vores dual-reference tilgang opn\u00e5r overlegen ydeevne i b\u00e5de vandm\u00e6rke udvinding n\u00f8jagtighed og generation troskab i forhold til enkelt-reference baselines. Vi g\u00e5r ind for dette paradigme for at fremme p\u00e5lidelig vandm\u00e6rkning i generative modeller.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
DFF \"25: F\u00f8rste m\u00f8de i Deepfake Forensics Workshop: Detektion, tilskrivning, anerkendelse og kontradiktoriske udfordringer i en tid med AI-genererede medier<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tHoldningsdokument: Hvis innovation inden for kunstig intelligens systematisk kr\u00e6nker grundl\u00e6ggende rettigheder, er det s\u00e5 overhovedet innovation?<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfattere:<\/strong>
Josu Eguiluz Casta\u00f1eira, Axel Brando, Migle Laukyte, Marc Serra-Vidal<\/p>

Uddybende artikel:<\/strong><\/p>

Kunstig intelligens (AI) gennemsyrer nu kritiske infrastrukturer og beslutningssystemer, hvor fiaskoer for\u00e5rsager social, \u00f8konomisk og demokratisk skade. Dette positionspapir udfordrer den rodf\u00e6stede tro p\u00e5, at regulering og innovation er mods\u00e6tninger. Som det fremg\u00e5r af analogier fra luftfart, l\u00e6gemidler og velf\u00e6rdssystemer og nylige tilf\u00e6lde af syntetisk misinformation, bias og uansvarlig beslutningstagning, har manglen p\u00e5 veludformet regulering allerede skabt um\u00e5delig skade. Regulering er, n\u00e5r den er gennemt\u00e6nkt og tilpasningsdygtig, ikke en bremse for innovation \u2014 den er dens grundlag. I dette holdningsdokument unders\u00f8ges EU's retsakt om kunstig intelligens som en model for risikobaseret, ansvarsdrevet regulering, der adresserer Collingridge-dilemmaet: handle tidligt nok til at forhindre skade, men alligevel fleksibelt nok til at opretholde innovation. Dens tilpasningsmekanismer \u2014 reguleringsm\u00e6ssige sandkasser, st\u00f8tte til sm\u00e5 og mellemstore virksomheder (SMV'er), afpr\u00f8vning under faktiske forhold og konsekvensanalyse vedr\u00f8rende grundl\u00e6ggende rettigheder \u2014 viser, hvordan regulering kan fremskynde de teknologiske fremskridt p\u00e5 en ansvarlig m\u00e5de i stedet for at forsinke dem. Holdningsdokumentet opsummerer, hvordan forvaltningsv\u00e6rkt\u00f8jer omdanner opfattede byrder til h\u00e5ndgribelige fordele: retssikkerhed, forbrugertillid og etisk konkurrenceevne. I sidste ende omformulerer papiret fremskridt: Innovation og regulering g\u00e5r fremad i f\u00e6llesskab. Ved at integrere gennemsigtighed, konsekvensanalyser, ansvarlighed og AI-f\u00e6rdigheder i design og udbredelse definerer EU-rammen, hvad ansvarlig innovation virkelig betyder \u2014 teknologiske ambitioner disciplineret af demokratiske v\u00e6rdier og grundl\u00e6ggende rettigheder.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
Den 39. \u00e5rlige konference om neurale informationsbehandlingssystemer (NeurIPS 2025)<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tTillid, nye teknologier og geopolitik i en usikker verden<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfatter:\u00a0<\/strong>Pascaline Gaborit<\/p>

Uddybende artikel:<\/strong><\/p>

I en tid med global usikkerhed er tillid blevet en kritisk faktor, der former forholdet mellem nationer, institutioner og enkeltpersoner. Denne bog, Trust, New Technologies and Geopolitics in an Uncertain World, giver en rettidig og dybdeg\u00e5ende udforskning af, hvordan tillid testes og omdannes i lyset af hurtigt skiftende geopolitiske landskaber. Fra de demokratiske systemers skr\u00f8belighed til de udfordringer, der er forbundet med nye teknologier, kunstig intelligens, desinformation og klima\u00e6ndringer, dykker denne bog ned i de mest presserende sp\u00f8rgsm\u00e5l i vores tid. Ved at unders\u00f8ge krydsfeltet mellem tillid og centrale omr\u00e5der s\u00e5som demokratier, handelskrige og nye teknologier giver dette arbejde v\u00e6rdifuld indsigt for politiske beslutningstagere, akademikere og alle, der s\u00f8ger at forst\u00e5 kompleksiteten i dagens verden. Uanset om du besk\u00e6ftiger dig med cybersikkerhed, desinformation, virkningen af hybride trusler eller tillidens rolle i internationalt diplomati, giver denne bog en omfattende, men tilg\u00e6ngelig ramme for at navigere i disse udfordringer. Det kaster lys over, hvordan forst\u00e5else af tillid er n\u00f8glen til at tackle de geopolitiske usikkerheder, der definerer vores alder.<\/p>

Udgivelsestype<\/strong>:
Bog<\/p>

Udgiver:<\/b>
Peter Lang udgiver<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t<\/path><\/svg><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\tR\u00e5dets gennemf\u00f8relsesafg\u00f8relse: M\u00e5ling af funktionsbetydning gennem kontrafaktiske fordelinger<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Forfatter: <\/strong><\/p>

Hoteller i n\u00e6rheden af \u00c1lvaro Parafita, Axel Brando<\/p>

Uddybende artikel:<\/strong><\/p>

Det er afg\u00f8rende at vurdere betydningen af individuelle funktioner i maskinl\u00e6ring for at forst\u00e5 modellens beslutningsproces. Selv om der findes mange metoder, understreger manglen p\u00e5 en endelig grund til sammenligning behovet for alternative, velbegrundede foranstaltninger. Dette papir introducerer en ny post-hoc lokal funktionsbetydningsmetode kaldet kontrafaktisk betydningsfordeling (CID). Vi genererer to s\u00e6t positive og negative kontrafaktiske scenarier, modellerer deres fordelinger ved hj\u00e6lp af Kernel Density Estimation og rangordner funktioner baseret p\u00e5 et fordelingsm\u00e6ssigt ulighedsm\u00e5l. Dette m\u00e5l, der er baseret p\u00e5 en streng matematisk ramme, opfylder n\u00f8gleegenskaber, der kr\u00e6ves for at fungere som en gyldig metrik. Vi viser effektiviteten af vores metode ved at sammenligne med veletablerede lokale funktionsforklarere. Vores metode giver ikke kun komplement\u00e6re perspektiver til eksisterende tilgange, men forbedrer ogs\u00e5 ydeevnen p\u00e5 trofasthedsm\u00e5linger (b\u00e5de for fuldst\u00e6ndighed og tilstr\u00e6kkelighed), hvilket resulterer i mere trofaste forklaringer af systemet. Disse resultater fremh\u00e6ver dens potentiale som et v\u00e6rdifuldt v\u00e6rkt\u00f8j til modelanalyse.<\/p>

Udgivelsestype<\/strong>:
Konferencedokument<\/p>

Udgiver:<\/b>
Northern Lights Deep Learning konference 2026<\/p>

Adgang her<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tTilbage til ressourcer<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Videnskabelige publikationer Find alle de videnskabelige publikationer, der er produceret af AI4Debunk-partnere, og som pr\u00e6senterer de seneste videnskabelige resultater af projektet. At kaste lys p\u00e5 store generative netv\u00e6rk: Estimating Epistemic Uncertainty in Diffusion Models Forfattere: Axel Brando, Lucas Berry, David Mege Abstract:Generative diffusionsmodeller, bem\u00e6rkelsesv\u00e6rdige for deres store parameterantal (over 100 millioner) og drift inden for h\u00f8jdimensionelle billedrum, [\u2026]<\/p>","protected":false},"author":6,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"class_list":["post-124","page","type-page","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/ai4debunk.eu\/da\/wp-json\/wp\/v2\/pages\/124","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ai4debunk.eu\/da\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/ai4debunk.eu\/da\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/ai4debunk.eu\/da\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/ai4debunk.eu\/da\/wp-json\/wp\/v2\/comments?post=124"}],"version-history":[{"count":5,"href":"https:\/\/ai4debunk.eu\/da\/wp-json\/wp\/v2\/pages\/124\/revisions"}],"predecessor-version":[{"id":3001,"href":"https:\/\/ai4debunk.eu\/da\/wp-json\/wp\/v2\/pages\/124\/revisions\/3001"}],"wp:attachment":[{"href":"https:\/\/ai4debunk.eu\/da\/wp-json\/wp\/v2\/media?parent=124"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}