{"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\/hr\/scientific-publications\/","title":{"rendered":"Znanstvene publikacije"},"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

Znanstvena Publikacije<\/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\tProna\u0111ite sve znanstvene publikacije koje su proizveli partneri AI4Debunk i predstavite najnovije znanstvene spoznaje projekta.\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\tUklanjanje svjetla na velikim generativnim mre\u017eama: Procjena epistemi\u010dke nesigurnosti u modelima difuzije<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong>
Generativni difuzijski modeli, poznati po velikom broju parametara (vi\u0161e od 100 milijuna) i radu u visokodimenzionalnim slikovnim prostorima, predstavljaju znatne izazove za tradicionalne metode procjene nesigurnosti zbog ra\u010dunalnih zahtjeva. U ovom radu uvodimo inovativni okvir, Difuzijski ansambli za hvatanje nesigurnosti (DECU), dizajniran za procjenu epistemi\u010dke nesigurnosti za difuzijske modele. Okvirom DECU-a uvodi se nova metoda kojom se u\u010dinkovito osposobljavaju kompleti modela uvjetne difuzije uklju\u010divanjem stati\u010dkog skupa prethodno treniranih parametara, \u010dime se drasti\u010dno smanjuje ra\u010dunalno optere\u0107enje i broj parametara koji zahtijevaju osposobljavanje. Osim toga, DECU zapo\u0161ljava Pairwise-Distance Estimators (PaiDEs) za to\u010dno mjerenje epistemi\u010dke nesigurnosti procjenom me\u0111usobnih informacija izme\u0111u izlaza modela i te\u017eine u visokodimenzionalnim prostorima. U\u010dinkovitost ovog okvira dokazana je eksperimentima na skupu podataka ImageNeta, nagla\u0161avaju\u0107i njegovu sposobnost snimanja epistemijske nesigurnosti, posebno u nedovoljno uzorkovanim slikovnim razredima.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
Odr\u017eana 40. konferencija o neizvjesnosti u podru\u010dju umjetne inteligencije<\/p>

Pristupite ovdje<\/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\tRobusnost i generalizacija detektora sinteti\u010dkih slika<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong>
U posljednje vrijeme sve ve\u0107e \u0161irenje sinteti\u010dkih medija, poznatih kao deepfake, omogu\u0107eno je brzim napretkom tehnologija umjetne inteligencije, posebno algoritama za duboko u\u010denje. Sve ve\u0107a zabrinutost zbog sve ve\u0107e dostupnosti i vjerodostojnosti uvjerljivih krivotvorenih sadr\u017eaja potaknula je istra\u017eiva\u010de da se usredoto\u010de na razvoj metoda za njihovo otkrivanje. U tom su podru\u010dju istra\u017eiva\u010di u AIMH Labu ISTI CNR-a, u suradnji s istra\u017eiva\u010dima iz drugih organizacija, proveli istra\u017eivanja, istrage i projekte kako bi doprinijeli borbi protiv tog trenda, istra\u017euju\u0107i nova rje\u0161enja i prijetnje. Ovaj \u010dlanak sa\u017eima najnovije napore koje su na\u0161i istra\u017eiva\u010di ulo\u017eili u ovom podru\u010dju i u suradnji s drugim institucijama i stru\u010dnjacima.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
CEUR Radionica Postupci<\/p>

Pristupite ovdje<\/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\tRadionica MAD-a '24: Multimedijska umjetna inteligencija protiv dezinformiranja<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong>
Sinteti\u010dka medijska generacija i manipulacija posljednjih godina do\u017eivljavaju brze reklame, \u0161to sve vi\u0161e olak\u0161ava stvaranje multimedijskog sadr\u017eaja koji se ne razlikuje od ljudskog promatra\u010da. Nadalje, generirani sadr\u017eaj mogu zlonamjerno upotrebljavati pojedinci i organizacije kako bi \u0161irili dezinformacije, \u0161to predstavlja znatnu prijetnju dru\u0161tvu i demokraciji. Stoga postoji hitna potreba za alatima umjetne inteligencije usmjerenima na olak\u0161avanje pravodobnog i djelotvornog postupka provjere medija. Radionicom MAD\u201924 nastoje se okupiti osobe razli\u010ditog podrijetla koje su posve\u0107ene borbi protiv dezinformacija u multimediji s pomo\u0107u umjetne inteligencije poticanjem okru\u017eenja za istra\u017eivanje inovativnih ideja i razmjenu iskustava. Istra\u017eiva\u010dka podru\u010dja od interesa obuhva\u0107aju identifikaciju manipuliranog ili generiranog sadr\u017eaja, zajedno s istra\u017eivanjem \u0161irenja dezinformacija i njihovih dru\u0161tvenih posljedica. Prepoznaju\u0107i zna\u010daj multimedije, radionica nagla\u0161ava zajedni\u010dku analizu razli\u010ditih modaliteta unutar sadr\u017eaja, jer se provjera mo\u017ee pobolj\u0161ati objedinjavanjem vi\u0161estrukih oblika sadr\u017eaja.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
Odr\u017eana 3. me\u0111unarodna radionica ACM-a o multimedijskoj umjetnoj inteligenciji protiv dezinformiranja<\/p>

Pristupite ovdje<\/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\tVremenske anomalije povr\u0161inskog okvira za otkrivanje uvjerljivog krivotvorenog videozapisa<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong>
Gledanje video sekvence u kojoj je predstavljena osoba iz predznaka vi\u0161e nije kao prije vremena. Deepfakes su revolucionirali na\u0161 na\u010din gledanja na takve sadr\u017eaje i danas smo \u010de\u0161\u0107e navikli pitati se je li ono \u0161to vidimo stvarno ili je samo mistifikacija. U tom kontekstu op\u0107ih dezinformacija, potreba za pouzdanim rje\u0161enjima za pomo\u0107 zajedni\u010dkim korisnicima, a ne samo za procjenu takve vrste video sekvenci, vrlo je predstoje\u0107a. U ovom radu predstavljen je novi pristup koji se oslanja na anomalije temporalnog povr\u0161inskog okvira kako bi se otkrili uvjerljivi krivotvoreni videozapisi. Metoda tra\u017ei mogu\u0107e nepodudarnosti, izazvane dubokom la\u017enom manipulacijom, na povr\u0161inama koje pripadaju zarobljenoj sceni i u njihovoj evoluciji du\u017e vremenske osi. Te se zna\u010dajke upotrebljavaju kao ulaz cjevovoda koji se temelji na dubokim neuronskim mre\u017eama kako bi se provela binarna procjena samog videozapisa. Eksperimentalni rezultati pokazuju da se takvom metodologijom mo\u017ee posti\u0107i zna\u010dajna u\u010dinkovitost u smislu to\u010dnosti otkrivanja.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
Konferencija IEEE-a i CVF-a 2024. o radionicama o ra\u010dunalnom vidu i prepoznavanju uzoraka (CVPRW)<\/p>

Pristupite ovdje<\/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\tSociopoliti\u010dki pristup dezinformiranju i umjetnoj inteligenciji: Pitanja, odgovori i izazovi<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong>
Me\u0111unarodne organizacije klasificiraju dezinformacije kao jednu od glavnih prijetnji demokraciji i institucijama vi\u0161e od desetlje\u0107a. Digitalne tehnologije ponovno osmi\u0161ljavaju i dubinski mijenjaju moderan na\u010din \u017eivota, okru\u017eenje gra\u0111ana i poduze\u0107a. Umjetna inteligencija donosi nove poreme\u0107aje u na\u010dinu na koji pristupamo znanju te stvaramo, \u0161irimo i razumijemo informacije. Tako\u0111er mo\u017ee zamagliti granice izme\u0111u stvarnih informacija i manipuliranih informacija pojavom \u201ela\u017enih vijesti\u201d, unakrsnih referencija automatskih mre\u017ea i \u201edubokih la\u017enih informacija\u201d. UI sustavi pove\u0107avaju potencijal za stvaranje realisti\u010dnog la\u017enog sadr\u017eaja i ciljanih kampanja dezinformiranja. Dezinformacije nadilaze jednostavne glasine kako bi se namjerno obmanule i iskrivile informacije utemeljene na dokazima putem izmi\u0161ljenih podataka. Europske institucije nedavno su se usredoto\u010dile i na utvr\u0111ivanje dezinformacija povezanih s FIMI-jem: Inozemna manipulacija informacijama i uplitanje. U \u010dlanku se utvr\u0111uju trendovi i problemi povezani s dezinformacijama i umjetnom inteligencijom. Istra\u017euje se percepcija dezinformacija, njihovi u\u010dinci i odgovori, uklju\u010duju\u0107i Akt EU-a o umjetnoj inteligenciji i politike internetskih platformi. Njime se pru\u017ea prvi analiti\u010dki pristup toj temi na temelju trenuta\u010dnih rasprava istra\u017eiva\u010da, prvih rezultata na\u0161ih anketa iz 2024., intervjua i analize stotina la\u017enih vijesti na internetu. Nastoji razumjeti kako gra\u0111ani i dionici do\u017eivljavaju dezinformacije i utvr\u0111uje mogu\u0107e u\u010dinke. Tako\u0111er analizira trenuta\u010dne izazove i ograni\u010denja, mogu\u0107nosti i ograni\u010denja za borbu protiv manipulacije i uplitanja. U \u010dlanku se razmatraju trenuta\u010dni procesi i u\u010dinci dezinformacija (2), predstavljanje glavnih rezultata na\u0161e internetske ankete o percepciji dezinformacija (3), trenuta\u010dni regulatorni odgovori EU-a (4) i to\u010dke za raspravu (5). U ovom \u010dlanku tvrdimo da postoji ogromna promjena u na\u010dinu na koji pristupamo informacijama, ali da su odgovori na dezinformacije jo\u0161 uvijek u ranoj fazi. \u010clanak pokazuje i da u europskim zemljama postoji pove\u0107ana svijest o u\u010dincima dezinformacija, ali i jaz izme\u0111u sposobnosti prepoznavanja \u201ela\u017enih vijesti\u201d i dezinformacija te ograni\u010denog razumijevanja procesa, prijetnji i aktera uklju\u010denih u \u0161irenje dezinformacija.<\/p>

Vrsta publikacije<\/strong>:
Novinski \u010dlanak<\/p>

Izdava\u010d:<\/b>
\u010casopis za politi\u010dke znanosti i me\u0111unarodne odnose<\/p>

Pristupite ovdje<\/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\tNova primjena SCM-ova u vremenskoj seriji Protu\u010dinjeni\u010dna procjena u farmaceutskoj industriji<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong><\/p>

U ovom radu prikazana je nova primjena strukturnih uzro\u010dnih modela (SCM) i postupka otmice-djelovanja-predvi\u0111anja na vremensku seriju u kontekstu problema iz stvarnog svijeta u farmaceutskoj industriji. Cilj nam je procijeniti protu\u010dinjeni\u010dne scenarije za obujam prodaje lijeka na koji je utjecao ulazak konkurenta generi\u010dkog lijeka na tr\u017ei\u0161te. Upotrebljavamo arhitekture temeljene na koder-dekoderu, primjenjuju\u0107i uvjetni varijacijski autoenkoder i uvode\u0107i kori\u0161tenje uvjetnih rijetkih autoenkodera, koji nikada nisu bili kori\u0161teni u protu\u010dinjeni\u010dnoj literaturi. Predlo\u017eena metodologija zahtijeva dostupnost povijesnih doga\u0111aja i vremenskih serija bez doga\u0111aja, a prednost joj je \u0161to se ne oslanja na kontrolne kovarijate koji mogu biti nedostupni, a pritom jasno nadma\u0161uje osnovnu protu\u010dinjeni\u010dnu procjenu prognoze. Na\u0161 pristup ocjenjujemo s pomo\u0107u skupa stvarnih podataka o prodaji na\u0161eg poduze\u0107a, kao i sinteti\u010dkih i polusinteti\u010dkih skupova podataka koji opona\u0161aju kontekst problema, pokazuju\u0107i njegovu u\u010dinkovitost. Uspje\u0161no smo primijenili ovaj model u na\u0161oj tvrtki, pru\u017eaju\u0107i korisne informacije za poslovno planiranje, raspodjelu ulaganja i postavljanje ciljeva.<\/p>

Vrsta publikacije<\/strong>:
\u010clanak s radionice<\/p>

Izdava\u010d:<\/b>
Radionica o u\u010denju uzro\u010dno-posljedi\u010dne reprezentacije \u201eNeurIPS\u201d24<\/p>

Pristupite ovdje<\/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\tGrafika znanja i strojno u\u010denje u la\u017enim vijestima i dezinformiranju<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Autori:<\/strong>
Anastasios Manos, Despina Elisabeth Filippidou, Nikolaos Pavlidis, Georgios Karanasios, Georgios Vachtanidis, Arianna D\u2019Ulizia<\/p>

Sa\u017eetak:<\/strong>
Rast digitalnih platformi olak\u0161ao je brzo \u0161irenje dezinformacija, \u0161to predstavlja znatne dru\u0161tvene, politi\u010dke i gospodarske izazove. Grafikoni znanja pojavljuju se kao u\u010dinkoviti alati za pobolj\u0161anje to\u010dnosti, interpretabilnosti i skalabilnosti sustava za otkrivanje la\u017enih vijesti, \u010dime se rje\u0161avaju ograni\u010denja u tradicionalnim pristupima strojnog u\u010denja koji se prvenstveno oslanjaju na jezi\u010dnu analizu. Ovaj rad sadr\u017ei pregled literature u kojem se sintetiziraju rezultati nedavnih studija o primjeni KG-ova u otkrivanju dezinformacija. Utvr\u0111ujemo kako KG-ovi pobolj\u0161avaju otkrivanje kodiranjem stvarnih odnosa, analizom konteksta i pobolj\u0161anjem interpretabilnosti modela, istodobno raspravljaju\u0107i o trenuta\u010dnim ograni\u010denjima u skalabilnosti, potpunosti podataka i kontekstualnoj prilagodljivosti. U revidiranim studijama nagla\u0161ava se potreba za budu\u0107im istra\u017eivanjima usmjerenima na skalabilne modele KG-a u stvarnom vremenu i me\u0111ujezi\u010dne modele KG-a kako bi se oja\u010dale sposobnosti otkrivanja dezinformacija na globalnoj razini. Nadalje, iznosimo preliminarne rezultate dvaju slu\u010dajeva upotrebe, prikazuju\u0107i metodologiju za izgradnju klju\u010dnih skupina koja mo\u017ee poslu\u017eiti kao koristan alat za borbu protiv \u0161irenja dezinformacija.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
Me\u0111unarodna konferencija o in\u017eenjerstvu i tehnologijama u nastajanju 2024. (ICEET)<\/p>

Pristupite ovdje<\/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\tPregled politika: Borba protiv dezinformiranja u digitalnom dobu \u2013 politike i inicijative za za\u0161titu demokracije u Europi<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Autori:<\/strong>
Alessia D\u2019Andrea, Giorgia Fusacchia, Arianna D\u2019Ulizia<\/p>

Sa\u017eetak:<\/strong>
U ovom se dokumentu istra\u017euje vi\u0161edimenzionalni odgovor Europske unije na sveprisutni problem dezinformacija, koji se poja\u010dao od pripojenja Krima 2014. Dezinformacije predstavljaju znatnu prijetnju demokratskim procesima i javnoj dobrobiti. U okviru pristupa Europske unije kombiniraju se regulatorne mjere, strate\u0161ka partnerstva i inicijative za medijsku pismenost kako bi se rije\u0161io taj problem uz istodobnu za\u0161titu temeljnih demokratskih na\u010dela, kao \u0161to je sloboda izra\u017eavanja. Klju\u010dne mjere uklju\u010duju Kodeks dobre prakse u suzbijanju dezinformacija i Akt o digitalnim uslugama, \u010diji je cilj pozvati digitalne platforme na odgovornost i osigurati transparentnost. Nadalje, inicijative kao \u0161to su radna skupina East StratCom i sustav brzog uzbunjivanja isti\u010du napore Europske unije u borbi protiv dezinformacija kao alata hibridnog ratovanja. Ovaj rad tako\u0111er nagla\u0161ava klju\u010dnu ulogu gra\u0111ana, koje Europska unija nastoji osna\u017eiti kroz programe medijske pismenosti, omogu\u0107uju\u0107i im da prepoznaju i odupru se manipulativnim sadr\u017eajima. Ispitivanjem interakcija izme\u0111u vladinih mjera, uklju\u010denosti privatnog sektora i anga\u017emana gra\u0111ana u ovoj se studiji pru\u017ea sveobuhvatna analiza strategije Europske unije za borbu protiv dezinformiranja te se procjenjuju izazovi i budu\u0107i smjerovi potrebni za odr\u017eavanje demokratske otpornosti u digitalnom okru\u017eenju koje se mijenja.<\/p>

Vrsta publikacije<\/strong>:
Znanstveni \u010dlanak<\/p>

Izdava\u010d:<\/b>
Polo\u017eaj informacija<\/p>

Pristupite ovdje<\/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\tJezi\u010dni uvidi, medijski mehanizmi i uloga umjetne inteligencije u \u0161irenju i utjecaju dezinformacija<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Autori:<\/strong>
Alessia D\u2019Andrea, Giorgia Fusacchia, Arianna D\u2019Ulizia<\/p>

Sa\u017eetak:<\/strong><\/p>

Svrha<\/em>
Cilj je ove studije, uz primjenu multidisciplinarnog pristupa, pratiti put kampanja dezinformiranja od njihova otkrivanja jezi\u010dnim znakovima vjerodostojnosti do unapre\u0111enja s pomo\u0107u mehanizama \u0161irenja i, naposljetku, procijeniti njihov u\u010dinak na dru\u0161tveno-politi\u010dki kontekst.<\/p>

Dizajn\/metodologija\/pristup<\/em>
U ovoj studiji daje se detaljan pregled \u010detiriju temeljnih aspekata dezinformiranja: jezi\u010dne zna\u010dajke koje razlikuju sadr\u017eaj osmi\u0161ljen za obmanjivanje i manipuliranje javnim mnijenjem, medijske mehanizme koji olak\u0161avaju njegovo \u0161irenje iskori\u0161tavanjem kognitivnih procesa njegove publike, prijetnje koje predstavlja sve ve\u0107a upotreba generativne umjetne inteligencije za \u0161irenje dezinformacija i \u0161ire posljedice koje ta dinamika dezinformiranja ima na javno mnijenje, a time i na procese dono\u0161enja politi\u010dkih odluka.<\/p>

Nalazi<\/em>
Kao rezultat toga, rad pru\u017ea interdisciplinarno i holisti\u010dko ispitivanje fenomena, pozivaju\u0107i se na njegove pluralizirane elemente kako bi se naglasila va\u017enost odgovornosti platformi, kampanja medijske pismenosti me\u0111u gra\u0111anima i interaktivne suradnje izme\u0111u privatnog i javnog sektora kao mjera za ja\u010danje otpornosti na prijetnju dezinformacija.<\/p>

Originalnost\/vrijednost<\/em>
U studiji se isti\u010de potreba za pove\u0107anjem odgovornosti platformi, promicanjem medijske pismenosti me\u0111u pojedincima i razvojem suradnje izme\u0111u javnog i privatnog sektora. Ciljevi su te integrirane strategije ja\u010danje otpornosti na dezinformacije i osiguravanje prilagodljivosti EU-a s obzirom na digitalne prijetnje koje se mijenjaju. Naposljetku, u dokumentu se zagovara pravedna i otvorena strategija kojom se \u0161titi sloboda izra\u017eavanja i ja\u010daju demokratske institucije u vrijeme kada su digitalne dezinformacije u porastu.<\/p>

Vrsta publikacije<\/strong>:
Znanstveni \u010dlanak<\/p>

Izdava\u010d:<\/b>
\u010casopis za informiranje, komunikaciju i etiku u dru\u0161tvu (2025.)<\/p>

Pristupite ovdje<\/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\tProbiranje ugradbenog prostora transformatora putem minimalnih perturbacija tokena<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong><\/p>

Razumijevanje kako se informacije \u0161ire kroz transformatorske modele klju\u010dni je izazov za interpretaciju. U ovom radu prou\u010davamo u\u010dinke minimalnih perturbacija tokena na ugradbeni prostor. U na\u0161im eksperimentima analiziramo u\u010destalost kojom tokeni daju minimalne pomake, nagla\u0161avaju\u0107i da rijetki tokeni obi\u010dno dovode do ve\u0107ih pomaka. \u0160tovi\u0161e, prou\u010davamo kako se perturbacije \u0161ire kroz slojeve, pokazuju\u0107i da se ulazne informacije sve vi\u0161e mije\u0161aju u dublje slojeve. Na\u0161i nalazi potvr\u0111uju zajedni\u010dku pretpostavku da se prvi slojevi modela mogu koristiti kao zamjenske vrijednosti za obja\u0161njenja modela. Sve u svemu, ovaj rad uvodi kombinaciju perturbacija tokena i pomaka na prostoru ugradnje kao sna\u017enog alata za interpretaciju modela.<\/p>

Vrsta publikacije<\/strong>:
\u010clanak s radionice<\/p>

Izdava\u010d:<\/b>
Radionica IJCAI-ja za 2025. o obja\u0161njivoj umjetnoj inteligenciji<\/p>

Pristupite ovdje<\/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\tOtkrivanje uvjerljivih krivotvorenih sadr\u017eaja zbog nedosljednosti u lokalnim okvirima povr\u0161ine kamere<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong><\/p>

Dezinformacije su uvijek vi\u0161e potaknute pribjegavanjem izmijenjenom ili potpuno sinteti\u010dki generiranom realisti\u010dnom sadr\u017eaju op\u0107enito poznatom kao deepfakes. Zbog toga su potrebni pouzdani instrumenti kojima se mogu otkriti takvi la\u017eni sadr\u017eaji kako bi se izbjegla polarizacija mi\u0161ljenja osoba. Prikazane su razli\u010dite tehnike, \u010diji je zajedni\u010dki nazivnik tra\u017eenje nekih nedosljednosti izazvanih postupkom la\u017ene generacije i o kojima svjedo\u010di razmatranje posebnih zna\u010dajki. \u010cini se da bi mogu\u0107a kombinacija razli\u010ditih razlikovnih obilje\u017eja mogla pru\u017eiti u\u010dinkovitija postignu\u0107a. U tom pogledu i nakon na\u0161e prethodne studije o ovom pitanju, predla\u017eemo da istra\u017eimo novu zna\u010dajku koja u osnovi uzima u obzir ugra\u0111ene odnose koji postoje unutar cijele scene akvizicije u vrijeme snimanja slike (video) i zatim predstavljene vrijednostima piksela slike. Ideja iza toga je da deepfake procesi mogu razbiti takve intrinzi\u010dne ovisnosti izme\u0111u osvjetljenja (intenzitet i smjer), povr\u0161ina objekta (pozicija i refleksija) i stjecanja buke, \u010dime se dokazuje mogu\u0107a manipulacija. Prema tome, dugometra\u017eni deskriptor, nazvan Lokalni povr\u0161inski deskriptor, izgra\u0111en je i kori\u0161ten za treniranje modela temeljenih na CNN-u za otkrivanje dubokog krivotvorenja. Eksperimentalni rezultati provedeni na razli\u010ditim operativnim kontekstima pokazuju zna\u010dajnu to\u010dnost otkrivanja do 90%.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
Me\u0111unarodna konferencija IEEE-a 2024. o izazovima i radionicama u podru\u010dju obrade slika (ICIPCW), Abu Dhabi, Ujedinjeni Arapski Emirati, 2024.<\/p>

Pristupite ovdje<\/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\tUo\u010davanje potpuno sinteti\u010dkih prikaza lica putem lokalnih povr\u0161inskih okvira kamere<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong><\/p>

Stvarni kapacitet za stvaranje realisti\u010dnih potpuno sinteti\u010dkih slika umjetnom inteligencijom pobolj\u0161ava se iz dana u dan, a to posebno vrijedi za slike koje predstavljaju ljudska lica koja se ne razlikuju od stvarnih ljudi. To predstavlja klju\u010dnu potrebu za razvojem instrumenata koji mogu razlu\u010diti izme\u0111u istinitih i nepostoje\u0107ih ljudi otkrivanjem nekih mogu\u0107ih nedosljednosti ugra\u0111enih u slike tijekom procesa stvaranja. Glavna razlika izme\u0111u netaknute slike i uvjerljivo krivotvorene slike je u tome \u0161to u drugom slu\u010daju nije do\u0161lo do u\u010dinkovite akvizicije kamere; tako da svi razli\u010diti me\u0111usobni odnosi me\u0111u elementima koji pripadaju sceni (svjetla, refleksija, polo\u017eaji objekta u 3D prostoru) nisu uzeti od strane stvarnog svijeta u tom to\u010dnom trenutku, ve\u0107 samo umjetno reproducirani. Prema tom razmatranju, u ovom radu uvodimo lokalne povr\u0161inske okvire fotoaparata kao mogu\u0107e sredstvo prikazivanja tih specifi\u010dnih karakteristika okoli\u0161a kako bi se istaknule razlike. Provedena eksperimentalna analiza pokazala je da ova zna\u010dajka mo\u017ee dati vrlo visoku razinu to\u010dnosti i zna\u010dajan stupanj generalizacije.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
Me\u0111unarodna konferencija IEEE-a 2024. o izazovima i radionicama u podru\u010dju obrade slika (ICIPCW), Abu Dhabi, Ujedinjeni Arapski Emirati, 2024.<\/p>

Pristupite ovdje<\/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\tO mogu\u0107nosti generalizacije lokalnih povr\u0161inskih okvira u otkrivanju slika lica temeljenih na difuziji<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong><\/p>

Izvanredne nestvarne slike mogu se realizirati pow-erful AI tehnikama. Razli\u010diti alati dostupni svima mogu ponovno stvoriti visokokvalitetne sadr\u017eaje, posebno generiraju\u0107i cijele potpuno sinteti\u010dke slike. Me\u0111u postoje\u0107im arhitekturama, modeli koji se temelje na difuziji mogu lako proizvesti bilo koju vrstu slika, uklju\u010duju\u0107i ljudske prikaze lica, daju\u0107i upit poput teksta. Takvi la\u017eni sadr\u017eaji \u010desto se upotrebljavaju za \u0161irenje dezinformacija, \u0161to izaziva zabrinutost u pogledu sigurnosti ljudi. Trenuta\u010dno je sve te\u017ee razviti pouzdane instrumente za razlikovanje stvarnih i generiranih (\u010dak i nepostoje\u0107ih) ljudi. Nadalje, velika koli\u010dina primjena koje se temelje na difuziji predstavlja problem za takve detektore u pogledu generalizacije novih generativnih tehnika. Kako bismo rije\u0161ili ta pitanja, predla\u017eemo da se istra\u017ei sposobnost razlikovnog obilje\u017eja, na temelju okru\u017eenja za stjecanje slika, za individuiranje slika lica temeljenih na difuziji iz netaknutih. U stvari, generirane slike ne bi trebale sadr\u017eavati zna\u010dajke koje su ispravne u fazi stjecanja koja se izvodi stvarnom kamerom. Takve nedosljednosti mogu se istaknuti nedavno uvedenim lokalnim povr\u0161inskim okvirima. Ova zna\u010dajka uzima u obzir objekte i povr\u0161ine uklju\u010dene u scenu, \u0161to sve utje\u010de na proces akvizicije kamere, zajedno s daljnjim intrinzi\u010dnim informacijama vezanim za ure\u0111aj, kao i osvjetljenjem i refleksijama koje utje\u010du na cijeli scenarij. Rad istra\u017euje sposobnost ove zna\u010dajke da se generalizira prema razli\u010ditim skupovima podataka i novim generativnim metodama nepoznatim tijekom treninga. Eksperimentalni rezultati nagla\u0161avaju da takva zna\u010dajka jo\u0161 uvijek pru\u017ea zna\u010dajne razine to\u010dnosti otkrivanja i u tim slu\u010dajevima.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
Me\u0111unarodna konferencija IEEE-a 2024. o izazovima i radionicama u podru\u010dju obrade slika (ICIPCW), Abu Dhabi, Ujedinjeni Arapski Emirati, 2024.<\/p>

Pristupite ovdje<\/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\tPrakti\u010dna do-shapley obja\u0161njenja s Estimand-agnosti\u010dkim Uzro\u010dno-posljedi\u010dnim Zaklju\u010dkom<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong><\/p>

Me\u0111u tehnikama obja\u0161njivosti, SHAP se isti\u010de kao jedan od najpopularnijih, ali \u010desto zanemaruje uzro\u010dno-posljedi\u010dnu strukturu problema. Kao odgovor na to, do-SHAP koristi intervencijske upite, ali njegovo oslanjanje na procjene ometa njegovu prakti\u010dnu primjenu. Kako bi se rije\u0161io taj problem, predla\u017eemo primjenu pristupa procjene i agnostike, koji omogu\u0107uju procjenu bilo kojeg prepoznatljivog upita iz jednog modela, \u0161to \u010dini do-SHAP izvedivim na slo\u017eenim grafikonima. Tako\u0111er razvijamo novi algoritam kako bismo zna\u010dajno ubrzali njegov izra\u010dun uz zanemariv tro\u0161ak, kao i metodu za obja\u0161njavanje nedostupnih procesa generiranja podataka. Pokazujemo procjenu i ra\u010dunalnu u\u010dinkovitost na\u0161eg pristupa te ga potvr\u0111ujemo na dvama stvarnim skupovima podataka, nagla\u0161avaju\u0107i njegov potencijal u dobivanju pouzdanih obja\u0161njenja.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
Trideset deveta godi\u0161nja konferencija o neuronskim sustavima za obradu informacija (NeurIPS 2025)<\/p>

Pristupite ovdje<\/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\tPri dohvatu nadma\u0161uje generiranje: Gusto pronala\u017eenje dokaza za skalabilno otkrivanje la\u017enih vijesti<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong><\/p>

Za \u0161irenje pogre\u0161nih informacija potrebni su pouzdani, ali ra\u010dunalno u\u010dinkoviti sustavi za provjeru \u010dinjenica. Iako trenuta\u010dni najsuvremeniji pristupi koriste velike jezi\u010dne modele (LLM-ove) za stvaranje obja\u0161njenja, te se metode suo\u010davaju sa znatnim ra\u010dunalnim preprekama i halucinacijskim rizicima u stvarnim primjenama. Predstavljamo DeReC (Dense Retrieval Classification), lagani okvir koji pokazuje kako ugradnja teksta op\u0107e namjene mo\u017ee u\u010dinkovito zamijeniti autoregresivne pristupe temeljene na LLM-u u stvarnosti zadatke provjere. Kombiniranjem gustog dohvata sa specijaliziranom klasifikacijom, na\u0161 sustav posti\u017ee bolju to\u010dnost dok je zna\u010dajno u\u010dinkovitiji. DeReC nadma\u0161uje u\u010dinkovitost LLM-ova koji stvaraju obja\u0161njenja, smanjuju\u0107i vrijeme rada za 95% na RAWFC-u (23 minute 36 sekundi u usporedbi s 454 minute 12 sekundi) i 92% na LIAR-RAW-u (134 minute 14 sekundi u usporedbi sa 1692 minute 23 sekunde), pokazuju\u0107i njegovu u\u010dinkovitost u razli\u010ditim veli\u010dinama skupova podataka. Na skupu podataka RAWFC-a DeReC posti\u017ee F1 rezultat od 65,58%, nadma\u0161uju\u0107i najmoderniju metodu L-obrana (61.20%). Na\u0161i rezultati pokazuju da pa\u017eljivo projektirani sustavi temeljeni na dohvatu mogu odgovarati ili prema\u0161iti LLM performanse u specijaliziranim zadacima, dok su znatno prakti\u010dniji za realnu implementaciju.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
Peta konferencija o jeziku, podacima i znanju<\/p>

Pristupite ovdje<\/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\tPristup za sinteti\u010dko otkrivanje slike koji se temelji na CLIP-u u okviru pomaka u distribuciji<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong><\/p>

Za zadatak A projekta MediaEval 2025 SynthIm Challenge (Synthetic Image Detection) utvrdili smo kriti\u010dki pomak u distribuciji izme\u0111u pru\u017eenih podataka o osposobljavanju i testiranju, zbog \u010dega je prvonavedeni slabo reprezentativan za ciljnu domenu. Na\u0161 pristup izravno rje\u0161ava taj izazov uklju\u010divanjem stilski dosljednijeg skupa validacije u na\u0161e podatke o treniranju i iskori\u0161tavanjem zamrznutog CLIP ViT-L\/14 kao robusnog izvla\u010ditelja zna\u010dajki. Na\u0161 glavni uvid je da u takvim uvjetima promjene domene, generalizirani prikazi iz velikog unaprijed obu\u010denog modela zna\u010dajno nadma\u0161uju tradicionalnu CNN-ovu prilagodbu neuskla\u0111enog skupa podataka, \u0161to se pokazalo u\u010dinkovitijom i pouzdanijom strategijom.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
MediaEval\u201925: Radionica o multimedijskoj evaluaciji, 25. i 26. listopada 2025., Dublin, Irska i na internetu<\/p>

Pristup na zahtjev<\/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\tVizualno pobolj\u0161anje kvalitete vodenog \u017eiga na temelju dvostrukog referentnog gubitka za duboko krivotvorenu atribuciju<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Autori:<\/strong>
Qiushi Li, Roberto Caldelli i Stefano Berretti<\/p>

Sa\u017eetak:<\/strong><\/p>

Brz napredak modela za generiranje slika kao \u0161to je Stabilna difuzija izaziva zabrinutost zbog mogu\u0107e zlouporabe, zbog \u010dega su pouzdane tehnike vodenog \u017eiga klju\u010dne za autentifikaciju i atribuciju sinteti\u010dkog sadr\u017eaja, posebno u borbi protiv uvjerljivih krivotvorenih sadr\u017eaja. Me\u0111utim, istodobno osiguravanje visokokvalitetnog generiranja slika i preciznog va\u0111enja vodenog \u017eiga i dalje je izazov. Analizom postoje\u0107ih metoda utvr\u0111ujemo kriti\u010dno ograni\u010denje:
njihove funkcije gubitka \u010desto usvajaju jednu referencu (bilo ulaznu sliku ili \u010disto generiranu sliku) za optimizaciju vjernosti slike, \u0161to dovodi do neoptimalnih performansi. U ovom radu provodimo dubinsku studiju pojma gubitka kvalitete slike u vodenom \u017eigu na bazi difuzije. Analiziraju\u0107i razli\u010dite utjecaje kori\u0161tenja ulazne slike u odnosu na \u010disto generiranu sliku kao reference tijekom optimizacije, otkrivamo da zajedni\u010dko razmatranje obje reference zna\u010dajno pobolj\u0161ava robusnost i vizualnu kvalitetu. Opse\u017eni eksperimenti pokazuju da na\u0161 dvoreferentni pristup posti\u017ee vrhunske performanse u to\u010dnosti ekstrakcije vodenog \u017eiga i generacijskoj vjernosti u usporedbi s jednoreferentnim polaznim vrijednostima. Zala\u017eemo se za to da ova paradigma unaprijedi pouzdano vodeno \u017eigosanje u generativnim modelima.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
DFF \u201e25: Odr\u017eana prva radionica za forenziku Deepfake: Otkrivanje, atribucija, prepoznavanje i kontradiktorni izazovi u doba medija generiranih umjetnom inteligencijom<\/p>

Pristupite ovdje<\/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\tDokument o stajali\u0161tu: Ako inovacije u umjetnoj inteligenciji sustavno kr\u0161e temeljna prava, je li to inovacija uop\u0107e?<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong><\/p>

Umjetna inteligencija sada pro\u017eima kriti\u010dnu infrastrukturu i sustave dono\u0161enja odluka u kojima neuspjesi uzrokuju dru\u0161tvenu, gospodarsku i demokratsku \u0161tetu. Ovaj dokument o stajali\u0161tu dovodi u pitanje ukorijenjeno uvjerenje da su regulativa i inovacije suprotne. Kao \u0161to pokazuju analogije iz zrakoplovnih sustava, farmaceutskih sustava i sustava socijalne skrbi te nedavni slu\u010dajevi sinteti\u010dkih dezinformacija, pristranosti i neodgovornog dono\u0161enja odluka, nepostojanje dobro osmi\u0161ljenih propisa ve\u0107 je prouzro\u010dilo nemjerljivu \u0161tetu. Regulacija, kada je promi\u0161ljena i prilagodljiva, ne ko\u010di inovacije, ve\u0107 je njezin temelj. U ovom dokumentu o stajali\u0161tu razmatra se Akt EU-a o umjetnoj inteligenciji kao model uredbe utemeljene na riziku i odgovornosti koji se odnosi na Collingridgeovu dilemu: dovoljno rano djelovanje kako bi se sprije\u010dila \u0161teta, ali dovoljno fleksibilno za odr\u017eavanje inovacija. Njezini prilagodljivi mehanizmi \u2013 regulatorna izolirana okru\u017eenja, potpora malim i srednjim poduze\u0107ima (MSP-ovi), testiranje u stvarnim uvjetima, procjena u\u010dinka na temeljna prava (FRIA) \u2013 pokazuju kako se regulativom mo\u017ee odgovorno ubrzati tehnolo\u0161ki napredak, a ne ga odgoditi. U dokumentu o stajali\u0161tu sa\u017eeto je prikazano kako upravlja\u010dki alati pretvaraju percipirana optere\u0107enja u opipljive prednosti: pravna sigurnost, povjerenje potro\u0161a\u010da i eti\u010dka konkurentnost. U kona\u010dnici, u dokumentu je prikazan napredak: inovacije i regulativa zajedno napreduju. Uklju\u010divanjem transparentnosti, procjena u\u010dinka, odgovornosti i pismenosti u podru\u010dju umjetne inteligencije u dizajn i uvo\u0111enje, okvirom EU-a definira se \u0161to doista zna\u010de odgovorne inovacije \u2013 tehnolo\u0161ke ambicije koje se temelje na demokratskim vrijednostima i temeljnim pravima.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
Trideset deveta godi\u0161nja konferencija o neuronskim sustavima za obradu informacija (NeurIPS 2025)<\/p>

Pristupite ovdje<\/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\tPovjerenje, nove tehnologije i geopolitika u nesigurnom svijetu<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Sa\u017eetak:<\/strong><\/p>

U doba globalne nesigurnosti povjerenje je postalo klju\u010dni \u010dimbenik koji oblikuje odnose izme\u0111u nacija, institucija i pojedinaca. Ova knjiga, Trust, New Technologies and Geopolitics in an Uncertain World (Povjerenje, nove tehnologije i geopolitika u nesigurnom svijetu), nudi pravodobna i detaljna istra\u017eivanja o tome kako se povjerenje testira i transformira u kontekstu geopoliti\u010dkih krajolika koji se brzo mijenjaju. Od nestabilnosti demokratskih sustava do izazova koje predstavljaju nove tehnologije, umjetna inteligencija, dezinformacije i klimatske promjene, ova knjiga istra\u017euje najhitnija pitanja na\u0161eg doba. Istra\u017euju\u0107i sjeci\u0161ta povjerenja s klju\u010dnim podru\u010djima kao \u0161to su demokracije, trgovinski ratovi i nove tehnologije, ovaj rad pru\u017ea vrijedne uvide tvorcima politika, znanstvenicima i svima koji \u017eele razumjeti slo\u017eenost dana\u0161njeg svijeta. Bez obzira na to bavite li se kibersigurno\u0161\u0107u, dezinformacijama, utjecajem hibridnih prijetnji ili ulogom povjerenja u me\u0111unarodnu diplomaciju, ova knjiga nudi sveobuhvatan, ali pristupa\u010dan okvir za suo\u010davanje s tim izazovima. U njemu se obja\u0161njava kako je razumijevanje povjerenja klju\u010dno za rje\u0161avanje geopoliti\u010dkih nesigurnosti koje definiraju na\u0161e doba.<\/p>

Vrsta publikacije<\/strong>:
Knjiga<\/p>

Izdava\u010d:<\/b>
Peter Lang izdava\u010d<\/p>

Pristupite ovdje<\/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\tCID: Mjerenje zna\u010daja zna\u010dajke kroz protu\u010dinjeni\u010dne distribucije<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Autor: <\/strong><\/p>

Eddie Conti, \u00c1lvaro Parafita, Axel Brando<\/p>

Sa\u017eetak:<\/strong><\/p>

Procjena va\u017enosti pojedina\u010dnih zna\u010dajki u strojnom u\u010denju klju\u010dna je za razumijevanje procesa dono\u0161enja odluka modela. Iako postoje brojne metode, nedostatak kona\u010dne temeljne istine za usporedbu nagla\u0161ava potrebu za alternativnim, dobro utemeljenim mjerama. U ovom radu predstavljena je nova post-hoc metoda lokalnog zna\u010daja pod nazivom Distribucija protu\u010dinjeni\u010dne va\u017enosti (engl. Counterfactual Importance Distribution, CID). Generiramo dva skupa pozitivnih i negativnih protu\u010dinjeni\u010dnih scenarija, modeliramo njihove distribucije pomo\u0107u procjene gusto\u0107e jezgre i rang zna\u010dajki na temelju mjere distribucijske razli\u010ditosti. Ova mjera, utemeljena na rigoroznom matemati\u010dkom okviru, zadovoljava klju\u010dna svojstva potrebna da bi funkcionirala kao valjana metrika. Pokazujemo u\u010dinkovitost na\u0161e metode uspore\u0111uju\u0107i je s dobro uhodanim obja\u0161njava\u010dima lokalne va\u017enosti. Na\u0161a metoda ne samo da nudi komplementarne perspektive postoje\u0107im pristupima, ve\u0107 i pobolj\u0161ava uspje\u0161nost mjerenja vjernosti (kako za sveobuhvatnost tako i za dostatnost), \u0161to rezultira vjernijim obja\u0161njenjima sustava. Ovi rezultati isti\u010du njegov potencijal kao vrijednog alata za analizu modela.<\/p>

Vrsta publikacije<\/strong>:
Konferencijski rad<\/p>

Izdava\u010d:<\/b>
Konferencija za duboko u\u010denje Northern Lights 2026<\/p>

Pristupite ovdje<\/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\tPovratak na resurse<\/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":"

Znanstvene publikacije Prona\u0111ite sve znanstvene publikacije koje su proizveli AI4Debunk partneri i predstavite najnovije znanstvene spoznaje projekta. Uklanjanje svjetla na velikim generativnim mre\u017eama: Autori:Axel Brando, Lucas Berry, David Mege Abstract:Generativni modeli difuzije, zna\u010dajni po velikom broju parametara (vi\u0161e od 100 milijuna) i radu unutar visokodimenzionalnih slikovnih prostora, [\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\/hr\/wp-json\/wp\/v2\/pages\/124","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ai4debunk.eu\/hr\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/ai4debunk.eu\/hr\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/ai4debunk.eu\/hr\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/ai4debunk.eu\/hr\/wp-json\/wp\/v2\/comments?post=124"}],"version-history":[{"count":5,"href":"https:\/\/ai4debunk.eu\/hr\/wp-json\/wp\/v2\/pages\/124\/revisions"}],"predecessor-version":[{"id":3001,"href":"https:\/\/ai4debunk.eu\/hr\/wp-json\/wp\/v2\/pages\/124\/revisions\/3001"}],"wp:attachment":[{"href":"https:\/\/ai4debunk.eu\/hr\/wp-json\/wp\/v2\/media?parent=124"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}