O podjetju AI4Debunk
Metodologija in rezultati
Naše tehnologije
Glede na današnjo multimodalno naravo novic in pomen konteksta za razumevanje pomena AI4Debunk izkorišča moč najsodobnejših monomodalnih in multimodalnih tehnologij strojnega učenja ter grafov znanja za pridobivanje ustreznih informacij iz podatkov ter odkrivanje vzorcev in trendov dezinformacij. Predlagamo tudi mehanizem „človek v zanki“ (HITL), da bi izboljšali kakovost podatkov in spodbudili večje zaupanje v postopek.
Jezikovni modeli in veliki jezikovni modeli
Modeli vizij in veliki modeli vizij
Obdelava govora
Multimodalno strojno učenje
Mehanizmi „človek v zanki“
Grafi znanja
Naša metodologija
Graf večmodalnega znanja: povezovanje različnih vrst podatkov, kot so besedilo, slike, videoposnetki in zvok, da se zagotovi celovit pregled teme in razkrijejo nedoslednosti med viri.
Graf monomodalnega znanja: služi kot rezervna rešitev, ki pretvori večmodalne podatke v besedilo (z zaznavanjem predmetov, opisom slik, zaznavanjem dejanj v video ali avdio itd.).
Moduli za odkrivanje monomodalnih lažnih novic: razlikovanje med avtentičnimi in manipuliranimi vsebinami (umetno spremenjenimi ali sintetično ustvarjenimi) za besedilo, slike, video in zvočne podatke.
Moduli za odkrivanje večmodalnih lažnih novic: vključevanje rezultatov monomodalnih detektorjev lažnih novic in kontekstualnih informacij iz grafa znanja za razvrstitev novic kot resničnih ali lažnih na podlagi podatkovnih vzorcev v besedilu, slikah, videoposnetkih in avdioposnetkih.
AI4Debunk je namenjen izboljšanju modelov, ki temeljijo na umetni inteligenci, da bi zagotovili pojasnila in zaupanje v odkrivanje lažnih novic. To bo poudarilo:
- kateri vidiki novice so najpomembnejši pri odkrivanju lažnih novic;
- kateri načini (besedilo, slika, zvok ali videoposnetek) imajo večji vpliv na končno odločitev.
AI4Debunk bo izvedel dve študiji primerov za potrditev svojega celostnega pristopa k boju proti dezinformacijam:
- Ruska propaganda, povezana z vojno v Ukrajini
- Manipulirana vsebina o podnebnih spremembah
Te študije primerov bodo zajemale opredelitev ciljnih skupin, virov dezinformacij in metod širjenja ter bodo privedle do oblikovanja tehničnih zahtev in funkcionalnih potreb za vmesnike AI4Debunk.
Glavni cilj je razumeti procese dezinformiranja, jih oblikovati in modelirati ter nato razviti orodja za analizo in protiukrepe.
Obe študiji primerov bosta kartirani v grafih znanja. Takšni grafi bodo ponudili kontekstualne vpoglede za nadaljnje odkrivanje lažnih novic. Redne posodobitve bodo olajšane s kuriranimi povratnimi informacijami državljanov in vključevanjem novih kuriranih podatkov.
AI4Debunk bo v okviru svoje metodologije izvedel splošno sociološko oceno razvitih orodij in njihovega vpliva na dve študiji primerov:
- Poročila in poglobljena analiza mehanizmov odpornosti;
- Sodelovanje z deležniki z anketami, srečanji lokalnih skupin in razpravami fokusnih skupin;
- Enakost spolov ter postopki sodelovanja za operacionalizacijo politik, programov in posegov v mehanizme dezinformiranja.
AI4Debunk je zavezan spodbujanju medijske pismenosti in bo ustvaril didaktične vire za podporo usposabljanju v učilnici na področju odkrivanja lažnih novic, pri čemer bo mlajše generacije opremil s spretnostmi za kritično ocenjevanje in filtriranje informacij, ne da bi bile zavedene. Ta sredstva so:
- Komične knjige
Stripi, ki so bili razviti na podlagi projektne raziskave lažnih novic, služijo kot privlačno orodje za ozaveščanje in zagotavljanje smernic o tem, kako odkrivati dezinformacije na spletu. Spremljali jih bodo vprašalniki za oceno učnih rezultatov. - Igre
Igre, zasnovane in preizkušene v sodelovanju z učitelji, učencem ponujajo interaktivno izkušnjo, ki ponazarja posledice lažnih novic in prinaša praktične vpoglede.
Obe gradivi bosta najprej razdeljeni srednjim šolam na Nizozemskem in v Belgiji, z načrti za širšo razpoložljivost v srednjih šolah po vsej Evropi.
NAŠE INTERFACIJE
API
Odprta koda. Integracija algoritmov umetne inteligence in ML za izračun ocene verjetnosti dezinformacij (disinfoscore) in označevanje sumljivih vsebin.
Po prejemu vsebine kot vnosa bo API takoj vrnil svojo dezinfoscore. V primeru prirejene vsebine se opredelijo tudi območja, na katerih bi se lahko nedovoljeno posegalo v signal izvirne vsebine. Poleg tega bo zagotovil dejanske/kontekstualne informacije, ki potrjujejo oceno vsebine.
Spletna stran
plug-in
Zasnovan za spletne brskalnike in platforme družbenih medijev. Uporabnikom bo zagotovil hitra obvestila ter vpogled v zanesljivost in verodostojnost vsebine, ki si jo trenutno ogledujejo.
Disinfopedia
App
Razvit za pametne telefone in tablične računalnike. Preverila bo točnost spletnih vsebin, vključno z novicami, objavami v družbenih medijih, pregledi izdelkov in slikami. Uporabniki bodo lahko vnašali informacije (URL-je, besedilo ali slike), aplikacija pa bo opredelila stopnjo tveganja za lažnost.
AR/VR
vmesnik
Oglejmo si povzetek
