{"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\/sl\/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

Znanstveno 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\tOglejte si vse znanstvene publikacije, ki so jih pripravili partnerji AI4Debunk in v katerih so predstavljena najnovej\u0161a znanstvena dognanja 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\tOsvetljevanje velikih generativnih omre\u017eij: Epistemska negotovost pri modelih difuzije<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong>
Generativni difuzijski modeli, ki so opazni zaradi velikega \u0161tevila parametrov (ve\u010d kot 100 milijonov) in delovanja v visokodimenzionalnih slikovnih prostorih, predstavljajo velik izziv za tradicionalne metode ocenjevanja negotovosti zaradi ra\u010dunalni\u0161kih zahtev. V tem delu uvajamo inovativen okvir Diffusion Ensembles for Capturing Uncertainty (DECU), namenjen ocenjevanju epistemi\u010dne negotovosti za difuzijske modele. Okvir DECU uvaja novo metodo, ki u\u010dinkovito usposablja ansamble modelov pogojne difuzije z vklju\u010ditvijo stati\u010dnega sklopa predhodno usposobljenih parametrov, kar drasti\u010dno zmanj\u0161a ra\u010dunsko breme in \u0161tevilo parametrov, ki zahtevajo usposabljanje. Poleg tega DECU uporablja Pairwise-Distance Estimators (PaiDEs) za natan\u010dno merjenje epistemi\u010dne negotovosti z vrednotenjem vzajemnih informacij med izhodi modela in ute\u017emi v visokorazse\u017enih prostorih. U\u010dinkovitost tega okvira je dokazana s poskusi na podatkovnem nizu ImageNet, ki poudarjajo njegovo sposobnost zajemanja epistemi\u010dne negotovosti, zlasti v razredih podob, ki niso dovolj vzor\u010dene.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
40. konferenca o negotovosti v umetni inteligenci<\/p>

Dostop je na voljo tukaj.<\/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\tRobustnost in posplo\u0161evanje detektorjev sinteti\u010dnih slik<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong>
V zadnjem \u010dasu je vse ve\u010dje \u0161irjenje sinteti\u010dnih medijev, znanih kot globoki ponaredki, omogo\u010dil hiter napredek na podro\u010dju tehnologij umetne inteligence, zlasti algoritmov globokega u\u010denja. Nara\u0161\u010dajo\u010de skrbi glede vse ve\u010dje razpolo\u017eljivosti in verjetnosti globokih ponaredkov so spodbudile raziskovalce, da se osredoto\u010dijo na razvoj metod za njihovo odkrivanje. Na tem podro\u010dju so raziskovalci v laboratoriju AIMH v okviru ISTI CNR v sodelovanju z raziskovalci iz drugih organizacij izvedli raziskave, preiskave in projekte, da bi prispevali k boju proti temu trendu, pri \u010demer so raziskali nove re\u0161itve in gro\u017enje. Ta \u010dlanek povzema najnovej\u0161a prizadevanja na\u0161ih raziskovalcev na tem podro\u010dju in v sodelovanju z drugimi institucijami in strokovnjaki.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
CEUR Delavnica Proceedings<\/p>

Dostop je na voljo tukaj.<\/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\tDelavnica MAD '24: Multimedijska umetna inteligenca proti dezinformacijam<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong>
Generacija in manipulacija sinteti\u010dnih medijev sta v zadnjih letih do\u017eiveli hitre oglase, zaradi \u010desar je vse la\u017eje ustvarjati multimedijske vsebine, ki jih \u010dlove\u0161ki opazovalec ne razlikuje. Poleg tega lahko posamezniki in organizacije ustvarjeno vsebino uporabljajo zlonamerno za \u0161irjenje dezinformacij, ki predstavljajo veliko gro\u017enjo dru\u017ebi in demokraciji. Zato so nujno potrebna orodja umetne inteligence, ki bodo omogo\u010dala pravo\u010dasen in u\u010dinkovit postopek preverjanja medijev. Namen delavnice MAD24 je zdru\u017eiti ljudi z razli\u010dnimi ozadji, ki so namenjeni boju proti dezinformacijam v multimedijskih medijih s pomo\u010djo umetne inteligence, in sicer s spodbujanjem okolja za raziskovanje inovativnih zamisli in izmenjavo izku\u0161enj. Raziskovalna podro\u010dja zajemajo prepoznavanje manipuliranih ali ustvarjenih vsebin ter raziskovanje raz\u0161irjanja dezinformacij in njihovih dru\u017ebenih posledic. Delavnica ob priznavanju pomena multimedije poudarja skupno analizo razli\u010dnih modalitet znotraj vsebine, saj je preverjanje mogo\u010de izbolj\u0161ati z zdru\u017eevanjem ve\u010d oblik vsebine.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
Zbornik 3. mednarodne delavnice ACM o multimedijski umetni inteligenci proti dezinformacijam<\/p>

Dostop je na voljo tukaj.<\/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\t\u010casovne anomalije povr\u0161inskega okvirja za detekcijo videa z globokimi ponaredki<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong>
\u010ce pogledamo video sekvenco, v kateri je predstavljena oseba v ospredju, ni ve\u010d tako kot pred \u010dasom. Globoki ponaredki so revolucionirali na\u0161 na\u010din gledanja tak\u0161nih vsebin in danes smo pogosteje navajeni, da se spra\u0161ujemo, ali je to, kar vidimo, resni\u010dno ali je le mistifikacija. V tem kontekstu posplo\u0161enih dezinformacij se mo\u010dno pojavlja potreba po zanesljivih re\u0161itvah za pomo\u010d skupnim uporabnikom in ne le za oceno tovrstnih video sekvenc. V tem \u010dlanku je predstavljen nov pristop, ki se opira na anomalije \u010dasovnega povr\u0161inskega okvirja, da bi razkrili globoke ponarejene videoposnetke. Metoda i\u0161\u010de mo\u017ena neskladja, ki jih povzro\u010da globoka manipulacija s ponaredki, na povr\u0161inah, ki pripadajo ujetemu prizoru, in v njihovi evoluciji vzdol\u017e \u010dasovne osi. Te funkcije se uporabljajo kot vhod v cevovod, ki temelji na globokih nevronskih mre\u017eah, za izvedbo binarne ocene samega videa. Eksperimentalni rezultati ka\u017eejo, da se lahko s tako metodologijo dose\u017ee pomembna u\u010dinkovitost v smislu natan\u010dnosti zaznavanja.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
Konferenca IEEE\/CVF 2024 o delavnicah ra\u010dunalni\u0161kega vida in prepoznavanja vzorcev (CVPRW)<\/p>

Dostop je na voljo tukaj.<\/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\tDru\u017ebenopoliti\u010dni pristop k dezinformacijam in umetni inteligenci: Pomisleki, odzivi in izzivi<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong>
Mednarodne organizacije dezinformacije \u017ee ve\u010d kot desetletje uvr\u0161\u010dajo med glavne gro\u017enje demokraciji in institucijam. Digitalne tehnologije na novo izumljajo in korenito preoblikujejo sodoben \u017eivljenjski slog, dr\u017eavljansko in poslovno okolje. Umetna inteligenca prina\u0161a nove motnje v na\u010dinu, kako dostopamo do znanja ter ustvarjamo, \u0161irimo in razumemo informacije. Prav tako lahko zabri\u0161e meje med resni\u010dnimi informacijami in manipuliranimi informacijami s pojavom la\u017enih novic, samodejnega navzkri\u017enega referenciranja omre\u017eij in globokih ponaredkov. Umetnointeligen\u010dni sistemi pove\u010dujejo potencial za ustvarjanje realisti\u010dnih la\u017enih vsebin in ciljno usmerjenih dezinformacijskih kampanj. Dezinformacije presegajo preproste govorice, saj namerno zavajajo in izkrivljajo informacije, ki temeljijo na dokazih, z izmi\u0161ljenimi podatki. Evropske institucije so se nedavno osredoto\u010dile tudi na prepoznavanje dezinformacij, povezanih s tujim manipuliranjem z informacijami in vme\u0161avanjem: Tuje manipuliranje z informacijami in vme\u0161avanje. V \u010dlanku so opredeljeni trendi in pomisleki v zvezi z dezinformacijami in umetno inteligenco. Preu\u010duje dojemanje dezinformacij, njihove u\u010dinke in odzive, vklju\u010dno z aktom EU o umetni inteligenci in politikami spletnih platform. Zagotavlja prvi analiti\u010dni pristop k tej temi na podlagi trenutnih razprav raziskovalcev, prvih ugotovitev raziskav Sodi\u0161\u010da iz leta 2024, intervjujev in analize ve\u010d sto la\u017enih novic na spletu. Njen namen je razumeti, kako dr\u017eavljani in dele\u017eniki dojemajo dezinformacije, ter opredeliti morebitne u\u010dinke. Analizira tudi trenutne izzive in omejitve, prilo\u017enosti in omejitve za boj proti manipulaciji in vme\u0161avanju. \u010clanek obravnava sedanje procese in u\u010dinke dezinformacij (2), predstavitev glavnih ugotovitev na\u0161e spletne ankete o dojemanju dezinformacij (3), sedanje regulativne odzive EU (4) in to\u010dke za razpravo (5). V tem \u010dlanku trdimo, da je pri\u0161lo do ogromne spremembe v na\u010dinu dostopa do informacij, vendar so odzivi na dezinformacije \u0161e vedno v zgodnji fazi. Iz \u010dlanka je razvidno tudi, da se v evropskih dr\u017eavah pove\u010duje ozave\u0161\u010denost o u\u010dinkih dezinformacij, pa tudi vrzel med zmo\u017enostjo prepoznavanja \u201ela\u017enih novic\u201c in dezinformacij ter omejenim razumevanjem procesov, gro\u017eenj in akterjev, vklju\u010denih v \u0161irjenje dezinformacij.<\/p>

Vrsta objave<\/strong>:
\u010casopisni \u010dlanek<\/p>

Zalo\u017enik:<\/b>
\u010casopis za politi\u010dne vede in mednarodne odnose<\/p>

Dostop je na voljo tukaj.<\/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\tA Novel Application of SCMs to Time Series Counterfactual Estimation in the Pharmaceutical Industry<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong><\/p>

V tem prispevku predstavljamo novo uporabo strukturnih vzro\u010dnih modelov (SCM) in postopka napovedovanja ugrabitev-ukrepov za \u010dasovno vrsto v kontekstu resni\u010dnega svetovnega problema v farmacevtski industriji. Na\u0161 cilj je oceniti hipoteti\u010dne scenarije za obseg prodaje zdravila, na katerega je vplival vstop konkuren\u010dnega generi\u010dnega zdravila na trg. Uporabljamo arhitekture, ki temeljijo na kodirniku in dekodirniku, uporabljamo pogojni variacijski autoencoder in uvajamo tudi uporabo pogojnih redkih autoencoderjev, ki niso bili nikoli uporabljeni v hipoteti\u010dni literaturi. Predlagana metodologija zahteva razpolo\u017eljivost zgodovinskih dogodkov in \u010dasovnih vrst brez dogodkov ter ima to prednost, da se ne zana\u0161a na kontrolne sospremenljivke, ki morda niso na voljo, hkrati pa o\u010ditno presega osnovno hipoteti\u010dno oceno napovedi. Na\u0161 pristop ocenjujemo z uporabo nabora podatkov na\u0161ega podjetja o prodaji v resni\u010dnem svetu ter sinteti\u010dnih in polsinteti\u010dnih naborov podatkov, ki posnemajo problemati\u010dni okvir, kar dokazuje njegovo u\u010dinkovitost. Ta model smo uspe\u0161no uporabili v na\u0161em podjetju, saj zagotavljamo koristne informacije za poslovno na\u010drtovanje, dodeljevanje nalo\u017eb in dolo\u010danje ciljev.<\/p>

Vrsta objave<\/strong>:
\u010clanek z delavnice<\/p>

Zalo\u017enik:<\/b>
Delavnica NeurIPS24 o u\u010denju vzro\u010dne reprezentacije<\/p>

Dostop je na voljo tukaj.<\/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\tGrafi znanja in strojno u\u010denje v la\u017enih novicah in odkrivanju dezinformacij<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong>
Vzpon digitalnih platform je omogo\u010dil hitro \u0161irjenje dezinformacij, kar prina\u0161a velike dru\u017ebene, politi\u010dne in gospodarske izzive. Grafi znanja se pojavljajo kot u\u010dinkovita orodja za izbolj\u0161anje natan\u010dnosti, razlo\u017eljivosti in nadgradljivosti sistemov za odkrivanje la\u017enih novic, ki obravnavajo omejitve tradicionalnih pristopov, ki temeljijo na strojnem u\u010denju in se opirajo predvsem na jezikovno analizo. To delo vsebuje pregled literature, ki povzema ugotovitve iz nedavnih \u0161tudij o uporabi klju\u010dnih smernic pri odkrivanju dezinformacij. Ugotavljamo, kako KG-ji izbolj\u0161ajo zaznavanje s kodiranjem resni\u010dnih odnosov, analizo konteksta in izbolj\u0161anjem interpretacije modela, hkrati pa razpravljamo o trenutnih omejitvah v nadgradljivosti, popolnosti podatkov in kontekstualni prilagodljivosti. Pregledane \u0161tudije poudarjajo potrebo po prihodnjih raziskavah, osredoto\u010denih na nadgradljive, medjezikovne modele KG v realnem \u010dasu, da bi okrepili zmogljivosti za odkrivanje dezinformacij po vsem svetu. Poleg tega je Sodi\u0161\u010de predstavilo predhodne rezultate dveh primerov uporabe, pri \u010demer je predstavilo metodologijo za oblikovanje klju\u010dnih smernic, ki so lahko koristno orodje za boj proti \u0161irjenju dezinformacij.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
Mednarodna konferenca o in\u017eeniringu in nastajajo\u010dih tehnologijah 2024 (ICEET)<\/p>

Dostop je na voljo tukaj.<\/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 politike: Boj proti dezinformacijam v digitalni dobi \u2013 politike in pobude za za\u0161\u010dito demokracije v Evropi<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong>
V tem dokumentu je obravnavan ve\u010dplasten odziv Evropske unije na vseprisotno vpra\u0161anje dezinformacij, tj. izziv, ki se je po priklju\u010ditvi Krima leta 2014 \u0161e zaostril. Dezinformacije mo\u010dno ogro\u017eajo demokrati\u010dne procese in javno blaginjo. Pristop Evropske unije za obravnavanje tega pojava zdru\u017euje regulativne ukrepe, strate\u0161ka partnerstva in pobude za medijsko pismenost, hkrati pa varuje temeljna demokrati\u010dna na\u010dela, kot je svoboda izra\u017eanja. Klju\u010dni ukrepi vklju\u010dujejo kodeks ravnanja glede dezinformacij in akt o digitalnih storitvah, katerih cilj je zagotoviti odgovornost digitalnih platform in preglednost. Poleg tega pobude, kot sta projektna skupina East StratCom in sistem hitrega obve\u0161\u010danja, poudarjajo prizadevanja Evropske unije za boj proti dezinformacijam kot orodju hibridnega vojskovanja. V tem dokumentu je poudarjena tudi klju\u010dna vloga dr\u017eavljanov, ki jih \u017eeli Evropska unija opolnomo\u010diti s programi medijske pismenosti, da bi lahko prepoznali manipulativne vsebine in se jim uprli. Ta \u0161tudija s preu\u010ditvijo interakcij med vladnimi ukrepi, vklju\u010devanjem zasebnega sektorja in dr\u017eavljanskim udejstvovanjem zagotavlja celovito analizo strategije Evropske unije proti dezinformacijam ter ocenjuje izzive in prihodnje usmeritve, potrebne za ohranjanje demokrati\u010dne odpornosti v razvijajo\u010dem se digitalnem okolju.<\/p>

Vrsta objave<\/strong>:
Znanstveni \u010dlanek<\/p>

Zalo\u017enik:<\/b>
Informacijska dru\u017eba<\/p>

Dostop je na voljo tukaj.<\/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\tJezikovna spoznanja, medijski mehanizmi in vloga umetne inteligence pri raz\u0161irjanju in vplivu dezinformacij<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong><\/p>

Namen<\/em>
Namen te \u0161tudije je z multidisciplinarnim pristopom slediti poti dezinformacijskih kampanj od njihovega odkrivanja z jezikovnimi znaki verodostojnosti do spodbujanja prek mehanizmov raz\u0161irjanja in nazadnje oceniti njihov vpliv na dru\u017ebeno-politi\u010dni okvir.<\/p>

Oblikovanje\/metodologija\/pristop<\/em>
Ta \u0161tudija vsebuje poglobljen pregled \u0161tirih temeljnih vidikov dezinformacij: jezikovne zna\u010dilnosti, po katerih se razlikujejo vsebine, namenjene zavajanju in manipulaciji javnega mnenja, medijski mehanizmi, ki omogo\u010dajo njihovo raz\u0161irjanje z izkori\u0161\u010danjem kognitivnih procesov ob\u010dinstva, gro\u017enje, ki jih predstavlja vse ve\u010dja uporaba generativne umetne inteligence za \u0161irjenje dezinformacij, in \u0161ir\u0161e posledice, ki jih ima ta dinamika dezinformacij na javno mnenje in posledi\u010dno na postopke politi\u010dnega odlo\u010danja.<\/p>

Ugotovitve<\/em>
Zato dokument zagotavlja interdisciplinarno in celostno obravnavo pojava, pri \u010demer se sklicuje na njegove pluralne elemente, da bi poudarili pomen odgovornosti platform, kampanj medijske pismenosti med dr\u017eavljani ter interaktivnega sodelovanja med zasebnim in javnim sektorjem kot ukrepov za pove\u010danje odpornosti proti gro\u017enji dezinformacij.<\/p>

Izvirnost\/vrednost<\/em>
\u0160tudija poudarja potrebo po pove\u010danju odgovornosti platform, spodbujanju medijske pismenosti med posamezniki ter razvoju sodelovanja med javnim in zasebnim sektorjem. Cilja te celovite strategije sta krepitev odpornosti proti dezinformacijam in zagotavljanje prilagodljivosti EU spreminjajo\u010dim se digitalnim gro\u017enjam. Dokument se zavzema za pravi\u010dno in odprto strategijo, ki varuje svobodo izra\u017eanja in krepi demokrati\u010dne institucije v \u010dasu, ko se \u0161irijo digitalne dezinformacije.<\/p>

Vrsta objave<\/strong>:
Znanstveni \u010dlanek<\/p>

Zalo\u017enik:<\/b>
\u010casopis za informiranje, komuniciranje in etiko v dru\u017ebi (2025)<\/p>

Dostop je na voljo tukaj.<\/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\tPreizku\u0161anje vdelanega prostora transformatorjev z minimalnimi motnjami \u017eetona<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong><\/p>

Razumevanje, kako se informacije \u0161irijo prek modelov transformatorjev, je klju\u010dni izziv za interpretacijo. V tem delu prou\u010dujemo u\u010dinke minimalnih motenj \u017eetona na vgradni prostor. V na\u0161ih poskusih analiziramo pogostost, katere \u017eetoni prina\u0161ajo minimalne premike, pri \u010demer poudarjamo, da redki \u017eetoni obi\u010dajno vodijo do ve\u010djih premikov. Poleg tega prou\u010dujemo, kako se motnje \u0161irijo po plasteh, kar dokazuje, da se vhodne informacije vse bolj prepletajo v globljih plasteh. Na\u0161e ugotovitve potrjujejo splo\u0161no predpostavko, da se lahko prve plasti modela uporabijo kot pribli\u017eki za razlago modela. Na splo\u0161no to delo uvaja kombinacijo motenj \u017eetona in premikov na vdelanem prostoru kot zmogljivo orodje za interpretacijo modela.<\/p>

Vrsta objave<\/strong>:
\u010clanek z delavnice<\/p>

Zalo\u017enik:<\/b>
Delavnica IJCAI 2025 o umetni inteligenci, ki jo je mogo\u010de razlo\u017eiti<\/p>

Dostop je na voljo tukaj.<\/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\tOdkrivanje globokih ponaredkov z nedoslednostmi v povr\u0161inskih okvirjih lokalnih kamer<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong><\/p>

Dezinformacije so vedno bolj inducirane z uporabo spremenjenih ali popolnoma sinteti\u010dno ustvarjenih realisti\u010dnih vsebin, splo\u0161no znanih kot globoki ponaredki. Zato so potrebni zanesljivi instrumenti, ki lahko razkrijejo tak\u0161ne la\u017ene vsebine, da bi se izognili polarizaciji mi\u0161ljenja ljudi. Predstavljene so bile razli\u010dne tehnike, katerih skupni imenovalec je iskanje nekaterih nedoslednosti, ki jih povzro\u010da proces la\u017ene proizvodnje in so dokazane s preu\u010devanjem posebnih zna\u010dilnosti. Zdi se, da bi lahko morebitna kombinacija razli\u010dnih posebnosti zagotovila u\u010dinkovitej\u0161e dose\u017eke. V tem pogledu in po na\u0161i prej\u0161nji \u0161tudiji o tej zadevi predlagamo, da razi\u0161\u010demo novo funkcijo, ki v bistvu upo\u0161teva vgrajene odnose, ki obstajajo v celotnem prizoru pridobivanja v \u010dasu zajema slike (video), nato pa jih predstavljajo vrednosti slikovnih pik. Zamisel je, da lahko proces nastajanja globokih ponaredkov prekine tak\u0161ne notranje odvisnosti med osvetlitvijo (intenzivnost in smer), povr\u0161inami predmetov (polo\u017eaj in odbojnost) in hrupom pri pridobivanju, kar ka\u017ee na morebitno manipulacijo. V skladu s tem je bil izdelan opisnik zna\u010dilnosti, imenovan lokalni deskriptor povr\u0161ine, ki se uporablja za usposabljanje modelov, ki temeljijo na CNN, za odkrivanje globokih ponaredkov. Eksperimentalni rezultati, izvedeni na razli\u010dnih operativnih kontekstih, ka\u017eejo znatno natan\u010dnost zaznavanja do 90%.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
Mednarodna konferenca IEEE 2024 o izzivih in delavnicah obdelave slik (ICIPCW), Abu Dabi, Zdru\u017eeni arabski emirati, 2024<\/p>

Dostop je na voljo tukaj.<\/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\tOpazovanje popolnoma sinteti\u010dnih podob obraza prek lokalnih povr\u0161inskih okvirjev kamer<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong><\/p>

Dejanska zmogljivost ustvarjanja realisti\u010dnih popolnoma sinteti\u010dnih slik z umetno inteligenco se iz dneva v dan izbolj\u0161uje, kar \u0161e posebej velja za slike, ki predstavljajo \u010dlove\u0161ke obraze, ki se ne razlikujejo od resni\u010dnih ljudi. To pomeni, da je treba nujno razviti instrumente, s katerimi bo mogo\u010de razlikovati med resni\u010dnimi in neobstoje\u010dimi ljudmi, in sicer z odkrivanjem nekaterih morebitnih nedoslednosti, vgrajenih v podobe med procesom ustvarjanja. Glavna razlika med neokrnjeno sliko in globokim ponaredkom je, da v drugem primeru ni bilo u\u010dinkovitega pridobivanja kamer; Tako vsa razli\u010dna medsebojna razmerja med elementi, ki pripadajo sceni (lu\u010di, refleksija, polo\u017eaji objektov v 3D prostoru), niso vzeta iz realnega sveta v to\u010dno dolo\u010denem trenutku, ampak samo umetno reproducirana. V skladu s tem premislekom v tem delu uvajamo povr\u0161inske okvirje lokalnih kamer kot mo\u017eno sredstvo za predstavitev teh posebnih okoljskih zna\u010dilnosti, da bi poudarili razlike. Opravljena eksperimentalna analiza je pokazala, da lahko ta funkcija zagotovi zelo visoko stopnjo natan\u010dnosti in znatno stopnjo posplo\u0161evanja.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
Mednarodna konferenca IEEE 2024 o izzivih in delavnicah obdelave slik (ICIPCW), Abu Dabi, Zdru\u017eeni arabski emirati, 2024<\/p>

Dostop je na voljo tukaj.<\/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 zmo\u017enosti posplo\u0161evanja lokalnih povr\u0161inskih okvirjev pri odkrivanju difuzijskih obraznih podob<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong><\/p>

Izjemne neresni\u010dne slike je mogo\u010de realizirati s premi\u0161ljenimi tehnikami umetne inteligence. Razli\u010dna orodja, ki so na voljo vsakomur, lahko poustvarijo visokokakovostne vsebine, zlasti z ustvarjanjem celotnih popolnoma sinteti\u010dnih slik. Med obstoje\u010dimi arhitekturami lahko modeli, ki temeljijo na difuziji, zlahka ustvarijo vse vrste podob, vklju\u010dno s podobami \u010dlove\u0161kega obraza, tako da dajo hitro kot besedilo. Tak\u0161ne la\u017ene vsebine se pogosto uporabljajo za \u0161irjenje dezinformacij, kar vzbuja zaskrbljenost glede varnosti ljudi. Trenutno je te\u017eko razviti zanesljive instrumente za razlikovanje med resni\u010dnimi in ustvarjenimi (tudi neobstoje\u010dimi) ljudmi. Poleg tega veliko \u0161tevilo izvedb, ki temeljijo na difuziji, takim detektorjem povzro\u010da te\u017eave pri posplo\u0161evanju novih generativnih tehnik. Da bi re\u0161ili ta vpra\u0161anja, predlagamo, da preu\u010dimo zmo\u017enost posebne zna\u010dilnosti, ki temelji na okolju za pridobivanje slik, da lo\u010di podobe obraza, ki temeljijo na difuziji, od neokrnjenih. Dejansko ustvarjene slike ne bi smele vsebovati zna\u010dilnosti, ki so primerne za fazo pridobivanja, izvedeno s pravo kamero. Tak\u0161ne nedoslednosti je mogo\u010de poudariti z nedavno uvedenimi lokalnimi povr\u0161inskimi okvirji. Ta funkcija upo\u0161teva predmete in povr\u0161ine, vklju\u010dene v prizor, ki vplivajo na proces pridobivanja kamere, skupaj z nadaljnjimi notranjimi informacijami, vezanimi na napravo, ter osvetlitvijo in odsevi, ki vplivajo na celoten scenarij. \u010clanek raziskuje zmo\u017enost te funkcije, da se posplo\u0161i na razli\u010dne nabore podatkov in nove generativne metode, ki med treningom niso znane. Eksperimentalni rezultati ka\u017eejo, da taka funkcija tudi v teh primerih \u0161e vedno zagotavlja znatne ravni natan\u010dnosti zaznavanja.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
Mednarodna konferenca IEEE 2024 o izzivih in delavnicah obdelave slik (ICIPCW), Abu Dabi, Zdru\u017eeni arabski emirati, 2024<\/p>

Dostop je na voljo tukaj.<\/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 razlaga do-Shapley z Estimand-Agnostic Causal Inference<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong><\/p>

Med tehnikami razlo\u017eljivosti SHAP izstopa kot ena izmed najbolj priljubljenih, vendar pogosto spregleda vzro\u010dno strukturo problema. Do-SHAP v odgovor uporablja intervencijske poizvedbe, vendar njegovo zana\u0161anje na ocene ovira njegovo prakti\u010dno uporabo. Za re\u0161itev tega problema predlagamo uporabo estimand-agnosti\u010dnih pristopov, ki omogo\u010dajo oceno katere koli prepoznavne poizvedbe iz enega samega modela, zaradi \u010desar je do-SHAP izvedljiv na kompleksnih grafih. Razvijamo tudi nov algoritem za znatno pospe\u0161itev njegovega izra\u010dunavanja z zanemarljivimi stro\u0161ki, pa tudi metodo za razlago nedostopnih procesov ustvarjanja podatkov. Prikazujemo oceno in ra\u010dunsko uspe\u0161nost na\u0161ega pristopa ter ga validiramo na dveh realnih podatkovnih nizih, pri \u010demer poudarjamo njegov potencial pri pridobivanju zanesljivih razlag.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
Devetintrideseta letna konferenca o nevronskih sistemih za obdelavo informacij (NeurIPS 2025)<\/p>

Dostop je na voljo tukaj.<\/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\tKo pridobivanje presega generacijo: Pridobivanje dragih dokazov za raz\u0161irljivo odkrivanje la\u017enih novic<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong><\/p>

Zaradi \u0161irjenja napa\u010dnih informacij so potrebni zanesljivi, vendar ra\u010dunalni\u0161ko u\u010dinkoviti sistemi za preverjanje dejstev. Medtem ko sedanji najsodobnej\u0161i pristopi izkori\u0161\u010dajo velike jezikovne modele za ustvarjanje obrazlo\u017eitvenih utemeljitev, se te metode soo\u010dajo s pomembnimi ra\u010dunalni\u0161kimi ovirami in halucinacijskimi tveganji pri uvajanju v resni\u010dnem svetu. Predstavljamo DeReC (Dense Retrieval Classification), lahek okvir, ki prikazuje, kako lahko vdelave besedila za splo\u0161ne namene u\u010dinkovito nadomestijo avtoregresivne pristope, ki temeljijo na LLM, v nalogah preverjanja dejstev. Z zdru\u017eevanjem gosto pridobivanje s specializirano klasifikacijo, na\u0161 sistem dose\u017ee ve\u010djo natan\u010dnost, medtem ko je bistveno bolj u\u010dinkovit. DeReC preka\u0161a LLM-je, ki ustvarjajo razlago v u\u010dinkovitosti, s \u010dimer se \u010das delovanja zmanj\u0161a za 95% na RAWFC (23 minut 36 sekund v primerjavi s 454 minutami 12 sekund) in za 92% na LIAR-RAW (134 minut 14 sekund v primerjavi s 1692 minutami 23 sekund), ki prikazuje njegovo u\u010dinkovitost v razli\u010dnih velikostih nabora podatkov. Na naboru podatkov RAWFC DeReC dose\u017ee oceno F1 65,58%, ki presega najsodobnej\u0161o metodo L-Defense (61.20%). Na\u0161i rezultati ka\u017eejo, da lahko skrbno zasnovani sistemi, ki temeljijo na pridobivanju, ustrezajo ali presegajo zmogljivost LLM pri specializiranih nalogah, hkrati pa so bistveno bolj prakti\u010dni za uporabo v resni\u010dnem svetu.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
5. konferenca o jeziku, podatkih in znanju<\/p>

Dostop je na voljo tukaj.<\/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\tPristop, ki temelji na CLIP, za zaznavanje sinteti\u010dne slike v okviru porazdelitvenega premika<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong><\/p>

Sodi\u0161\u010de je za nalogo MediaEval 2025 SynthIm Challenge Task A (Synthetic Image Detection) opredelilo kriti\u010dni premik porazdelitve med zagotovljenimi podatki o usposabljanju in testih, zaradi \u010desar so prvi slabo reprezentativni za ciljno podro\u010dje. Na\u0161 pristop neposredno obravnava ta izziv z vklju\u010ditvijo slogovno doslednej\u0161ega nabora validacij v na\u0161e vadbene podatke in uporabo zamrznjenega CLIP ViT-L\/14 kot robustnega ekstraktorja funkcij. Na\u0161 glavni vpogled je, da v tak\u0161nih pogojih premika domene posplo\u0161ljive predstavitve iz velikega predhodno usposobljenega modela znatno presegajo tradicionalni CNN, ki je natan\u010dno nastavljen na neskladen nabor podatkov, kar se je izkazalo za u\u010dinkovitej\u0161o in zanesljivej\u0161o strategijo.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
MediaEval\u201c25: Delavnica za ocenjevanje multimedijskih vsebin, 25.\u201326. oktober 2025, Dublin, Irska in splet<\/p>

Dostop na zahtevo<\/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\tIzbolj\u0161ana kakovost vida Vodni \u017eig, ki temelji na dvojni referen\u010dni izgubi za pripisovanje globokih ponaredkov<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Avtorji:<\/strong>
Qiushi Li, Roberto Caldelli in Stefano Berretti<\/p>

Povzetek:<\/strong><\/p>

Hiter napredek modelov za ustvarjanje slik, kot je Stable Diffusion, vzbuja pomisleke glede morebitne zlorabe, zaradi \u010desar so zanesljive tehnike vodnega \u017eiga bistvene za avtentikacijo in pripisovanje sinteti\u010dne vsebine, zlasti v boju proti globokim ponaredkom. Hkrati pa je \u0161e vedno te\u017eko zagotoviti visokokakovostno ustvarjanje slik in natan\u010dno ekstrakcijo vodnega \u017eiga. Z analizo obstoje\u010dih metod ugotavljamo kriti\u010dno omejitev:
njihove funkcije izgube pogosto uporabljajo eno samo referenco (bodisi vhodno sliko bodisi \u010disto ustvarjeno sliko) za optimizacijo zvestobe slike, kar vodi do neoptimalne zmogljivosti. V tem \u010dlanku smo izvedli poglobljeno \u0161tudijo izraza izgube kakovosti slike pri vodnem \u017eigu na osnovi difuzije. Z analizo razli\u010dnih vplivov uporabe vhodne slike v primerjavi s \u010disto ustvarjeno sliko kot referenco med optimizacijo razkrivamo, da skupno upo\u0161tevanje obeh referenc bistveno izbolj\u0161a robustnost in vizualno kakovost. Obse\u017eni poskusi ka\u017eejo, da na\u0161 dvojni referen\u010dni pristop dosega vrhunsko zmogljivost tako pri natan\u010dnosti ekstrakcije vodnega \u017eiga kot pri zvestobi generaciji v primerjavi z eno-referen\u010dnimi izhodi\u0161\u010di. Zavzemamo se za to paradigmo za napredek zanesljivega vodnega \u017eiga v generativnih modelih.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
DFF\u201c25: Proceedings of the 1st on Deepfake Forensics Workshop (Zbornik 1. delavnice o forenziki globokih ponaredkov): Odkrivanje, pripisovanje, priznavanje in nasprotni izzivi v dobi medijev, ki jih ustvarja umetna inteligenca<\/p>

Dostop je na voljo tukaj.<\/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 stali\u0161\u010du: \u010ce inovacije na podro\u010dju umetne inteligence sistemati\u010dno kr\u0161ijo temeljne pravice, ali sploh gre za inovacije?<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong><\/p>

Umetna inteligenca zdaj pre\u017eema kriti\u010dno infrastrukturo in sisteme odlo\u010danja, kjer neuspehi povzro\u010dajo dru\u017ebeno, gospodarsko in demokrati\u010dno \u0161kodo. Ta dokument o stali\u0161\u010du izpodbija zakoreninjeno prepri\u010danje, da so regulacija in inovacije nasprotja. Kot dokazujejo analogije iz letalstva, farmacevtskih izdelkov in sistemov socialnega varstva ter nedavni primeri sinteti\u010dnih napa\u010dnih informacij, pristranskosti in neodgovornega odlo\u010danja, je odsotnost dobro zasnovane ureditve \u017ee povzro\u010dila neizmerljivo \u0161kodo. \u010ce je regulacija premi\u0161ljena in prilagodljiva, ni ovira za inovacije \u2013 je njen temelj. V tem dokumentu o stali\u0161\u010du je akt EU o umetni inteligenci preu\u010den kot model ureditve, ki temelji na tveganju in odgovornosti ter obravnava Collingridgevo dilemo: ukrepanje dovolj zgodaj, da se prepre\u010di \u0161koda, vendar dovolj pro\u017eno, da se ohranijo inovacije. Njeni prilagoditveni mehanizmi \u2013 regulativni peskovniki, podpora malim in srednjim podjetjem (MSP), preizku\u0161anje v praksi, ocena u\u010dinka na temeljne pravice \u2013 ka\u017eejo, kako lahko regulacija odgovorno pospe\u0161i tehnolo\u0161ki napredek, ne pa ga upo\u010dasni. V dokumentu o stali\u0161\u010du je povzeto, kako orodja upravljanja preoblikujejo zaznana bremena v oprijemljive prednosti: pravna varnost, zaupanje potro\u0161nikov in eti\u010dna konkuren\u010dnost. Na koncu dokument preoblikuje napredek: inovacije in predpisi napredujejo skupaj. Okvir EU z vklju\u010ditvijo preglednosti, ocen u\u010dinka, odgovornosti in pismenosti na podro\u010dju umetne inteligence v zasnovo in uvajanje opredeljuje, kaj odgovorne inovacije resni\u010dno pomenijo \u2013 tehnolo\u0161ke ambicije, urejene z demokrati\u010dnimi vrednotami in temeljnimi pravicami.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
Devetintrideseta letna konferenca o nevronskih sistemih za obdelavo informacij (NeurIPS 2025)<\/p>

Dostop je na voljo tukaj.<\/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\tZaupanje, nove tehnologije in geopolitika v negotovem svetu<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

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

Povzetek:<\/strong><\/p>

V dobi globalne negotovosti je zaupanje postalo klju\u010dni dejavnik, ki oblikuje odnose med narodi, institucijami in posamezniki. Knjiga Trust, New Technologies and Geopolitics in an Uncertain World (Zaupanje, nove tehnologije in geopolitika v negotovem svetu) ponuja pravo\u010dasno in poglobljeno raziskovanje, kako se zaupanje preizku\u0161a in preoblikuje v lu\u010di hitro spreminjajo\u010dih se geopoliti\u010dnih pokrajin. Knjiga obravnava najbolj pere\u010da vpra\u0161anja na\u0161ega \u010dasa, od krhkosti demokrati\u010dnih sistemov do izzivov, ki jih prina\u0161ajo nove tehnologije, umetna inteligenca, dezinformacije in podnebne spremembe. S preu\u010devanjem prese\u010di\u0161\u010da zaupanja s klju\u010dnimi podro\u010dji, kot so demokracije, trgovinske vojne in nove tehnologije, to delo zagotavlja dragocen vpogled za oblikovalce politik, znanstvenike in vse, ki \u017eelijo razumeti kompleksnost dana\u0161njega sveta. Ne glede na to, ali se ukvarjate s kibernetsko varnostjo, dezinformacijami, vplivom hibridnih gro\u017eenj ali vlogo zaupanja v mednarodni diplomaciji, ta knjiga ponuja celovit, a dostopen okvir za spopadanje s temi izzivi. Pojasnjuje, kako je razumevanje zaupanja klju\u010dno za re\u0161evanje geopoliti\u010dnih negotovosti, ki opredeljujejo na\u0161o starost.<\/p>

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

Zalo\u017enik:<\/b>
Peter Lang Zalo\u017enik<\/p>

Dostop je na voljo tukaj.<\/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: Merjenje pomembnosti zna\u010dilnosti s pomo\u010djo hipoteti\u010dnih distribucij<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

Avtor: <\/strong><\/p>

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

Povzetek:<\/strong><\/p>

Ocenjevanje pomena posameznih zna\u010dilnosti strojnega u\u010denja je klju\u010dnega pomena za razumevanje postopka odlo\u010danja modela. \u010ceprav obstajajo \u0161tevilne metode, pomanjkanje dokon\u010dne resnice za primerjavo ka\u017ee na potrebo po alternativnih, dobro utemeljenih ukrepih. Ta \u010dlanek uvaja novo post-hoc metodo lokalnega pomena zna\u010dilnosti, imenovano porazdelitev hipoteti\u010dnega pomena (CID). Ustvarimo dva sklopa pozitivnih in negativnih hipoteti\u010dnih scenarijev, modeliramo njihove porazdelitve z oceno gostote jedra in razvrstimo zna\u010dilnosti na podlagi merila porazdelitvene razli\u010dnosti. Ta mera, ki temelji na strogem matemati\u010dnem okviru, izpolnjuje klju\u010dne lastnosti, potrebne za delovanje kot veljavna metrika. U\u010dinkovitost na\u0161e metode prikazujemo s primerjavo z uveljavljenimi lokalnimi razlagalci pomembnosti zna\u010dilnosti. Na\u0161a metoda ne ponuja le komplementarnih pogledov na obstoje\u010de pristope, temve\u010d tudi izbolj\u0161uje u\u010dinkovitost meritev zvestobe (tako za celovitost kot zadostnost), kar ima za posledico bolj zveste razlage sistema. Ti rezultati poudarjajo njegov potencial kot dragoceno orodje za analizo modelov.<\/p>

Vrsta objave<\/strong>:
Konferen\u010dni dokument<\/p>

Zalo\u017enik:<\/b>
Konferenca o poglobljenem u\u010denju Northern Lights 2026<\/p>

Dostop je na voljo tukaj.<\/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\tVrnitev k virom<\/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 Najdi vse znanstvene publikacije, ki so jih pripravili partnerji AI4Debunk in v katerih so predstavljena najnovej\u0161a znanstvena dognanja projekta. Osvetljevanje velikih generativnih omre\u017eij: Estimating Epistemic Uncertainty in Diffusion Models Avtorji:Axel Brando, Lucas Berry, David Mege Abstract:Generative diffusion models, znan po velikem \u0161tevilu parametrov (ve\u010d kot 100 milijonov) in delovanju v visokodimenzionalnih slikovnih prostorih, [\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\/sl\/wp-json\/wp\/v2\/pages\/124","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ai4debunk.eu\/sl\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/ai4debunk.eu\/sl\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/ai4debunk.eu\/sl\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/ai4debunk.eu\/sl\/wp-json\/wp\/v2\/comments?post=124"}],"version-history":[{"count":5,"href":"https:\/\/ai4debunk.eu\/sl\/wp-json\/wp\/v2\/pages\/124\/revisions"}],"predecessor-version":[{"id":3001,"href":"https:\/\/ai4debunk.eu\/sl\/wp-json\/wp\/v2\/pages\/124\/revisions\/3001"}],"wp:attachment":[{"href":"https:\/\/ai4debunk.eu\/sl\/wp-json\/wp\/v2\/media?parent=124"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}