Про нас AI4Debunk
Методологія та результати
Наші технології
Враховуючи мультимодальний характер новин сьогодні та важливість контексту для розуміння значення, AI4Debunk використовує силу передових мономодальних та мультимодальних технологій машинного навчання, а також графіків знань для вилучення відповідної інформації з даних та виявлення дезінформаційних моделей та тенденцій. Ми також пропонуємо механізм «людина в циклі» (HITL) для підвищення якості даних і підвищення довіри до процесу.
Мовні моделі та великі мовні моделі
Моделі бачення та моделі великого зору
Обробка мовлення
Мультимодальне машинне навчання
Механізми «людина в петлі»
Графіки знань
Наша методологія
Графік мультимодальних знань: інтеграція різних типів даних, таких як текст, зображення, відео та аудіо, щоб забезпечити всебічне уявлення про тему та виявити невідповідності між джерелами.
Графік мономодальних знань: виступає в якості резервного рішення, яке перетворює мультимодальні дані в текст (за допомогою виявлення об'єктів, опису зображення, виявлення дій у відео або аудіо і т.д.).
Модулі виявлення мономодальних фейкових новин: розрізнення автентичного та маніпульованого вмісту (штучно модифікованого або синтетично створеного) для текстових, графічних, відео- та аудіоданих.
Мультимодальні модулі виявлення фейкових новин: інтегрування результатів мономодальних детекторів фейкових новин та контекстної інформації з графіка знань для класифікації новин як реальних або фейкових на основі шаблонів даних у тексті, зображеннях, відео та аудіо.
AI4Debunk присвячений вдосконаленню моделей на основі штучного інтелекту, щоб надати пояснення та впевненість у виявленні фальшивих новин. Це підкреслить:
- які аспекти новин є найбільш актуальними при виявленні фейкових новин;
- які способи (текст, зображення, аудіо або відео) мають більш сильний вплив на остаточне рішення.
AI4Debunk проведе два тематичні дослідження, щоб підтвердити свій цілісний підхід до боротьби з дезінформацією:
- Російська пропаганда, пов'язана з війною в Україні
- Маніпульований контент про зміну клімату
Ці тематичні дослідження охоплять ідентифікацію цільових груп, джерел дезінформації та методів поширення, а також призведуть до формулювання технічних вимог та функціональних потреб для інтерфейсів AI4Debunk ⁇ s.
Основна мета - зрозуміти процеси дезінформації, сформулювати та змоделювати їх, а згодом розробити інструменти аналізу та протидії.
Обидва тематичні дослідження будуть відображені в графіках знань. Такі графіки запропонують контекстну інформацію для подальшого виявлення фейкових новин. Регулярні оновлення будуть полегшені завдяки зворотному зв'язку з кураторами та інтеграції нових кураторських даних.
В рамках своєї методології AI4Debunk проведе загальну соціологічну оцінку розроблених інструментів та їх впливу на два тематичні дослідження:
- Звіти та поглиблений аналіз механізмів стійкості;
- Взаємодія із зацікавленими сторонами шляхом опитувань, зустрічей місцевих груп та обговорень у фокус-групах;
- Гендерна рівність та процесів залучення для операціоналізації політики, програм та втручань у механізми дезінформації.
AI4Debunk прагне сприяти медіаграмотності та створить дидактичні ресурси для підтримки навчання в класі з виявлення фальшивих новин, надаючи молодим поколінням навички критичної оцінки та фільтрації інформації без обману. Такими ресурсами є:
- Книжки з коміксів
Розроблені на основі дослідження проекту щодо фейкових новин, комікси служать привабливим інструментом для підвищення обізнаності та надання рекомендацій щодо виявлення дезінформації в Інтернеті. Вони будуть супроводжуватися анкетами для оцінки результатів навчання. - Ігри на спритність
Розроблені та протестовані у співпраці з вчителями, ігри пропонують студентам інтерактивний досвід, що ілюструє наслідки фейкових новин та надає практичну інформацію.
Обидва матеріали спочатку будуть поширюватися середніми школами в Нідерландах і Бельгії, з планами щодо більш широкої доступності в середніх школах по всій Європі.
НАШІ ІНТЕРФЕЙСИ
API
Відкритий вихідний код. Інтегрує алгоритми AI та ML для обчислення оцінки ймовірності дезінформації (disinfoscore) та позначення підозрілого вмісту.
Отримавши вміст як вхід, API негайно поверне свій дезінформаційний індекс. У разі маніпулювання вмістом він також ідентифікує регіони, де сигнал вихідного вмісту міг бути підроблений. Крім того, він надасть фактичну/контекстну інформацію, яка підтверджує оцінку вмісту.
Веб-сторінка
Вбудований модуль
« Дезінфопедія »
Додаток для мобільних пристроїв
Розроблено для смартфонів і планшетів. Він перевірить точність онлайн-контенту, включаючи новини, публікації в соціальних мережах, огляди продуктів та зображення. Користувачі зможуть вводити інформацію (URL-адреси, текст або зображення), а додаток визначить рівень ризику помилковості.
AR / VR
Інтерфейс користувача
Let ⁇ s Підсумок
