disinformation
PulseAugur coverage of disinformation — every cluster mentioning disinformation across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
俄罗斯、伊朗、中国将人工智能武器化用于美国中期选举虚假信息宣传
据报道，俄罗斯、伊朗和中国正在利用人工智能工具来扩大针对即将到来的美国中期选举的虚假信息宣传活动。这些国家正在采用人工智能来提高其影响行动的规模和有效性。使用这些先进技术旨在操纵公众舆论并干预民主进程。
-
新框架整合社会科学理论以改进虚假新闻检测
研究人员开发了一个新的计算框架，该框架整合了来自社会科学、心理学和经济学的理论，以改进虚假新闻的检测和解释。这种受理论启发的方法将说服力和可信度的既定概念转化为自动化系统的可衡量特征。在基准数据集上的实验表明，这些源于理论的特征提高了虚假新闻检测的准确性和可解释性，为采用以人为本的方法来打击虚假信息铺平了道路。
-
研究表明AI模型难以检测多模态假新闻 · 追踪6个来源
新研究探讨了多模态大语言模型（MLLMs）在生成和检测假新闻方面的能力和局限性。研究表明，虽然MLLMs可用于创建跨各种领域的逼真虚假社交媒体帖子，但当前的检测模型在识别图像真实性方面，其准确性常常达不到人类水平。研究人员正在开发新的框架和数据集，通过考虑生成方面和证据关系来改进检测，同时也强调了在人工智能驱动的虚假信息检测工具中，人类判断和透明设计的重要性。
-
AI驱动的深度伪造威胁数字信任，预计到2026年每月生成90万个
深度伪造是生成式人工智能和机器学习的产物，对数字信任和安全构成重大威胁。其创建数量的快速增长，预计到2026年每月将生成90万个，影响着包括商业和人际关系在内的各个领域。应对这一挑战需要一种多方面的方法，包括制定法规和开展宣传活动。
-
AI在虚假信息传播中的作用及系统性解决方案的必要性
可以通过对“过度欺诈”进行统计分析来估算AI对虚假信息传播的影响。此外，打击虚假信息的有效解决方案可能需要系统性的变革，例如建立一个更值得信赖的社会和经济体系，而不是依赖孤立的措施。
-
人工智能训练使用书籍引发关于虚假信息的辩论
人工智能公司正在使用旧书籍来训练其模型，引发了关于伦理影响和虚假信息传播的辩论。这种做法凸显了数字信息，包括书籍中可能存在偏见或过时的内容，如何通过人工智能系统得到放大。
-
提议：将社交媒体帖子视为石头以打击人工智能虚假信息
一项提议建议将重要的社交媒体帖子视为刻在石头上一样，以增强其不可篡改性和可追溯性。这种方法旨在应对人工智能和虚假信息带来的挑战，使内容更难被篡改或伪造，并更容易验证其来源。该提议的解决方案强调的是习惯的改变，而不是新技术或新平台。
-
人工智能和社交机器人时代，谁在掌控数字话语权？
该集群讨论数字话语权的归属和影响，特别是在社交媒体和人工智能的背景下。它质疑谁在控制在线对话，并强调虚假信息和社交机器人的作用。内容似乎源自学术研究，链接至 philosophies.de 和明斯特大学。
-
人工智能助力数字伦理，打击虚假信息
人工智能可以通过协调一致的宣传活动来提升数字伦理和打击虚假信息。通过利用人工智能工具，组织可以提高其宣传活动的有效性，并在数字空间中推广道德实践。这种方法旨在通过解决虚假信息的传播来加强民主。
-
亿万富翁被指责导致包括人工智能和气候变化在内的全球性灾难
包括人工智能、气候变化、贫困、战争和饥饿在内的全球性灾难的本质，源于亿万富翁的存在和行为。他们的财富和影响力被认为是解决这些普遍问题的首要障碍，他们的行为积极阻碍了潜在的解决方案。
-
人工智能生成的虚假信息针对马里兰州和加利福尼亚州的政治家
两个独立的事件凸显了人工智能生成的虚假信息在政治竞选中的使用。在马里兰州，一张伪造的图片描绘了州长 Wes Moore 和 Dan Cox 拥抱在一起，意图误导选民。与此同时，在加利福尼亚州，一个新成立的政治团体“美国人机会组织”正在利用一个网站网络攻击进步派政治家，人工智能很可能在这些网站的创建或传播中发挥了作用。
-
用户对人工智能虚假信息笑话不以为然
用户对与人工智能和虚假信息相关的笑话表示不以为然。他们使用标签来对自己的情绪和主题进行分类，表明了对该主题的批判性立场。
-
新数据集针对耸人听闻图像检测以进行虚假信息分析
研究人员推出了 Sens-VisualNews，这是一个新基准数据集，用于检测图像中的耸人听闻内容。该数据集包含来自新闻报道的 9,500 多张图像，并针对各种耸人听闻的概念进行了标注。该资源旨在推进对识别可能绕过批判性评估并加速病毒式传播的令人震惊或情绪化的视觉内容的研究，可能有助于检测虚假信息。