Isto tako, volio bih saznati kako se osigurava privatnost podataka u ovo moderno doba velikih podataka i umjetne inteligencije?
Pozdrav,
Mišel, Virovitica
Pozdrav Mišel,
Borba protiv lažnih vijesti na internetu predstavlja izazov, ali i priliku za razvoj naprednih tehnoloških rješenja. Neki od načina na koje AI suzbija širenje dezinformacija su:
Detekcija teksta: Algoritmi strojnog učenja treniraju se kako bi mogli prepoznati obrasce u tekstu koji su specifični za lažne vijesti. To može uključivati analizu sentimenta, stil pisanja, korištenje određenih ključnih riječi ili fraza, i druge lingvističke znakove.
Verifikacija izvora: Algoritmi također provjeravaju pouzdanost izvora informacija. To, osim provjere povijesti izvora vijesti, uključuje i usporedbu informacija s drugima od ranije verificiranih i pouzdanih izvora te analizu mreže veze između različitih izvora informacija.
Analiza slikovnih i video materijala: Napredne tehnike strojnog učenja, kao što su konvolucijske neuronske mreže (kod recimo CNN-a), mogu se koristiti za detekciju manipuliranih slika ili video zapisa, što je sve češći oblik lažnih vijesti.
Prediktivna analiza: Algoritmi mogu koristiti povijesne podatke za predviđanje koje će vijesti vjerojatno biti lažne. Ovo može uključivati analizu trendova, senzualnosti, ili drugih uzoraka u podacima.
Analiza društvenih mreža: Algoritmi mogu analizirati obrasce širenja informacija na društvenim mrežama kako bi identificirali potencijalno lažne vijesti. Na primjer, vijesti koje se šire brzo i naširoko, ali koje dolaze iz nepouzdanih izvora, mogu biti označene kao sumnjive.
Važno je napomenuti da, iako algoritmi strojnog učenja mogu biti vrlo korisni u borbi protiv lažnih vijesti, oni nisu savršeni i mogu napraviti pogreške. Također, postoji rizik od zloupotrebe ovih tehnologija, na primjer, za cenzuru ili manipulaciju informacijama. Stoga je važno da se ove tehnologije koriste odgovorno, s jasnim smjernicama i nadzorom.
Mnogi medijski portali koriste spomenute tehnologije, kao i AI, za borbu protiv lažnih vijesti.
Iako facebook.com nije tradicionalni medijski portal, Facebook igra važnu ulogu u distribuciji vijesti. Koristi algoritme za identifikaciju i smanjenje širenja informacija koje su označene kao lažne od strane vanjskih provjera činjenica. No sve češće vidimo kako povremeno i legitimne vijesti imaju vrlo maleni doseg, što nam otvara sumnju na pogrešno označavanje vijesti kao lažne.
Google koristi sofisticirane algoritme za rangiranje vijesti u svojoj usluzi Google News. Njihovi algoritmi uzimaju u obzir vjerodostojnost izvora i druge faktore kako bi smanjili vidljivost potencijalno lažnih vijesti, no bez obzira na sve, i dalje im se ponekad provuče poneka sumnjiva vijest.
Associated Press, apnews.com koristi automatizirane sustave za provjeru činjenica kako bi brzo i učinkovito provjerili velike količine informacija.
BBC.com je razvio interno rješenje za provjeru činjenica pod nazivom „Reality Check“. Iako se ne oslanja isključivo na algoritme, koristi digitalne alate za pomoć u identifikaciji i provjeri potencijalno lažnih vijesti.
fullfact.org, Full Fact je britanska neprofitna organizacija za provjeru činjenica koja koristi automatizirane alate za identifikaciju tvrdnji koje se često ponavljaju i koje su prethodno provjerene.
Navedeni primjeri pokazuju kako tek vrlo veliki igrači mogu koristiti AI algoritme i digitalne alate za borbu protiv lažnih vijesti. Međutim, važno je napomenuti da su te tehnologije samo maleni dio rješenja i da je profesionalno novinarstvo i ljudska provjera činjenica i dalje ključna, jer i oni koji plasiraju lažne vijesti također traže „rupe“ u algoritmima kako bi njihove vijesti zaobišle cenzuru. Naime, vidi.hr jedan je od domaćih portala na kojem je najbitnija ljudska provjera činjenica te na njemu nećete pronaći lažne vijesti iako, među ostalim novostima, pišemo o novim tehnologijama koje se katkada svrstavaju na granicu mogućega.
Što se patnji o rješavanju problema privatnosti podataka tiče, treba znati kako je to složen i izazovan posao koji zahtijeva holistički pristup. Evo nekih strategija koje se koriste za rješavanje problema privatnosti podatka.
Podatci se anonimiziraju: Ova tehnika uključuje uklanjanje ili zamjenu osobnih identifikatora (poput OIB-a te imena i prezimena i drugih) u skupovima podataka kako bi se osiguralo da se informacije ne mogu povezati s pojedincima. Međutim, anonimizacija može biti problematična jer današnje napredne tehnike mogu ponekad „de-anonimizirati“ podatke.
Diferencijalna privatnost: Ovo je napredna tehnika koja dodaje određenu količinu „šuma“ u podatke kako bi se spriječilo otkrivanje identiteta pojedinaca, dok se istovremeno održava korisnost podataka za analizu. Diferencijalna privatnost koristi se u nekim velikim podacima i AI aplikacijama, ali može biti teška za implementaciju i može smanjiti točnost modela.
Pravni okviri i regulative: Zakoni kao što su Opća uredba o zaštiti podataka (GDPR) u Europskoj uniji i Kalifornijski zakon o privatnosti potrošača (CCPA) u Sjedinjenim Državama postavljaju stroge zahtjeve za prikupljanje, obradu i pohranu podataka. Ovi zakoni također daju pojedincima pravo na pristup, ispravak i brisanje svojih podataka.
Tehnologije zaštite podataka: Postoje različite tehnologije koje se koriste za zaštitu podataka, uključujući šifriranje, tokenizaciju i upravljanje pristupom. Ove tehnologije mogu pomoći u zaštiti podataka od neovlaštenog pristupa i zloupotrebe.
Svaka od ovih strategija ima svoje prednosti i nedostatke, a najučinkovitiji pristup obično uključuje kombinaciju spomenutih metoda. Također je važno napomenuti da se tehnologija i pravni okviri brzo razvijaju, stoga će se strategije zaštite privatnosti podataka vjerojatno nastaviti mijenjati u skorijoj budućnosti.
