Yapay Zeka, Macaristan'da Rusya Devleti Destekli Dezenformasyonun Ortaya Çıkarılmasına Yardımcı Oluyor - Dünyadan Güncel Teknoloji Haberleri

Yapay Zeka, Macaristan'da Rusya Devleti Destekli Dezenformasyonun Ortaya Çıkarılmasına Yardımcı Oluyor - Dünyadan Güncel Teknoloji Haberleri
Uygulaması meslektaşı tarafından sağlanan kod bloklarını kullandı ve ML uzmanı Kohei Watanabe Araştırmalarında çarpıcı olan şey, insan ve makinenin önceden danışmadan aynı sonuca ulaşmasıdır Yazılım alır Polariteyi değerlendirmek için sadece 15 dakika, araştırmacıların medya ortamını kontrol etmeye devam etmelerine olanak tanıyor “Macar medyasında tartışılan başka hiçbir konu, Ukrayna hakkındaki tüm makalelerin %15’inden fazlasını oluşturmuyor ”

Bu aşamanın sonunda, Makine öğrenimi model, Novak’ın bulduklarıyla aynı ilk üç konuyu belirledi Hükümet dostu şirketlerin bölgesel basın kuruluşları var ve merkezi bir holding organizasyonu, yaklaşık 500 hükümet yanlısı medya şirketinin tamamını koordine ediyor Etnik azınlıklar LabsCon güvenlik konferansı Bunun yerine yazılım, vektörleri yüzlerce boyutta izliyor ” Wendiggensen açıklıyor Model, tek tek cümlelerin ifadelerini meta-bilgi olarak saklıyor, böylece birkaç cümleyi kapsayan düşünceler bile bütünüyle yakalanıp puanlanabiliyor ML modeli, insan tarafından sunulan bu puanlandırılmış hedef boyutuna dayanarak her makaleye bir puan atadı

Ulusal duyarlılık değişti ve Rusya birliklerinin Ukrayna’yı fiilen işgal etmesinden aylar önce, Eylül 2021’in ortalarında Macaristan’da Rusya’nın hedeflerini destekleyen mesajlar ortaya çıktı



Silah teslimatları ML modeli, puanı hesaplamak için tek tek kelimelere bakmadı; daha ziyade cümlelerle aralarında ilişki kurmaya çalıştı Halihazırda yazılım tarafından yazılan anlatım metinleriyle birlikte 8 Bu sadece bir medya analizi olarak kalmayacak

Yayınlanmış kelime ve ifadelerden oluşan bu tür yapılandırılmış bir koleksiyona dayanarak, örneğin mesajların zaman içinde nasıl değiştiğini izlemek mümkün olabilir İlk adımda yazılım, daha önce indirilmiş olan tüm basın makalelerini insan müdahalesi olmadan bağımsız olarak yakalıyor ve başlık, tarih ve ana metin gibi bileşenlere ayırıyor Bunun yerine, siyasi temsilciler tarafından yayılan Avrupa karşıtı anlatılar da dikkate alınacak Johns Hopkins Üniversitesi’nde doktora öğrencisi ve 2022’ye kadar Macaristan’da The New York Times muhabiri olan Benjamin Novak ve siyaset bilimci ve aynı zamanda Johns Hopkins Üniversitesi’nde doktora öğrencisi olan Martin Wendiggensen, Macar medya anlatılarının birbiriyle eşleşip eşleşmediğini araştırmak için birlikte çalıştılar

Bir sonraki adımda araştırmacılar, Macar TV istasyonlarının yayınladığı videoları da işlemek istiyor

Wendiggensen makineye tüm konu gruplarının sıklığını yakalamayı öğretti — sadece tek tek kelimeler değil — ve ulusun üslubunu belirlemek için bunları analiz edin

Geçtiğimiz günlerde soruşturmanın sonuçlarını sunan Wendiggensen, “Macar medyasının bu noktadan sonra Rus propagandasını giderek daha fazla kusma yönündeki motivasyonu hakkında yalnızca spekülasyon yapabiliriz” diyor Mevcut hükümet tüm haberciliği doğrudan ve dolaylı olarak kontrol ediyor; örneğin, devlete ait medya holding şirketi MTVA tüm kamu yayın istasyonlarını kontrol ediyor Veya “İç ekonomi kötüye giderken medya liberalliğini mi kaybediyor?” gibi sorulara yanıt bulunabilir Rus propaganda yayınları — ve bunu buldum büyük oranda durum böyle 000 saatlik hareketli görüntülere sahipler

İlişkilerin kesinliğini arttırmak için bu alan alışılagelmiş üç boyutla sınırlı değildir

Daha sonra Novak ve Wendiggensen, pan-Avrupa sağcı ağları hakkında ulusötesi haberciliğe yönelmek istiyor “İlişki vektörlerini hesaplayarak matematiği kelimelere uygulayabiliriz

Wendiggensen “Teorik ilişkileri ölçülebilir hale getirmek istiyoruz” diyor ”

Rusya yanlısı mesajların bu kadar yerleşmiş olmasının nedenlerinden biri, Macaristan’ın medya çoğulculuğundan, yani farklı medya kuruluşlarından farklı bakış açıları edinme yeteneğinden yoksun olmasıdır AB yaptırımları



siber-1

Wendiggensen, Rusya yanlısı haberlerin dönüm noktasının Eylül 2021 ortalarında geldiğini söylüyor

ML Modelini Eğitmek

Novak’ın araştırması makalelerin manuel olarak analiz edilmesine dayanıyordu; Wendiggensen ise makalelerin derlemini analiz etmek için bir makine öğrenimi (ML) modeli eğitti Macaristan ekonomisinin kötü durumunu örtbas etmek için Rusya’ya karşı olası ve fiili yaptırımlar kullanıldı

Wendiggensen, “Nihai hedefimiz, diğer araştırmacıların istedikleri zaman analiz edebilecekleri bir veri seti oluşturmaktır” diyor savaşlar, Ukrayna etnik azınlıklara kötü davranıyor ve Avrupa Birliği yaptırımları Macar ekonomisi için kötü Bu, kelime koleksiyonunu 60 milyon artırdı Macar medyası tarafından yayınlanan binlerce makaleyi analiz eden iki araştırmacıya göre, bunlar Macar medyasının 2021 sonbaharı ile 2022 baharı arasında en sık haber yaptığı üç konuydu Uygulama daha sonra toplanan 26 milyon kelimenin her birini geometrik, çok boyutlu bir vektörle ilişkilendirdi Makine öğrenimi Dezenformasyon kampanyalarını tespit etmek için güvenilir bir yöntem olabilir

Sıradaki: Videolar, Uzun Süreli İzleme

Silah tedariği ve etnik azınlıklara ilişkin anlatılar büyük ölçüde Rus propagandasıyla örtüşürken, Macar medyası yaptırımlar konusuna yerel bir renk kattı

Putin İyi, AB Kötü

Wendiggensen, araştırmasının ikinci aşamasında yazılıma “iyi” ve “kötü” veya “kötü” ve “iyi huylu” gibi zıt kelimeler verdi

Kesin olan şu ki, 2021 sonbaharından itibaren bu üç konuyu kapsayan makalelerin sayısı hızla artmakla kalmadı, aynı zamanda bu noktadan itibaren konu başlıkları hep aynı anlatı kalıplarını takip etti: Silah tedariki kötü çünkü ömrü uzatıyor

Wendiggensen, “Makine öğrenimi modelini geliştirmenin amacı, benzerlikleri matematiksel olarak ifade edilebilir ve dolayısıyla istatistiksel olarak güvenilir hale getirmekti” diyor

“Bugün bile bu üç konu hâlâ baskın durumda” Wendiggensen diyor

“Böylece bir süre sonra model, örneğin ‘yaptırımlar’ ile ‘Brüksel’ ve ‘olumsuz’un yakından ilişkili olduğunu fark ediyor Wendiggensen, terimler arasındaki ilişkilerin, vektörlerin konumlandırıldığı açılara ve vektörler arasındaki mesafelere göre kurulduğunu söylüyor