Da li bi nam učenje fizike bilo mnogo lakše i zabavnije da je objašnjava sam Anštajn? YouTube videozapis pokazuje da je uz pomoć umjetne inteligencije i to postalo moguće. No, iako su se pozitivne strane umjetne inteligencije pokazale i ranije u oblasti filmske industrije, zabave, kao i u pripremanju različitih edukacijskih materijala, njena mračna strana sve više zabrinjava stručnjake.

Do koje je mjere umjetna inteligencija zapravo napredovala pokazuje i činjenica da je utvrđeno da neke od fabrikovanih vijesti iz domena medicine i cyber sigurnosti nisu identificirali čak ni sami eksperti konsultirani prilikom istraživanja. Zabrinjava to s najmanje dva aspekta: ako stručnjaci nisu uvijek sposobni otkriti dezinformacije, šta to znači za nas prosječne čitaoce; opća javnost bi na osnovu lažnih naučnih izvještaja mogla donijeti posve pogrešne odluke i time ugroziti vlastito, ali i javno zdravlje.

S druge strane, naučnici problem visokouvjerljivog lažnog sadržaja, koji je nastao kao rezultat napretka u oblasti umjetne inteligencije, pokušavaju riješiti upravo upotrebom određenih modela umjetne inteligencije koji su se u određenom broju studija pokazali najboljim instrumentima u borbi protiv automatski generiranih dezinformacija.

No paradoksalno, povećana mogućnost automatskog prepoznavanja fabrikovanih vijesti nedvosmisleno vodi ka povećanju kvaliteta budućeg lažnog sadržaja. Budući da i manuelni fact-checking i algoritamska analiza i detekcija dezinformacija imaju određene prednosti i nedostatke, rješenje ovog problema svakako nije jednostavno. Stoga se o budućnosti borbe protiv dezinformacija govori kao o sintezi oba pristupa, a koja zahtijeva primjenu višedimenzionalnih hibridnih strategija.

Iako lažne vijesti nisu nov fenomen, posebice na društvenim mrežama, dostignuća na polju umjetne inteligencije mogla bi označiti svojevrsnu prekretnicu u kontekstu njihovog produciranja. Opasnost naprednih formi dezinformacija ogleda se ponajprije u njihovoj sofisticiranosti, preciznije u nemogućnosti prosječnog recipijenta da ih jasno razlikuje od autentičnih sadržaja. U tom kontekstu čini se neophodnim zapitati se koliko smo se puta zapravo susreli s ovakvim sadržajem, a da toga nismo svjesni? Donosimo li ponekad krucijalne odluke na bazi lažnih informacija? Šta je zapravo istina u doba prezasićenosti (dez)informacijama?

Deepfake i doba post-istine

Uz pomoć umjetne inteligencije moguće je generirati lažne informacije koje su uvjerljive u toj mjeri da prevare i cyber stručnjake, rezultati su nedavno objavljene studije grupe naučnika s Univerziteta u Marylandu. Algoritamski model korišten prilikom istraživanja bio je u stanju da oblikuje kompleksne rečenice i sažetke naučnih radova koji navodno opisuju nuspojave vakcinisanja protiv COVID-19, kao i eksperimente provedene u toku tog procesa.

Ova vrsta lažnih sadržaja oslanja se na specifičnu granu umjetne inteligencije (eng. artificial intelligence – AI) nazvanu „duboko učenje“. Kroz proces „dubokog učenja“ (eng. deep learning) softver uči kako prepoznati određene obrasce iz velikog broja dostupnih podataka. Zanimljivo je da navedeni softver počiva na realističnom modelu oponašanja ljudskog mozga i načina na koji on koristi neurone za razmišljanje. U primjeru prethodno navedene studije algoritamski model je pregledao veliki broj članaka i preprint radova o COVID-19 i učinkovitosti vakcina na osnovu čega je stvorio obrazac i fabrikovao sopstvene članke i sažetke naučnih radova.

Primjer fabrikovanog sažetka naučnog rada o nuspojavama vakcinacije protiv COVID-19 (izvor: theconversation.com)

No, situacija se dodatno usložnjava uzmemo li u obzir činjenicu da se lažni sadržaj kreiran uz pomoć AI sistema ne zadržava tek na tekstualnoj formi.

Pojedini savremeni stručnjaci zastupaju tezu da ćemo zahvaljujući evidentnom napretku u oblasti umjetne inteligencije veoma brzo iz doba lažnih vijesti ući u doba dubokih lažnih vijesti (eng. deep fake news). Kao jedan od argumenata navode upravo deepfake fenomen – visokorealističnu digitalnu falsifikaciju audio i video formata. Nedavno objavljeno istraživanje autora s Univerziteta u Amsterdamu, a koje se bavi potencijalnim utjecajem deepfake-a na političke stavove, ukazuje na to da je tek jedna od 20 osoba bila sposobna prikazani videozapis utjecajnog političara identificirati kao deepfake. Također, čak 75 posto učesnika u istraživanju uopće nije bilo upoznato s postojanjem ove napredne forme lažnog sadržaja. No, šta je zapravo deepfake?

Deepfake je sintetički medij, fabrikovani videozapis koji na bazi AI-algoritama i prethodno postojećeg audio-vizuelnog sadržaja, zamjenom lica i glasa prikazuje ono što se u stvarnosti zapravo nikada nije dogodilo. Distinkcija između deepfake-a i pređašnjih dezinformacijskih formata ogleda se upravo u činjenici da ga je sve teže razlikovati od autentičnog videozapisa. Jedan od takvih primjera je i visokorealistični deepfake britanske kraljice Elizabete II iz 2020. godine koji je globalno privukao veliku pažnju medija i javnosti. Riječ je o alternativnoj verziji božićne čestitke u kojoj kraljica izgovara ono što u stvarnosti zapravo nikada nije. Posebno je značajno to što je taj deepfake, iako u zabavnom formatu, emitiran i produciran na britanskom kanalu „Channel 4“ u cilju upozorenja gledalaca na mogućnost izrazito realistične falsifikacije video formata svjetski utjecajnih osoba, pa čak i od strane kredibilnih televizijskih emitera.

Deepfake kraljice Elizabete II (izvor: https://www.youtube.com/watch?v=IvY-Abd2FfM)

Autorica knjige „Deepfake: Dolazeća infokalipsa“, Nina Schick, predviđa da će sintetički mediji u potpunosti promijeniti način na koji doživljavamo stvarnost. Svako će, navodi Schick, s malo ili nimalo troškova biti u mogućnosti proizvesti sadržaj uvjerljiv u mjeri koja je do sada bila svojstvena samo holivudskoj produkciji.

Sofisticiranost takvih sadržaja otežava njihovu identifikaciju, te srazmjerno tome povećava njihov manipulativni utjecaj. Pretpostavimo li postojanje maliciozno motiviranih aktera, potencijalna destruktivnost deepfake-a seže od diskreditovanja određenih individua i svjetski utjecajnih osoba, poticanja novih ili produbljivanja postojećih netrpeljivosti, pa sve do odlučujućeg utjecaja na ishod važnih političkih izbora. Prema istraživanju Sensity AI, oko 90 do 95 posto sveukupnog postojećeg deepfake sadržaja odnosi se na pornografiju bez pristanka, kao i na osvetničku pornografiju. U većini fabrikovanih videozapisa žrtve su žene, čime deepfake dobija i rodnu dimenziju.

Umjetna inteligencija u borbi protiv umjetne inteligencije

Neke od najnovijih studija sugeriraju zaključak prema kojem su se najboljim instrumentom za detekciju lažnih sadržaja pokazali upravo AI-algoritmi. Pored dubokog učenja, za detekciju lažnog sadržaja koristi se i  obrada prirodnog jezika (eng. natural language processing). Riječ je o oblasti umjetne inteligencije koja omogućava računarima da procesiraju i razumiju tekst i izgovorene riječi na isti način na koji to rade ljudi. Razumijevanje automatskog generiranja dezinformacija istovremeno pomaže razumijevanju i prepoznavanju specifičnih obrazaca svojstvenih lažnim sadržajima. Primjerice, automatski generirani sadržaji nerijetko sadrže suptilne leksičke i semantičke greške koje prosječan recipijent neće uočiti. Na taj način sistemi uče da ih otkrivaju, čime posljedično doprinose i njihovom prepoznavanju.

Prilikom klasifikacije određene vijesti kao istinite ili lažne potrebno je razmotriti sljedeće faktore: izvori ili promotori vijesti; sadržaj informacija; odgovor (feedback) korisnika prilikom primanja vijesti na društvenim mrežama. Povezivanjem informacija iz velikog broja različitih izvora, modeli umjetne inteligencije imaju sposobnost da s prilično velikim stepenom vjerodostojnosti prepoznaju informacije i tvrdnje kojima nedostaje utemeljenje na kredibilnim izvorima.

Jedan od takvih kompleksnih modela je i Grover, automatski generator tekstualnog sadržaja dizajniran u cilju proučavanja i prepoznavanja AI lažnih sadržaja. Ukucate li nešto poput „veza između vakcina i autizma“, Grover će automatski producirati ostatak članka baziran na stilu i sadržaju iz prethodno dostupne baze novinarskih članaka.

U svrhu razvoja strategije odgovora na umjetnom inteligencijom konstruirane dezinformacije, studija iz 2019. godine pokazala je nalaze prema kojim se optimalnim načinom za otkrivanje AI lažnih sadržaja pokazala primjena modela koji je istovremeno i generator. U izazovnom okruženju s ograničenim pristupom spomenutim sadržajima, Grover je postigao više od 92 posto preciznosti u razlikovanju automatski generiranih dezinformacija od onih koje je napisao čovjek, navode autori studije – grupa istraživača s Univerziteta u Washingtonu i Allen instituta za umjetnu inteligenciju.

Većina opisanih pristupa detekciji lažnih sadržaja razmatra prevashodno izvore, sadržaj i semantičke odlike lažnih vijesti, što u određenoj mjeri funkcionira, ali nailazi i na izvjesne prepreke. Stoga se određen broj modela zasniva na atipičnom geometrijskom pristupu detekciji lažnih sadržaja koji se oslanja na način na koji se vijesti šire među korisnicima društvenih mreža. Primjerice, dezinformacije na društvenim mrežama nerijetko imaju veći broj dijeljenja u odnosu na broj pozitivnih reakcija („lajkova“). Uočavanjem sličnih obrazaca, modeli za detekciju vijestima pripisuju ocjenu vjerodostojnosti.

Međutim, prema pisanju MIT Technology Review-a, naučnici upućuju na svojevrsne nedostatke i limitiranosti automatske detekcije dezinformacija poput kontekstualnih, kulturalnih, političkih i lingvističkih barijera koje nadilaze tehnološki napredak i iziskuju uvid profesionalaca. Primjerice, AI sistemi još uvijek nisu uspjeli da prepoznaju koncepte poput sarkazma i ironije, a nisu ni u stanju da provjere direktne izjave pojedinaca.

Stoga se o budućnosti borbe protiv dezinformacija govori kao o nužnosti primjene višestrukih strategija i hibridnog pristupa koji podrazumijeva sintezu profesionalne novinarske verifikacije i dostignuća iz domena umjetne inteligencije.

___