Zjawisko FAKE NEWS i media społecznościowe
Badania społeczne (m.in. opisane w raporcie „Fake news – dezinformacja online” przygotowanym w grudniu 2020 na zlecenie KRRiTV) wskazują, że FN w coraz większym stopniu wywierają istotny wpływ na debatę publiczną dotyczącą zagadnień kluczowych dla kształtowania polityk publicznych. W efekcie wpływają one na kształtowanie się opinii społecznych i politycznych oraz mogą wpływać na wyborców, liderów opinii, a nawet polityków
Tematy szczególnie podatne na rozpowszechnianie fałszywych wiadomości w to obecnie:
• Konflikty międzynarodowe (gospodarcze, polityczne, wojskowe); • Zdrowie i choroby (pandemia koronawirusa, szczepionki itp.); • Zagadnienia społeczne – migracje, kwestie klimatyczne; • Wybory parlamentarne i prezydenckie; • Konflikty społeczne i religijne. |
Media społecznościowe. Twitter
Media społecznościowe to obecnie jeden z najważniejszych kanałów informacyjnych, dla wielu ludzi istotniejszy niż tradycyjne media, takie jak telewizja, radio czy czasopisma. Media te oparte są na technologiach internetowe i mobilnych, które umożliwiają komunikowanie się poprzez interaktywny dialog. Do najbardziej popularnych serwisów społecznościowym zaliczamy obecnie: Facebooka, Instagrama, TikToka, YouTube’a, LinkedIna oraz Twittera.
Cechy charakterystyczne mediów społecznościowych:
|
Sieci neuronowe: na czym polega ich trenowanie?
Sieci neuronowe to programy komputerowe, które są odmianą sztucznej inteligencji. Programy te, wzorowane na działaniu neuronów w ludzkim mózgu, można nauczyć rozpoznawania zjawisk na podstawie podawanych przykładów. Uczenie sieci neuronowych polega na podawaniu tysięcy przykładowych odpowiedzi na zadane pytanie, dzięki czemu sieć może np. rozpoznawać treści, które uznamy za niepożądane. Nazywamy to „trenowaniem”.
Modelem, do którego odwołują się badacze sieci neuronowych jest ludzki mózg. Ten najbardziej skomplikowany i tajemniczy z organów wciąż stanowi dla nas zagadkę, nie znaczy to jednak, ze nie jesteśmy w stanie wykorzystywać zjawisk, które obserwujemy analizując jego działanie. Dzisiejsze zainteresowanie sieciami neuronowymi wynika z poszukiwania sposobów bardziej efektywnego przetwarzania dużych ilości informacji, a układ nerwowy jest tutaj niedościgłym wzorem. Sieć neuronowa uczy się na przykładach: trzeba jej przedstawić jakąś liczbę już rozwiązanych przykładów.
TUTORIAL: jak trenować sieć neuronową z użyciem aplikacji FN MINER?
TUTORIAL: Jak używać skryptu FN WARRIOR do wykrywania niebezpiecznych treści?
Jeśli jeden tylko sztuczny neuron ma niewielkie możliwości rozwiązywania problemów, to wiele połączonych ze sobą neuronów tworzy warstwy, gdzie jedna warstwa przekazuje wyniki kolejnej, aż do najwyższej warstwy, dającej odpowiedź. Sieć neuronowa składa się z trzech typów warstw: wejściowej (zbiera dane i przekazuje je dalej), ukrytej (tu szukane są powiązania między neuronami, czyli zachodzi proces uczenia się) i wyjściowej (gromadzi wnioski, wyniki analizy). Sztuczne sieci neuronowe w procesie uczenia się dostosowują tzw. wagi, które są kluczowym elementem klasyfikacji wiedzy, na podstawie tysięcy przykładów. Bazując na przedstawionych rzeczywistych przypadkach sieć stara się odkryć i zapamiętać ogólne prawidłowości charakteryzujące te obiekty. Rozpoznane reguły sztuczna sieć neuronowa przechowuje w postaci rozproszonej w wartościach współczynników wagowych neuronów. Proces rozwijania sieci polega zatem na prawidłowym określeniu wartości współczynników wagowych neuronów na podstawie informacji wydobytych w trakcie uczenia ze zbioru treści.
Dowiedz się więcej o Twitterze
W ramach projektu CollMind platformą, w ramach której będziemy monitorowali przypadki dezinformacji, agresji i negatywnych stereotypów jest TWITTER: serwis społecznościowy, który swoje działanie opiera w na wymianie tak zwanych tweetów, czyli krótkich wiadomości tekstowych.
Jeśli nie wiemy czym jest Twitter i jak go używać, możemy zapoznać się z jednym z licznych tutoriali na ten temat. Na przykład: