論文の概要: A Call to Arms: AI Should be Critical for Social Media Analysis of
Conflict Zones
- arxiv url: http://arxiv.org/abs/2311.00810v1
- Date: Wed, 1 Nov 2023 19:49:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-03 15:39:53.687505
- Title: A Call to Arms: AI Should be Critical for Social Media Analysis of
Conflict Zones
- Title(参考訳): A Call to Arms:AIは紛争ゾーンのソーシャルメディア分析に不可欠であるべきだ
- Authors: Afia Abedin, Abdul Bais, Cody Buntain, Laura Courchesne, Brian
McQuinn, Matthew E. Taylor, Muhib Ullah
- Abstract要約: 本稿では、コンピュータビジョンを用いて、特定の武器システムとそれを用いた武装集団の署名を特定するための予備的、横断的な作業について述べる。
武器の配布方法を追跡するだけでなく、ウクライナの様々な種類の国家や非国家の軍事俳優がどの種類の武器を使用しているかを追跡する可能性がある。
このようなシステムは、人道支援や医療援助がもっとも必要となる場所を含む、リアルタイムでの紛争を理解するために最終的に使用できる。
- 参考スコア(独自算出の注目度): 5.479613761646247
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The massive proliferation of social media data represents a transformative
moment in conflict studies. This data can provide unique insights into the
spread and use of weaponry, but the scale and types of data are problematic for
traditional open-source intelligence. This paper presents preliminary,
transdisciplinary work using computer vision to identify specific weapon
systems and the insignias of the armed groups using them. There is potential to
not only track how weapons are distributed through networks of armed units but
also to track which types of weapons are being used by the different types of
state and non-state military actors in Ukraine. Such a system could ultimately
be used to understand conflicts in real-time, including where humanitarian and
medical aid is most needed. We believe that using AI to help automate such
processes should be a high-priority goal for our community, with near-term
real-world payoffs.
- Abstract(参考訳): ソーシャルメディアデータの膨大な増加は、紛争研究における変革の瞬間を表している。
このデータは、武器の拡散と使用に関するユニークな洞察を提供するが、スケールと種類のデータは、従来のオープンソースインテリジェンスにとって問題となる。
本稿では,コンピュータビジョンを用いた武器システムと武装集団の印章を識別するための予備的,超学際的な研究について述べる。
武器が武装部隊のネットワークを通じてどのように配布されているかだけでなく、ウクライナの異なる種類の国家や非国家の軍事行動者がどの種類の武器を使用しているかを追跡する可能性がある。
このようなシステムは、人道支援や医療援助がもっとも必要となる場所を含む、リアルタイムでの紛争を理解するために最終的に使用できる。
このようなプロセスの自動化にaiを使用することは、短期的な実世界の利益を伴う、コミュニティにとって優先度の高い目標であるべきだと考えています。
関連論文リスト
- MatchAnything: Universal Cross-Modality Image Matching with Large-Scale Pre-Training [62.843316348659165]
ディープラーニングに基づく画像マッチングアルゴリズムは、人間を劇的に上回り、大量の対応を素早く正確に見つける。
本稿では, 画像間の基本構造を認識し, 一致させるためのモデル学習のために, 合成モード間学習信号を利用する大規模事前学習フレームワークを提案する。
我々の重要な発見は、我々のフレームワークで訓練されたマッチングモデルが、目に見えない8つのクロスモダリティ登録タスクにまたがる顕著な一般化性を達成することである。
論文 参考訳(メタデータ) (2025-01-13T18:37:36Z) - From Newswire to Nexus: Using text-based actor embeddings and transformer networks to forecast conflict dynamics [0.0]
本研究では,テキストベースのアクター埋め込みとトランスフォーマーモデルを用いたコンフリクト予測の分野を推し進める。
我々は、ニュースワイヤテキストと構造化コンフリクトイベントデータを組み合わせて、対立するアクター間のエスカレーションとデエスカレーションを予測する。
論文 参考訳(メタデータ) (2025-01-07T16:45:37Z) - Fear and Loathing on the Frontline: Decoding the Language of Othering by Russia-Ukraine War Bloggers [6.632254395574994]
その他に、外集団を内集団と根本的に異なるものとして描写する行為は、しばしばそれらを現実的な脅威とみなすようにエスカレートする。
ドイツやルワンダの少数民族に対するジェノサイドの極端な歴史的例から、米国やヨーロッパの移民を標的とした暴力や修辞学まで、これらのダイナミクスは驚くほど広範囲に及んでいる。
我々のフレームワークは、他者のダイナミクスに関する深い洞察を提供するように設計されており、迅速な適応プロセスと組み合わせて、他者の社会的結束に対する悪影響を緩和するための重要なツールを提供する。
論文 参考訳(メタデータ) (2024-09-19T19:56:03Z) - The GPT Dilemma: Foundation Models and the Shadow of Dual-Use [0.0]
本稿では、基礎モデルの二重利用課題と、国際安全保障に影響を及ぼすリスクについて検討する。
本稿では,基礎モデルの開発サイクルにおいて,モデル入力,機能,システム利用事例,システム展開の4つの重要な要因を分析した。
本稿では、中距離原子力軍(INF)条約をケーススタディとして、関連するリスクを軽減するためのいくつかの戦略を提案する。
論文 参考訳(メタデータ) (2024-07-29T22:36:27Z) - An Open-Source Tool for Mapping War Destruction at Scale in Ukraine using Sentinel-1 Time Series [16.900687593159066]
武装紛争による建物被害を推定するスケーラブルな手法を提案する。
合成開口レーダ画像時系列の機械学習モデルを訓練することにより、建物レベルで確率的損傷推定を生成する。
大規模な推論を可能にし、アクセシビリティを確保するため、我々はGoogle Earth Engine上で実行するためにメソッドを紐付けます。
論文 参考訳(メタデータ) (2024-06-04T17:24:19Z) - Harnessing the Power of Text-image Contrastive Models for Automatic
Detection of Online Misinformation [50.46219766161111]
誤情報識別の領域における構成的学習を探求する自己学習モデルを構築した。
本モデルでは、トレーニングデータが不十分な場合、非マッチング画像-テキストペア検出の優れた性能を示す。
論文 参考訳(メタデータ) (2023-04-19T02:53:59Z) - Graph Mining for Cybersecurity: A Survey [61.505995908021525]
マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。
従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。
グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
論文 参考訳(メタデータ) (2023-04-02T08:43:03Z) - CCTV-Gun: Benchmarking Handgun Detection in CCTV Images [59.24281591714385]
銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。
実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。
我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
論文 参考訳(メタデータ) (2023-03-19T16:17:35Z) - There is a Time and Place for Reasoning Beyond the Image [63.96498435923328]
画像は人間の目へのピクセルだけでなく、他のソースからのコンテキスト情報から推論、関連付け、推論して、推論することで、より完全な画像を確立することができる。
我々は、ニューヨーク・タイムズ(NYT)から自動的に抽出された16k画像と関連するニュース、時間、位置のデータセットTARAと、WITから離れた監視対象として追加で61k例を紹介した。
我々は、最先端のジョイントモデルと人間のパフォーマンスの間に70%のギャップがあることを示し、これは、セグメントワイズ推論を用いて高レベルな視覚言語ジョイントモデルを動機づける提案モデルによってわずかに満たされている。
論文 参考訳(メタデータ) (2022-03-01T21:52:08Z) - Monitoring War Destruction from Space: A Machine Learning Approach [1.0149624140985478]
紛争地帯における建物破壊に関する既存のデータは、目撃者の報告や手動による検出に依存している。
本稿では,ディープラーニング技術を用いた高解像度衛星画像の自動破壊計測手法を提案する。
我々は、シリア内戦と国内の主要都市における被害の進展にこの方法を適用した。
論文 参考訳(メタデータ) (2020-10-12T19:01:20Z) - Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。
敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。
ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
論文 参考訳(メタデータ) (2020-09-16T14:13:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。