論文の概要: Are We in the AI-Generated Text World Already? Quantifying and Monitoring AIGT on Social Media

• arxiv url: http://arxiv.org/abs/2412.18148v1
• Date: Tue, 24 Dec 2024 04:04:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:56:46.830780
• Title: Are We in the AI-Generated Text World Already? Quantifying and Monitoring AIGT on Social Media
• Title（参考訳）: AI生成されたテキストの世界にはすでに存在するか?ソーシャルメディア上のAIGTの定量化とモニタリング
• Authors: Zhen Sun, Zongmin Zhang, Xinyue Shen, Ziyi Zhang, Yule Liu, Michael Backes, Yang Zhang, Xinlei He,
• Abstract要約: ソーシャルメディアプラットフォームはAIGT(AI-Generated Texts)の存在感が高まっている その重要性にもかかわらず、ソーシャルメディアにおけるAIGTの流行を評価する体系的な研究はいまだに欠落している。 本稿では,オンラインソーシャルメディアプラットフォーム上でAIGTを定量化し,監視し,分析することを目的とする。
• 参考スコア（独自算出の注目度）: 38.99664377299462
• License:
• Abstract: Social media platforms are experiencing a growing presence of AI-Generated Texts (AIGTs). However, the misuse of AIGTs could have profound implications for public opinion, such as spreading misinformation and manipulating narratives. Despite its importance, a systematic study to assess the prevalence of AIGTs on social media is still lacking. To address this gap, this paper aims to quantify, monitor, and analyze the AIGTs on online social media platforms. We first collect a dataset (SM-D) with around 2.4M posts from 3 major social media platforms: Medium, Quora, and Reddit. Then, we construct a diverse dataset (AIGTBench) to train and evaluate AIGT detectors. AIGTBench combines popular open-source datasets and our AIGT datasets generated from social media texts by 12 LLMs, serving as a benchmark for evaluating mainstream detectors. With this setup, we identify the best-performing detector (OSM-Det). We then apply OSM-Det to SM-D to track AIGTs over time and observe different trends of AI Attribution Rate (AAR) across social media platforms from January 2022 to October 2024. Specifically, Medium and Quora exhibit marked increases in AAR, rising from 1.77% to 37.03% and 2.06% to 38.95%, respectively. In contrast, Reddit shows slower growth, with AAR increasing from 1.31% to 2.45% over the same period. Our further analysis indicates that AIGTs differ from human-written texts across several dimensions, including linguistic patterns, topic distributions, engagement levels, and the follower distribution of authors. We envision our analysis and findings on AIGTs in social media can shed light on future research in this domain.
• Abstract（参考訳）: ソーシャルメディアプラットフォームはAIGT(AI-Generated Texts)の存在感が高まっている。 しかし、AIGTの誤用は、誤報の拡散や物語の操作など、世論に重大な影響を及ぼす可能性がある。 その重要性にもかかわらず、ソーシャルメディアにおけるAIGTの流行を評価する体系的な研究はいまだに欠落している。 このギャップに対処するため,オンラインソーシャルメディアプラットフォーム上でAIGTを定量化し,監視し,分析することを目的とした。 最初にデータセット(SM-D)を収集し、Medium、Quora、Redditの3つの主要なソーシャルメディアプラットフォームから約2.4万の投稿を投稿しました。 そして、AIGTBench(AIGTBench)を構築し、AIGT検出器の訓練と評価を行う。 AIGTBenchは、人気のオープンソースデータセットと、ソーシャルメディアのテキストから生成されたAIGTデータセットを12 LLMで組み合わせ、主流検出器を評価するためのベンチマークとして役立ちます。 この設定により、最高の性能検出器(OSM-Det)を同定する。 次に、OSM-DetをSM-Dに適用してAIGTの追跡を行い、2022年1月から2024年10月までのソーシャルメディアプラットフォーム全体でAI属性レート(AAR)のさまざまな傾向を観察します。 具体的には、MediumとQuoraは、それぞれ1.77%から37.03%に増加し、2.06%から38.95%に増加した。 対照的にRedditは成長が遅く、AARは同じ期間に1.31%から2.45%に増加した。 さらに分析した結果,AIGTは言語パターン,話題分布,エンゲージメントレベル,著者の追従分布など,多次元の人文テキストとは異なることが示唆された。 ソーシャルメディアにおけるAIGTの分析と発見は、この領域における今後の研究に光を当てることができる。

関連論文リスト

• Prevalence, Sharing Patterns, and Spreaders of Multimodal AI-Generated Content on X during the 2024 U.S. Presidential Election [8.03589806827457]
  AIGCのスーパースプレッダーは、右傾向きで自動動作を示すX Premiumサブスクライバーである可能性が高い。 この研究は、オンライン社会政治環境を形成する上で、生成的AIが果たす役割を理解するための第一歩となる。
  論文  参考訳（メタデータ） (2025-02-16T19:55:29Z)
• How ChatGPT Changed the Media's Narratives on AI: A Semi-Automated Narrative Analysis Through Frame Semantics [0.25822445089477464]
  我々は、AIに言及した5つのニュース記事から収集された49,000以上の文のデータセットに対して、混合メソッドフレームセマンティクスに基づく分析を行う。 このデータセットは、OpenAIs ChatGPTのローンチを中心とした12ヶ月の期間をカバーしており、最も訪問者の多いオープンなニュース出版社から収集されている。
  論文  参考訳（メタデータ） (2024-08-12T13:02:31Z)
• Artificial Intelligence Index Report 2024 [15.531650534547945]
  AI Indexのレポートでは、人工知能(AI)に関連するデータを追跡、照合、蒸留、可視化している。 AIインデックスは、AIに関するデータと洞察の最も信頼性が高く権威のある情報源の1つとして、世界的に認識されている。 今年のエディションは、サイズ、スケール、スコープのすべての旧版を上回り、AIが私たちの人生で持つ重要性が増していることを反映している。
  論文  参考訳（メタデータ） (2024-05-29T20:59:57Z)
• AIGIQA-20K: A Large Database for AI-Generated Image Quality Assessment [54.93996119324928]
  AIGIQA-20Kとして知られる2万のAIGIと420,000の主観評価を備えた、これまでで最大のAIGI主観的品質データベースを作成します。 このデータベース上でベンチマーク実験を行い、16の主流AIGI品質モデルと人間の知覚との対応性を評価する。
  論文  参考訳（メタデータ） (2024-04-04T12:12:24Z)
• Public Perception of Generative AI on Twitter: An Empirical Study Based on Occupation and Usage [7.18819534653348]
  本稿は,2019年1月から2023年3月までのTwitter上での3Mポストを用いた生成AIに対するユーザの認識について検討する。 私たちは、IT関連だけでなく、様々な職種にまたがる人々が、生成AIに強い関心を示していることに気付きました。 ChatGPTのリリース後、AI全般に対する人々の関心は劇的に高まった。
  論文  参考訳（メタデータ） (2023-05-16T15:30:12Z)
• A Complete Survey on Generative AI (AIGC): Is ChatGPT from GPT-4 to GPT-5 All You Need? [112.12974778019304]
  生成AI(AIGC、つまりAI生成コンテンツ)は、テキスト、画像、その他を分析、作成する能力により、あらゆる場所で話題を呼んだ。 純粋な分析から創造へと移行するAIの時代において、ChatGPTは最新の言語モデルであるGPT-4とともに、多くのAIGCタスクからなるツールである。 本研究は,テキスト,画像,ビデオ,3Dコンテンツなど,出力タイプに基づいたAIGCタスクの技術的開発に焦点を当てている。
  論文  参考訳（メタデータ） (2023-03-21T10:09:47Z)
• Data-centric Artificial Intelligence: A Survey [47.24049907785989]
  近年、AIにおけるデータの役割は大幅に拡大し、データ中心AIという新たな概念が生まれた。 本稿では,データ中心型AIの必要性について論じ,続いて3つの一般的なデータ中心型目標の全体像を考察する。 これは、データライフサイクルのさまざまな段階にわたるタスクのグローバルなビューを提供する、初めての総合的な調査である、と私たちは信じています。
  論文  参考訳（メタデータ） (2023-03-17T17:44:56Z)
• A Comprehensive Survey of AI-Generated Content (AIGC): A History of Generative AI from GAN to ChatGPT [63.58711128819828]
  ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。 AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
  論文  参考訳（メタデータ） (2023-03-07T20:36:13Z)
• Forecasting AI Progress: Evidence from a Survey of Machine Learning Researchers [0.0]
  我々は,AIと機械学習(ML)の研究者による,AIの進歩に関する信念に関する大規模な調査の結果を報告する。 AI/MLの研究者たちは総じて、2060年までに人間レベルのマシンインテリジェンスが達成される確率を50%に設定した。 いくつかの短期的なAIマイルストーンの予測は、時間とともに減少し、AIの進歩に対する楽観性を示唆している。
  論文  参考訳（メタデータ） (2022-06-08T19:05:12Z)
• AI Explainability 360: Impact and Design [120.95633114160688]
  2019年、私たちはAI Explainability 360(Arya et al. 2020)を開発しました。 本稿では,いくつかのケーススタディ,統計,コミュニティフィードバックを用いて,ツールキットが与える影響について検討する。 また,ツールキットのフレキシブルな設計,使用例,利用者が利用可能な教育資料や資料についても述べる。
  論文  参考訳（メタデータ） (2021-09-24T19:17:09Z)

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。