論文の概要: Perceived and Actual AI Deepfakes: The Case of Sudan
- arxiv url: http://arxiv.org/abs/2609.31625v1
- Date: Wed, 12 Aug 2026 09:34:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 14:38:07.848197
- Title: Perceived and Actual AI Deepfakes: The Case of Sudan
- Title（参考訳）: AIディープフェイクの認識と現実 - スーダンを事例として
- Abstract要約: スーダンのAIディープフェイクリスクは、AIディープフェイクコンテンツの量よりも、需要側の脆弱性によって引き起こされているように見える。
スーダンのフィードにおけるAI生成の偽情報はまだ限られているが、認識された(強制された)AIのディープフェイクは状況を悪化させる。
短期的介入は、プレバンキングのようなモダリティ非依存的な需要側介入を優先すべきである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sudan's AI deepfake risk currently appears driven more by demand-side vulnerabilities than the volume of AI deepfake content. While AI-generated disinformation in Sudanese feeds remains limited, perceived (alleged) AI deepfakes and general AI skepticism worsen the situation and contribute to general uncertainty in multimedia content. Within the analyzed cases, we found that the prominent stance was distrust driven more by motivated reasoning and contextual reliance than by durable AI detection skills. In practice, rejection or acceptance of AI deepfakes often reflects belief-driven judgment more than technical assessment. These weak defenses leave the information environment vulnerable to future sophisticated AI deepfake campaigns and risk normalizing truth indifference. Short-term interventions should prioritize modality-agnostic demand-side interventions such as pre-bunking, AI literacy, scaled fact-checks, and tiplines that strengthen public resilience across all forms of disinformation. More technical AI- specific and supply-side interventions can be developed as institutional capacity and technology allow.
- Abstract（参考訳）: スーダンのAIディープフェイクリスクは現在、AIディープフェイクコンテンツの量よりも、需要側の脆弱性によって引き起こされているように見える。
スーダンのフィードにおけるAI生成の偽情報はまだ限られているが、AIディープフェイクと一般的なAI懐疑主義が状況を悪化させ、マルチメディアコンテンツにおける一般的な不確実性に寄与している。
分析の結果,AI検出技術よりも,モチベーションや文脈依存による不信感が強いことが判明した。
実際には、AIディープフェイクの拒絶や受け入れは、技術的評価よりも信念に基づく判断を反映することが多い。
これらの弱い防御は、将来の高度なAIディープフェイクキャンペーンと、真実の無関心を正規化するリスクに、情報環境を脆弱にしておく。
短期的な介入は、事前バンキング、AIリテラシー、大規模ファクトチェック、あらゆる種類の偽情報のパブリックなレジリエンスを強化するヒントなど、モダリティに依存しない需要側の介入を優先すべきである。
より技術的なAI固有の、サプライサイドの介入は、制度的な能力と技術許可として開発することができる。
関連論文リスト
- Position: Mind the Gap-the Growing Disconnect Between Established Vulnerability Disclosure and AI Security [56.219994752894294]
我々は、AIセキュリティレポートに既存のプロセスを適用することは、AIシステムの特徴的な特徴に対する根本的な欠点のために失敗する運命にあると主張している。
これらの欠点に対処する私たちの提案に基づき、AIセキュリティレポートへのアプローチと、新たなAIパラダイムであるAIエージェントが、AIセキュリティインシデント報告の進展をさらに強化する方法について論じる。
論文 参考訳（メタデータ） (2024-12-19T13:50:26Z) - Deepfake Media Forensics: State of the Art and Challenges Ahead [51.33414186878676]
AIが生成する合成メディア、別名Deepfakesは、エンターテイメントからサイバーセキュリティまで、多くの領域に影響を与えている。
ディープフェイク検出は、微妙な矛盾やアーティファクトを機械学習技術で識別することに焦点を当て、研究の不可欠な領域となっている。
本稿では,これらの課題に対処する主要なアルゴリズムについて,その利点,限界,今後の展望について検討する。
論文 参考訳（メタデータ） (2024-08-01T08:57:47Z) - False Sense of Security in Explainable Artificial Intelligence (XAI) [3.298597939573779]
我々は、AI規制と現在の市場条件が効果的なAIガバナンスと安全性を脅かすと主張している。
政府は明確な立法と政策ステートメントを通じて説明可能性の問題に明示的に対処しない限り、AIガバナンスのリスクは空虚な「ボックス・ティック」のエクササイズになる。
論文 参考訳（メタデータ） (2024-05-06T20:02:07Z) - AI Potentiality and Awareness: A Position Paper from the Perspective of
Human-AI Teaming in Cybersecurity [18.324118502535775]
我々は、人間とAIのコラボレーションはサイバーセキュリティに価値があると論じている。
私たちは、AIの計算能力と人間の専門知識を取り入れたバランスのとれたアプローチの重要性を強調します。
論文 参考訳（メタデータ） (2023-09-28T01:20:44Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z) - It is not "accuracy vs. explainability" -- we need both for trustworthy
AI systems [0.0]
私たちは、AI技術が医療、ビジネス、交通、日常生活の多くの側面に影響を与えつつある、AI経済と社会の出現を目撃しています。
しかし、AIシステムはエラーを発生させ、バイアスを示し、データのノイズに敏感になり、しばしば技術的および司法的透明性が欠如し、その採用における信頼と課題が減少する可能性がある。
これらの最近の欠点や懸念は、科学的に記録されているだけでなく、自動運転車による事故、医療の偏見、有色人種のための雇用と顔認識システムなど、一般的な報道でも報告されている。
論文 参考訳（メタデータ） (2022-12-16T23:33:10Z) - Trustworthy AI: A Computational Perspective [54.80482955088197]
我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。
各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
論文 参考訳（メタデータ） (2021-07-12T14:21:46Z)
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。