Wszystkie artykuły o zagrożeniach AI (Strona 87)
W marcu 2022 roku w sieci pojawiło się wideo, w którym prezydent Ukrainy wypowiada reguły kapitulacji. Był to deepfake — pierwszy udokumentowany przypadek użycia takiej technologii w trwającym konflikcie zbrojnym. Sprawdźmy, jak działał, dlaczego go wykryto i czego uczy nas o wojnie informacyjnej.
Gotowe odpowiedzi AI w wynikach wyszukiwania odpowiadają na pytanie, zanim użytkownik kliknie w link. Dla wydawców to realny spadek ruchu, a dla internetu — ryzyko, że dziennikarstwo przestanie się opłacać.
Za darmowym modelem do pobrania może kryć się kod wykonujący się na twojej maszynie. Jak badacze znajdują złośliwe pliki i jak pobierać bezpiecznie.
Niewidzialne znaczniki i kryptograficzne metadane mają odróżniać treści AI od prawdziwych, ale praktyka pokazuje ograniczenia: usuwalne metadane, dzielone detektory i limity dzienne sprawiają, że samodzielna weryfikacja pozostaje trudna.
Branża obiecuje, że metadane kryptograficzne i znaki wodne pozwolą odróżnić treści AI od prawdziwych. Praktyka pokazuje, że te zabezpieczenia łatwo zgubić albo usunąć.
Trening i uruchamianie modeli językowych to ogromny koszt energetyczny. Nowe badania pokazują, że modeli rozumiejące zużywają aż 17 razy więcej energii niż modeli instruktażowych.
Usunięcie posta z profilu nie cofa treningu. Sygnały „nie trenuj na mnie” bywają pomijane, a treści użytkowników trafiają do zbiorów licencyjnych bez pytania ich o zdanie. Jak to działa i co realnie może zrobić autor.
Sztuczna inteligencja nie jest neutralna. Błędy systematyczne w danych treningowych prowadzą do dyskryminacji rasowej, płciowej i etnicznej w obszarach od rekrutacji po sprawiedliwość karną.
Systemy rekomendacyjne decydują nie tylko co kupujemy, ale także co czytamy, oglądamy i o czym myślimy. Jak echo chamber i filter bubbles zmieniają społeczeństwo w sposób, którego nie zauważamy.
Według hasła Wikipedii o Arup Group, brytyjska firma inżynieryjna padła ofiarą oszustwa deepfake w swoim biurze w Hongkongu, tracąc około 25 milionów dolarów. Fałszerze wykorzystali AI-generated video i audio, aby podszyć się pod dyrektorów firmy i zmanipulować pracownika do przelania środków w wielu transakcjach. Sprawa obnaża lukę w weryfikacji tożsamości na rozmowach wideo.