Технології штучного інтелекту для виявлення дезінформації у соціальних мережах
Вантажиться...
Файли
Дата
Назва журналу
Номер ISSN
Назва тому
DOI
Анотація
У роботі розглянуто архітектуру програмного засобу для автоматичного виявлення дезінформації у відеоконтенті соціальної мережі TikTok. Використано комбінацію моделей OpenAI Whisper для транскрибації аудіо та LLM для семантичного аналізу тексту.
The paper examines the architecture of a software tool for the automatic detection of disinformation in social media video content. A combination of OpenAI Whisper models for audio transcription and LLMs for semantic text analysis is used.
The paper examines the architecture of a software tool for the automatic detection of disinformation in social media video content. A combination of OpenAI Whisper models for audio transcription and LLMs for semantic text analysis is used.
Опис
Ключові слова
штучний інтелект , дезінформація , соціальна мережа , велика мовна модельAbstractThe paper examines the architecture of a software tool for the automatic detection of disinformation in social mediavideo content A combination of OpenAI Whisper models for audio transcription and LLMs for semantic text analysis is used , artificial intelligence , disinformation , social media , Large language model
Тип документа
Мова
ISSN
Бібліографічний опис
Усатюк В. Я., Куперштейн Л. М., Прокопенко С. О. Технології штучного інтелекту для виявлення дезінформації у соціальних мережах // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/29901.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (4)
- інформації, оскільки зміст аудіо, тексту та візуальних елементів може відрізнятися або доповнювати один одного. Після збору даних система використовує інструмент веб-пошуку, який ініціюється мовною моделлю для перевірки отриманої інформації за зовнішніми джерелами в мережі Інтернет. Додатково реалізовано механізм пошуку у внутрішній базі даних, яка містить раніше оброблені випадки дезінформації та їх «цифрові відбитки». Це дозволяє значно прискорити повторне виявлення схожого або ідентичного контенту. Усі зібрані дані — транскрибований текст, коментарі, метадані, результати розпізнавання та пошуку — передаються до LLM для комплексного аналізу. На основі цього формується підсумковий висновок щодо достовірності контенту, який повертається користувачу. Результати аналізу зберігаються у базі даних, що забезпечує накопичення знань системи та підвищення ефективності її роботи в майбутньому. Висновки У роботі запропоновано підхід до виявлення дезінформації в соціальній мережі TikTok із використанням технологій штучного інтелекту. Розроблено Telegram-бот, який автоматизує процес аналізу відеоконтенту та перевірки достовірності поширюваної інформації. Показано, що застосування мультимодального аналізу, який поєднує оброблення відео, аудіо та текстових даних, забезпечує вищу ефективність виявлення фейкового контенту порівняно з підходами, що базуються лише на одному типі вхідних даних. Такий підхід дає змогу підвищити повноту аналізу інформаційних матеріалів і зменшити ймовірність пропуску маніпулятивних або сфальсифікованих повідомлень. Отримані результати підтверджують доцільність використання інтелектуальних мультимодальних систем у сфері інформаційної безпеки, зокрема для автоматизованого моніторингу інформаційного простору, виявлення дезінформації та підтримки процесів протидії інформаційно-психологічним впливам. СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ
- Kupershtein L., Zalepa O., Sorokolit V., Prokopenko S. AI-agent-based system for fact-checking support using large language models // Proceedings of the 7th Workshop for Young Scientists in Computer Science & Software Engineering (CS&SE@SW 2024). CEUR Workshop Proceedings. 2025. Vol. 3917. P. 321– 331.
- Rahman, S.S., Islam, M.A., Alam, M.M. et al. Hallucination to truth: a review of fact-checking and factuality evaluation in large language models. Artif Intell Rev 59, 70 (2026). https://doi.org/10.1007/s10462-025-11454-w.
- Карабчук В. Методи виявлення та боротьби з дезінформацією за допомогою технологій штучного інтелекту // Інформаційні технології та суспільство. Київ: Міжрегіональна академія управління персоналом, 2025. Вип. 2 (17). DOI: https://doi.org/10.32689/maup.it.2025.2.8. 4.