Περίληψη
Η παρούσα πειραματική μελέτη διερευνά τον τρόπο με τον οποίο οι άνθρωποι βασίζονται σε διαφορετικές πηγές συμβουλών κατά τον εντοπισμό ψευδών ειδήσεων που έχουν δημιουργηθεί από τεχνητή νοημοσύνη (deepfake news). Σε μια εργαστηριακή άσκηση ανίχνευσης deepfake, οι συμμετέχοντες φοιτητές προσδιόρισαν το ποσοστό του περιεχομένου που είχε γραφτεί από ανθρώπους (και όχι από τεχνητή νοημοσύνη) σε συνθετικά άρθρα ειδήσεων deepfake και έλαβαν συμβουλές από το ChatGPT (GPT-4), από συνομηλίκους τους ή από γλωσσολόγους. Τα αποτελέσματα δείχνουν ότι οι συμμετέχοντες βασίζονται περισσότερο στο ChatGPT παρά σε συνομηλίκους τους κατά την ανίχνευση ειδήσεων deepfake που δημιουργήθηκαν από το GPT-2. Οι συμμετέχοντες βασίζονται επίσης περισσότερο σε γλωσσολόγους εμπειρογνώμονες παρά σε συνομηλίκους, ενώ η σχετική εξάρτηση από τους εμπειρογνώμονες σε σύγκριση με το ChatGPT παρουσιάζει διακυμάνσεις μεταξύ των πειραματικών κύκλων, κάτι που ενδεχομένως αντανακλά χρονικές τάσεις στις πεποιθήσεις σχετικά με την ανίχνευση που βασίζεται στην τεχνητή νοημοσύνη. Είναι σημαντικό να σημειωθεί ότι, στο πρόσθετο πείραμα που διεξήχθη το 2025 σύμφωνα με την ίδια πειραματική διαδικασία, οι συμμετέχοντες βασίστηκαν περισσότερο σε γλωσσολόγους παρά στο ChatGPT. Επιπλέον, οι βελτιώσεις στην απόδοση αντανακλούν τον συνδυασμένο ρόλο της εμπιστοσύνης και της ποιότητας των συμβουλών, οι οποίες προκύπτουν κυρίως όταν οι συμμετέχοντες βασίζονται σε συμβουλές υψηλής ποιότητας. Συνολικά, η εμπιστοσύνη στην τεχνητή νοημοσύνη για τον εντοπισμό «deepfakes» που δημιουργούνται από τεχνητή νοημοσύνη μπορεί να βελτιώσει τα αποτελέσματα ανίχνευσης, αλλά μόνο όταν τα εργαλεία ανίχνευσης που βασίζονται στην τεχνητή νοημοσύνη είναι επαρκώς υψηλής ποιότητας. Αυτά τα ευρήματα υπογραμμίζουν τον διπλό ρόλο της γενικής τεχνητής νοημοσύνης (GAI) τόσο ως πηγής «deepfakes» όσο και ως εργαλείου για τον μετριασμό των σχετικών κινδύνων.
English (UK) 
Ελληνικά 
