|
|
Ethics of Image Generative Artificial Intelligence in Journalism
Janota, Filip ; Moravec, Václav (advisor) ; Géla, František (referee)
The ethics of image generative artificial intelligence in journalism is a topic that has not yet been thoroughly explored by academics. This paper seeks to make a new contribution to the field and to lay the foundations for further research. In the theoretical section, it summarizes existing knowledge on generative artificial intelligence, contextualizes it within the overall development of artificial intelligence, and describes its penetration into communication and journalism. It reflects on the literature published to date and quotes from studies that relate to the topic. It also looks at the phenomenon of image manipulation and the spread of misinformation and, last but not least, the treatment of artificial intelligence in the context of journalistic self-regulation. The practical part then presents the actual research, which is conducted as a qualitative content analysis of three case studies depicting the dissemination of images created by artificial intelligence. These are firstly the alleged arrest of Donald Trump, secondly the artificially created photograph of the pope and thirdly the photograph databases. The research was carried out to reveal the specifics of the threat of the spread of misinformation based on the output of text-to-image models of generative artificial intelligence. It...
|
|
|
Diffusion Models and their Impact on Cybersecurity
Dvorščák, Patrik ; Homoliak, Ivan (referee) ; Lapšanský, Tomáš (advisor)
Táto práca skúma výkonnosť difúznych modelov (DM) a Generative Adversarial Network (GAN) - Generatívna sieť súperiacích komponentov, pri vytváraní vizuálneho obsahu generovaného umelou inteligenciou vo viacerých aplikáciách vrátane syntézy tváre, generovania textu na obraz, umeleckého renderovania, prekladu obrazu na obraz, syntézy videa a superrozlíšenia. Prostredníctvom porovnávacích experimentov sa v tomto výskume hodnotí schopnosť modelov generovať podrobné, realistické a umelecky presvedčivé vizuály z textových a obrazových vstupov. Výsledky ukazujú, že DM vynikajú pri vytváraní vysoko detailných obrazov, ktoré presne nasledujú textové vstupy, pričom sú obzvlášť účinné pri úlohách syntézy tváre a prevodu textu na obraz. Naproti tomu GAN sú zručnejšie pri vykresľovaní realistických scén prostredia, ktoré sú vhodné pre aplikácie vyžadujúce pohlcujúce vizuály. Oba typy modelov sú kompetentné v umeleckom vykresľovaní, hoci sa líšia v prispôsobovaní štýlu a kreativite. V závere práce sú uvedené budúce smery výskumu zamerané na zvýšenie účinnosti modelov a efektívnejšiu integráciu týchto technológií do praktických aplikácií.
|
guest ::
