Key points are not available for this paper at this time.
Die Verbreitung von Fake News stellt eine ernsthafte Bedrohung für das öffentliche Vertrauen und informierte Entscheidungsfindung dar. Das Auftreten von KI-generierten Fake News verschärft dieses Problem, da sie schneller und überzeugender produziert werden können als von Menschen erzeugte Inhalte. Um dieses Problem anzugehen, präsentiert unser Papier einen robusten Ansatz zur Erkennung von KI-generierten Fake News, der in wichtigen Bereichen der Fehlinformation anwendbar ist: Politik und Wahlen, Gesundheit und Medizin, Wissenschaft und Technologie sowie Unterhaltung und Prominente. Unsere Modelle unterscheiden zwischen KI-generierten und menschlich erzeugten Nachrichtenartikeln und bewerten deren Wahrhaftigkeit. Mit großen Sprachmodellen wie ChatGPT haben wir Datensätze erstellt, die sowohl KI- als auch menschlich generierte Fake- und echte Nachrichten umfassen. Nach umfangreicher Datenvorverarbeitung und der Anwendung verschiedener Merkmalsextraktionstechniken wurden unsere Modelle mit mehreren maschinellen Lernalgorithmen trainiert. Unsere Ergebnisse zeigen, dass es möglich ist, KI-generierte Fake News genau zu identifizieren, was eine signifikante Verteidigungsschicht im Kampf gegen Fehlinformationen in verschiedenen Sektoren hinzufügt. Darüber hinaus haben wir die potenzielle Nützlichkeit übertragbarer maschineller Lernmodelle untersucht, die auf Daten aus einem Bereich (z. B. Politik) trainiert wurden, wenn sie in einem anderen Bereich (z. B. Gesundheit) getestet werden.
Nanabala et al. (Mon,) haben diese Frage untersucht.