Postfaktická doba a fake .

Proč lidé věří ve fake news? Jednou z příčin by mohlo býti přehlcení informacemi, důsledkem čehož jsou lidé neschopni se v nich zorientovat. Další příčinou by mohlo býti to, že lidé si vybírají jen články, které vyjadřují jejich názor, čímž dochází k tzv. komfirmačnímu zkreslení. Co ale v případě nestranných témat? Proč k tomuto dochází i v tomto případě?

Dle mého názoru se fake news rozmohly především proto, že lidé neověřují a kriticky nehodnotí informace a zdroje informací, protože je nezajímá kdo článek zveřejnil a s jakým účelem. Takto se k nim dostávají neozdrojované články z nedůvěryhodných zdrojů.

V takovýchto případech jsou bohužel nepozorní konzumenti internetových zpráv lehce zmanipulovatelní a to například při politické kampani skrze internet a sociální sítě, ale i prostřednictvím televizního a rozhlasového vysílání a také tištěných médiích.

Kdysi odhalovali falešné zprávy tzv. gatekeepeři, kteří zabraňovali manipulaci s lidmi. Dnes lze prostřednictvím internetu zmanipulovat masu a zajistit si tak politické či finanční výhody. A lidé mohou falešné zprávy šířit dále, jako tzv. virály jednodušeji než kdy dříve prostřednictvím sociálních síti. A je prokázáno, že když uvidíme, že zprávu sdílel někdo z našich přátel, tak ji snadněji uvěříme.

Facebook a podobné stránky, které přebírají články z jiných zdrojů jsou dobrým nástrojem pro manipulací lidí, jelikož se zjistilo, že se na takovýchto stránkách lidé dívají na zdroje, jen pokud je téma doopravdy zajímá. Jinak důvěřují svým přátelům a i sami sobě, jelikož lze facebook personalizovat.

Nejenom lidé, ale i novináři musí ověřovat data,aby byly jejich články či výzkumy přesné. Jenomže dat je na světě spousta a novináři se v nich ztrácejí. Jak zjistíme, že soubor dat odpovídá skutečnosti?Nejdříve musíme hned po získání dat provést vyhodnocení, ale nesmíme zapomenout i na ověření na konci.

Musíme si uvědomit,že instituce nezveřejňují všechny svá data a náklady na projekty a tak jsou záznamy často nekompletní. V databázích se často vyskytují i duplikáty, které musíme vyfiltrovat. Poté musíme zjistit zda jsou data přesná a to tak, že záznamy porovnáme s realitou. Dále je potřeba zjistit integritu dat, jsou-li vztahy mezi daty správné a nezměnily se data během několikati let. Poté je potřeba kódy a akronymy dešifrovat,abychom správně pochopili vztahy mezi nimi. A nakonec je potřeba data znovu ověřit a porovnat v terénu, protože ani nejlepší analýza dat nemůže nahradit žurnalistiku a investigaci přímo v terénu.

Zajímavou oblastí jsou tzv. deepfakes ,což je kombinace slov “deep learning” a “fake”. Co je to vlastně deep learning? Deep learning je jedním z algoritmů strojového učení. Systém deep learning slouží například k rozpoznávání obrázků pomocí hlubokých neuronových síťí. Rozpoznávací systémy jsou využívány i ve fyzickém světě například při rozpoznávání reálných objektů v případě samořídících aut.

Dokáží s obrázkem a videem také manipulovat překrytím nebo kombinací obrázků či videí. Překrytím obličeje či celého těla jiným obličejem nebo tělem tak dojde k naprosto věrohodné záměně osob. Existující programy si dokážou poradit i s mimikou a gesty.

Tyto techniky vykreslování výrazu obličeje na obličej osoby ve videu, byly představeny v roce 2016 a umožnily témeř v reálném čase padělání výrazů obličeje ve videu.

Deepfakes mohou být použity při vytváření fake news nebo hoaxů.

Příkladem může být video na kterém postava Baracka Obamy nabádá, aby veřejnost nevěřila všemu co vidí nebo slyší na internetu nebo nahrazení obličeje Angely Merkelové tváří Donalda Trumpa.