اعظم السادات نوربخش

هدف: این پژوهش به بررسی پدیده دیپ فیک به عنوان یکی از پیامدهای فناوری های پیشرفته هوش مصنوعی، یادگیری ماشین و یادگیری عمیق در دهه اخیر می پردازد. هدف این تحقیق، تحلیل روش های مختلف مقابله با محتوای جعلی و بررسی اثرات اجتماعی و قانونی آن ها است.روش شناسی پژوهش: این مطالعه به بررسی چهار دسته از روش های مقابله با دیپ فیک شامل روش های مبتنی بر یادگیری عمیق، یادگیری ماشین کلاسیک، روش های آماری و بلاک چین می پردازد. همچنین، عملکرد این روش ها در شناسایی دیپ فیک ها بر اساس مجموعه داده های مختلف مورد ارزیابی قرار می گیرد.یافته ها: نتایج نشان می دهند که روش های مبتنی بر یادگیری عمیق در شناسایی دیپ فیک ها کارایی بیشتری دارند. همچنین، این تحقیق به تحلیل جنبه های مختلف دیپ فیک از منظر رسانه ها، جامعه، تولید و بازنمایی رسانه ها، مخاطبان، جنسیت، قانون و سیاست می پردازد و نشان می دهد که جامعه در مقابله با دیپ فیک ها آماده نیست.اصالت/ارزش افزوده علمی: این پژوهش با بررسی جامع و تطبیقی روش های مختلف شناسایی دیپ فیک، به ارزشمندی و اصالت خود در زمینه ارایه راهکارهای موثر و تحلیل ابعاد اجتماعی و قانونی این پدیده می افزاید. نتایج این مطالعه می تواند به سیاست گذاران و محققان در تدوین راهبردهای مناسب برای مقابله با دیپ فیک کمک کند.

مقدمه: یکی از پدیده های اقتصادی که به گونه های مختلف توسط پژوهشگران مورد بررسی قرار گرفته است، مسئله هجوم بانکی است. هجوم بانکی به وضعیتی اطلاق می شود که سپرده گذاران به دلیل ترس از امنیت سپرده های خود در واکنشی عمدتا احساسی، اقدام به برداشت ناگهانی آن می نمایند که می تواند منجر به ورشکستگی دومینووار بانکی شود. روش کار: در این مقاله ضمن ترکیب معماری Emotional X-machine برای عامل احساسی و معماری ((NOE)Norma Emergence) برای عامل هنجاری، مدلی برای عامل احساسی_هنجاری ارائه شده و به واسطه آن، نقش هنجارهای اجتماعی در پیشگیری از پدیده هجوم بانکی از طریق شبیه سازی در محیط عامل محور Netlogo و تجزیه و تحلیل نتایج آن مورد بررسی قرار گرفته است. یافته ها: در شرایطی که بدون استفاده از استدلال هنجاری، با فعال سازی سرایت احساسات و استفاده از 15 عامل فرعی با ورشکستگی بانکی 100 درصد مواجه بوده ایم، با فعال سازی استدلال هنجاری، در نظر گرفتن میانگین 5/0 برای متغیر شخصیتی Agreeableness و استفاده از جمعیت هنجاری اولیه 50 درصد، میزان ورشکستگی بانکی به حدود 50 درصد کاهش پیدا می کند، با افزایش جمعیت هنجاری اولیه به 100 درصد، ورشکستگی بانکی به طور کامل مهار می گردد. نتیجه گیری: در نهایت نتایج به دست آمده از شبیه سازی به وضوح تاثیرگذاری استدلال هنجاری را در پیشگیری از وقوع پدیده فرار بانکی تایید می نمایند.