Alex Fink, Tech Executive, Oprichter & CEO van de Otherweb – Interview Serie

Alex Fink is een Tech Executive en de Oprichter en CEO van de Otherweb, een Public Benefit Corporation die AI gebruikt om mensen te helpen nieuws en commentaar te lezen, naar podcasts te luisteren en het web te doorzoeken zonder betalingsmuren, clickbait, advertenties, automatisch afgespeelde video’s, affiliate-links of andere ‘rommel’ inhoud. Otherweb is beschikbaar als app (iOS en Android), website, nieuwsbrief of zelfstandige browserextensie. Voordat hij Otherweb oprichtte, was Alex Oprichter en CEO van Panopteo en Co-oprichter en Voorzitter van Swarmer.

Kunt u een overzicht geven van Otherweb en zijn missie om een rommelvrije nieuwsruimte te creëren?

Otherweb is een public benefit corporation, opgericht om de kwaliteit van de informatie die mensen consumeren te verbeteren.

Ons hoofdproduct is een nieuwsapp die AI gebruikt om rommel te filteren en gebruikers onbeperkte aanpassingen mogelijk maakt – het controleren van elke kwaliteitsdrempel en elke sorteermethode die de app gebruikt.

Met andere woorden, terwijl de rest van de wereld black-box algoritmes creëert om gebruikersbetrokkenheid te maximaliseren, willen wij gebruikers zo veel waarde mogelijk geven in zo min mogelijk tijd, en maken wij alles aanpasbaar. Wij hebben zelfs onze AI-modellen en datasets openbaar gemaakt zodat mensen exact kunnen zien wat wij doen en hoe wij inhoud beoordelen.

Wat inspireerde u om u te richten op het bestrijden van desinformatie en nepnieuws met behulp van AI?

Ik ben geboren in de Sovjet-Unie en heb gezien wat er gebeurt met een samenleving wanneer iedereen propaganda consumeert en niemand weet wat er in de wereld gebeurt. Ik heb levendige herinneringen aan mijn ouders die om 4 uur ‘s ochtends wakker werden, zich in de kast opsloten en de radio aanzetten om naar Voice of America te luisteren. Het was illegaal, natuurlijk, dus deden ze het ‘s nachts en zorgden ze ervoor dat de buren het niet konden horen – maar het gaf ons toegang tot echte informatie. Als gevolg daarvan verlieten we het land 3 maanden voordat alles instortte en de oorlog in mijn geboortestad uitbrak.

Ik herinner me zelfs foto’s van tanks op de straat waar ik opgroeide en dacht “dit is wat echte informatie waard is”.

Ik wil dat meer mensen toegang hebben tot echte, kwalitatief hoogwaardige informatie.

Hoe significant is de dreiging van deepfakes, vooral in de context van het beïnvloeden van verkiezingen? Kunt u specifieke voorbeelden geven van hoe deepfakes zijn gebruikt om desinformatie te verspreiden en welke impact ze hadden?

Op korte termijn is het een zeer ernstige dreiging.

Kiezers realiseren zich niet dat video- en audio-opnames niet langer te vertrouwen zijn. Zij denken dat video bewijs is dat iets is gebeurd, en 2 jaar geleden was dit nog steeds waar, maar nu is het overduidelijk niet langer het geval.

Dit jaar, in Pakistan, kregen kiezers van Imran Khan telefoontjes van Imran Khan zelf, persoonlijk, waarin hij hen vroeg de verkiezingen te boycotten. Het was nep, natuurlijk, maar veel mensen geloofden het.

Kiezers in Italië zagen een van hun vrouwelijke politici in een pornografische video verschijnen. Het was nep, natuurlijk, maar tegen de tijd dat de nep werd ontdekt – was de schade al gebeurd.

Selfs hier in Arizona zagen we een nieuwsbrief die zichzelf aanprees door een endorsement-video te laten zien met Kari Lake. Zij had nooit haar steun gegeven, natuurlijk, maar de nieuwsbrief kreeg toch duizenden abonnees.

Dus kom November, denk ik dat het bijna onvermijdelijk is dat we ten minste één nep-scoop zullen zien. En het is zeer waarschijnlijk dat het recht voor de verkiezingen zal vallen en na de verkiezingen nep zal blijken – wanneer de schade al is gebeurd.

Hoe effectief zijn huidige AI-hulpmiddelen in het identificeren van deepfakes, en welke verbeteringen verwacht u in de toekomst?

In het verleden was de beste manier om nep-beelden te identificeren door in te zoomen en naar de karakteristieke fouten (aka “artefacten”) te kijken die makers van beelden tenden te maken. Onjuiste verlichting, ontbrekende schaduwen, onevenwichtige randen van bepaalde objecten, over-compressie rond objecten, etc.

Het probleem met GAN-gebaseerde bewerking (aka “deepfake”) is dat geen van deze gebruikelijke artefacten aanwezig is. De manier waarop het proces werkt is dat één AI-model het beeld bewerkt, en een ander AI-model zoekt naar artefacten en wijst ze aan – en de cyclus wordt herhaald totdat er geen artefacten meer over zijn.

Als gevolg daarvan is er over het algemeen geen manier om een goed gemaakte deepfake-video te identificeren door naar de inhoud zelf te kijken.

Wij moeten onze mindset veranderen en beginnen met de veronderstelling dat de inhoud alleen echt is als wij de keten van bewijs terug naar de bron kunnen traceren. Denk eraan als vingerafdrukken. Het zien van vingerafdrukken op het moordwapen is niet genoeg. U moet weten wie het moordwapen heeft gevonden, wie het naar de opslagruimte heeft gebracht, etc – u moet in staat zijn om elke enkele keer dat het van handen is gewisseld te traceren en ervoor te zorgen dat het niet is gemanipuleerd.

Welke maatregelen kunnen overheden en technologiebedrijven nemen om de verspreiding van desinformatie tijdens kritieke tijden zoals verkiezingen te voorkomen?

Het beste antidotum tegen desinformatie is tijd. Als u iets ziet dat alles verandert, publiceert u het niet meteen – neem een dag of twee de tijd om te verifiëren dat het echt waar is.

Helaas botst deze aanpak met het businessmodel van de media, dat klikken beloont, zelfs als de inhoud later vals blijkt te zijn.

Hoe gebruikt Otherweb AI om de authenticiteit en nauwkeurigheid van het nieuws dat het agreggeert te garanderen?

Wij hebben ontdekt dat er een sterke correlatie is tussen correctheid en vorm. Mensen die de waarheid willen vertellen, gebruiken bepaalde taal die terughoudendheid en nederigheid benadrukt, terwijl mensen die de waarheid negeren proberen om zoveel mogelijk aandacht te krijgen.

Otherweb’s grootste focus ligt niet op feitcontrole. Het ligt op vormcontrole. Wij selecteren artikelen die aandachttrekkende taal vermijden, externe referenties voor elke claim bieden, dingen zoals ze zijn uitleggen en geen overtuigingstechnieken gebruiken.

Deze methode is niet perfect, natuurlijk, en in theorie kan een slechte acteur een leugen schrijven in de exacte stijl die onze modellen belonen. Maar in de praktijk gebeurt dit gewoon niet. Mensen die leugens willen vertellen, willen ook veel aandacht – dit is het ding dat wij onze modellen hebben geleerd om te detecteren en te filteren.

Hoe kan een platform als Otherweb helpen om het vertrouwen van gebruikers in digitale inhoud te herstellen, gezien de toenemende moeilijkheid om echt van nep te onderscheiden?

De beste manier om mensen te helpen betere inhoud te consumeren, is om monsters te nemen van alle kanten, het beste van elk te kiezen en veel terughoudendheid te oefenen. De meeste media haasten zich om ongeverifieerde informatie te publiceren. Onze mogelijkheid om informatie van honderden bronnen te cross-referencen en ons te concentreren op de beste items, stelt ons in staat om onze gebruikers te beschermen tegen de meeste vormen van desinformatie.

Welke rol speelt metadata, zoals C2PA-standaarden, bij het verifiëren van de authenticiteit van afbeeldingen en video’s?

Het is de enige haalbare oplossing. C2PA mag of mag niet de juiste standaard zijn, maar het is duidelijk dat de enige manier om te valideren of de video die u bekijkt iets weerspiegelt dat echt in werkelijkheid is gebeurd, is om a) te garanderen dat de camera die de video heeft gemaakt alleen heeft geregistreerd en niet heeft bewerkt, en b) te garanderen dat niemand de video heeft bewerkt nadat deze de camera had verlaten. De beste manier om dit te doen is door te focussen op metadata.

Welke toekomstige ontwikkelingen verwacht u in de strijd tegen desinformatie en deepfakes?

Ik denk dat, binnen 2-3 jaar, mensen zich zullen aanpassen aan de nieuwe realiteit en hun mindset zullen veranderen. Voordat de 19e eeuw, was het beste bewijs getuigenis van ooggetuigen. Deepfakes zullen ons waarschijnlijk doen terugkeren naar deze beproefde standaarden.

Met desinformatie in het algemeen, denk ik dat het nodig is om een meer genuanceerd beeld te hebben en desinformatie (d.w.z. vals informatie die opzettelijk is gemaakt om te misleiden) te scheiden van rommel (d.w.z. informatie die is gemaakt om te worden gemoneetiseerd, ongeacht de waarheid ervan).

Het antidotum tegen rommel is een filtermechanisme dat het minder waarschijnlijk maakt dat rommel zich zal verspreiden. Het zou de stimuleringsstructuur veranderen die rommel laat verspreiden als een wild vuur. Desinformatie zal nog steeds bestaan, net zoals het altijd heeft gedaan. Wij zijn in staat geweest om ermee om te gaan in de 20e eeuw, en wij zullen in staat zijn om ermee om te gaan in de 21e eeuw.

Het is de overstroming van rommel waarover wij ons zorgen moeten maken, omdat dat het deel is waar wij op dit moment niet goed tegen zijn toegerust. Dat is het hoofdprobleem dat de mensheid moet aanpakken.

Als wij de stimulansen veranderen, zal het signaal-ruisverhouding van het internet voor iedereen verbeteren.

Dank u voor het geweldige interview, lezers die meer willen leren, kunnen de Otherweb-website bezoeken, of volgen op X of LinkedIn.