• Център за изследване на демокрацията – дезинформация и политически изследвания;
• Ontotext -инструменти на изкуствения интелект за проверка на съдържанието;
• Проф. Николета Корбу (Колеж по комуникация и връзки с обществеността, SNSPA) – обширни изследвания в областта на политическата комуникация, с фокус върху медийните ефекти, дезинформацията и потреблението на новини.
• Funky Citizens – медийна грамотност на Балканите, управляваща factual.ro – политическа платформа за проверка на факти в Румъния;
  д-р Ралица Ковачева – журналистически изследвания в хибридни заплахи;
• Д-р Бисера Занкова – Фондация Media 21 – свобода на медиите; медийна грамотност; закон.

Под ръководството на проф. Калина Бончева създадохме ново регионално мултидисциплинарно обединение от изследователи, експерти по проверката на факти и други експерти, което да действа като катализатор и усилвател на национални и регионални действия срещу дезинформацията.

Ключов екип

Доц. Милена Добрева ръководи дейностите на Институт GATE в областта на дезинформацията.

Проф. Калина Бончева е ръководител на групата за обработка на естествен език (NLP) в Университета в Шефилд. Тя е координирала проекта FP7 PHEME за анализ на слухове и дезинформация и е научен директор на проекта H2020 WeVerify за съвместна проверка на съдържанието. От 2014 г. проф. Бончева изследва методи за анализ на дезинформация, съчетавайки NLP методи за анализ на текстовото съдържание с модели за машинно обучение за откриване на достоверност. Те се комбинират също така с анализа на мрежите, базирани на споменаване и хаштаг, в контекста на разпространението на дезинформация, намеренията за гласуване и злоупотребите онлайн.

Избрани публикации

1. Carolina Scarton, Diego F. Silva, Kalina Bontcheva. Measuring What Counts: The case of Rumour Stance Classification. Proc. of the 1st Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the 10th International Joint Conference on Natural Language Processing (AACL-IJNLP), 2020, http://aacl2020.org/program/accepted/
2. Alex Nikolov, Giovanni Da San Martino, Ivan Koychev, Preslav Nakov, Team Alex at CLEF CheckThat! 2020: Identifying Check-Worthy Tweets With Transformer Models, CLEF 2020, 22-25 September 2020, Thessaloniki, Greece., https://arxiv.org/abs/2009.02931
3. Dimitrina Zlatkova, Preslav Nakov, Ivan Koychev, Fact-Checking Meets Fauxtography: Verifying Claims About Images, Proc. EMNLP-IJCNLP, Publisher: Association for Computational Linguistics, 2019, doi:10.18653/v1/D19-1216, https://arxiv.org/abs/1908.11722
4. Michal Lukasik, Kalina Bontcheva, Trevor Cohn, Arkaitz Zubiaga, Maria Liakata, Rob Procter. Gaussian processes for rumour stance classification in social media. ACM Transactions on Information Systems (TOIS) 37 (2), 1-24. 2019. https://doi.org/10.1145/3295823
5. Ahmet Aker, A Sliwa, F Dalvi, Kalina Bontcheva. Rumour verification through recurring information and an inner-attention mechanism. Online Social Networks and Media 13, 100045. 2019. https://doi.org/10.1016/j.osnem.2019.07.001
6. Todor Mihaylov, Tsvetomila Mihaylova, Preslav Nakov, Lluís Màrquez, Georgi D. Georgiev, Ivan Koychev, The dark side of news community forums: opinion manipulation trolls, Internet Research, vol:28, issue:5, 2018, pages:1292-1312, ISSN (online):1066-2243, https://doi.org/10.1108/IntR-03-2017-0118, https://www.emerald.com/insight/content/doi/10.1108/IntR-03-2017-0118/full/html

Контакт

Милена Добрева, milena.dobreva@gate-ai.eu

• FAIR (Findability/Откриваемост, Accessibility/Достъпност, Interoperability/Оперативна съвместимост and Reusability/Преизползваемост) метаданни: Решения, които добавят семантичен слой към общата рамка за управление на данни, който е свързан с техните метаданни. Основната им цел е да хармонизират различни схеми за данни и метаданни, както и различни речници и онтологии. По този начин и данните, и метаданните придобиват експлицитно семантично значение.
• Данни в контекст: Методи и инструменти, които многократно използват обща база от знания, контексти за обогатяване на данни и по този начин подобряват качеството на данните. Например обогатяването на данните на компанията с контекст от външни източници, като новини и социални медии, осигурява допълнителна информация за идентифициране на фактори, които влияят на нейния успех. На следващ етап изследваните данни в контекст позволяват да се идентифицират външни фактори, които могат да се използват за взимане на бъдещи решения.
• „Фабрика“ за данни: Методологии и инструменти за разработване на „фабрика“ за интегриране и свързване на данни. „Фабриките“ за данни генерират федерирани данни и позволяват трансформация на съществуващите модели на данни в семантични модели на знания като онтологии и таксономии. Те могат да бъдат реализирани с помощта на графи на знанието, в които се съхраняват всички правила за смисленото и динамично свързване на бизнес обекти. По този начин предимствата на Data Lakes и Data Warehouses се допълват с усъвършенствани методи от семантичните граф технологии.
• Експлицитна семантика: Методи и инструменти, които правят семантиката на данните явна, което от своя страна я прави достъпна, машинно четима и преносима.
• Съхранение и управление на данни като знание: Изследване и приложение на графите на знанията като мощна система за управление на знание.
• Качество на данни: Методи и инструменти, които валидират консистентността на данните и осигуряват механизми за тяхното възстановяване при например липсващи данни, както и извършват проверка на тяхното качество след обогатяване от други източници по начин, при който качеството и целостта могат да се оценят.

Анализът на данни се прилага с помощта на онлайн и скалируеми алгоритми за машинно обучение, които са в състояние непрекъснато да актуализират изучаваните модели и да работят върху разпределени системи.

В същото време анализът на данни в реално време драстично променя начините, по които системите могат да използват данни за прогнозиране на резултатите и за предлагане на алтернативи. Вместо да комбинират предположения, базирани на поредица от минали събития и моментни състояния, системите, работещи в реално време, могат да дадат разбиране за това, което се случва в настоящето.

В допълнение, новите системи за машинно обучение имат възможност да обяснят изводите си, да характеризират своите силни и слаби страни и да осигурят разбиране за това как ще се държат в бъдеще.

Текущи направления за изследвания:

• Машинно обучение за големи данни
• Обработка на естествени езици за ниско ресурсни езици и конкретни приложни области
• Обясняващ изкуствен интелект

Целеви приложни области:

• електронно здравеопазване
• анализ на данни от уеб
• откриване на дезинформация и др.

Съвременни  технологии за добавена реалност (AR) и виртуална реалност (VR)  се прилагат по отношение на различните сетива (визуални, аудио, хаптични) и пространства.

Цел

DataPACT разработва нови инструменти и методологии, които позволяват ефективни, съвместими, етични и устойчиви операции за данни и изкуствен интелект.

Партньорство

Проектът се изпълнява в партньорство със следните организации:

SINTEF AS NO Coordinator
MALTA INFORMATION TECHNOLOGY LAW ASSOCIATION MT
ETICAS RESEARCH AND CONSULTING SL ES
INTERNATIONAL DATA SPACES EV DE
PHILIPS MEDICAL SYSTEMS NEDERLAND BV NL
INTESA SANPAOLO SPA Italy
SERVICIUL DE PROTECTIE SI PAZA RO
TRONDHEIM KOMMUNE Norway
ARISTOTELIO PANEPISTIMIO THESSALONIKIS EL
MOG TECHNOLOGIES SA PT
CACTUS DIGITAL S.A. EL
ASSIST SOFTWARE SRL RO
KATHOLIEKE UNIVERSITEIT LEUVEN BE
UNIVERSITY OF SOUTHAMPTON UK
UNIVERSITA’ DEGLI STUDI DI MILANO-BICOCCA IT
INSTITUT JOZEF STEFAN SI
KOBENHAVNS UNIVERSITET DK
UNIVERSITAET KLAGENFURT AU

Дейности

DataPACT предоставя трансформиращ подход, при който съответствието, етиката и устойчивостта на околната среда са основни елементи на операциите за данни и изкуствен интелект. DataPACT допринася за проектирането, внедряването и управлението на операциите за данни и изкуствен интелект, като изгражда съответствие, поверителност и екологична устойчивост в основния им дизайн.

DataPACT помага да се гарантира ясно и рентабилно спазване на съществуващите и нововъзникващите разпоредби и насоки, по-кратко време за пускане на пазара за съвместими решения за данни, справедливи и безпристрастни системи, основани на данни, зачитащи неприкосновеността на личния живот и други основни права, както и по-ниско и прозрачно въздействие върху околната среда за интензивни операции с данни и изкуствен интелект.

Цел

Проектът CoDE изследва и анализира информационното пространство в България. Основните му цели са:

• Консолидиране на добри практики – CoDE има за цел консолидиране на добрите практики в анализа на информационната среда и информационното общество.
• Разработване на инструменти и провеждане на обучения – проектът се фокусира върху разработването на инструменти, предоставяне на обучение и създаване на среда за сътрудничество.
• Създаване на ефективна екосистема – CoDE обединява екипи от академичната общност, бизнеса, публичния и неправителствения сектор.

Партньорство

• Стопански факултет, Софийски университет “Св. Климент Охридски”
• Философски факултет, Софийски университет “Св. Климент Охридски”
• Институт по информационни и комуникационни технологии (ИИКТ) към Българска академия на науките
• Европейски софтуерен институт – Център Източна Европа
• Уебцентрик
• Контипсо
• Айдентрикс

Дейности

• Анализ и концептуализация – първата година включва извършване на анализ, идентифициране и изясняване на моделите на информационната среда.
• Представяне на насоки за рационализация – втората година предвижда разработване на насоки за усъвършенстване и представяне пред заинтересованите страни.
• Оптимизация и демонстрация – финалната фаза включва оптимизация и демонстрация на постигнатите резултати.

След успешното приключване на проекта, екосистемата за анализ на информационната среда ще се стреми да се утвърди и да продължи да работи в съответствие със зададения бизнес модел и стратегия за развитие. Това предвижда устойчиво и структурирано продължаване на дейностите на екосистемата, гарантирайки нейното продължаващо значение и въздействие след приключването на проекта.

Повече информация на: CoDE: Countering Disinformation Environment (Ecosystem) in Bulgaria (bas.bg)

Подкрепата за Финансираната страна и всеки партньор по проекта по отделно е осигурена от Фондация „Америка за България“. Изявленията и мненията, изразени тук, принадлежат единствено на Финансираната страна или на съответния партньор по проекта и не отразяват непременно вижданията на Фондация „Америка за България“ или нейните партньори.