Computational Visual Content Verification

I sin avhandling Computational Visual Content Verification utforsker Sohail Khan hvordan nyhetsredaksjoner verifiserer visuelt brukergenerert innhold (UGC), og undersøker voksende utfordringer knyttet til manipulert medieinnhold som deepfakes og cheapfakes. Avhandlingen analyserer dagens verifiseringspraksis i journalistikken, kartlegger eksisterende verktøy og arbeidsprosesser, og avdekker et tydelig sprik mellom teknologiske fremskritt og praksis i redaksjonene.

Til tross for fremveksten av AI-baserte verifikasjonsverktøy, viser forskningen at mange av disse har begrenset evne til å oppdage vanlige former for manipulasjon, noe som gjør redaksjonene sårbare for desinformasjon.

Khan adresserer tre sentrale forskningsspørsmål: hvordan verifisering av visuelt UGC foregår i praksis i dag, hvilke begrensninger dagens deepfake-deteksjonsmodeller har – spesielt når det gjelder generaliseringsevne og robusthet ved etterbehandling – og hvilke utfordringer som knytter seg til å identifisere cheapfakes, som er mer utbredte, men vanskeligere å avsløre på grunn av sin enkle teknologiske natur og mangel på kontekstuell informasjon.

Gjennom avhandlingen bidrar Khan både med en kritisk gjennomgang av dagens verifiseringslandskap og med nye AI-baserte metoder for å oppdage deepfakes og cheapfakes. Forskningen understreker også behovet for tettere samarbeid mellom forskere og journalister, og fremhever initiativer for å bygge et forskningsfellesskap rundt disse utfordringene, blant annet gjennom internasjonale konkurranser innen medieverifisering.

Personalia

Jeg er doktorgradsstipendiat ved SFI MediaFutures, Institutt for informasjons- og medievitenskap. Forskningen min fokuserer på verifisering av visuelt innhold og oppdagelse av desinformasjon. Tidligere var jeg forskningsassistent under Dr. Hang Dai ved MBZUAI, hvor jeg jobbet med deepfake-deteksjon, og forskningsintern ved CYENS Centre of Excellence på Kypros under Dr. Alessandro Artusi.