2 我们要感谢引用的专家和 MPM 国家团队,特别是保加利亚、爱沙尼亚、芬兰、法国、德国、匈牙利、葡萄牙、黑山、北马其顿共和国、斯洛伐克、塞尔维亚和斯洛文尼亚的团队。他们在 MPM 数据收集方面的工作为我们提供了与各自国家虚假信息和相关政策制定工作相关的宝贵见解。此外,斯洛伐克广播和转播委员会的 Stanislav Matejka 帮助我们更好地了解了斯洛伐克的监管情况。
• 寻找可实施的特殊情况。• 搜索是一种聪明的欺骗,难以测试且笨重(完全理解一些选项?)• 购买正常信号:更多/更少不是什么 • Shannon/Sims 的进步:精确塑造学习以平衡效用和成本 • 效用和生产理论的混合 • 对美丽、简单(例如 Matejka 和 Mackay 加权逻辑回归)和丰富性感到惊讶(与 Dean 和 Leahy 的考虑集)
近年来,人工智能 (AI) 技术已应用于日常生活的核心方面。我们在使用演示程序或玩游戏时会遇到自动设计建议,其中情节或角色是在 AI 工具的帮助下准备的。设计师如何受到这种变化的影响也是最近研究的主题 (Stembert & Harbers, 2019)。例如,AI 已用于分析创意作品 (Maher & Fisher, 2012)、探索给定产品可能形式的设计空间 (Burnap 等人, 2016) 和生成设计 (Kazi 等人, 2017; Matejka 等人, 2018)。基于 AI 的系统已成功生成非显而易见的解决方案,这些解决方案可与人类的聪明才智相媲美,有时甚至超越人类的聪明才智 (Serra & Miralles, 2021)。因此,可以合理地期望 AI 能够支持人类设计师探索非显而易见的问题和解决方案空间。