- El artículo lleva por título ‘Síntesis profunda de voz y sus implicaciones para la verificación de noticias: Lecciones aprendidas en la Cátedra RTVE-UGR’
Este texto aborda cómo la síntesis profunda de voz está influyendo en la verificación de noticias, basándose en las experiencias recogidas en la Cátedra RTVE-UGR. Se discuten las lecciones aprendidas sobre el impacto de esta tecnología en la autenticidad y veracidad de la información. También enfoca las medidas necesarias para mitigar sus riesgos.
El artículo de la profesora Zoraida Callejas Carrión del Departamento Lenguajes y Sistemas Informáticos, Universidad de Granada, ha sido publicado en la revista científica y te lo puedes descargar al final de esta publicación.
El trabajo multidisciplinario realizado en la Cátedra RTVE-UGR dentro del proyecto IVERES, tiene como objetivo principal desarrollar una herramienta para que los periodistas verifiquen la veracidad de los audios que llegan a las redacciones. En la actualidad, la síntesis de voz tiene aplicaciones tanto beneficiosas como perjudiciales, siendo los deepfakes de audio una preocupación significativa en el mundo del periodismo debido a su capacidad para engañar y desinformar. Este problema multifacético solo puede abordarse adoptando una perspectiva multidisciplinaria.
El foco del artículo
En el artículo se describe el enfoque adoptado en la Cátedra RTVE-UGR para afrontar con éxito los desafíos derivados de los deepfakes de audio. Esto implicó reunir a un equipo con diferentes antecedentes y utilizar una metodología específica de co-creación iterativa. Como resultado, se presentan varios logros, incluyendo la compilación y generación de conjuntos de datos de audio, el desarrollo y despliegue de varios modelos de detección de falsificaciones de audio, y el desarrollo de una herramienta web de verificación de audio dirigida a periodistas.
Finalmente, se destaca la importancia del trabajo colaborativo sistemático en la lucha contra la desinformación y el potencial futuro de las tecnologías de verificación de audio en diversas aplicaciones. Este esfuerzo no solo ayuda a proteger la integridad del periodismo, sino que también ofrece un marco para abordar las implicaciones económicas, jurídicas y éticas que esta tecnología plantea para la industria musical y otras áreas afectadas por los avances en inteligencia artificial.
Conclusión del artículo
A pesar del creciente interés en la adopción y desarrollo de tecnologías para la verificación de noticias, aún falta investigación sobre las mejores prácticas de cultura profesional y estructuras multidisciplinarias para implementar estas tecnologías en las redacciones. En este contexto, el trabajo de la Cátedra RTVE-UGR se destaca por su enfoque multidisciplinario en la lucha contra la desinformación, organizando la colaboración entre perfiles diversos de informática y periodismo para desarrollar herramientas efectivas de verificación de noticias.
El estado actual del periodismo de verificación se basa principalmente en perfiles que combinan habilidades híbridas, como los periodistas de datos. Sin embargo, el periodismo sigue siendo la disciplina principal, existiendo una brecha notable en la confianza entre las habilidades periodísticas y las de ciencias computacionales. En contraste, defendemos un enfoque verdaderamente multidisciplinario con especialistas en periodismo e informática adoptando roles específicos. Esta colaboración tiene un efecto positivo, ya que los desarrolladores trabajan dentro del marco lógico periodístico mientras los periodistas adquieren nuevas competencias técnicas.
Detección de fake news
Las voces generadas y los modelos entrenados proporcionan una base sólida para la detección de deepfakes de audio, una necesidad creciente en esta era de IA generativa donde la información puede ser fácilmente manipulada. La integración de herramientas externas en nuestra plataforma ha mejorado la funcionalidad y efectividad de nuestra aplicación, ofreciendo a los medios mayor seguridad al verificar audios y permitiéndoles trabajar con varios modelos de detección.