ディスインフォメーション

意図的に作成・流布される虚偽の情報。人々を欺いたり、社会に混乱を引き起こしたりすることを目的として、故意に作り出される偽情報を指す。

事実に基づいているが、他者を傷つけたり不利益を与えたりする目的で発信・拡散される情報。私的な情報の暴露や、事実の一部を文脈から切り離して悪意をもって広めることが該当する。偽情報（ディスインフォメーション）、誤情報（ミスインフォメーション）と並ぶ分類の一つ。

害を与える意図はないが、誤った情報が拡散されること。事実誤認や不正確な情報が、悪意なく共有・転送されることで広まる誤情報を指す。

本物に似たデータを作る生成器（Generator）と、本物か生成されたものかを見分ける識別器（Discriminator）の2つのネットワークを、互いに競わせながら学習する生成モデルで、2014年にI.グッドフェローらが提案した。生成器は識別器をだませるよう、識別器は見破れるよう学習することで、精細な画像を生成できる。学習が不安定で、似た出力ばかりになるモード崩壊が起きやすい。

音声や音楽を生成するAIモデル。文章を読み上げる音声合成（TTS）、少量の録音から特定の人の声を再現する声のクローン、文章の指示から楽曲や効果音を作るモデルなどがあり、音声の波形を直接生成するニューラルボコーダや、音声をトークンに変換して言語モデルで生成する方式が使われる。本人に似せた声による詐欺やなりすましへの悪用が問題になる。

文章による指示（プロンプト）や元の画像をもとに、新しい画像を生成するAIモデル。現在は拡散モデルが主流で、かつてはGANも広く使われた。画像の一部の描き直しや画風の変換もでき、広告やデザインの素材作成に使われる一方、著作物に似た画像の生成による権利侵害、偽画像（ディープフェイク）の作成が問題になる。

文章による指示や静止画をもとに、動画を生成するAIモデル。各コマの画質に加えて、コマ間で物体や人物の見た目と動きの一貫性を保つ必要があり、拡散モデルとTransformerを組み合わせた方式が使われ、画像の生成より大きな計算資源を要する。広告や映像制作の試作に使われる一方、実在の人物の偽動画による偽情報の拡散が懸念される。