Why AI-Generated Content Labeling Mandates Fall Short (Record no. 8218)

000 -LEADER
fixed length control field 02219nam a2200289 4500
001 - CONTROL NUMBER
control field 00008218
003 - CONTROL NUMBER IDENTIFIER
control field ES-MaONT
005 - DATE AND TIME OF LATEST TRANSACTION
control field 20250123100122.0
008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION
fixed length control field 250115s2024 -uk||||| t||| 00| 0 eng d
040 ## - CATALOGING SOURCE
Original cataloging agency ES-MaONT
100 1# - MAIN ENTRY--PERSONAL NAME
Personal name Lisinska, Justyna
9 (RLIN) 8520
245 ## - TITLE STATEMENT
Title Why AI-Generated Content Labeling Mandates Fall Short
Statement of responsibility, etc. / Justyna Lisinska, Daniel Castro
260 ## - PUBLICATION, DISTRIBUTION, ETC.
Place of publication, distribution, etc. Londres
Name of publisher, distributor, etc. : Center for data innovation
Date of publication, distribution, etc. ,diciembre 2024
300 ## - PHYSICAL DESCRIPTION
Extent 13 páginas
Other physical details ; 1 documento PDF
336 ## - CONTENT TYPE
Source isbdcontent
Content type term texto (visual)
337 ## - MEDIA TYPE
Source isbdmedia
Media type term electrónico
338 ## - CARRIER TYPE
Source rdacarrier
Carrier type term recurso en línea
520 ## - SUMMARY, ETC.
Summary, etc. El informe Why AI-Generated Content Labeling Mandates Fall Short analiza las limitaciones de imponer etiquetas obligatorias a todo contenido generado por inteligencia artificial (IA). Señala que, aunque el etiquetado mediante marcas de agua puede ayudar a identificar material creado por IA, exigirlo universalmente resulta poco práctico y no aborda eficazmente problemas como la desinformación, las violaciones de derechos de autor y los deepfakes.<br/><br/>La metodología del informe examina enfoques como el watermarking digital, el fingerprinting digital y el uso de metadatos criptográficos para etiquetar y verificar contenido de IA. Se destacan las limitaciones técnicas de cada método, incluyendo su susceptibilidad a manipulaciones y la falta de estándares uniformes, lo que dificulta su implementación efectiva a gran escala.<br/><br/>Por último, el informe recomienda fomentar la adopción voluntaria de etiquetas para todo el contenido digital mediante estándares establecidos, como la Coalition for Content Provenance and Authenticity (C2PA). Además, sugiere promover campañas de alfabetización digital y desarrollar respuestas específicas para problemas particulares, en lugar de imponer etiquetas generales al contenido generado por IA.
650 #0 - SUBJECT ADDED ENTRY--TOPICAL TERM
9 (RLIN) 4348
Topical term or geographic name entry element Inteligencia Artificial
650 #0 - SUBJECT ADDED ENTRY--TOPICAL TERM
9 (RLIN) 18
Topical term or geographic name entry element Tecnologías habilitadoras digitales
650 #7 - SUBJECT ADDED ENTRY--TOPICAL TERM
9 (RLIN) 2182
Topical term or geographic name entry element Datos abiertos
650 #0 - SUBJECT ADDED ENTRY--TOPICAL TERM
9 (RLIN) 2044
Topical term or geographic name entry element Internet
700 1# - ADDED ENTRY--PERSONAL NAME
9 (RLIN) 2389
Personal name Castro, Daniel
856 ## - ELECTRONIC LOCATION AND ACCESS
Nonpublic note Abierto
Link text Acceso a la publicación
Uniform Resource Identifier https://www2.datainnovation.org/2024-ai-watermarking.pdf
942 ## - ADDED ENTRY ELEMENTS (KOHA)
Source of classification or shelving scheme Other/Generic Classification Scheme
Koha item type Informes
Holdings
Withdrawn status Lost status Damaged status Not for loan Collection code Koha itemnumber Home library Current library Shelving location Date acquired Total Checkouts Barcode Date last seen Price effective from Koha item type
      Acceso libre online Colección digital 9160 CDO CDO   15/01/2025   1000020178378 15/01/2025 15/01/2025 Informes
Copyright© ONTSI. Todos los derechos reservados.
x
Esta web está utilizando la política de Cookies de la entidad pública empresarial Red.es, M.P. se detalla en el siguiente enlace: aviso-cookies. Acepto