Understanding the Role of AI-Generated Text in Amplifying Conflicts and Disinformation

Abstract

The master thesis demonstrates that detecting AI-generated text is an increasingly challenging task as continuously improve in generating human-like text with greater fluency and contextual awareness. This evolving capability of Large language mode complicates efforts to distinguish machine-generated content from authentic human communication, highlighting the urgent need for advanced detection methodologies. The thesis investigates the detection of AI-generated text and its impact on both Palestine-Zionist Occupation and Ukraine-Russia conflicts. It contributes by developing and evaluating a comprehensive framework that combines machine learning, deep learning, and transformer-based models for distinguishing AI-generated from human-written content. The study integrates linguistic features and embeddings, applies fine-tuned transformer models, and performs sentiment analysis to reveal stylistic and emotional differences between artificial intelligence and human texts. The findings demonstrate the effectiveness of these methods in improving detection accuracy and deepen understanding of how AI-generated content influences public sentiment in politically sensitive contexts.This work advances methodologies for AI text detection and provides insights into the role of AI-generated narratives in amplifying conflicts. ***

La thèse de master démontre que la détection des textes générés par l’intelligence artificielle constitue un défi de plus en plus complexe, les modèles ne cessant de s’améliorer dans la production de textes ressemblant à ceux des humains, avec une plus grande fluidité et une meilleure compréhension contextuelle. Cette capacité en constante évolution des grands modèles de langage complique les efforts visant à distinguer les contenus produits par des machines de ceux rédigés par des humains, soulignant l’urgence de développer des méthodologies de détection avancées. La thèse s’intéresse à la détection des textes générés par l’IA et à leur impact dans les conflits israélo-palestinien et russo-ukrainien. Elle contribue en développant et en évaluant un cadre méthodologique complet combinant l’apprentissage automatique, l’apprentissage profond et les modèles transformeurs pour distinguer les textes générés par l’IA de ceux écrits par des humains. L’étude intègre des caractéristiques linguistiques et des représentations vectorielles, applique des modèles transformeurs ajustés et réalise une analyse de sentiment afin de mettre en évidence les différences stylistiques et émotionnelles entre l’intelligence artificielle et l’écriture humaine. Les résultats démontrent l’efficacité de ces méthodes pour améliorer la précision de détection et approfondissent la compréhension de l’influence des contenus générés par l’IA sur les sentiments publics dans des contextes politiquement sensibles. Ce travail fait progresser les méthodologies de détection des textes produits par l’IA et apporte un éclairage sur le rôle des récits générés artificiellement dans l’amplification des conflits.