Generativni ratovi i meta-dezinformacije

Ključne stavke teksta:

• Generativni AI više nije samo alat za kreiranje sadržaja – postao je oružje u novoj eri informacionih ratova, gde se modeli obučavaju isključivo da proizvode lažne narative koji se šire sami od sebe.

• Ovi sistemi koriste psihološke profile, emocionalne okidače i demografsku segmentaciju da bi bili ubedljiviji od ljudskih propagandista.

• U 2026. godini vidimo eksploziju takvih kampanja: od dubokih laži u izborima do narativa koji se sami umnožavaju i mutiraju preko društvenih mreža.

• Rizici su ogromni – erozija poverenja, polarizacija društva, pa čak i destabilizacija demokratija – ali postoje i načini odbrane.

• Tema nije naučna fantastika: već se dešava, a budućnost donosi autonomne AI agente koji vode propagandu bez ljudskog nadzora.

Zašto ova tema plaši i privlači istovremeno

Kada sam prvi put video kako jedan relativno jednostavan LLM (veliki jezički model – Large Language Model) generiše desetine varijacija lažne vesti o migrantskoj krizi, prilagođene različitim grupama – od ruralnih birača u Srbiji do urbanih liberala u Nemačkoj – osetio sam jezu. Ne zato što je tehnologija nova, već zato što je tako efikasna. Nije više reč o pojedinačnim trolovima ili botovima. Reč je o sistemima čija je jedina svrha da lažu, da lažu ubedljivo, emotivno i da se te laži same šire.

Ovo su generativni ratovi – nova dimenzija sukoba gde se ne bore vojske, već narativi. A meta-dezinformacije su sledeći nivo: laži o lažima, sistemi koji ne samo da stvaraju lažne priče, već manipulišu i samim procesom percepcije stvarnosti. U ovom tekstu ću, kao neko ko godinama prati razvoj AI bezbednosti i informacionih operacija, pokušati da objasnim kako se to radi, zašto radi i šta nas čeka. Bez ulepšavanja. Jer realnost je dovoljno mračna.

Od jeftinih trolova do industrijalizovane laži

Pre samo deset godina, dezinformacije su bile ručni rad. Ruski trolovi u fabrici u Sankt Peterburgu pisali su stotine postova dnevno. Kvalitet je bio loš, lako prepoznatljiv. Onda su došli botovi, pa prvi dipfejkovi (deepfakes – duboki lažnjaci, sintetički mediji).

Danas, 2026. godine, imamo nešto mnogo opasnije: modele specijalno fino podešene (fine-tuned) za generisanje propagande. Umesto da koriste opšte LLM-ove poput GPT serije ili Claude-a sa bezbednosnim ograničenjima, akteri (države, korporacije, ekstremističke grupe) grade ili fino podešavaju sopstvene modele. Cilj? Da proizvedu sadržaj koji je koherentan, emocionalno nabijen i koji se sam replicira.

Kako to funkcioniše tehnički? Koriste se kombinacije:

• Generative Adversarial Networks (GANs – generativne suparničke mreže) za slike i video.

• Large Language Models (LLMs – veliki jezički modeli) za tekst i narative.

• Diffusion models (difuzioni modeli) za realistične vizuale.

• Reinforcement Learning from Human Feedback (RLHF), ali izvrnut – umesto da se model uči da bude „koristan i bezbedan“, uči se da maksimizuje emocionalni uticaj i širenje.

Jedan od ključnih mehanizama je ciljanje (targeting) po demografijama. Model dobija pristup podacima sa društvenih mreža, kupovnim navikama, lokaciji, starosti, polu, političkim stavovima (često preko Cambridge Analytica-stila podataka ili otvorenih API-ja). Zatim generiše hiljade varijacija jedne lažne priče.

Primer: Lažna vest o „otrovanim vakcinama za decu u ruralnim oblastima“. Za starije konzervativne birače u Srbiji ili Mađarskoj – naglasak na „stranim silama i korporacijama“. Za mlade urbane skeptike – „velika farma i gubitak slobode“. Emocionalni okidači su različiti: strah, bes, moralna indignacija. Model uči šta radi bolje na osnovu metrika angažovanja (engagement).

Kako se gradi takav „lažni“ AI model – korak po korak

Hajde da budemo konkretni. Pretpostavimo da neka državna agencija ili dobro finansirana grupa želi da napravi model za generativni rat.

1. Prikupljanje podataka (faza Data Poisoning – trovanje podataka): Skupiti ogromne količine podataka iz ciljanih demografija. Ne samo javne postove, već i forume, komentare, čak i privatne grupe preko curenja ili plaćenih izvora. Ovo uključuje i „psihološke profile“ bazirane na Big Five modelu ličnosti ili emocionalnim ranjivostima.

2. Pre-training i fine-tuning (predtreniranje i fino podešavanje): Počinje se sa open-source modelom (Llama, Mistral ili sličnim). Zatim se fino podešava na setu podataka lažnih narativa. Ključno je koristiti suparničko treniranje (adversarial training) – deo modela pokušava da detektuje laž, a drugi da je napravi još uverljivijom.

3. Emotivna i narativna optimizacija: Model se trenira da maksimizuje metrike poput rezultata emocionalnog uzbuđenja (emotional arousal score – mereno preko sentiment analiza) i potencijala viralnosti (virality potential – predikcija širenja na osnovu istorijskih podataka).

4. Samoreplikacija: Napredniji modeli uče da generišu sopstvene varijacije i da „mutiraju“ narativ kako bi izbegli detekciju. Ovo je blizu onoga što istraživači zovu self-replicating AI – modeli koji kreiraju kopije sebe ili svog sadržaja.

U praksi, 2025. i 2026. godine videli smo primere gde su ruski i kineski akteri koristili kontaminirane podatke da „otruju“ zapadne AI modele, tako da oni nesvesno ponavljaju određene narative (npr. o Ukrajini). NewsGuard je dokumentovao slučajeve gde su AI čet-botovi ponavljali prokremljovske laži u 33% slučajeva.

Realni primeri iz prakse (2024-2026)

• Irski izbori 2025: Dipfejk video predsedničkog kandidata koji „odustaje“ pušten je samo nekoliko dana pre glasanja. Kombinovan sa sintetičkim vestima sa lažnih sajtova, AI je generisao stotine komentara prilagođenih različitim grupama birača.

• Ruska operacija protiv Francuske: Mreža Storm-1516 koristila je AI za generisanje skandala, dostigavši 55 miliona pregleda. Sadržaj je bio personalizovan po regionima i demografijama.

• USC studija (2026): Pokazano je da rojevi (swarms) AI agenata mogu autonomno koordinisati propagandnu kampanju bez ljudskog učešća. Generišu sadržaj, biraju platforme, odgovaraju na komentare i mutiraju narativ.

• Zdravstvene dezinformacije: Generativni AI je dramatično povećao obim i kredibilitet lažnih vesti o vakcinama i lekovima, ciljajući roditelje, starije osobe i etničke manjine.

U Srbiji i regionu, slične taktike se vide u kampanjama oko Kosova, EU integracija ili ekonomskih kriza – narativi se prilagođavaju ruralnom naspram urbanog stanovništva, mladima na TikToku naspram starijih na Fejsbuku.

Meta-dezinformacije: Laži o lažima

Ovo je najopasniji deo. Meta-dezinformacije nisu samo lažna vest, već sistem koji dovodi u pitanje samu sposobnost razlikovanja istine. Primer: AI generiše dipfejk koji optužuje političara za korupciju. Kada se otkrije da je lažnjak, drugi AI model generiše narativ da su „sve vesti lažne“ ili da je otkrivanje dela „duboke države“. Time se stvara opšta sumnja.

Ovo dovodi do epistemičke krize – krize znanja. Ljudi više ne veruju ni institucijama, ni očima, ni ušima. U 2026. godini ovo je već svakodnevica u izbornim ciklusima.

Budućnost: Šta nas čeka do 2030. i dalje

Na osnovu trenutnih trendova:

• Autonomni AI propagandisti: Do 2028. očekujemo modele koji ne samo da generišu, već i planiraju cele kampanje, kupuju reklame, upravljaju botovima i uče iz povratnih informacija u realnom vremenu (real-time feedback).

• Personalizacija na steroidima: AI blizanci (twins) – digitalne kopije pojedinaca bazirane na podacima, koje se koriste za simulaciju razgovora i testiranje narativa.

• Multimodalni napadi: Tekst + video + audio + VR iskustva koja ciljaju specifične emocije.

• Agenti spavači (Sleeper agents) u modelima: Modeli koji izgledaju bezbedno, ali aktiviraju štetno ponašanje pod određenim uslovima.

U daljoj budućnosti (2030+), ako se ne reguliše, možemo videti „AI vrste“ koje se takmiče u informacionom prostoru, replicirajući se brže od ljudske kontrole.

Društvene i etičke implikacije – bez rukavica

Ovo nije neutralna tehnologija. Koristi se za podrivanje demokratija, podsticanje mržnje, uticanje na izbore i čak regrutaciju u ekstremizam. Posebno su ugrožene ranjive grupe: tinejdžeri, stariji, etničke manjine.

Kao stručnjak koji je video kako obične laži uništavaju živote, moram reći: ulepšavanje ovoga ne pomaže. Moramo priznati da smo u ratu – ratu za stvarnost. A mi gubimo teren.

Kako se braniti?

• Tehnički: Digitalni vodeni žigovi (watermarking), bolji detektori, standardi o poreklu podataka (provenance).

• Obrazovno: Medijska pismenost fokusirana na AI.

• Regulatorno: Stroži zakoni o sintetičkom sadržaju, obavezno označavanje.

• Individualno: Skepticizam, provera izvora, pauza pre deljenja.

Ali najvažnije je graditi otpornost društva – jaku zajednicu koja deli vrednosti i činjenice.

Zaključak

Generativni ratovi nisu budućnost. Oni su sadašnjost. Modeli koji lažu bolje od ljudi, ciljaju precizno i šire se sami, menjaju pravila igre. Da li ćemo dozvoliti da nas ova tehnologija razdvoji još više, ili ćemo je okrenuti protiv zloupotreba? Odgovor zavisi od nas – danas, sutra i svakog puta kada vidimo sumnjiv sadržaj.

FAQ

1. Da li su svi AI modeli opasni za dezinformacije? Ne, većina velikih modela ima sigurnosne filtere, ali oni se mogu zaobići ili se koriste fino podešeni modeli bez filtera.

2. Može li običan korisnik prepoznati takav sadržaj? Sve teže. Najbolji način je provera više izvora i obraćanje pažnje na emocionalne manipulacije.

3. Šta države rade po ovom pitanju? EU uvodi regulative (AI Act), u SAD-u je fokus na izbore, ali napredak je spor u odnosu na brzinu razvoja tehnologije.

4. Postoji li način da se ovo potpuno zaustavi? Teško, ali se može ograničiti širenje kroz transparentnost i edukaciju.