Videnskab
 science >> Videnskab >  >> Elektronik

Forskning undersøger hensigt bag Facebook -indlæg

Kredit:CC0 Public Domain

Hvorfor deler vi opslag på Facebook?

Søger vi faktuelle oplysninger, som navnet på planten, der overtager forhaven? Udtrykker vi frustration, mens vi søger sympati? Er det ren narcisme eller narcisme ved fuldmagt, via vores børn? Brager det, eller prale af luskede fætter, ydmyge prale?

Eller er det noget værre?

Indhold med ondsindet hensigt udgør et stort problem for Facebook, som søger efter en måde til hurtigt at identificere og fjerne skadelige indlæg, såsom livestreaming af masseskyderiet den 15. marts i New Zealand, i et indholdsmængde, der er for stort til, at mennesker kan moderere det.

Serge Belongie, professor i datalogi ved Cornell Tech, studerer det, han kalder "intentiononomy-det komplekse psyko-følelsesmæssige landskab, der lurer bag Facebook- og Instagram-indlæg.

Belongie og hans team arbejder sammen med Facebook for at definere mulige udsendelseshensigter - fra godartet til polariserende til hadefuldt - og udfylde et datasæt med eksempler. Målet er at oprette og træne et maskinlæringssystem, der kan forudsige hensigt og, til sidst, advare det sociale netværk om problematiske indlæg i realtid.

"Menneskelig natur og politik og stammeadfærd, monetære incitamenter - der spiller bare en zillion ting ind i dette, "sagde Belongie, der modtog $ 1,77 millioner, treårigt tilskud fra Facebook til at arbejde med projekter i forbindelse med at identificere indhold med ondsindet hensigt. "Det bedste, vi kan gøre, er at levere værktøjer, så hvis nogen kommer til bordet i god tro, de kan adskille oplysningerne fra misinformation. "

I et separat projekt, Belongies team arbejder på maskinlæringsmetoder til at opdage forfalskninger. Personer, der køber reklamer på Facebook, skal validere deres konti ved hjælp af identifikation; Belongie vil bruge sin ekspertise inden for computersyn - et område med kunstig intelligens med fokus på at lære maskiner at se, som mennesker gør - til at udvikle metoder, der kan afgøre, om disse id'er er falske.

"Konventionelle metoder til maskinlæring kræver, at du har store træningssæt med rigtige ID'er, fra hver stat, hvert år, indsamlet af en professionel, og så har du brug for en stor mængde falske id'er, "Sagde Belongie." Det er meget svært at få den slags mærkede data; der er ikke meget af det. "

I stedet, hans tilgang vil bygge på hans gruppes forskning i brug af edb-vision til at genkende finkornede forskelle mellem planter, dyr og svampe. En lignende tilgang kan være nyttig til at finde små detaljer, der afslører forfalskede id'er, såsom den forkerte slags komma eller apostrof.

"Hvis nogen bare giver mig en spand med data, og det meste er korrekt, det meste er ægte, hvordan finder du nålen i høstakken? "sagde han." Vores mål er anomaliedetektering - at finde ting, der er malplacerede. "


Varme artikler