Facebook被罚50万是什么原因？Facebook吸取教训大力应用AI

Facebook被罚50万是什么原因？虽然Facebook的“剑桥分析”公司泄露个人信息丑闻事件已经过去了很久，但Facebook依然还在为此事件造成的影响付出沉重代价。据中新社消息， 25 日，英国信息专员办公室（ICO）对Facebook处以 50 万英镑罚款。据悉，这是该英国信息监管机构目前开出的最高罚单。

ICO指出，Facebook从 2007 年至 2014 年间至少收集了 100 万英国用户的个人信息，且在未经用户同意的情况下将这些信息提供给了开发者。这使得用户的个人隐私安全面临风险。为此，ICO决定对Facebook处以 50 万英镑罚款。

ICO信息专员伊丽莎白·丹汉姆证实罚款属实。其在一份声明中称：“在非法处理这些数据的前期、中期和后期，Facebook均未采取充分有效的安全措施来保护用户隐私。像Facebook这样规模的大公司，本应做得更好。”

今年 3 月，Facebook承认 5000 万Facebook用户信息被数据分析公司“剑桥分析”违规获取并用于干扰美国总统大选。对此，英国“剑桥分析”公司一直否认丑闻指控，并已于今年 5 月 3 日进入破产程序宣布破产。

麻省理工学院和Facebook联手整治假新闻

近日，骑士基金会（Knight Foundation）公布了一项针对 Twitter 假新闻账号的调查结果，发现在 2016 年有过前科的账户，仍有 80% 处于活跃状态。其通过工具追踪的 70 万个嫌疑账号，在 Twitter 上发布了 600 个阴谋论和假新闻媒体内容，次数超过了千万次。

它们的背后，少不了隐藏的发帖机器人（自动账号）的身影，甚至聚集成群、协调推送相同的假新闻报道，以覆盖预期数量的受众。

基金会指出，在 2016 美总统大选前后所有兜售虚假信息材料的账户中，超过 80% 仍然活跃、且每日推文发送量超过了百万。

这项研究还提到了用于检测和阻止假新闻月活账户的一些措施，批评了 Twitter 在打击非法活动方面能力不足。其表示：

Twitter 平台上传播虚假信息的所有机器人账户，有 65% 与十个虚假和阴谋新闻‘提供者’联系密切。排名的前 50 位，贡献了 89% 的链接。

最大的问题是，在 2016 大选之前和之后，通过虚假机器人进入的前十个最多链接的新闻媒体中，有 9 个仍在积极联系并用于传播各种主题的虚假信息。

Twitter CEO 杰克·多西在美国参议院情报委员会听证时表示，针对垃圾信息和机器人账号的传播，该平台每周禁用了多达 850——1000 万个账户。

然而根据骑士基金会的分析，这样的力度还远远不够。

Facebook早就AI打假了

作为AI铁粉的Facebook，打算继续使用AI技术来打假。无论是打算用AI“以毒攻毒”也好，还是因为人工编辑远远不可能跟上现有社交媒体上广泛传播的新闻数量和速度，Facebook在6月4日提出拟定以最高不超过3000万美元的价格，收购位于英国伦敦的Bloomsbury AI公司。

Bloomsbury AI是一家创业公司，以计算机自然语言处理能力见长。特点包括开发自然语言处理工具、读取文本文件、回答与文本内容相关的问题、以及进行推理与集成。而Facebook意在使用Bloomsbury AI团队开发的“Cape”等软件，来处理平台上的假新闻、以及其他各种内容问题。

让我们先回溯到2016年8月，当时在大数据和机器算法流行的人工智能大背景下，崇尚技术完美主义的Facebook就首当其冲，舍弃了之前主要由专业记者组成的纽约合同工编辑团队，将热门话题的编辑、推荐和排名全部交给机器算法，然后由一个新的新闻审核团队来把最后一道关。

然而在舍弃人工编辑后的第三天，Facebook平台上就出现了一条新闻——“和川普就性别歧视议题争论的Magyn Kelly，其实是美国民主党总统候选人希拉里·克林顿的秘密支持者，因此遭保守派阵营的福斯电视台解聘”。

这条新闻后来被证实是由山寨新闻网站“Ending The Fed”发布的假新闻。

可是，新闻被Facebook抓取到以后，由于Magyn Kelly的高知名度和内容的高敏感度，迅速在社交媒体上被广泛转发。由于有足够多的引用文章和发帖，这条新闻轻松通过了Facebook算法和人工审核团队的检查。

值得一提的是，如果要保证每一条新闻的真实性，请专业的编辑人士对每一条新闻的来源和内容进行核查，是最保险的方法。

麻省理工学院、Facebook联手整治假新闻

麻省理工学院CSAIL（计算机科学与人工智能实验室）和QRCI（卡塔尔计算研究所）于昨天（10月4日）宣布了一个新项目，该项目旨在识别虚假新闻在传播之前的来源，或可能将不可信赖的新闻信息自动分类。

该系统查看来自该网站的文章及其维基百科页面、Twitter帐户、URL结构和网络流量，以及搜索表明强烈政治偏见或错误信息的关键词和语言特征（例如，虚假新闻媒体经常使用更多夸张性语言）。使用来自媒体偏见/事实检查（MBFC）的数据，该系统检测网站的“ 事实性”水平的准确率为65％，检测到政治偏见的准确率大约为70％。

虽然该项目还处于初期阶段，但共同作者普雷斯拉夫·纳科夫（Preslav Nakov）相信这将有助于现有的事实核查服务，使他们能够“立即查看假新闻分数，以确定给予不同观点的有效性。 ”这将是该项目如何在实践中发展和使用的一个关键点，因为人们仍然需要检查这些分数，以确定新闻信息是否跨越虚假信息的界线，或者只是用情绪化和说服力的语言来扭曲事实。