Facebook 扩大内容核查范围，机器学习+全方位审核打击假新闻
- - 极客公园6 月 22 日早晨，Facebook 宣布将扩大其内容核查范围，以打击社交网络上面的虚假新闻和恶作剧消息，并通过相应的打击措施和技术手段，尽量减少虚假新闻带来的恶劣影响. Facebook 在博文中透露，虚假新闻以及恶意篡改内容在一些国家已经成为常态，这使得读者难以判别信息的真假，甚至难以判别与新闻事件相关的图片或视频是否真实.
Facebook 扩大内容核查范围，机器学习+全方位审核打击假新闻
标签：
facebook
大内
机器学习
| 发表时间：2018-06-24 17:47 | 作者：
出处：http://main_test.geekpark.net/rss.rss
6 月 22 日早晨，Facebook 宣布将扩大其内容核查范围，以打击社交网络上面的虚假新闻和恶作剧消息，并通过相应的打击措施和技术手段，尽量减少虚假新闻带来的恶劣影响。
Facebook 在博文中透露，虚假新闻以及恶意篡改内容在一些国家已经成为常态，这使得读者难以判别信息的真假，甚至难以判别与新闻事件相关的图片或视频是否真实。Facebook 还将与第三方视觉机构专家进行合作，把事实核查的部分扩展到图片和视频。与此同时，还会将发布在 Facebook 平台上的上具有误导性的照片进行标记，以提醒用户信息的准确性和真实性。
当一些 Facebook 用户在试图分享虚假新闻时，Facebook 会弹出提示，提醒用户此消息已被证实为虚假信息并显示官方辟谣链接，当用户点击提示链接时，还可以看到被标记的可疑内容以及原新闻报道。该博文中提到，每天有超过 10 亿张图片、视频等内容被上传至社交平台，庞大的工作量使得人工审核小组难以完成任务。因此 Facebook 将引入机器学习机制，通过 AI 来识别在网络上被揭穿的虚假信息，该工具可以帮助公司找到那些正在被传播但已经被证实为假信息的链接。
Facebook 的产品经理 Tessa Lyons 解释说：AI 会标记剽窃的文本、可疑的广告以及恶意针对其他用户的信息。因为这些信息一般会在不同的域名以不同的形式发布，一旦有一个虚假新闻被揭穿，机器就会标记这个新闻的关键信息并加入到后台的识别库之中，以便之后 AI 识别类似信息。
时至今日，Facebook 表示已经将内容审查计划扩展到全球 14 个国家，对于图片和视频的核查也已扩展到 4 个国家，公司计划在年底将其扩展到更多国家。Facebook 表示在公司的努力下，事实核查制度使得社交媒体上的虚假新闻减少了 80%。
自 2016 年 12 月起，Facebook 就开始加大力度打击虚假新闻，其中原因是在美国总统大选期间，大量的虚假新闻在社交平台上传播，Facebook 因为没有尽力阻止虚假新闻传播而备受指责。随后 Facebook 又与德国、法国等媒体机构合作，以避免虚假新闻被上传到社交平台而造成的不利影响。
在打击虚假消息和假新闻的道路上，Facebook 已经努力了一年半的时间，公司表示接下来会进一步完善虚假账户、虚假信息以及相关的问责制度。并称：「打击虚假信息这个项目永远没有尽头，我们需要做的还有很多。」
然而该举措在有效打击假新闻的同时，却也引起了一些用户对于 Facebook 核查图片和视频的担忧，他们担心 Facebook 此举侵犯到自己的个人信息安全以及隐私。有些用户质疑：事件的真实性由谁来界定？审查的范围是否涉及个人隐私？这个功能会不会被政府用来监视用户的个人想法？
近几个月以来，Facebook 因为数据隐私方面受到了用户与社会的谴责。今年早些时候，政治咨询公司 Cambridge Analytica 非法访问了数百万 Facebook 用户的个人信息，并用于非正当途径。此后，Facebook 经历了欧洲和美国的多轮质疑。现在该公司承诺在处理用户数据方面将有更大的透明度。
头图来源：视觉中国
参考：
Facebook expands its fact-checking tools but says its work 『will never be finished』
Facebook Expanding Fact-Checking Project to Combat Fake News
Facebook Wants to Use Machine Learning to Stop Hoaxes and Fake News
相关 [facebook 大内 机器学习] 推荐：
贾扬清：Caffe2go是Facebook机器学习产品的核心 将开源
- - 博客园_新闻Caffe 作者，Facebook 研究科学家贾扬清 11 月 8 日在 Facebook 官方网站上发文，介绍了他在 Facebook 最新的机器学习研究成果——Caffe2go. 这一款规模更小但训练速度更快、对计算性能要求较低的机器学习框架使得在手机上运行并训练神经网络模型成为可能. Caffe2go 已经成为 Facebook 机器学习的核心技术.
[原]Facebook如何运用机器学习进行亿级用户数据处理
- - CSDN人工智能编译 | 刘畅、尚岩奇、林椿眄. 2017年末，Facebook应用机器学习组发布最新论文，对整个Facebook的机器学习软硬件架构进行了介绍. 纵览全文，我们也可以从中对Facebook各产品的机器学习策略一窥究竟. 论文中涉及到机器学习在全球规模(上亿级数据处理)上的全新挑战，并给出了Facebook的应对策略和解决思路，对相关行业和研究极其有意义.
机器学习五步走
- - 我爱机器学习经常会有人问“我该如何在机器学习方面更进一步，我不知道我接下来要学什么了. 一般我都会给出继续钻研教科书的答案. 每当这时候我都会收到一种大惑不解的表情. 但是进步确实就是持续的练习，保持较强的求知欲，并尽你可能的完成具有挑战性的工作. 因为他是为数不多的几种可以让你真真让你获取坚实知识的媒介. 是的，你可以选择选一门课，注册MOOC，参加一些讨论班.
机器学习之路
- - 我爱机器学习自从答应简二毛博士将自己的机器学习历程和心得分享给大家至今，转眼间半年已经过去了，感谢简博士分享和开源精神的鼓舞，这也正是本系列关于机器学习介绍博客的动力来源. 之前有些网友，师弟们问我，学习机器学习怎么入手，从看什么书开始. 如果你只愿意看一本书，那么推荐Bishop的PRML，全名Pattern Recognition and Machine Learning. 这本书是机器学习的圣经之作，尤其对于贝叶斯方法，介绍非常完善.
机器学习算法Boosting
- - 标点符机器学习通常会被分为2大类：监督学习和非监督学习. 在监督学习中，训练数据由输入和期望的输出组成，然后对非训练数据进行预测输出，也就是找出输入x与输出y之间的函数关系F：y = F(x). 根据输出的精确特性又可以分为分类和回归. 分类和回归的区别在于输出变量的类型. 定量输出称为回归，或者说是连续变量预测.
Mahout实现的机器学习算法
- - ITeye博客使用命令:mahout -h.
在Mahout实现的机器学习算法见下表：. EM聚类（期望最大化聚类）. 并行FP Growth算法. 并行化了Watchmaker框架. 非Map-Reduce算法. 扩展了java的Collections类. Mahout最大的优点就是基于hadoop实现，把很多以前运行于单机上的算法，转化为了MapReduce模式，这样大大提升了算法可处理的数据量和处理性能.
国内的机器学习几个人
- - 丕子转： http://blog.csdn.net/playoffs/article/details/7588597. 推荐几个机器学习和数据挖掘领域相关的中国大牛：. 李航：http://research.microsoft.com/en-us/people/hangli/，是MSRA Web Search and Mining Group高级研究员和主管，主要研究领域是信息检索，自然语言处理和统计学习.
Apache Mahout 0.8 发布，机器学习库
- - 开源中国社区最新新闻Apache Mahout 0.8 发布了，Apache Mahout 是 Apache Software Foundation (ASF) 开发的一个全新的开源项目，其主要目标是创建一些可伸缩的机器学习算法，供开发人员在 Apache 在许可下免费使用. 该项目已经发展到了它的最二个年头，目前只有一个公共发行版.
Ruby的机器学习项目
- - 阳志平的网志-技术类作者是辉瑞公司的小牛，可惜烂尾了. 我在改啊改啊，可惜现在是商业项目，暂时不能放出改掉的部分. 对了，顺便做个小广告，去年组织翻译的一本小书：社会网络分析：方法与实践. 已经上市了，感兴趣的可以翻翻：. 社会网络分析：探索关系背后的科学与技术. treat：自然语言处理. 类似于igraph，也是桥接处理nlp.