Zero
Il cosiddetto “deep falsi” ora sono una grande preoccupazione per NOI, il legislatore si è preoccupato che AI manipolato video che ritraggono persone che dicono o fanno cose che non hanno mai fatto potrebbe diventare una minaccia per la sicurezza nazionale.
A seguito di settimana scorsa udienza in cui Facebook COO Sheryl Sandberg è stato chiesto come Facebook sarebbe in guardia gli utenti circa la profonda video falso, la società ha annunciato che sta ora espandendo la propria rassegna degli articoli con il fact-checking partner di video e immagini.
Tutti i 27 di Facebook del fact-checking partner in 17 paesi saranno in grado di contribuire alle recensioni. NOI fact-checking parti includono l’Associated Press, factcheck.org, Politifact, Snopes, e conservatori della carta Settimanale Standard.
Facebook dice che ha costruito una macchina-modello di apprendimento per rilevare potenzialmente fasullo foto o video e poi li invia a sua dama per la revisione. Di terze parti fatti controllare i partner possono utilizzare visual verifiche tecniche, tra cui l’immagine inversa di ricerca e i metadati dell’immagine analisi per esaminare il contenuto.
“Di fatto-le pedine sono in grado di valutare la verità o la falsità di una foto o un video dalla combinazione di queste competenze con gli altri le pratiche giornalistiche, come usare la ricerca da parte di esperti, accademici o agenzie governative”, ha detto Facebook product manager Antonia Woodford.
VEDI: Come implementare l’IA e il machine learning (ZDNet relazione speciale) | Scaricare il report in formato PDF (TechRepublic)
Facebook intende utilizzare la sua collezione di revisore valutazioni di foto e video per migliorare la precisione della macchina-modello di apprendimento nel rilevare la disinformazione in questi formati di file multimediali.
È definito tre tipi di disinformazione in foto e video, tra cui: o manipolati fabbricato contenuti; contenuti presentati al di fuori del contesto; e false attestazioni in audio o di testo.
Facebook offre una panoramica di alto livello la difficoltà di identificare false informazioni, immagini e video contenuto rispetto al testo, e alcune delle tecniche che usi per superarli. Ma in generale l’impressione è che Facebook non è vicino ad avere di un sistema automatizzato per la rilevazione di disinformazione in video e foto in scala.
Attualmente, utilizzando OCR per estrarre il testo da foto, come un falso titolo di una foto, per confrontare il testo di titoli di fact-checkers’ articoli. È anche lo sviluppo di modi per rilevare se una foto o un video è stato manipolato. Per questo, utilizzando la trascrizione audio per verificare se il testo estratti audio confronta i crediti di testo che fact-checkers precedentemente smontate.
“Al momento, siamo più avanzate con l’utilizzo di OCR su foto di quello che siamo, con l’utilizzo di trascrizione audio sul video”, ha detto Facebook product manager Tessa Lione.
Come con articoli, Facebook metterà a fuoco sull’identificazione dei duplicati di falsi video e le foto, una volta fatto il correttore ha confermato come falso.
VEDI: sicurezza informatica in un’IoT e mobile world (ZDNet relazione speciale) | Scaricare il report in formato PDF (TechRepublic)
Lione ha detto Facebook è “abbastanza buono” per la ricerca dei duplicati esatti foto, ma quando le immagini sono leggermente manipolato è molto più difficile per Facebook per rilevare automaticamente.
“Abbiamo bisogno di continuare a investire in tecnologia che ci permetterà di identificare molto vicino duplicati che sono stati modificati in piccoli modi,” ha detto il Lione.
E di rilevare quando qualcosa è stato presentato fuori contesto è anche una sfida importante, secondo Lione.
“Capire se qualcosa è stato preso fuori dal contesto, è un’area che investe in, ma hanno un sacco di lavoro da fare, perché è necessario capire il contesto originale dei media, il contesto in cui viene presentato, e se c’è una discrepanza tra i due”, ha osservato.
L’impatto di disinformazione nei contenuti di foto e video, inoltre, si differenzia da paese a paese. Facebook ha scoperto che negli USA la maggior parte delle persone riferiscono vedere disinformazione articoli, mentre in Indonesia le persone più spesso riferiscono vedere informazioni fuorvianti in foto.
“Nei paesi In cui la media dell’ecosistema è meno sviluppato o i tassi di alfabetizzazione sono più bassi, la gente potrebbe essere più probabile vedere un falso titolo di una foto, o vedere una foto manipolate, e leggere le notizie, mentre i paesi con una robusta notizie ecosistemi, il concetto di “notizia” è più legato ad articoli”, ha detto Lione.
RECENTE E RELATIVA COPERTURA
Facebook svela strumento automatico per correggere i bug
Lo strumento, chiamato SapFix, è stato utilizzato per spedire stabile aggiornamenti del codice di milioni di dispositivi utilizzando il Facebook app Android.
UE schiaffi internet in faccia con il link fiscale e caricare il filtro di leggi
In uno dei più stupida tecnologia regolamento si muove dopo la FCC ha distrutto l’America è la neutralità della rete, l’Unione Europea e la legge sul copyright revisione promette di relitto di internet di oggi.
Facebook privacy dei dati scandalo: Un foglietto (TechRepublic)
Leggere la saga di Facebook e fallimenti nel garantire la privacy per i dati utente, tra cui come si riferisce a Cambridge Analytica, la GDPR, il Brexit campagna, e il 2016 le elezioni presidenziali americane.
Facebook effettua nuovi Brasile-Argentina cavo sottomarino
Il sottomarino di collegamento è previsto l’avvio delle operazioni nel 2020.
Facebook IA ora correzioni di bug, come il controllo ortografico corregge gli errori di battitura (CNET)
SapFix potrebbe liberare i programmatori di codifica fatica.
Alfabeto Loon palloncini solo con travi a vista in internet in tutta 1000km
Loon ingegneri ora possibile potenziare la copertura internet utilizzando una rete di palloni collegato a un motivo unico punto di accesso.
Argomenti Correlati:
Sicurezza
La Trasformazione Digitale
CXO
Internet delle Cose
L’innovazione
Enterprise Software
0