¿Por qué compartimos publicaciones en Facebook?

¿Buscamos información objetiva? como el nombre de la planta que se apodera del patio delantero? ¿Estamos expresando frustración mientras buscamos simpatía? ¿Es puro narcisismo o narcisismo por poder, a través de nuestros hijos? ¿Es fanfarronear? o el sobrino primo de fanfarronear, humilde fanfarronear?

¿O es algo peor?

El contenido con intenciones maliciosas presenta un problema importante para Facebook, que busca una forma de identificar y eliminar rápidamente publicaciones dañinas, como la transmisión en vivo del tiroteo masivo del 15 de marzo en Nueva Zelanda, en medio de un volumen de contenido demasiado vasto para que los humanos lo moderen.

Serge Belongie, profesor de informática en Cornell Tech, está estudiando lo que él llama "intencionalidad", el complejo panorama psicoemocional que acecha detrás de las publicaciones de Facebook e Instagram.

Belongie y su equipo están trabajando con Facebook para definir las posibles intenciones de publicación, desde benignas hasta polarizadoras y llenas de odio, y completar un conjunto de datos con ejemplos. El objetivo es crear y entrenar un sistema de aprendizaje automático que pueda predecir la intención y, finalmente, alertar a la red social sobre publicaciones problemáticas en tiempo real.

"La naturaleza humana y la política y el comportamiento tribal, incentivos monetarios:hay un trillón de cosas que influyen en esto, "dijo Belongie, que recibió 1,77 millones de dólares, Beca de tres años de Facebook para trabajar en proyectos relacionados con la identificación de contenido con intenciones maliciosas. "Lo mejor que podemos hacer es proporcionar herramientas para que, si alguien se sienta a la mesa de buena fe, pueden separar la información de la desinformación ".

En un proyecto separado, El equipo de Belongie está trabajando en enfoques de aprendizaje automático para detectar falsificaciones. Las personas que compran anuncios en Facebook deben validar sus cuentas mediante identificación; Belongie utilizará su experiencia en visión por computadora, un área de la inteligencia artificial centrada en enseñar a las máquinas a ver como lo ven los humanos, para desarrollar métodos que puedan determinar si esas identificaciones son falsas.

"Los enfoques convencionales de aprendizaje automático requieren que tengas grandes conjuntos de entrenamiento de ID reales, de todos los estados, cada rango de año, recogido por un profesional, y luego necesitas una gran cantidad de identificaciones falsas, ", Dijo Belongie." Es muy difícil obtener ese tipo de datos etiquetados; no hay mucho ".

En lugar de, su enfoque se basará en la investigación de su grupo sobre el uso de la visión por computadora para reconocer las diferencias detalladas entre las plantas, animales y setas. Un enfoque similar podría ser útil para encontrar pequeños detalles que revelen identificaciones falsificadas, como el tipo incorrecto de coma o apóstrofe.

"Si alguien me da un conjunto de datos y la mayoría son correctos, la mayor parte es real, "¿Cómo se encuentra esa aguja en el pajar?", dijo. "Nuestro objetivo es la detección de anomalías, encontrar cosas que están fuera de lugar".