بیش از آسیب خوب است ؟ توییتر در تلاش برای برچسب گمراه کننده COVID-19 توییتهایی - CNET

خودکار فن آوری است که توییتر شروع به استفاده از این ماه به برچسب توییتهایی حاوی coronavirus اطلاعات غلط است, اشتباه, افزایش نگرانی ها در مورد این شرکت با تکیه بر هوش مصنوعی به بررسی محتوا.

در مه 11, توییتر شروع به برچسب زدن توییتهایی که گسترش تئوری توطئه در مورد 5G باعث coronavirus. مقامات بر این باورند که نظریه غلط باعث شد برخی از مردم به مجموعه آتش سوزی به برج های سلولی.

توییتر را حذف گمراه کننده توییتهایی که مردم را تشویق به شرکت در رفتار مانند آسیب رساندن به سلول برج. دیگر توییتهایی که نمی برانگیختن همان سطح از آسیب, اما شامل نادرست و یا مورد اختلاف و ادعا می کند باید یک برچسب که هدایت کاربران به اطلاعات قابل اعتماد. برچسب خواند "دریافت حقایق در مورد COVID-19" و کاربران را به یک صفحه با سرپرستی توییتهایی که کم ارزش کردن 5G coronavirus تئوری توطئه.

توییتر, تکنولوژی, چند, ساخته شده است که نمرات از اشتباهات استفاده از برچسب به توییتهایی که رد تئوری توطئه و ارائه اطلاعات دقیق. توییتهایی که شامل لینک به اخبار از رویترز, BBC سیمی و صدای امریکا در مورد 5G coronavirus تئوری توطئه شده اند با برچسب. در یک مورد, توییتر, کاربردی برچسب به توییتهایی که به اشتراک گذاشته یک صفحه شرکت خود را منتشر کرده بود با عنوان "بدون 5G نیست باعث coronavirus." توییتهای با کلمات مانند 5G ، coronavirus ، COVID-19 یا هشتگهای #5Gcoronavirus نیز به اشتباه برچسب.

کارشناسان می گویند این برچسب های تقلبی توییتهایی اشتباه می تواند کاربران به خصوص اگر آنها نمی, با کلیک بر روی برچسب. پس از توییتر نیست اطلاع کاربران زمانی که توییت های خود را دریافت برچسب آنها به احتمال زیاد نمی دانید توییت خود شده اند پرچم. توییتر نیز نمی دهد کاربران یک راه برای درخواست تجدید نظر خود را بررسی پست های خود را.

"مسلما برچسب زدن نادرست بیشتر از آسیب نمی شوی چرا که پس از آن مردم به تکیه می کنند که آنها می آیند به آن اعتماد" گفت: Hany فرید علوم کامپیوتر استاد در دانشگاه کالیفرنیا در برکلی است. "هنگامی که شما آن را اشتباه یک زن و شوهر ساعت بروید و آن را بیش از."

اشتباه

توییتر کاهش یافته است به می گویند که چگونه بسیاری از 5G-coronavirus توییتهایی شده است برچسب و یا ارائه یک برآورد ميزان خطا. این شرکت گفت: آن اعتماد و ایمنی تیم پیگیری برچسب coronavirus مربوط توییتهایی. این برچسب های تقلبی توییتهایی شناسایی شده توسط CNET نشده است ثابت شده است. این شرکت گفت: آن خودکار سیستم های جدید و بهبود در طول زمان است.

"ما در حال ساخت و آزمایش ابزار جدید, بنابراین ما می توانیم در مقیاس برنامه ما از این برچسب های مناسب. وجود خواهد داشت اشتباهات در طول راه" توییتر سخنگو در بیانیه ای گفت. "ما قدردانی از صبر و شکیبایی شما به عنوان کار می کنیم برای دریافت این درست اما این است که چرا ما در حال گرفتن یک تکرار شونده رویکرد به طوری که ما می توانند یاد بگیرند و تنظیمات را در طول راه."

این شرکت توییتهایی دربارهی برچسب 5G coronavirus تئوری توطئه اما قصد دارد برای مقابله با دیگر مضر.

با 166 میلیون monetizable روزانه کاربران فعال توییتر, چهره های بزرگ اعتدال چالش به دلیل موج توییتهایی که جریان بیش از سایت. این شرکت گفت: آن خودکار ابزار کمک به کارگران بررسی گزارش های کارآمد تر با رویه محتوا است که به احتمال زیاد به علت آسیب, کمک به آنها را اولویت بندی توییتهایی که به نظر اول است.

توییتر رویکرد به کروناویروس اطلاعات غلط است شبیه به Facebook تلاش برای مبارزه با نادرست محتوای هر چند بزرگترین شبکه اجتماعی بیشتر متکی به انسان داوران. Facebook با این نسخهها کار میکند بیش از 60 ثالث واقع چکرز در سطح جهان که با نقد و بررسی دقت پست ها. اگر یک واقعیت-جستجوگر نرخ یک پست به غلط Facebook نمایش داده خواهد شد یک هشدار و نمایش محتوای پایین تر در یک فرد خوراک خبری برای کاهش گسترش آن. توییتر به طور خودکار برچسب زدن مطالب بدون بررسی انسان ،

UC برکلی فرید گفت: او است تعجب نیست که توییتر خودکار سیستم خطا.

"تفاوت بین یک تیتر با تئوری توطئه و رد کردن آن بسیار ظریف," او گفت:. "آن را به معنای واقعی کلمه به کلمه" نه " و شما نیاز به تمام و کمال درک زبان است که ما لازم نیست امروز."

در عوض, او گفت:, توییتر می تواند اقدام علیه کاربرانی که در حال گسترش coronavirus اطلاعات غلط و تعداد زیادی از پیروان. محققان در دانشگاه آکسفورد منتشر شده در یک مطالعه در ماه آوریل نشان داد که با مشخصات بالا کاربران رسانه های اجتماعی مانند سیاستمداران مشهور و یا دیگر چهره های عمومی به اشتراک گذاشته شده در حدود 20 درصد از ادعاهای دروغین اما تولید 69 درصد از کل رسانه های اجتماعی و تعامل.

در حال حاضر در حال پخش: سازمان دیده بان این: چگونه به نقطه جعلی اخبار

3:21

فریب دهد و توییتر خودکار سیستم

برخی از کاربران توییتر نیز تست سیستم توسط تویت کلمات 5G و coronavirus جاری شدن سیل در این سایت بیشتر به اشتباه برچسب توییتهایی.

ایان الکساندر a 33-year-old YouTuber که پست ویدئوها در مورد فن آوری گفت: او خال خال برچسب جدید در یک صدای جیر جیر در مارس 11 که تا به حال هیچ چیزی برای انجام با کروناویروس 5G تئوری توطئه. او تصمیم گرفت برای تست توییتر سیستم توسط تویت "اگر شما در نوع 5G, COVID-19 یا Coronavirus در یک صدای جیر جیر.. این نشان خواهد داد تا در زیر آن..." برچسب به طور خودکار ظهور بر روی جیر.

برچسب توییتهایی الکساندر گفت: "ممکن است بیشتر و مضر تر خوب" زیرا کسی ممکن است فقط ببینید متوجه در جدول زمانی خود را بدون کلیک کردن از طریق.

دیگر توییتهای با گمراه کننده coronavirus اطلاعات در حال لغزش از طریق ترک. بازیگر Fran Drescher که بیش از 260,000, پیروان, توییتی, on May 12: "من نمی توانم باور کنم که تمام این تبلیغات برای 5G . Gr8 4cancer آسیب رساندن به پرندگان و زنبورها &مر ویروس کورونا. شماره آن را بس." یک صدای جیر جیر از کاربر دیگری شامل سخنان از جودی Mikovits که در برجسته "Plandemic" یک ویدئو ویروسی حاوی coronavirus تئوری های توطئه بیان کرد او معتقد است 5G نقش موثری در coronavirus بیماری همه گیر. هر دو توییتهایی ندارد, یک برچسب. (CNET نیست لینک دادن به این توییتهایی چرا که آنها حاوی اطلاعات نادرست است.)

دیگر شبکه های اجتماعی می گویند که آنها تا به حال موفقیت با برچسب زدن نادرست محتوا. در ماه مارس Facebook نمایش داده می شود برچسب های هشدار دهنده در مورد 40 میلیون پست در مورد COVID-19. وقتی مردم را دیدم کسانی که برچسب های هشدار دهنده آنها نمی رفتن برای مشاهده مطالب نادرست در مورد 95% از زمان با توجه به Facebook.

هنوز یک مطالعه توسط دانشگاه MIT دریافتند که برچسب اخبار نادرست می تواند در نتیجه کاربران باور داستان که تا به حال بدست برچسب حتی اگر آنها حاوی اطلاعات غلط. MIT محققان این پدیده را "ضمنی حقیقت اثر است."

دیوید برامدگی لبه طبقات سنگ یک استاد در دانشگاه MIT Sloan School of Management که همکاری نویسنده این مطالعه گفت: یک راه حل بالقوه برای شرکت ها به درخواست کاربران رسانه های اجتماعی برای رای دادن به محتوا به عنوان قابل اعتماد یا غیر قابل اعتماد.

"نه تنها کمک می کند اطلاع رسانی الگوریتم" برامدگی لبه طبقات سنگ گفت: "اما همچنین باعث می شود مردم فهیم خود و به اشتراک گذاری این دلیل آن را فقط به نوع اشاره آنها را به فکر می کنم در مورد دقت و صحت."