Facebook被罰50萬是什么原因？雖然Facebook的“劍橋分析”公司泄露個人信息丑聞事件已經過去了很久，但Facebook依然還在為此事件造成的影響付出沉重代價。據中新社消息， 25 日，英國信息專員辦公室（ICO）對Facebook處以 50 萬英鎊罰款。據悉，這是該英國信息監管機構目前開出的最高罰單。

ICO指出，Facebook從 2007 年至 2014 年間至少收集了 100 萬英國用戶的個人信息，且在未經用戶同意的情況下將這些信息提供給了開發者。這使得用戶的個人隱私安全面臨風險。為此，ICO決定對Facebook處以 50 萬英鎊罰款。

ICO信息專員伊麗莎白·丹漢姆證實罰款屬實。其在一份聲明中稱：“在非法處理這些數據的前期、中期和后期，Facebook均未采取充分有效的安全措施來保護用戶隱私。像Facebook這樣規模的大公司，本應做得更好?！?/p>

今年 3 月，Facebook承認 5000 萬Facebook用戶信息被數據分析公司“劍橋分析”違規獲取并用于干擾美國總統大選。對此，英國“劍橋分析”公司一直否認丑聞指控，并已于今年 5 月 3 日進入破產程序宣布破產。

麻省理工學院和Facebook聯手整治假新聞

近日，騎士基金會（Knight Foundation）公布了一項針對 Twitter 假新聞賬號的調查結果，發現在 2016 年有過前科的賬戶，仍有 80% 處于活躍狀態。其通過工具追蹤的 70 萬個嫌疑賬號，在 Twitter 上發布了 600 個陰謀論和假新聞媒體內容，次數超過了千萬次。

它們的背后，少不了隱藏的發帖機器人（自動賬號）的身影，甚至聚集成群、協調推送相同的假新聞報道，以覆蓋預期數量的受眾。

基金會指出，在 2016 美總統大選前后所有兜售虛假信息材料的賬戶中，超過 80% 仍然活躍、且每日推文發送量超過了百萬。

這項研究還提到了用于檢測和阻止假新聞月活賬戶的一些措施，批評了 Twitter 在打擊非法活動方面能力不足。其表示：

Twitter 平臺上傳播虛假信息的所有機器人賬戶，有 65% 與十個虛假和陰謀新聞‘提供者’聯系密切。排名的前 50 位，貢獻了 89% 的鏈接。

最大的問題是，在 2016 大選之前和之后，通過虛假機器人進入的前十個最多鏈接的新聞媒體中，有 9 個仍在積極聯系并用于傳播各種主題的虛假信息。

Twitter CEO 杰克·多西在美國參議院情報委員會聽證時表示，針對垃圾信息和機器人賬號的傳播，該平臺每周禁用了多達 850——1000 萬個賬戶。

然而根據騎士基金會的分析，這樣的力度還遠遠不夠。

Facebook早就AI打假了

作為AI鐵粉的Facebook，打算繼續使用AI技術來打假。無論是打算用AI“以毒攻毒”也好，還是因為人工編輯遠遠不可能跟上現有社交媒體上廣泛傳播的新聞數量和速度，Facebook在6月4日提出擬定以最高不超過3000萬美元的價格，收購位于英國倫敦的Bloomsbury AI公司。

Bloomsbury AI是一家創業公司，以計算機自然語言處理能力見長。特點包括開發自然語言處理工具、讀取文本文件、回答與文本內容相關的問題、以及進行推理與集成。而Facebook意在使用Bloomsbury AI團隊開發的“Cape”等軟件，來處理平臺上的假新聞、以及其他各種內容問題。

讓我們先回溯到2016年8月，當時在大數據和機器算法流行的人工智能大背景下，崇尚技術完美主義的Facebook就首當其沖，舍棄了之前主要由專業記者組成的紐約合同工編輯團隊，將熱門話題的編輯、推薦和排名全部交給機器算法，然后由一個新的新聞審核團隊來把最后一道關。

然而在舍棄人工編輯后的第三天，Facebook平臺上就出現了一條新聞——“和川普就性別歧視議題爭論的Magyn Kelly，其實是美國民主黨總統候選人希拉里·克林頓的秘密支持者，因此遭保守派陣營的福斯電視臺解聘”。

這條新聞后來被證實是由山寨新聞網站“Ending The Fed”發布的假新聞。

可是，新聞被Facebook抓取到以后，由于Magyn Kelly的高知名度和內容的高敏感度，迅速在社交媒體上被廣泛轉發。由于有足夠多的引用文章和發帖，這條新聞輕松通過了Facebook算法和人工審核團隊的檢查。

值得一提的是，如果要保證每一條新聞的真實性，請專業的編輯人士對每一條新聞的來源和內容進行核查，是最保險的方法。

麻省理工學院、Facebook聯手整治假新聞

麻省理工學院CSAIL（計算機科學與人工智能實驗室）和QRCI（卡塔爾計算研究所）于昨天（10月4日）宣布了一個新項目，該項目旨在識別虛假新聞在傳播之前的來源，或可能將不可信賴的新聞信息自動分類。

該系統查看來自該網站的文章及其維基百科頁面、Twitter帳戶、URL結構和網絡流量，以及搜索表明強烈政治偏見或錯誤信息的關鍵詞和語言特征（例如，虛假新聞媒體經常使用更多夸張性語言）。使用來自媒體偏見/事實檢查（MBFC）的數據，該系統檢測網站的“ 事實性”水平的準確率為65％，檢測到政治偏見的準確率大約為70％。

雖然該項目還處于初期階段，但共同作者普雷斯拉夫·納科夫（Preslav Nakov）相信這將有助于現有的事實核查服務，使他們能夠“立即查看假新聞分數，以確定給予不同觀點的有效性。 ”這將是該項目如何在實踐中發展和使用的一個關鍵點，因為人們仍然需要檢查這些分數，以確定新聞信息是否跨越虛假信息的界線，或者只是用情緒化和說服力的語言來扭曲事實。