Facebook σχετικά με το άνοιγμα , ικανό να προσδιορίσει τον βαθμό ταυτότητας για φωτογραφίες και βίντεο, ακόμη και αν γίνουν μικρές αλλαγές σε αυτά. Το κοινωνικό δίκτυο χρησιμοποιεί ενεργά αυτούς τους αλγόριθμους για την καταπολέμηση περιεχομένου που περιέχει υλικό που σχετίζεται με την εκμετάλλευση παιδιών, την τρομοκρατική προπαγάνδα και διάφορες μορφές βίας. Το Facebook σημειώνει ότι είναι η πρώτη φορά που μοιράζεται τέτοια τεχνολογία και η εταιρεία ελπίζει ότι με τη βοήθειά της, άλλες μεγάλες πύλες και υπηρεσίες, μικρά στούντιο ανάπτυξης λογισμικού και μη κερδοσκοπικοί οργανισμοί θα μπορέσουν να καταπολεμήσουν αποτελεσματικότερα τη διάδοση ακατάλληλων μέσων περιεχόμενο στον Παγκόσμιο Ιστό.
«Όταν βρίσκουμε ένα κομμάτι ακατάλληλου περιεχομένου, η τεχνολογία μπορεί να μας βοηθήσει να βρούμε όλα τα διπλότυπα και να αποτρέψουμε τη διάδοσή τους», έγραψαν η επικεφαλής ασφαλείας του Facebook Αντιγόνη Ντέιβις και ο αντιπρόεδρος του τμήματος ακεραιότητας Γκάι Ρόζεν στην ανάρτηση αφιερωμένη στο τέταρτο ετήσιο Παιδί του Facebook Safety Hackathon. «Για όσους χρησιμοποιούν ήδη τη δική τους ή άλλη τεχνολογία αντιστοίχισης περιεχομένου, οι τεχνολογίες μας μπορούν να παρέχουν ένα άλλο επίπεδο προστασίας, καθιστώντας τα συστήματα ασφαλείας πολύ πιο ισχυρά».
Το Facebook ισχυρίζεται ότι οι δύο δημοσιευμένοι αλγόριθμοι - PDQ και TMK+PDQ - σχεδιάστηκαν για να λειτουργούν με τεράστια σύνολα δεδομένων και βασίζονται σε υπάρχοντα μοντέλα και υλοποιήσεις, όπως το pHash, το PhotoDNA της Microsoft, το aHash και το dHash. Για παράδειγμα, ο αλγόριθμος αντιστοίχισης φωτογραφιών PDQ εμπνεύστηκε από το pHash αλλά αναπτύχθηκε εξ ολοκλήρου από την αρχή από προγραμματιστές του Facebook, ενώ ο αλγόριθμος αντιστοίχισης βίντεο TMK+PDQF δημιουργήθηκε από κοινού από την ερευνητική ομάδα τεχνητής νοημοσύνης του Facebook και επιστήμονες από το Πανεπιστήμιο της Μόντενα και το Reggio Emilia στην Ιταλία. .
Και οι δύο αλγόριθμοι αναλύουν τα αρχεία που αναζητούν χρησιμοποιώντας σύντομους ψηφιακούς κατακερματισμούς, μοναδικά αναγνωριστικά που βοηθούν στον προσδιορισμό του αν δύο αρχεία είναι ίδια ή παρόμοια, ακόμη και χωρίς την αρχική εικόνα ή βίντεο. Το Facebook σημειώνει ότι αυτά τα hashes μπορούν εύκολα να μοιραστούν με άλλες εταιρείες και μη κερδοσκοπικούς οργανισμούς, καθώς και με συνεργάτες του κλάδου μέσω του Παγκόσμιου Φόρουμ Διαδικτύου για την Καταπολέμηση της Τρομοκρατίας (GIFCT), έτσι όλες οι εταιρείες που ενδιαφέρονται για την ασφάλεια στο διαδίκτυο θα μπορούν επίσης να αφαιρέσουν περιεχόμενο που το Facebook έχει επισημανθεί ως μη ασφαλές, εάν μεταφορτωθεί στις υπηρεσίες τους.
Ακολούθησε η ανάπτυξη των PDQ και TMK+PDQ Πριν από 10 χρόνια σε μια προσπάθεια καταπολέμησης της παιδικής πορνογραφίας στο Διαδίκτυο από τη Microsoft. Η Google κυκλοφόρησε επίσης πρόσφατα το Content Safety API, μια πλατφόρμα τεχνητής νοημοσύνης που έχει σχεδιαστεί για να προσδιορίζει διαδικτυακό υλικό σεξουαλικής κακοποίησης παιδιών για να κάνει τους συντονιστές πιο αποτελεσματικούς.
Με τη σειρά του, ο διευθύνων σύμβουλος του Facebook, Mark Zuckerberg, έχει υποστηρίξει εδώ και καιρό ότι η τεχνητή νοημοσύνη θα μειώσει σημαντικά στο εγγύς μέλλον τον όγκο της κατάχρησης που διαπράττεται από εκατομμύρια αδίστακτους χρήστες του Facebook. Και μάλιστα, που δημοσιεύτηκε τον Μάιο η εταιρεία ανέφερε ότι η τεχνητή νοημοσύνη και η μηχανική μάθηση βοήθησαν σημαντικά στη μείωση του αριθμού του απαγορευμένου περιεχομένου που δημοσιεύτηκε σε έξι από τις εννέα κατηγορίες τέτοιου περιεχομένου.
Πηγή: 3dnews.ru