驛飛颱《FACEBOOK #10yearschallenge 的陰謀論》

繼之前寫 IG 爆紅的蛋後,2019 年開始又一波社交媒體爆紅事件:

#10yearschallenge

大家沒有被人挑戰,卻乖乖的出 post 貼十年前後自己的樣貌。

有人單純地想,是 Facebook/IG 想人用更多、停留更耐、更多 Engagement罷了?

Well,有人提出更有用、更可行的陰謀論,是簡單的 Memes

其推理是:Facebook 借此去做面部識別,令 Machine Learning 更易去學習人的容貌變化、提高辨識度。這樣用戶一邊上載,Facebook 一邊能提高個人數據的深度和廣度。

有人反駁是:「該數據本身已經可用。Facebook 已經獲得了所有的個人資料照片啦。」

Facebook 當然可以這樣做,但不要忘記,在這個遊戲中,不少人是要找/上載一張十年前的相、一張現在的,直接比較。

含意是甚麼?

想像一下,Facebook 想要訓練一個面部識別計算法來解決與年齡相關的特徵,更具體地說,是關於年齡的進展(例如,人們隨著年齡的增長可能看起來如何)。理想情況下,你需要一個包含大量人物圖片的廣泛而嚴格的數據集。當然,理論上 Facebook 可以提取個人資料圖片,查看發布日期或內部數據,但十年前的圖片、玩 Facebook 的方法,都可能會產生大量無用的噪音(如人們不能按時間順序可靠地上傳圖片、用戶將自己以外的圖片作為個人資料圖片發布、太多其他人等等);更重要的是,對於 Facebook 上的個人資料圖片,照片發布日期不一定與拍攝照片的日期相匹配,即使是照片上的 EXIF 元數據也無法始終可靠地評估該日期。

換句話說,如果你有一套方法獲得乾淨、簡單、有標記十年前和現在的照片,以數據收集角度來說,就更乾淨、直接、可靠。更有的人,會在 Harddisk(係呀)找十年前、未被發佈過的照片!

通過 Facebook 這遊戲,大多數人一直在幫助添加上細節(例如你在 2008 年,我在 2018 年,哪裡哪裡拍攝)。這些進一步信息,有助訓練面部識別算法,同時做 Marketing 的 retargeting,去看看十年前的你是甚麼人,十年後的人生會否因地點、教育、習慣,令到現在有某些 Consumer behaviour,那就值錢喇。

除了在商業上用得到,亦有指,尋人亦方便得多。在印度,就有人因面部識別算法方便找到失蹤人口。於親人而言,當然是好事,以國家監控來說,又是另一故事了。

數碼 | AI | 自動化相關文章:

點解紐約時報重塑十九世紀的五百萬張相?

從人手剪報到 Social Listening 的演變

下年,大部份網上廣告都會自動化

點解要從 Social Media 用 Consumer Insights?

  • 驛飛颱, 雜談大懶豬, 化作驛飛颱, 本來言無物, 何懼多感慨?