Εξαιτίας της χθεσινής δυσλειτουργίας των Facebook, Instagram και WhatsAPP, ορισμένοι χρήστες ανακάλυψαν τον τρόπο με τον οποίο το Facebook μας έχει “φακελωμένους”. Τι εννοούμε;
Πολλές εικόνες στην ιστοσελίδα είχαν αντικατασταθεί με τις ετικέτες που τους έχουν ανατεθεί από τα machine vision systems της εταιρείας.
Έτσι, εάν είχατε περιηγηθεί στις φωτογραφίες που έχετε ανεβάσει, αντί να δείτε στιγμιότυπα διακοπών ή φωτογραφίες φαγητών και φίλων, θα εμφανιζόταν ένα κείμενο που αναγράφει π.χ. “image may contain: people smiling, people dancing, wedding and indoor” (= η εικόνα μπορεί να περιέχει: άτομα που χαμογελούν, ανθρώπους που χορεύουν, γάμο και εσωτερική λήψη) ή απλά “image may contain: cat.” (= η εικόνα μπορεί να περιέχει: γάτα)
Με λίγα λόγια: Έτσι φαίνεται η ζωή σας σε έναν υπολογιστή. Αυτός είναι ο τρόπος με τον οποίο το AI του Facebook σας κρίνει.
Τα ίδια image tags εμφανίζονται στο Instagram και, εκτός από τις περιγραφές σκηνών και αντικειμένων, προτείνουν επίσης ποιος απεικονίζεται σε μια φωτογραφία με βάση την αναγνώριση προσώπου του Facebook.
Το Facebook χρησιμοποιεί το machine learning για να «διαβάσει» τις εικόνες με αυτόν τον τρόπο τουλάχιστον από τον Απρίλιο του 2016 και το έργο αποτελεί μεγάλο μέρος των προσπαθειών της εταιρείας για προσβασιμότητα.
Αυτό που δεν είναι σαφές είναι αν το Facebook χρησιμοποιεί επίσης αυτές τις πληροφορίες για την προώθηση στοχευμένων διαφημίσεων. Υπάρχουν πολλά δεδομένα σχετικά με τη ζωή των χρηστών που θα έπρεπε να προστατεύονται από το Facebook, καθώς αποτελούν ευαίσθητες πληροφορίες.
Το 2017, ένας προγραμματιστής έφτιαξε ένα Chrome extension που αποκάλυπτε αυτές τις ετικέτες. «Νομίζω ότι πολλοί χρήστες του διαδικτύου δεν συνειδητοποιούν το ποσό των πληροφοριών που συλλέγονται συνήθως από τις φωτογραφίες», είχε δηλώσει.
Ανεξάρτητα από το πώς χρησιμοποιούνται αυτές οι πληροφορίες, η χθεσινή “ανακάλυψη” ρίχνει λίγο φως στα παρασκήνια μίας από τις μεγαλύτερες επιχειρήσεις συλλογής δεδομένων στον κόσμο.
Οι βελτιώσεις στο deep learning τα τελευταία χρόνια έχουν πραγματικά φέρει επανάσταση στον κόσμο του machine vision. Πόσο τρομακτικά όμως μπορούν αν γίνουν τα πράγματα στο μέλλον;
