In evidenza
Sezioni
Magazine
Annunci
Quotidiani GNN
Comuni
      1. Aiello del Friuli
      2. Amaro
      3. Ampezzo
      4. Andreis
      5. Aquileia
      6. Arba
      7. Arta Terme
      8. Artegna
      9. Arzene
      10. Attimis
      11. Aviano
      12. Azzano Decimo
      1. Bagnaria d'Arsa
      2. Barcis
      3. Basiliano
      4. Bertiolo
      5. Bicinicco
      6. Bordano
      7. Brugnera
      8. Budoia
      9. Buia
      10. Buttrio
      1. Camino al Tagliamento
      2. Campoformido
      3. Campolongo al Torre
      4. Caneva
      5. Carlino
      6. Casarsa della Delizia
      7. Cassacco
      8. Castelnovo del Friuli
      9. Castions di Strada
      10. Cavasso Nuovo
      11. Cavazzo Carnico
      12. Cercivento
      13. Cervignano del Friuli
      14. Chions
      15. Chiopris-Viscone
      16. Chiusaforte
      17. Cimolais
      18. Cividale del Friuli
      19. Claut
      20. Clauzetto
      21. Codroipo
      22. Colloredo di Monte Albano
      23. Comeglians
      24. Cordenons
      25. Cordovado
      26. Corno di Rosazzo
      27. Coseano
      1. Dignano
      2. Dogna
      3. Drenchia
      4. Enemonzo
      5. Erto e Casso
      1. Faedis
      2. Fagagna
      3. Fanna
      4. Fiume Veneto
      5. Fiumicello
      6. Flaibano
      7. Fontanafredda
      8. Forgaria nel Friuli
      9. Forni Avoltri
      10. Forni di Sopra
      11. Forni di Sotto
      12. Frisanco
      1. Gemona del Friuli
      2. Gonars
      3. Grimacco
      1. Latisana
      2. Lauco
      3. Lestizza
      4. Lignano Sabbiadoro
      5. Ligosullo
      6. Lusevera
      1. Magnano in Riviera
      2. Majano
      3. Malborghetto Valbruna
      4. Maniago
      5. Manzano
      6. Marano Lagunare
      7. Martignacco
      8. Meduno
      9. Mereto di Tomba
      10. Moggio Udinese
      11. Moimacco
      12. Montenars
      13. Montereale Valcellina
      14. Morsano al Tagliamento
      15. Mortegliano
      16. Moruzzo
      17. Muzzana del Turgnano
      1. Nimis
      1. Osoppo
      2. Ovaro
      1. Pagnacco
      2. Palazzolo dello Stella
      3. Palmanova
      4. Paluzza
      5. Pasian di Prato
      6. Pasiano di Pordenone
      7. Paularo
      8. Pavia di Udine
      9. Pinzano al Tagliamento
      10. Pocenia
      11. Polcenigo
      12. Pontebba
      13. Porcia
      14. Pordenone
      15. Porpetto
      16. Povoletto
      17. Pozzuolo del Friuli
      18. Pradamano
      19. Prata di Pordenone
      20. Prato Carnico
      21. Pravisdomini
      22. Precenicco
      23. Premariacco
      24. Preone
      25. Prepotto
      26. Pulfero
      1. Ragogna
      2. Ravascletto
      3. Raveo
      4. Reana del Rojale
      5. Remanzacco
      6. Resia
      7. Resiutta
      8. Rigolato
      9. Rive d'Arcano
      10. Rivignano
      11. Ronchis
      12. Roveredo in Piano
      13. Ruda
      1. Sacile
      2. San Daniele del Friuli
      3. San Giorgio della Richinvelda
      4. San Giorgio di Nogaro
      5. San Giovanni al Natisone
      6. San Leonardo
      7. San Martino al Tagliamento
      8. San Pietro al Natisone
      9. San Quirino
      10. San Vito al Tagliamento
      11. San Vito al Torre
      12. San Vito di Fagagna
      13. Santa Maria La Longa
      14. Sauris
      15. Savogna
      16. Sedegliano
      17. Sequals
      18. Sesto al Reghena
      19. Socchieve
      20. Spilimbergo
      21. Stregna
      22. Sutrio
      1. Taipana
      2. Talmassons
      3. Tapogliano
      4. Tarcento
      5. Tarvisio
      6. Tavagnacco
      7. Teor
      8. Terzo d'Aquileia
      9. Tolmezzo
      10. Torreano
      11. Torviscosa
      12. Tramonti di Sopra
      13. Tramonti di Sotto
      14. Trasaghis
      15. Travesio
      16. Treppo Carnico
      17. Treppo Grande
      18. Tricesimo
      19. Trivignano Udinese
      1. Udine
      1. Vajont
      2. Valvasone
      3. Varmo
      4. Venzone
      5. Verzegnis
      6. Villa Santina
      7. Villa Vicentina
      8. Visco
      9. Vito d'Asio
      10. Vivaro
      1. Zoppola
      2. Zuglio
Social network

Come funziona l’intelligenza artificiale di Meta per scovare le fake news

Come funziona l’intelligenza artificiale di Meta per scovare le fake news
Il gruppo di Zuckerberg annuncia una tecnologia innovativa per individuare con maggiore efficacia i contenuti potenzialmente pericolosi: si chiama Few Shots Learning ed è una IA pensata per capire come ragionano gli umani
2 minuti di lettura

Eliminare i contenuti offensivi e potenzialmente pericolosi è da sempre fra le sfide più importanti per i social network. E lo è in particolare per Meta, la compagnia che gestisce Facebook e Instagram: fra luglio e settembre 2021, l’azienda di Mark Zuckerberg ha rimosso oltre 9 milioni di post che incitavano all’odio, secondo l’ultimo Community Standards Enforcement Report.

Secondo Menlo Park non è ancora abbastanza: quasi 4 dei 9 milioni di contenuti eliminati sono stati segnalati dalle persone e non individuati preventivamente dall’intelligenza artificiale. Per migliorare le percentuali, Meta ha sviluppato un nuovo sistema di IA basato su una tecnologia che si chiama Fsl (la sigla sta per Few Shot Learning). Si tratta di un approccio innovativo all’IA, in grado di scovare con maggiore efficacia i post controversi, e soprattutto di rispondere con più velocità a eventuali evoluzioni delle norme di Facebook e Instagram.

Come funziona il Supervised Learning
Attualmente, Meta utilizza per la moderazione dei contenuti sistemi di intelligenza artificiale basati sul cosiddetto Sl, acronimo di Supervised Learning. Si tratta di strumenti che funzionano sulla base di un lungo processo di apprendimento. Per addestrare questo genere di IA a riconoscere i post che contengono informazioni sui vaccini anti-Covid, per esempio, è necessario fornire al sistema centinaia di migliaia di casi, precedentemente etichettati e categorizzati. A quel punto, dopo un processo di apprendimento che può essere molto lungo, il sistema sarà in grado di distinguere (e non sempre alla perfezione) i post sui vaccini contro il coronavirus, individuando parole e tratti comuni.

Il modello Sl ha due problemi principali. Il primo ha a che fare con le modalità di funzionamento. Questi sistemi sono nati per cercare similarità, ma non sanno davvero riconoscere l’oggetto della loro analisi: cercano elementi comuni e danno come risultato l’etichetta corrispondente. Il secondo problema è il tempo necessario per l’apprendimento: quando, come nel caso di Meta, si ha a che fare con i discorsi degli esseri umani, l’oggetto della moderazione è in continuo cambiamento, nelle parole e nei significati che si attribuiscono alle parole. Per stare al passo, l’intelligenza artificiale ha bisogno di milioni di esempi e di molto tempo. Un tempo in cui intanto un determinato termine o un significato particolare possono essere usati per diffondere disinformazione.

Come funziona il Few Shots Learning
I sistemi Fsl, che possiamo definire di apprendimento a breve termine, hanno il vantaggio di imparare in poco tempo, sulla base di un numero relativamente limitato di esempi. Si tratta di un modello un po’ più vicino, come concetto, al modo in cui gli esseri umani imparano.

In sostanza, come spiegato da Meta in un post sul blog aziendale, il sistema è stato in primo luogo addestrato a riconoscere il modo in cui le persone parlano, sulla base di miliardi di esempi di linguaggio naturale, estratti da tutto il Web. È stato poi istruito con una serie di informazioni specifiche sulle policy aziendali di Facebook e Instagram, etichettate e categorizzate nel corso degli anni. Infine, può essere aggiornato con un testo che spiega una nuova regola di moderazione e, se possibile, con una serie di esempi.

In altre parole, il sistema di Meta ha già imparato, in questi mesi, a riconoscere il linguaggio che gli esseri umani utilizzano. Sulla base di questo apprendimento, è stato addestrato a capire che ci sono alcuni modi di utilizzare il linguaggio che non sono tollerati all’interno della piattaforma. La differenza è sostanziale: non c’è individuazione di tratti comuni, ma c’è (o dovrebbe esserci) comprensione del linguaggio e della singola policy.

Questo può essere particolarmente utile e si sta già rivelando efficace, come riferito dalla società, per individuare e moderare nuovi generi di fake news. Nell’annuncio sul blog aziendale si fa l’esempio dei post che contengono l’affermazione secondo cui il vaccino anti-Covid modificherebbe il Dna, che il sistema Fsl ha imparato a riconoscere e segnalare come falsi dopo un breve addestramento.

Le nuove sfide
Questa innovazione arriva in un momento particolarmente delicato per Meta per quanto riguarda la moderazione dei contenuti: di recente, i leader della minoranza Rohingya hanno fatto causa a Facebook per 150 miliardi di dollari per avere contribuito al genocidio del loro popolo in Myanmar, a causa del mancato intervento per arginare l’odio razziale sulla piattaforma. La nuova sfida di Meta e di Fsl si giocherà proprio sulla capacità (ancora non nota) dell’intelligenza artificiale di funzionare efficacemente anche su lingue diverse dall’inglese.