近日 Meta 推出了 22 種不同的說明卡片，解釋了 AI 如何影響用戶在 Facebook 和 Instagram 上看到的內容，以下將探索 Meta 功能背後的 AI 系統，如何對內容進行排名和推薦。
（前情提要：拳打Twitter！ Meta的推特殺手「Threads」預告7/6上線，IG一鍵登入）
（背景補充：Meta發表語音生成AI模型 “Voicebox”：「上下文學習」完成文本轉語音、為元宇宙化身配音）
近日，Meta 推出了 22 種不同的說明卡片，向用戶具體解釋了該公司如何使用 AI 控制他們在 Instagram 和 Facebook 上看到的內容。
Meta 表示此舉旨在對其 AI 系統提供更多透明度，但這些卡片的具體說明仍提醒了使用者 —— 他們都活在演算法裡，被演算法精準拿捏。
Meta 這 22 張說明卡片部分如下：
每張卡片都提供了詳細且易於理解的資訊，說明這些功能背後的 AI 系統如何對內容進行排名和推薦。
舉幾個例子：
Facebook Reels 如何向用戶展示內容
當用戶在 Facebook 檢視內容和參與互動時，底層的一個 AI 系統便會提供 Reels（短視訊），包括使用者可能感興趣但可能尚未關注的創作者釋出的內容，也可能來自 Instagram 的跨應用推薦內容。
Facebook Reels 依賴的 AI 系統會通過預測使用者最可能感興趣或與之互動的內容，自動確定要向用戶展示的 Reels 及其展示順序。這些預測基於多種因素，包括使用者近期關注、點贊或與之互動的使用者和內容。其運作方式如下：
1、收集庫存資訊
首先，AI 系統會收集使用者可能感興趣的所有 Reels，可能包括使用者關注的使用者或帳戶釋出的 Reels，或與使用者近期互動過的 Reels 相似的 Reels。AI 系統還可能推薦與使用者關注或互動過的使用者或帳戶相似的來源所釋出的 Reels。
2、利用指示訊號
接下來，AI 系統會綜合考慮每個 Reels 相關的指示訊號，這些訊號可能包括 Reels 的時長、與其他 Reels 的相似度、Reels 與使用者願意互動的內容的匹配度，並執行一個簡易模型來選擇大約 10-100 個最相關的 Reels（問題內容會過濾掉）。
3、做出預測
在此階段，AI 系統利用模型來幫助預測使用者會認為最相關和最有價值的內容。
4、按分數對 Reels 排序
最後，系統會為大約 200 個帖子計算相關度分數，並按得分對其進行排序。經系統預測將為使用者提供更高價值的 Reels 會在動態中靠前顯示。
與此同時，使用者可以通過隱藏 Reels 或者收藏、分享 Reels，來使系統減少或者更多展示類似的 Reels。
Facebook stories 如何向用戶展示內容
根據說明卡片，Facebook 快拍（一項允許使用者釋出 24 小時後將會消失的照片和視訊的功能）運作方式如下：
1、收集快拍
首先，系統收集過去 24 小時內使用者或公共主頁分享的所有相關快拍（過濾掉不合規則的快拍）
2、進行預測並加以分析
接下來，系統收集可向特定使用者展示的所有快拍，並就使用者會認為最相關和最有價值的快拍做出預測。系統會保留這些快拍並移除餘下其他快拍。
系統考慮的因素包括：使用者點選以全屏觀看此快拍的次數、瀏覽作者快拍的總時長、觀看過的不同作者的快拍和快拍集的數量、以點贊或聊天等方式迴應作者快拍的次數、瀏覽作者快拍的總時長、瀏覽快拍平均花費的時間等。
3、對快拍排序
系統繼而根據使用者與各個快拍互動的可能性對這一小部分快拍排序。
4、應用額外規則
最後，系統應用相關規則以確保均衡展示來自使用者和公共主頁的快拍。
使用者可以通過 Messenger 向他人傳送快拍，將其新增到自己的快拍或使用者的公共主頁快拍來分享快拍；也可以選擇不看快拍，執行此操作後，除非使用者選擇重新看，否則將不會再看到由建立該快拍的使用者或公共主頁釋出的任何其他快拍。
Instagram Explore 如何向用戶展示內容
Instagram Explore（發現）功能會向用戶展示推薦內容，例如由使用者未關注帳戶釋出的照片和 Reels，這些推薦可能與使用者的興趣相關或與使用者之前互動過的內容相似。
其運作方式與 Facebook Reels 相似：
先是，收集庫存資訊，即 AI 系統會收集 Instagram 上展示的部分公開內容（剔除問題內容），例如照片和 Reels；
然後，利用指示訊號：AI 系統會綜合考慮使用者參與類似內容或感興趣內容的互動情況。包括帖子的釋出時長、使用者檢視或點選帖子縮圖的總次數、帖子在一系列帖子中被優先檢視的次數、使用者對帖子點選「沒興趣」的次數，還有瀏覽與此帖子作者志趣相投的作者所釋出帖子的次數等；
最後，對內容進行排名。系統將其預測將為使用者提供更高價值的內容推送到「發現」選項卡中的靠前位置。
同樣，使用者可以通過儲存內容或將其標記為「不感興趣」來影響此過程，以鼓勵系統將來繼續顯示或過濾掉類似的內容。
使用者還可以通過在 Explore 過濾器中選擇「非個性化」來檢視演算法未專門為他們選擇的 Reels 和照片。
Instagram Search 如何向用戶展示內容
當用戶在 Instagram 檢視內容和參與互動時，底層的一個 AI 系統會在使用者搜尋內容時提供結果。
Instagram Search 所依賴的 AI 系統，會通過預測使用者認為最相關和最有價值的內容，來自動對搜尋結果進行排序。
其運作方式如下：
1、收集庫存資訊。
首先，系統會收集所有符合條件的搜尋結果來為使用者排序。此類內容可能包括話題標籤、地點、Reels、帖子、主頁、音訊或其他與使用者搜尋的字詞相關的結果。
2、為結果評分。
然後系統會根據各種因素對每個搜尋結果進行評分，例如內容型別以及內容與使用者通常會互動的內容的匹配程度。考慮的因素包括：
搜尋中使用的字詞與帳戶的帳號或主頁名稱中使用的字詞之間的相似性、搜尋中使用的字詞與建議關鍵詞中使用的字詞之間的相似性、搜尋中使用的字詞與話題標籤中使用的字詞之間的相似性、使用者所在國家 / 地區執行相同搜尋的使用者點選話題標籤的次數等。
3、應用更多篩選條件。
系統會應用「附加過濾器」和「完整性流程」等，將符合條件的內容範圍縮小到與使用者最相關的搜尋結果。
4、按分數對結果進行排序。
最後，系統將按分數將向用戶優先展示系統預測的對使用者而言最有價值或最相關的結果。
與此同時，系統會根據使用者的動態個性化訂製 Instagram 搜尋體驗，使用者可以選擇控制或自定義顯示內容，也可以檢視非個性化訂製的搜尋結果。
使用者能反制嗎？
不管怎樣，在人人都活在演算法裡的智慧時代，Meta 提高演算法透明度的做法有值得稱讚之處。
研究顯示，演算法透明能夠在可問責性和知情權兩個維度發揮作用。
其一，演算法透明可以讓演算法操控者變得更具可問責性，一旦出現精確性和公平性的偏差，可以依據所披露的演算法來主張演算法操控者的責任。
其二，演算法透明也賦予演算法規制物件一定程度上的知情權，而這種知情權有利於第三方（尤其是專業人士）實施監督，也有利於演算法規制物件依據所披露的演算法，在事後對演算法決策提出公平性和合理性的質疑。
當然，Meta 釋出這些資訊也是順應監管的趨勢。當前，歐洲立法者正迅速推進立法，對使用 AI 技術的公司提出新的解釋和透明度要求，美國立法者也表示，希望在今年晚些時候開始制定類似的立法。
除了已釋出的 22 張卡片，Meta 還表示，將在未來幾周內將解釋範圍擴充套件到「我為什麼會看到這篇帖子」等功能。
此外，Meta 還提供了一項功能，允許使用者集中控制他們想要在 Facebook 和 Instagram 上檢視的內容。
Instagram 已經支援對某些帖子選擇「不感興趣」以增加與其不太相似的內容推薦，現在使用者將很快可以選擇「感興趣」來檢視某些型別的內容，未來 Meta 還將提供更豐富的選擇。
假以時日，用戶一定程度上也可以對 AI 形成反制吧。
📍相關報導📍
ChatGPT車上助理只是開頭，汽車產業的目標是AI自動駕駛
