Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Découvrir
Envoyer
  • Bienvenue sur AIID
  • Découvrir les incidents
  • Vue spatiale
  • Vue de tableau
  • Vue de liste
  • Entités
  • Taxonomies
  • Soumettre des rapports d'incident
  • Classement des reporters
  • Blog
  • Résumé de l’Actualité sur l’IA
  • Contrôle des risques
  • Incident au hasard
  • S'inscrire
Fermer
Découvrir
Envoyer
  • Bienvenue sur AIID
  • Découvrir les incidents
  • Vue spatiale
  • Vue de tableau
  • Vue de liste
  • Entités
  • Taxonomies
  • Soumettre des rapports d'incident
  • Classement des reporters
  • Blog
  • Résumé de l’Actualité sur l’IA
  • Contrôle des risques
  • Incident au hasard
  • S'inscrire
Fermer

Incident 296: Twitter Recommender System Amplified Right-Leaning Tweets

Description: Twitter’s “Home” timeline algorithm was revealed by its internal researchers to have amplified tweets and news of rightwing politicians and organizations more than leftwing ones in six out of seven studied countries.

Outils

Nouveau rapportNouveau rapportNouvelle RéponseNouvelle RéponseDécouvrirDécouvrirVoir l'historiqueVoir l'historique

Entités

Voir toutes les entités
Présumé : Un système d'IA développé et mis en œuvre par Twitter, a endommagé Twitter left-leaning politicians , Twitter left-leaning news organizations , Twitter left-leaning users et Twitter Users.

Statistiques d'incidents

ID
296
Nombre de rapports
3
Date de l'incident
2016-02-10
Editeurs
Khoa Lam
Applied Taxonomies
GMF, MIT

Classifications de taxonomie MIT

Machine-Classified
Détails de la taxonomie

Risk Subdomain

A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
 

1.3. Unequal performance across groups

Risk Domain

The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
 
  1. Discrimination and Toxicity

Entity

Which, if any, entity is presented as the main cause of the risk
 

AI

Timing

The stage in the AI lifecycle at which the risk is presented as occurring
 

Post-deployment

Intent

Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
 

Unintentional

Rapports d'incidents

Chronologie du rapport

Incident OccurrenceL'algorithme de Twitter ne semble pas faire taire les conservateursTwitter admet un biais dans l'algorithme pour les politiciens de droite et les médiasAmplification algorithmique de la politique sur Twitter
L'algorithme de Twitter ne semble pas faire taire les conservateurs

L'algorithme de Twitter ne semble pas faire taire les conservateurs

economist.com

Twitter admet un biais dans l'algorithme pour les politiciens de droite et les médias

Twitter admet un biais dans l'algorithme pour les politiciens de droite et les médias

theguardian.com

Amplification algorithmique de la politique sur Twitter

Amplification algorithmique de la politique sur Twitter

pnas.org

L'algorithme de Twitter ne semble pas faire taire les conservateurs
economist.com · 2020
Traduit par IA

DEPUIS LE LANCEMENT d'une politique sur les "informations trompeuses" en mai, Twitter s'est heurté au président Donald Trump. Lorsqu'il a décrit les bulletins de vote par correspondance comme "essentiellement frauduleux", la plate-forme a d…

Twitter admet un biais dans l'algorithme pour les politiciens de droite et les médias
theguardian.com · 2021
Traduit par IA

Twitter a admis qu'il amplifie plus de tweets de politiciens et de médias de droite que de contenu provenant de sources de gauche.

La plate-forme de médias sociaux a examiné les tweets d'élus de sept pays : le Royaume-Uni, les États-Unis, l…

Amplification algorithmique de la politique sur Twitter
pnas.org · 2021
Traduit par IA

Importance

Le rôle des médias sociaux dans le discours politique a fait l'objet d'intenses débats universitaires et publics. Politiciens et commentateurs de tous bords affirment que les algorithmes de Twitter amplifient la voix de leurs adv…

Variantes

Une "Variante" est un incident qui partage les mêmes facteurs de causalité, produit des dommages similaires et implique les mêmes systèmes intelligents qu'un incident d'IA connu. Plutôt que d'indexer les variantes comme des incidents entièrement distincts, nous listons les variations d'incidents sous le premier incident similaire soumis à la base de données. Contrairement aux autres types de soumission à la base de données des incidents, les variantes ne sont pas tenues d'avoir des rapports en preuve externes à la base de données des incidents. En savoir plus sur le document de recherche.

Incidents similaires

Selected by our editors
Facebook’s Political Ad Detection Reportedly Showed High and Geographically Uneven Error Rates

An Audit of Facebook’s Political Ad Policy Enforcement

Jul 2020 · 5 rapports
Incident précédentProchain incident

Incidents similaires

Selected by our editors
Facebook’s Political Ad Detection Reportedly Showed High and Geographically Uneven Error Rates

An Audit of Facebook’s Political Ad Policy Enforcement

Jul 2020 · 5 rapports

Recherche

  • Définition d'un « incident d'IA »
  • Définir une « réponse aux incidents d'IA »
  • Feuille de route de la base de données
  • Travaux connexes
  • Télécharger la base de données complète

Projet et communauté

  • À propos de
  • Contacter et suivre
  • Applications et résumés
  • Guide de l'éditeur

Incidents

  • Tous les incidents sous forme de liste
  • Incidents signalés
  • File d'attente de soumission
  • Affichage des classifications
  • Taxonomies

2024 - AI Incident Database

  • Conditions d'utilisation
  • Politique de confidentialité
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • ecd56df