Journal des citations pour l'incident 84

Description: Avaaz, an international advocacy group, released a review of Facebook's misinformation identifying software showing that the labeling process failed to label 42% of false information posts, most surrounding COVID-19 and the 2020 USA Presidential Election.

Outils

Nouveau rapport Nouvelle Réponse DécouvrirVoir l'historique

Entités

Voir toutes les entités

Présumé : Un système d'IA développé et mis en œuvre par Facebook, endommagé Facebook users , Facebook users interested in COVID information and Facebook users interested in the US Presidential Election.

Statistiques d'incidents

Nombre de rapports

Date de l'incident

2020-10-09

Editeurs

Sean McGregor, Khoa Lam

Classifications de taxonomie CSETv0

Détails de la taxonomie

Full Description

Avaaz, an international advocacy group, released a review of Facebook's misinformation identifying software showing that the labeling process failed to label 42% of false information posts, most surrounding COVID-19 and the 2020 USA Presidential Election. Avaaz found that by adjusting the cropping or background of a post containing misinformation, the Facebook algorithm would fail to recognize it as misinformation, allowing it to be posted and shared without a cautionary label.

Short Description

Severity

Unclear/unknown

Harm Type

Harm to social or political systems

AI System Description

Facebook's algorithm and process used to place cautionary labels on posts that are decided to contain misinformation

System Developer

Facebook

Sector of Deployment

Information and communication

Relevant AI functions

Perception, Cognition

AI Techniques

Language recognition, content filtering, image recognition

AI Applications

misinformation labeling, image recognition, image labeling

Location

Global

Named Entities

Facebook, Avaaz, Reuters, AP, PolitiFact

Technology Purveyor

Facebook

Beginning Date

2020-10-09T07:00:00.000Z

Ending Date

2020-10-09T07:00:00.000Z

Near Miss

Unclear/unknown

Intent

Unclear

Lives Lost

Infrastructure Sectors

Communications

Data Inputs

User posts

Classifications de taxonomie CSETv1

Détails de la taxonomie

Harm Distribution Basis

none

Sector of Deployment

information and communication

Rapports d'incidents

Chronologie du rapport

De minuscules changements permettent aux fausses déclarations sur COVID-19, le vote d'échapper aux vérifications des faits sur Facebook

npr.org

npr.org · 2020

Traduit par IA

Quelque chose d'aussi simple que de changer la police d'un message ou de recadrer une image peut suffire à contourner les défenses de Facebook contre les canulars et les mensonges.

Une nouvelle analyse du groupe de défense international Ava…

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.