CNET科技資訊網 2月6日 國際報道:社交巨頭Facebook第四季度營收超越預期,但假新聞帶來的困擾亦不減反增。
最近幾個月來,Facebook CEO扎克伯格(Mark Elliot Zuckerberg)一直在努力解決Facebook面臨的假新聞問題,討論社交網絡在媒體行業(yè)中所扮演的角色這一議題。具體包括:信息傳播企業(yè)是否負有遏制錯誤資訊的責任?在Facebook上持不同意見的用戶是否有權利建立起這種并非人人都樂于接受的世界觀?以上所有問題都有可能在未來引發(fā)危機,但Facebook至少在另一個最根本的問題上無需擔心——也就是賺錢。
本周三,Facebook在其IPO的五年之后公布了截止于去年12月31日的最新財報。其營收高達88.1億美元,高于分析師們預測的85.1億美元。送去成本后的凈利潤折合每股1.41美元。分析師們此前給出的結論則為每股1.31美元。
該公司還表示,使用其平臺的用戶總量已經增長至18.6億,高于上個季度的17.9億。這意味著地球上幾乎每七個人中,就有兩個人每月都在使用Facebook。
“我們的目標是連通整個世界,其重要性已經達到前所未有的高度,”扎克伯格在一份聲明中指出。“我們的企業(yè)在2016年中表現良好,但我們未來還需要投入更多精力以進一步改善人們之間的溝通能力。”
該公司股份在財報發(fā)布后的數小時中增長了近3%。
Facebook多年來一直與媒體行業(yè)保持著亦敵亦友的關系,但其張力在去年11月特朗普贏得大選后達到峰值。特朗普的部分批評者指責Facebook沒有在打擊虛假新聞方面投入應有的努力。另有一部分人則表示,Facebook的工作是將選民們的意見集中起來,因為Facebook的算法似乎更傾向于突出人們觀點較為一致的文章。
該公司過去幾個月來一直在努力解決這一問題。去年12月,他們提出一項計劃以打擊虛假新聞,包括納入客觀事實并讓人們能夠更輕松地標記出虛假故事。Facebook還在上周調整了其“趨勢話題”功能。現在每個人都會看到相同的一組文章,而不再是一份針對個人喜好的個性化新聞內容列表,這似乎是希望為人們提供更為多樣化的觀點。
“我們一直在努力打擊虛假新聞與惡作劇”,而具體方式則與該公司對抗垃圾郵件與欺詐鏈接一樣,扎克伯格在本周三的分析師電話會議上表示。
但雖然Facebook方面目前仍能把控局勢,但未來的情況卻更加錯綜復雜。
本周三,該公司表示其廣告收益達到86億3千萬美元,其中84%來自移動廣告。但去年11月,公司CFO David Wehner曾警告稱當年下半年的廣告營收增幅出現“有意義”的放緩。
這到底是什么意思?翻閱Facebook的新聞推送,大家可能很快就會看到“推廣故事”或者其它類型的廣告。Facebook即將接近這一致命閾值,意味著如果廣告繼續(xù)增加,用戶將因為反感而不再使用這一社交平臺。
為了解決這一問題,Facebook公司開始嘗試在其它位置投放廣告,包括目前已經擁有10億用戶的聊天應用Facebook Messenger。
Facebook公司還準備向Snap發(fā)起新一輪沖擊。作為Snapchat的母公司,其已經成為社交媒體中最為強大的競爭對手之一。這位年輕尊貴有望在本周進行期待已久的首輪公開募股。
Snapchat擁有瘋狂而忠實的用戶基礎(月活躍用戶達1億5千萬,其中大部分是年輕人)。Facebook一直在試圖復制其中的一些酷炫元素,扎克伯格甚至明目張膽地復制了Snapchat中的流行功能——Stories。其允許人們發(fā)布視頻與照片集,且這些資料會在24小時后自動消失。去年8月,Facebook持有的Instagram推出了自己的Stories功能。另外,Facebook本身也在愛爾蘭開始測試同樣的功能,名為Facebook Stories。
扎克伯格對于這種復制Snapchat流行功能的作法并不羞愧。
“很快,我們認為相機將成為分享體驗的主要方式,”而不再是傳統(tǒng)的文本框,扎克伯格在上季度指出。“我們認為視頻的重要性顯然將進一步提升。”
本周三,扎克伯格詳細闡述了Facebook未來的視頻功能發(fā)展思路。
他表示該公司對于用戶上傳的給朋友們觀看的視頻以及其它專業(yè)性內容很感興趣。他還表示,其希望Facebook成為人們觀看此類新鮮視頻的環(huán)境,并最終實現“情節(jié)內容”。這很可能意味著扎克伯格有意將網站打造成類似于Netflix與YouTube的媒體平臺。
不過扎克伯格指出,其目前的發(fā)展重點還不會歸于大段視頻內容。他解釋稱,“我們首先會著眼于較短的視頻內容。”
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現游戲中的三種推理模式能成功轉移到數學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數學優(yōu)化方法,在合成數據集上實現37.9%的精度提升,并在真實設備上展現出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現,經過強化學習訓練的視覺語言模型雖然表現出"頓悟時刻"現象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯合提出SparseLoRA技術,通過動態(tài)稀疏性實現大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。