推薦演算法失效?研究表明 YouTube 系統性誇大有關駭人聽聞和陰謀詭計的影片

去年 YouTube 上所引爆的爭議影片事件層出不窮,像是先前爆出 二次創作血腥卡通 及當紅創作者取材不當仍讓人心有餘悸。一名 Google 前員工不僅開發軟體揭秘 YouTube 演算法機制,還建立了一個網站開源他揭秘 YouTube 和 Google 演算法的方法。
評論
評論

本文由 AI 前線 編譯與導讀(微信公眾號:ai-front)英文原文 "An ex-Google engineer is scraping YouTube to pop our filter bubbles",INSIDE 授權轉載。

INSIDE 編按:去年 YouTube 上所引爆的爭議影片事件層出不窮,像是先前爆出 二次創作血腥卡通  及當紅創作者取材不當仍讓人心有餘悸。本文將揭露 YouTube 推薦演算法失效的原因。

 

AI 前線導讀

一名 Google 的前員工據說因推薦演算法問題建言惹怒上司而被解僱,之後他便致力於 YouTube 推薦機制的透明化工作,不僅開發軟體揭秘 YouTube 演算法機制,還建立了一個網站開源他揭秘 YouTube 和 Google(收購 YouTube)演算法的方法。

不管他是懷著何種目的來揭發老東家的問題,他的這一舉動都將對推進演算法透明化進程做出好的帶頭作用。用過 YouTube 的人可能都有這樣的體驗,當你看完一個影片以後, YouTube 會向你一個接一個地推薦影片,等你回過頭來一看,兩個小時已經過去了,而且你可能會看到一些價值觀奇怪,甚至扭曲的內容。不只是 YouTube ,Facebook、twitter 等社交媒體都會採用類似的推薦演算法,讓你看一些有趣可愛的內容還好,但是可怕之處在於它的邏輯傾向於單向,比如當你觀看了一條關於車禍的影片,系統會接下來會自動推薦更多的相關內容如災難、校園槍殺、氣候變化等負面的內容。

這樣的演算法機制是什麼,卻很少有人有全面的了解。

 

YouTube kid 採用人工推薦取代演算法推薦,AI 演算法不靈了?

2015 年, YouTube 曾推出一款目標受眾為兒童的 APP YouTube Kids,一直以來和 YouTube 網站一樣,都是使用演算法推薦內容。但演算法推薦並沒有達到該公司的預期,為了防止推薦演算法為兒童推薦不適合觀看的內容, YouTube 已經決定用人工選取內容的方法代替演算法推薦,並重新思考如何使用推薦演算法中的過濾器。

Photo credit: YouTube Kids

新版 YouTube Kids APP 可能不僅依賴電腦演算法,而是包含由 YouTube 管理團隊直接挑選的內容。簡而言之,應用程序中的影片必須由人工,而不是電腦審核。

目前尚不清楚這款軟體是否會完全作為新應用上架,但似乎最有可能基於現有的訊息,採用人工審核內容的新模式。對此 YouTube 沒有發表評論,但消息人士稱新版本可能會在未來幾週內發布。對於父母來說,這是一次重大勝利。但對於技術人員來說,世界上最大的影片網站開始放棄在自己的產品中使用推薦演算法,難道推薦演算法不靈了嗎?

 

YouTube 、 Google 演算法屢屢被爆扭曲事實,演算法到底哪裡出錯了?

作為全球最受歡迎的影片網站之一, YouTube 擁有超過十億使用者每天觀看十億小時以上的資料。 YouTube 向公眾公開展示了一些統計數據,例如影片觀看量、點讚或討厭的次數。但是,它同時還隱藏了每個影片更細微的細節,比如網站向其他人推薦它的頻率。沒有完整的理解,我們就很難知道它的演算法究竟將你向什麼方向上引導,以及推薦的帶有偏見的影片背後被扭曲的事實究竟是什麼。

YouTube 已經不止一次因為因為推薦內容不當或扭曲事實而受到公眾的譴責。

2018 年 1 月,網上被一則由網紅 Logan Paul 上傳的在日本自殺森林死者旁邊發表不當言論的影片刷爆,截至 24 小時後被下架,這則影片的觀看量已達 600 萬。Logan Paul 對死者的輕蔑和不尊重引發眾怒,同時掀起了一股譴責 YouTube 平台將這種影片放在推薦首頁的聲討浪潮。

YouTube 還被質疑利用演算法引導拉斯維加斯槍殺案背後的陰謀論,拉斯維加斯的倖存者們因為 YouTube 宣傳短片而憤怒,指責他們拍攝了一個騙局。在 4 月份 YouTube 總部附近發生的女殺手槍擊案中,女殺手在槍殺 1 人,並導致 4 人受傷後自殺,原因據說與其在 YouTube 平台上影片的觀看量下降有關。

利用推薦, YouTube 平台還間接鼓勵如粉紅豬小妹吃掉父親、喝漂白劑等影片背後,以兒童為受眾的次文化。

除了 Facebook、Twitter, YouTube 同樣被質疑利用演算法影響 2016 年大選,在大選期間成為製造和傳播虛假訊息的引擎等等。

 

演算法原理和產生的問題

據公司內部人員透露,演算法已經成為驅動 YouTube 收入增長最有效的工具,使用神經網路通過大量資料和使用者觀看記錄對使用者進行分析, YouTube 的工程師將其描述為「目前規模最大、最複雜的商用推薦系統」。那這個推薦系統到底是怎麼工作的呢?

上圖是 YouTube 推薦系統的體系結構,在向使用者展示少量推薦影片之前,會對影片進行檢索和排名。

本質上,過濾氣泡(filter bubble,一種網站針對客製化搜索而提供篩選後內容的結果)的生成方式,也是所有推薦演算法的工作原理。一小段電腦程式碼追踪你正在進行的動作,比如你最常看的影片分類、最長觀看時間,然後推薦給你同一類型的影片。從某種角度而言, YouTube Kids 提供的節目明確按照孩子們想要看的影片進行推薦。實際上是孩子們自己做出的選擇,直到第二次他們失去了興趣,選擇看其他影片。

內容推薦演算法的過程一般包括以下三步:

  • Item Representation:為每個 item 抽取出一些特徵(也就是 item 的 content 了)來表示此 item;
  • Profile Learning:利用一個使用者過去喜歡(及不喜歡)的 item 的特徵數據,來學習出此使用者的喜好特徵(profile);
  • Recommendation Generation:通過比較上一步得到的使用者 profile 與候選 item 的特徵,為此使用者推荐一組相關性最大的 item。上圖內容推薦演算法的步驟展示出了推薦演算法的基本原理。

而孩子們觀看影片有一個特點,就是喜歡反復觀看同一個影片,直到完全理解。與過濾氣泡推薦演算法相結合,其實 YouTube 應用軟體只是忠實地對孩子的想法作出反饋,推薦更多相關內容。但這也被別有用心者利用,傷害孩子的身心健康。

雖然 YouTube Kids 影片的創造者花費無數的時間來與推薦演算法博弈,使他們的影片有盡可能多的機會被推送給更多觀眾,但是由於一旦偏離了特定的分類和標籤,就會面臨巨大的風險,因此,推薦演算法和商業策略的相悖會繼續阻礙健康、民主、較為平衡的內容生態的維護。

 

Google 前員工自建網站,推出開源項目破除 YouTube 演算法過濾氣泡

普通人對於 YouTube 的做法可能只停留在憤怒和譴責層面,做不了更多的事。但有人卻將之付諸行動,並尋求解決的辦法,致力於推動演算法透明化。

Guillaume Chaslot (Photo credit: algotransparency.org)

Google 前員工 Guillaume Chaslot 就是後一種人,他自建了 一個網站 ,用來揭示 YouTube 和 Google 演算法的工作原理,讓這個被稱為全世界目前最複雜的商業推薦系統演算法透明化。

據 Guillaume Chaslot 稱,2013 年,他因為建議公司讓使用者對內容有更多掌控權而被公司開除。回顧他在 Google 工作的三年中,他曾與 YouTube 工程師團隊一起工作了幾個月,負責推薦系統。這一經歷使他得出結論, YouTube 給予其演算法的優先地位是極具危險性的。

「YouTube 給你營造一種被扭曲的現實。」他說道:「推薦演算法並未進行一種真實、平衡或健康的優化。」

Chaslot 解釋道, YouTube 演算法是會不斷變化的。它會不斷改變其賦予不同信號的權重:例如,使用者的觀看模式,或者在有人點擊之前觀看影片的時長。

在 YouTube 那段時間,他與他合作的工程師負責不斷嘗試新的公式,通過延長人們觀看影片的時間來增加廣告收入。他回憶道:「觀看時間長度是重中之重。 其他一切都不重要。」

他特別擔心演算法對事實的扭曲,因為過於聚焦在向使用者展示他們感興趣的內容,會導致過濾氣泡的出現,這些泡沫只會向人們展示增強其現有世界觀的內容。Chaslot 說道,他提出的修復措施中沒有一個被他的上級採納。「YouTube 有很多方法可以改變演算法來抑制假新聞,並改善人們看到的影片的質量和多樣性。」他說。「我試圖從內部改變 YouTube ,但沒有奏效。」

之後, YouTube 和 Google 在演算法上的一些改變在 Chaslot 看來大多是表面化的,並沒有從根本上改變演算法中演變出的一些令人不安的偏見。2016 年,他開發了一款程序進行調查。

Chaslot 編寫了一款軟體,旨在為大家提供全球首個探究 YouTube 推薦引擎的窗口,該應用程式模擬使用者在觀看一個影片後引發推薦影片鏈,並追蹤資料。

在過去的 18 個月中,Chaslot 利用該計劃探索法國、英國和德國選舉期間 YouTube 上推廣內容的偏差,全球變暖和大規模槍擊事件,並在 他的網站 上發布了他的調查結果。每項研究發現不同的東西,但研究表明 YouTube 系統性地誇大了有關分裂主義、聳人聽聞和陰謀詭計的影片。

從目前該網站披露的項目來看,至少在 2016 年美國大選、拉斯維加斯槍擊案、德國大選等事件中, YouTube 演算法都發揮了重要的作用。

通過該網站的檢測,有助於我們更好地了解 YouTube 演算法帶來的影響,同時帶給我們關於機器學習演算法透明化的思考:從使用者的角度來看,演算法透明化是趨勢,也是有必要的,這就給破除黑箱問題提出了更迫切的要求。


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。