內容審查(Content Moderator)服務

enter image description here
當網路上出現一則訊息,誰有權力判斷這則訊息的真假?
1.政府 2.平台業者 3.KOL(Key Opinion Leader, 意見領袖) 4.我自己

上面這個問題,不知道你的答案會選擇甚麼?

這兩天沸沸揚揚的中介法,造成了很多網路上的輿論。主因是平台業者被要求有責任管理(刪除或標註)不實言論,否則要罰款。

但這中間出現了兩個問題 1. 誰決定不實? 2. 如何做到有效即時的內容管理?

身為技術人員,我想從技術的角度談這件事情。首先,有沒有可能即時發現用戶將有問題的內容張貼到網站上? 技術上確實有可能。

現在微軟Azure, AWS, Google都有許多雲端AI服務,可以辨識圖片、影音、文字,近乎即時的判斷內容是否涉及情色、猥褻、或是具有冒犯意味甚至鼓吹自裁。這服務微軟叫做 Azure Content Moderator,內容仲裁。總的來說,在當今的AI技術上,我們早就可以針對圖片、影像、或文字進行客觀的內容判斷,這些技術已經逐漸成熟,經驗上準確度大約八九成沒問題。

所以各大網站(像是FB)可能早已把這些技術用在內容分析上了(如果你的網站也需要,但不知道該怎麼做,可以與我聯繫)。但問題是,這些AI服務,可以判斷內容,無法知道對錯。

因為內容的正確與否,涉及價值觀的判斷。
在這個世界上,並不是所有事情都是非黑即白,一翻兩瞪眼的不是對就是錯,更何況,真假對錯很可能因為時間而有所改變。一開始你可能以為是對的(內容為真),但經過時間,很可能發現是錯的(內容為假),反之亦然。舉個更簡單的例子,不同世代對於同一件事情的看法,也往往南轅北轍。

如果第一時間不分青紅皂白的,就直接屏蔽刪除或標註某種論點,很可能事情將永遠沒有水落石出的一天。當然,如果你不在意真相(只在意管理),也就無所謂。

所以,從技術的角度來說,現在的科技就算不用靠誰立法、無須哪個單位協助,單單使用AI技術,就足以判斷內容是否違背善良風俗,這個也早就在做了。然而問題是,會不會我覺得的裸露、是你覺得的藝術呢? 這條界線該如何決定? 誰決定? 因為一旦涉及主觀價值判斷,所有的一切就變的不再簡單。

因此,AI就算能幫你辨識內容,卻無法幫你判斷真偽。
是非、對錯、真假,都很難由誰單方面說了算。

因此,我們再看一次這個問題。
當網路上出現一則訊息,誰有權力和責任判斷這則訊息的真假?
1.政府 2.平台 3.KOL(Key Opinion Leader, 意見領袖) 4.AI(人工智慧) 5.我自己

好,現實問題是,網路層出不窮的假訊息,詐騙事件頻傳,已經對很多人造成傷害,如果不該由特定單位、特定人來過濾特定訊息,那該怎麼辦? 難道讓人民自己判斷?

底下有個關於真偽的小故事…
有人問銀行裡面假鈔辨識員 : 為何你能夠瞬間就識別出仿製精良、栩栩如真的假鈔? 你們是有受過什麼特殊的訓練嗎? 是不是因為早已看過了市面上每一種假鈔,所以才能迅速識別?

行員回答: 我是沒有看過每一種假鈔,但我因為每天都在看真鈔,所以碰到假鈔自然比一般人敏感一些。

就是這樣,沒別的答案了。
所有的真假,都涉及主觀判斷。

真的訊息可以聽起來匪夷所思,假的訊息也可能看起來毫無破綻,不是有權力、有資源的單位就一定可以判斷正確。如果無法讓人民成熟、成長…到有獨立判斷的能力,那一切最終都是白搭。更何況,與其相信政府、相信特定KOL、相信特定網站平台的判斷,那我還不如相信AI,因為至少,我知道這些雲端AI服務,設計的時候已經盡量排除既定的價值觀(主觀)。

然而,真正能判斷對錯是非的,永遠只有自己。

政府該做的,是提供民眾更多的管道、教育資源、技術,來幫助民眾自行判斷(決定)真偽,並且持續增加民眾的素養,讓大家有能力自己做出正確的判斷。而非幫民眾進行內容審查,或由特定單位(或網路平台)來幫民眾決定真假是非對錯。

最近開飛機的湯姆克魯斯很紅,但我卻想到另一部他主演的電影–《關鍵報告》(Minority Report)。劇中的預知科技,可以讓罪犯在還沒行動前就被制止,在還沒造成傷害前就把加害人給逮捕,這樣的社會看似超完美,完全沒有任何犯罪。所有可能的犯行都被預先銷聲匿跡於無形。

但這真是你要的世界嗎?

網路假訊息確實造成了很大的困擾,網路霸凌、情色甚至手機成癮都引發了不少的問題,但這現象表示,人類的理智與成熟度似乎跟不上網路發展的快速。這意味著,我們必須投入更多的資源,來培養人民獨立判斷是非、獨立思考的能力,而不是簡單的封鎖、禁止、遮蓋或屏蔽。當然,我知道這樣做在技術上簡單多了。

然而解決核心問題,才是我們需要有權力、有資源的政府和與單位,更多投入心力的,不是嗎?

留言

這個網誌中的熱門文章

使用 Airtable 在小型需求上取代傳統資料庫

在POC或迷你專案中使用 LiteDB

專業的價值...

精彩(且驚人)的Semantic Kernel入門範例

周末讀書會 - 一如既往