XiaoMi-AI文件搜索系统
World File Search System
兰德尔·巴莱斯特里罗 (Randall Balestriero) 博士– Meta/Facebook 人工智能研究
2014–2016 与 F. Bach 教授一起攻读硕士学位，研究方向为“通过可微分分区优化决策树”，应用数学，MVA，巴黎高等师范学院，法国，巴黎，皮埃尔和玛丽居里大学，应用数学，法国，巴黎 2011–2014 与 H. Glotin 教授一起攻读学士学位，研究方向为“可学习的音频和生物声学信号处理”，应用数学、经济学和计算机科学，土伦大学，拉加尔德，法国
第 230 条与 Facebook 的国际法
3 时任总统唐纳德·特朗普甚至签署了一项行政命令，寻求联邦通信委员会制定规则，通过有效取消第 230(c)(1) 条中的广泛豁免权来限制第 230 条的豁免权。防止网络审查，行政。命令号13,925，85 Fed。Reg。34,079（2020 年 5 月 28 日）。总统约瑟夫·拜登撤销了这项行政命令。撤销某些总统行动和技术修正案，行政。命令号14,029，86 Fed。Reg。27,025（2021 年 5 月 14 日）。国会的各种提案都试图修改第 230 条。参见，例如，平台问责和透明度法案，S. 4602，第 167 届国会。(2021)；保护美国人免受危险算法法案，H.R.2154，H.R.8636，第 116 届国会。(2021)；废除 1934 年《通信法》第 230 条的法案，S. 5020，第 116 届国会。(2020)； 2021 年在线枪支市场问责法案，第 2725 号法案，第 117 届国会。(2021)；2021 年健康错误信息法案，第 2448 号法案，第 117 届国会。(2021)；保护网络政治言论法案，第 2338 号法案，第 117 届国会。(2021)；不要激怒我法案，第 2335 号法案，第 117 届国会。(2021)；21 世纪言论自由法案，第 1384 号法案，第 117 届国会。(2021)；平台问责和消费者透明度法案 (PACT 法案)，第 797 号法案，第 117 届国会。(2021)；《防范欺诈、剥削、威胁、极端主义和消费者伤害法案》（SAFE TECH 法案），第 299 号法案，第 117 届国会。(2021)；《看到什么就在网上说什么法案》，第 27 号法案，第 117 届国会。（2021）。
机器学习人工智能如何改善用户对 Facebook 的看法
个性化是否会影响 Facebook 机器学习广告中的认知和情感因素、广告价值和购买意向？................................................................................................................ 92
Facebook AI 的 WMT21 新闻翻译任务提交
我们描述了 Facebook 向 WMT2021 新闻翻译共享任务提交的多语言模型。我们参与了 14 个语言方向：英语与捷克语、德语、豪萨语、冰岛语、日语、俄语和中文之间的互译。为了开发涵盖所有这些方向的系统，我们专注于多语言模型。我们利用来自所有可用来源的数据——WMT、大规模数据挖掘和域内反向翻译——来创建高质量的双语和多语言基线。随后，我们研究了扩展多语言模型大小的策略，使得一个系统具有足够的容量来高质量地表示所有八种语言。我们的最终提交是密集和稀疏混合专家多语言翻译模型的集合，然后对域内新闻数据进行微调和嘈杂通道重新排名。与去年的获奖作品相比，我们的多语言系统在所有语言方向上的翻译质量都有所提高，平均提高了 2.0 BLEU。在 WMT2021 任务中，我们的系统在基于自动评估的 10 个方向上排名第一。
Facebook 社交媒体策略和最佳实践
• 衡量/成功：截至年底，已有 XX 人喜欢我们的页面；平均每篇帖子获得 XX 次互动；截至年底，已有 XX 人致电该机构并提到他们在社交媒体上看到了我们。
Facebook喜欢预测电力存储系统的购买概率？
在光伏系统的所有者中摘要这项研究调查了用户的Facebook喜欢的五巨头性格特征是否有助于他们是否采用电力存储。是基于以下发现：数字脚印，尤其是Facebook喜欢的人可以部分预测用户的个性比朋友和家人更好。该调查是在拥有光伏系统的159名Facebook用户中进行的。进行比较，使用了7286个个体中的425个光伏所有者的德国社会经济面板数据的对照样本。结果表明，对于外向性，令人愉快的性和神经质，可以充分预测平均得分。但是，只能检测到阳性相关性以进行外向。用户组的比较无法提供令人满意的结果。五个巨大的人格特征都不能用来区分两个用户群体。尽管结果不支持假设，但这项研究提供了对结合数据挖掘，人格心理学和消费者研究的可能性的见解。
Facebook 实现 100% 使用可再生能源
我们在 2018 年设定了这些目标，如今，我们已成为可再生能源的最大企业买家之一，已与 18 个州和 5 个国家签订了超过 6 千兆瓦 (GW) 的风能和太阳能合同。所有 63 个项目都是新建的，与它们支持的数据中心位于同一个电网上，预计项目投资额将达到 80 亿美元，支持数万个建筑工作岗位。
利用人工智能分析英国和美国公众在 Facebook 和 Twitter 上对新冠疫苗接种的态度
背景：全球为开发和部署 SARS-CoV-2 疫苗所做的努力正在迅速推进。我们开发并应用了一种基于人工智能 (AI) 的方法来分析英国和美国社交媒体上公众对 COVID-19 疫苗接种的态度，以了解公众态度并确定关注的话题。方法：从 2020 年 3 月 1 日至 11 月 22 日，我们提取了超过 300,000 条与 COVID-19 疫苗接种相关的社交媒体帖子，其中包括来自英国的 23,571 条 Facebook 帖子和来自美国的 144,864 条，以及来自英国的 40,268 条推文和来自美国的 98,385 条推文。我们使用基于自然语言处理和深度学习的技术来预测平均情绪、情绪趋势和讨论主题。我们对这些进行了纵向和地理空间分析，并手动阅读了围绕兴趣点随机选择的帖子，这有助于识别潜在主题并从分析中验证见解。结果：我们发现，英国总体平均正面、负面和中立情绪分别为 58%、22% 和 17%，而美国分别为 56%、24% 和 18%。我们发现，公众对疫苗开发、有效性和试验持乐观态度，但对安全性、经济可行性和公司控制权感到担忧。我们将我们的研究结果与两国的国家调查结果进行了比较，发现它们之间存在广泛的相关性。结论：机构和政府应考虑采用人工智能社交媒体分析，以及调查和其他评估公众态度的传统方法。这可以大规模实时评估公众对 COVID-19 疫苗接种的信心和信任度，帮助解决疫苗怀疑论者的担忧，并制定更有效的政策和沟通策略以最大限度地提高接种率。
Facebook的最新尝试解决疫苗错误信息
Facebook最新的疫苗特定措施构成了对现状的改进，尤其是通过提供针对正在进行的季节性活动的教育运动。但是，它留下了疫苗误导的流通问题（不准确的内容的传播），这是不受欢迎的，几乎没有做任何事情来消除Facebook网络中良好的疫苗错误信息来源。虽然Facebook并不是近年来疫苗错误信息水平急剧升级的唯一社交媒体平台，但它构成了共享和消费抗疫苗和抗疫苗接种内容的最受欢迎的社交媒体场所。这篇文章探讨了Facebook宣布其新政策的疫苗错误信息景观，并解释了为什么该政策不足以阻止疫苗错误信息传播的有意义的威慑。