Broken Code: Inside Facebook and the Fight to Expose Its Harmful Secrets

Трудно представить себе подход к созданию систем, который в большей степени воплощал бы лозунг "Двигайся быстро и ломай вещи". Facebook хотел только большего. Цукерберг привлек Янна ЛеКуна, французского ученого-компьютерщика, специализирующегося на глубоком обучении, то есть на создании компьютерных систем, способных обрабатывать информацию способами, вдохновленными человеческим мышлением. Уже прославившийся созданием основополагающих методов искусственного интеллекта, благодаря которым стало возможным распознавание лиц, ЛеКун возглавил подразделение, которое должно было вывести Facebook в авангард фундаментальных исследований в области искусственного интеллекта.

После успеха с рекламой перед Киньонеро была поставлена не менее сложная задача: как можно быстрее внедрить машинное обучение в кровеносную систему компании. Его первоначальный штат из двух десятков человек - команда , ответственная за создание новых основных инструментов машинного обучения и обеспечение их доступности для других подразделений компании, - вырос за три года, прошедшие с момента его найма. Но он все еще не был достаточно большим, чтобы помочь каждой команде, которая хотела получить помощь в области машинного обучения. Навыки построения модели с нуля были слишком узкоспециализированными, чтобы инженеры могли легко их освоить, а увеличить число докторов наук в области машинного обучения, разбрасываясь деньгами, было невозможно.

Решением стало создание FB Learner, своего рода версии машинного обучения "по цифрам". Он упаковал методы в шаблон, который могли использовать инженеры, в буквальном смысле не понимающие, что они делают. FB Learner сделал для машинного обучения внутри Facebook то, что когда-то сделали сервисы вроде WordPress для создания веб-сайтов, избавив от необходимости возиться с HTML или настраивать сервер. Однако инженеры, о которых идет речь, не создавали блог, а возились с внутренностями того, что быстро становилось ведущей глобальной коммуникационной платформой.

Многие в Facebook знали о растущем беспокойстве по поводу искусственного интеллекта за стенами компании. Плохо разработанные алгоритмы, призванные поощрять хорошее здравоохранение, наказывали больницы, которые лечили более больных пациентов, а модели, призванные количественно оценить риск повторного совершения преступления кандидатом на условно-досрочное освобождение, оказывались предвзятыми в пользу содержания чернокожих в тюрьме. Но в социальной сети эти проблемы казались далекими.

Один из заядлых пользователей FB Learner позже охарактеризовал массовое распространение машинного обучения в Facebook как "вручение ракетных установок двадцатипятилетним инженерам". Но в то время Киньонеро и компания говорили об этом как о триумфе.

"Инженеры и команды, даже с небольшим опытом, могут с легкостью создавать и проводить эксперименты и внедрять продукты на основе искусственного интеллекта в производство быстрее, чем когда-либо", - объявил Facebook в 2016 году, хвастаясь тем, что FB Learner ежедневно получает триллионы точек данных о поведении пользователей и что инженеры проводят на них 500 000 экспериментов в месяц.

Огромное количество данных, которые собирал Facebook, и настолько хорошие результаты таргетинга рекламы, что пользователи регулярно подозревали (ошибочно) компанию в подслушивании их разговоров в офлайне, породили утверждение, что "Facebook знает о вас все".

Это было не совсем верно. Чудеса машинного обучения заслонили его пределы. Рекомендательные системы Facebook работали на основе сырой корреляции между поведением пользователей, а не на основе выявления их вкусов и интересов и последующей подачи контента на их основе. News Feed не могла сказать, нравится ли вам катание на коньках или на велосипеде, хип-хоп или K-pop, и не могла объяснить человеческим языком, почему одно сообщение появилось в вашей ленте выше другого. Хотя эта необъяснимость была очевидным недостатком, системы рекомендаций на основе машинного обучения говорили о глубокой вере Цукерберга в данные, код и персонализацию. Освобожденные от человеческих ограничений, ошибок и предвзятости, алгоритмы Facebook были способны, по его мнению, на беспрецедентную объективность и, что, возможно, более важно, эффективность.