半数美国人指责Facebook帮特朗普赢得大选 小扎这么回应

简介:

11月12日消息,据Business Insider报道,美国一半的人正在指责Facebook,称其上面的假新闻影响了总统大上最不靠谱总统候选人推进了白宫,Facebook觉得这非常不公平。

事实上Facebook此次被指影响大选也不是空穴来风,该公司此前曾多次因为虚假消息和恶性新闻备受指责。作为世界最大的社交网络平台,Facebook在全球拥有18亿用户。但该平台上传播的消息质量却并不高,很多虚假消息市场出现。甚至一度有恐怖主义和极端分子在脸书上散布极端思想的消息。在此次大选中,Facebook更是乌龙不断。

例如今年9月,Facebook上一条爆红的新闻声称,曾与特朗普就性别歧视问题对撕的福克斯新闻台知名主播凯莉(Megyn Kelly),其实是希拉里的秘密支持者,因此遭到保守派福克斯电视台解雇。这条消息后来被证实是假新闻,并让Facebook遭到了强烈质疑。

特朗普的当选似乎成了压倒骆驼的最后一根稻草,美国人对Facebook的信任似乎已经濒临崩盘,一种认为是Facebook间接将特朗普推上台的观点甚嚣尘上。

美国《财富》杂志(Fortune)11月11日刊文指责Facebook称,尽管Facebook没有散播怂恿选民投票支持特朗普的新闻,但是Facebook也是特朗普当选的“帮凶”。Facebook上流传着关于美国政治虚假的小道消息助特朗普一臂之力,使得选举的天平向特朗普倾斜。

赫芬顿邮报(The Huffington Post)近日也调查了关于Facebook上流虚假消息的事情,同时声称在Facebook热门话题板块上关于希拉里的恶作剧和谣言屡见不鲜。

尼曼新闻实验室(Nieman Journalism Lab )的负责人Joshua Benton 近日撰文称,希拉里败选首当问责Facebook。Facebook上希拉里和其相关的板块流传着太多希拉里的谣言。

纽约杂志(New York magazine)也“不甘人后”,声称数千万的Facebook用户都有预谋或者情绪性地分享了针对希拉里的虚假新闻。

社会学家泽奈普·图费克奇(Zeynep Tufekci)则表示,2016年大选本是一场势均力敌的选举,但是有人在Facebook上以传播虚假消息作为竞选武器。

纽约大学新闻系教授杰·罗森(Jay Rosen)说,有基本理性的人都知道Facebook用户的所作所为会导致社会混乱。

面对这一指责,在加利福尼亚的一场科技会议上,扎克伯格给出了强硬的回应,称Facebook不应承担这类指责,“Facebook上的不实信息影响了选举结果,这一说法简直太疯狂了”,

扎克伯格称,假新闻在Facebook的全部内容中的比例很低,Facebook上非常少量的虚假新闻不会以任何方式影响选举,而选民是根据自己的生活经验来做出决定的。同时他坚持认为,公司可以不断改进消息流体验的品质,但Facebook无力左右选举的结果。

本文转自d1net(转载)

目录
相关文章
|
9月前
|
机器学习/深度学习 算法 决策智能
【重磅开源】Facebook开源 Nevergrad:一种用于无梯度优化的开源工具
【重磅开源】Facebook开源 Nevergrad:一种用于无梯度优化的开源工具
100 0
|
缓存 数据可视化 测试技术
开源多年后,Facebook这个调试工具,再登Github热门榜
让许多工程师合作开发大型应用大多会面临一个挑战,通常没有一个人知道每个模块是如何工作的,这种技能会让开发新功能、调查Bug或优化性能变得困难,为了解决这个问题,Facebook创建并开源了Flipper,一个可扩展的跨平台的调试工具,用来调试 iOS 和 Android 应用。近日又双叒登上了Github热榜。
|
前端开发 JavaScript 测试技术
Facebook 开源可扩展文本编辑器 Lexical
Meta(原 Facebook)近日开源可扩展文本编辑器 Lexical,源代码托管在 GitHub 上采用 MIT 许可证。
400 0
Facebook 开源可扩展文本编辑器 Lexical
|
XML jenkins Java
Facebook开源静态代码分析工具Infer介绍
Infer是Facebook公司的一个开源的静态分析工具。Infer 可以分析 Objective-C, Java 或者 C 代码,用于发现潜在的问题。其作用类似于sonar和fortify。Infer更倾向于发现代码中的空指针异常、资源泄露以及内存泄漏的问题。
Facebook开源静态代码分析工具Infer介绍
|
机器学习/深度学习 人工智能 文字识别
图神经网络版本的PyTorch来了,Facebook开源GTN框架,还可对图自动微分
近日,Facebook的AI研究院发表了一篇论文「DIFFERENTIABLE WEIGHTED FINITE-STATE TRANSDUCERS」,开源了用于图网络建模的GTN框架,操作类似于PyTorch这种传统的框架,也可以进行自动微分等操作,大大提高了对图模型建模的效率。
278 0
图神经网络版本的PyTorch来了,Facebook开源GTN框架,还可对图自动微分