Meta 推出了22 种不同的说明卡片，向用户具体解释了该公司如何使用AI 控制他们在Instagram 和Facebook 上看到的内容。
Meta 表示此举旨在对其AI 系统提供更多透明度，但这些卡片的具体说明仍提醒了使用者—— 他们都活在演算法里，被演算法精准拿捏。
Meta 这22 张说明卡片部分如下：
每张卡片都提供了详细且易于理解的资讯，说明这些功能背后的AI 系统如何对内容进行排名和推荐。
举几个例子：
Facebook Reels 如何向用户展示内容
当用户在Facebook 检视内容和参与互动时，底层的一个AI 系统便会提供Reels（短视讯），包括使用者可能感兴趣但可能尚未关注的创作者释出的内容，也可能来自Instagram 的跨应用推荐内容。
Facebook Reels 依赖的AI 系统会通过预测使用者最可能感兴趣或与之互动的内容，自动确定要向用户展示的Reels 及其展示顺序。这些预测基于多种因素，包括使用者近期关注、点赞或与之互动的使用者和内容。其运作方式如下：
1、收集库存资讯
首先，AI 系统会收集使用者可能感兴趣的所有Reels，可能包括使用者关注的使用者或帐户释出的Reels，或与使用者近期互动过的Reels 相似的Reels。AI 系统还可能推荐与使用者关注或互动过的使用者或帐户相似的来源所释出的Reels。
2、利用指示讯号
接下来，AI 系统会综合考虑每个Reels 相关的指示讯号，这些讯号可能包括Reels 的时长、与其他Reels 的相似度、Reels 与使用者愿意互动的内容的匹配度，并执行一个简易模型来选择大约10-100 个最相关的Reels（问题内容会过滤掉）。
3、做出预测
在此阶段，AI 系统利用模型来帮助预测使用者会认为最相关和最有价值的内容。
4、按分数对Reels 排序
最后，系统会为大约200 个帖子计算相关度分数，并按得分对其进行排序。经系统预测将为使用者提供更高价值的Reels 会在动态中靠前显示。
与此同时，使用者可以通过隐藏Reels 或者收藏、分享Reels，来使系统减少或者更多展示类似的Reels。
Facebook stories 如何向用户展示内容
根据说明卡片，Facebook 快拍（一项允许使用者释出24 小时后将会消失的照片和视讯的功能）运作方式如下：
1、收集快拍
首先，系统收集过去24 小时内使用者或公共主页分享的所有相关快拍（过滤掉不合规则的快拍）
2、进行预测并加以分析
接下来，系统收集可向特定使用者展示的所有快拍，并就使用者会认为最相关和最有价值的快拍做出预测。系统会保留这些快拍并移除余下其他快拍。
系统考虑的因素包括：使用者点选以全屏观看此快拍的次数、浏览作者快拍的总时长、观看过的不同作者的快拍和快拍集的数量、以点赞或聊天等方式回应作者快拍的次数、浏览作者快拍的总时长、浏览快拍平均花费的时间等。
3、对快拍排序
系统继而根据使用者与各个快拍互动的可能性对这一小部分快拍排序。
4、应用额外规则
最后，系统应用相关规则以确保均衡展示来自使用者和公共主页的快拍。
使用者可以通过Messenger 向他人传送快拍，将其新增到自己的快拍或使用者的公共主页快拍来分享快拍；也可以选择不看快拍，执行此操作后，除非使用者选择重新看，否则将不会再看到由建立该快拍的使用者或公共主页释出的任何其他快拍。
Instagram Explore 如何向用户展示内容
Instagram Explore（发现）功能会向用户展示推荐内容，例如由使用者未关注帐户释出的照片和Reels，这些推荐可能与使用者的兴趣相关或与使用者之前互动过的内容相似。
其运作方式与Facebook Reels 相似：
先是，收集库存资讯，即AI 系统会收集Instagram 上展示的部分公开内容（剔除问题内容），例如照片和Reels；
然后，利用指示讯号：AI 系统会综合考虑使用者参与类似内容或感兴趣内容的互动情况。包括帖子的释出时长、使用者检视或点选帖子缩图的总次数、帖子在一系列帖子中被优先检视的次数、使用者对帖子点选「没兴趣」的次数，还有浏览与此帖子作者志趣相投的作者所释出帖子的次数等；
最后，对内容进行排名。系统将其预测将为使用者提供更高价值的内容推送到「发现」选项卡中的靠前位置。
同样，使用者可以通过储存内容或将其标记为「不感兴趣」来影响此过程，以鼓励系统将来继续显示或过滤掉类似的内容。
使用者还可以通过在Explore 过滤器中选择「非个性化」来检视演算法未专门为他们选择的Reels 和照片。
Instagram Search 如何向用户展示内容
当用户在Instagram 检视内容和参与互动时，底层的一个AI 系统会在使用者搜寻内容时提供结果。
Instagram Search 所依赖的AI 系统，会通过预测使用者认为最相关和最有价值的内容，来自动对搜寻结果进行排序。
其运作方式如下：
1、收集库存资讯。
首先，系统会收集所有符合条件的搜寻结果来为使用者排序。此类内容可能包括话题标签、地点、Reels、帖子、主页、音讯或其他与使用者搜寻的字词相关的结果。
2、为结果评分。
然后系统会根据各种因素对每个搜寻结果进行评分，例如内容型别以及内容与使用者通常会互动的内容的匹配程度。考虑的因素包括：
搜寻中使用的字词与帐户的帐号或主页名称中使用的字词之间的相似性、搜寻中使用的字词与建议关键词中使用的字词之间的相似性、搜寻中使用的字词与话题标签中使用的字词之间的相似性、使用者所在国家/ 地区执行相同搜寻的使用者点选话题标签的次数等。
3、应用更多筛选条件。
系统会应用「附加过滤器」和「完整性流程」等，将符合条件的内容范围缩小到与使用者最相关的搜寻结果。
4、按分数对结果进行排序。
最后，系统将按分数将向用户优先展示系统预测的对使用者而言最有价值或最相关的结果。
与此同时，系统会根据使用者的动态个性化订制Instagram 搜寻体验，使用者可以选择控制或自定义显示内容，也可以检视非个性化订制的搜寻结果。
使用者能反制吗？
不管怎样，在人人都活在演算法里的智慧时代，Meta 提高演算法透明度的做法有值得称赞之处。
研究显示，演算法透明能够在可问责性和知情权两个维度发挥作用。
其一，演算法透明可以让演算法操控者变得更具可问责性，一旦出现精确性和公平性的偏差，可以依据所披露的演算法来主张演算法操控者的责任。
其二，演算法透明也赋予演算法规制物件一定程度上的知情权，而这种知情权有利于第三方（尤其是专业人士）实施监督，也有利于演算法规制物件依据所披露的演算法，在事后对演算法决策提出公平性和合理性的质疑。
當然，Meta 釋出這些資訊也是順應監管的趨勢。當前，歐洲立法者正迅速推進立法，對使用 AI 技術的公司提出新的解釋和透明度要求，美國立法者也表示，希望在今年晚些時候開始制定類似的立法。
除了已釋出的 22 張卡片，Meta 還表示，將在未來幾周內將解釋範圍擴充套件到「我為什麼會看到這篇帖子」等功能。
此外，Meta 還提供了一項功能，允許使用者集中控制他們想要在 Facebook 和 Instagram 上檢視的內容。
Instagram 已經支援對某些帖子選擇「不感興趣」以增加與其不太相似的內容推薦，現在使用者將很快可以選擇「感興趣」來檢視某些型別的內容，未來 Meta 還將提供更豐富的選擇。
