剧透人生!你什么时候结婚换工作甚至狗带,Facebook都知道

即将换工作?要结婚了?有亲人朋友要去世了?

你关心的这些人生重大节点,有人希望比你提前知道它们何时发生,并基于此对你精准投放广告。

惊悚?

这是Facebook在2010年以来提交的一系列专利中描述的场景。它希望,并且有能力通过你在社交网络以及移动设备上的一系列行动,了解你身在何处,你花时间陪伴谁,你是否正在恋爱,您是哪些品牌和政治家谈论。

Facebook甚至试图通过一项专利来预测你的朋友何时会死亡。

数据泄露丑闻事件刚刚消停没多久,纽约时报对Facebook的上千条专利进行了一次大盘点,并且挑出了其中最骇人听闻的几大专利。

纽约时报称,这些信息被获取后,Facebook会将其用于精准广告的投放。比如,如果预测到了某人可能订婚,在用户的个人界面会出现婚礼地点的横幅广告。

这些专利与Facebook首席执行官马克·扎克伯格(Mark Zuckerberg)最近发表的评论形成了鲜明的对比。

据纽约时报的这篇文章称,Facebook一再表示,申请专利不代表就是要生产这样的产品:“这些专利中描述的大部分技术并未包含在我们的任何产品中。”Facebook副总裁兼副总顾问Allen Lo和该公司的知识产权负责人在一封电子邮件中表示。

但是不可否认,专利组合,特别是公司成立初期的专利,依然可以看作是反应一个公司技术发展方向的地图。

来看看这些惊悚的专利吧!

1、预测你的人生重大事件

美国专利申请号12/839350

除了信用卡交易和位置信息之外,使用你社交网站消息来预测可能发生诸如出生,死亡或毕业等重大生活事件的时间。

Facebook这些预测的及时性和准确性不仅仅依靠用户对个人资料手动的更新,更是基于所有可访问的相关用户信息预测生活事件的变化。例如即时消息、电子邮件等。这些信息都可以确定用户是否经历了一些事情以及预测用户将来是否会发生一些事情。

图片来自Facebook专利文件,其基于各种用户资料,利用机器学习算法进行预测

该算法将研究平台上的特定通信模式或行为,以确定“人生大事儿”是否可能发生。

Facebook在专利中基于用户的历史数据利用机器学习算法计算用户行为概率,以确定它们最近是否会发生人生中的大事情。

在预测的过程中,算法会查找诸如“祝贺”等关键词,从而会根据这些单词形成“事件变化预测的引擎”。

2、倾听你的环境

美国专利申请号 14/985089

使用手机麦克风来识别你观看的电视节目以及广告是否被静音。

该系统使用“非人类可听到的数字声音”触发电话麦克风,通过其记录用户家里周围的“噪音”。

Facebook说,触发噪音隐藏在正常的广告音频下面,由于声音频率太高,以至于用户听不到。

该系统包含一套“机器可识别”的莫尔斯代码风格的声音。如果电话麦克风被触发,它就会开始监听你家里的噪音,包括“远距离的人类活动和言语”。

电视广告商会使用这些数据来确定你是否在播放广告宣传短片时,把电视调到了静音或搬到了另一个房间。

3、跟踪你的例程

美国专利申请号15/203063

跟踪你的每周行程。通过你深夜使用手机的位置来确定你居住的地点。

即使在用户不在使用Facebook应用程序的情况下,它也可以使用一系列地理位置数据点来确定用户的“日常历程”,因为许多移动软件运行在后台。

Facebook表示,它可以使用这些不同的GPS定位创建日志,记录用户每天最常旅行的地点,并建立一个“基于时间的旅程”。

专利文件中声称,机器学习算法通过社交网络系统或第三方系统可以至少基于用户的单个活动来推断用户的状态。例如可以通过电话定位判断用户在家中,特别是凌晨2点到凌晨5点这段时间。

如果用户的行为偏离了日常,Facebook就会重新告知用户当前所在的位置。

即使用户没有使用Facebook软件程序,他也可以通过在后台运行的第三方软件访问用户的数据。

4、了解你的社会关系

美国专利号 14/295543

利用一些信息,例如你访问其他用户页面的次数,个人好友人数以及你不同性别的朋友的比例等信息,来预测是否在恋爱中。

5、给你的性格分类

美国专利申请号 9740752

通过你的消息推断人格特质。它描述了判断你的外向程度,开放性或情绪稳定性,然后利用这些特征选择要显示的新闻报道或广告。

6.识别你的相机

美国专利号 8472662

通过分析照片发现某人在你的设备上拍摄的照片,进而了解你和其他人的亲密关系。

7、推断你的习惯

美国专利号 9369983

将手机的位置与朋友手机的位置相关联,以推断你最常与哪些人进行社交活动。它还建议监控你的手机静止时间以跟踪你睡眠的时间。

相关报道:

http://www.dailymail.co.uk/sciencetech/article-5883981/Facebook-patents-firm-predict-youll-DIE-exactly-youll-day.html

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

入门Facebook机器学习
1
相关数据
机器学习技术
Machine Learning

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

特征选择技术
Feature selection

在机器学习和统计学中,特征选择(英语:feature selection)也被称为变量选择、属性选择或变量子集选择。 它是指:为了构建模型而选择相关特征(即属性、指标)子集的过程。

噪音技术
Noise

噪音是一个随机误差或观测变量的方差。在拟合数据的过程中,我们常见的公式$y=f(x)+\epsilon$中$\epsilon$即为噪音。 数据通常包含噪音,错误,例外或不确定性,或者不完整。 错误和噪音可能会混淆数据挖掘过程,从而导致错误模式的衍生。去除噪音是数据挖掘(data mining)或知识发现(Knowledge Discovery in Database,KDD)的一个重要步骤。

推荐文章