YouTube 落實審查機制移除10 萬部違規影片、關閉1.7 萬個頻道 | youtube審查時間
YouTube花費數個月的時間謹慎擬定政策內容，並與YouTube 的小組合作打造實施政策所需的培訓課程和工具，最後在6 月初正式實施。
隨著小組 ...趨勢YouTube落實審查機制移除10萬部違規影片、關閉1.7萬個頻道2019/09/06INSIDE硬塞的網路趨勢觀察Youtube、仇恨言論、機器學習隨著小組成員根據新政策審查及移除越來越多不當內容，YouTube的機器偵測技術也同步改進！評論PhotoCredit：Reuters/達志影像評論YouTube加倍努力審查不當內容，同時致力於保有開放式平台的吸引力，YouTube近日在官方部落格分享在平台審核機制上的核心與近幾個月的執行成果，讓更多用戶瞭解每項原則的實際做法，持續著重在「移除」有害內容，過去18個月內因違反政策而被移除的影片觀看數減少了80%，而YouTube也將持續努力減少這類影片的觀看次數。
YouTube官方強調主要的任務可以分為以下四大原則：自2016年以來實施的政策歷程擬定適合全球性平台的政策為了保護YouTube社群，YouTube成立了一個專門制定政策的團隊，負責逐條審查YouTube所有的政策，維護社群安全又不損及YouTube的開放性。
不過，YouTube審核完一項政策後現，經常發現：雖然政策本身不需要大幅度變動，卻存有模糊空間或是令社群成員感到困惑的地方。
因此，許多更新的用意其實是為了釐清現有的規範。
舉例來說，YouTube在今年初發表更詳細的政策內容，解釋在何種情況下，YouTube會認定「挑戰」影片的內容會嚴重危害到YouTube社群。
自2018年以來，YouTube已經多次更新違規處置規範，其中大多都是較小的更新，但也有一些實質變動。
針對特別複雜的問題，有時候YouTube會花費數個月的時間制定新政策。
在研擬政策的期間內，YouTube會徵詢外部專家和YouTube創作者的意見，藉此瞭解目前的政策有哪些不足的地方，並將地區間的差異納入考量，以確保YouTube所提出的變動內容能公平適用於全球各地。
新版仇恨言論處理政策可謂YouTube政策上的一項重大變革。
YouTube花費數個月的時間謹慎擬定政策內容，並與YouTube的小組合作打造實施政策所需的培訓課程和工具，最後在6月初正式實施。
隨著小組成員根據新政策審查及移除越來越多不當內容，YouTube的機器偵測技術也同步改進。
雖然新政策從制定到實施需要好幾個月的前置作業，但從本季社群規範違規處置報告公布的資料來看，YouTube針對仇恨言論發布的新版政策顯然已帶來深遠的影響：移除數量之所以遽增，某部分是因為YouTube移除了先前規範所允許的舊留言、影片和頻道。
在2019年4月，YouTube宣布著手更新騷擾政策，內容涵蓋創作者對其他創作者的騷擾行為。
YouTube會在未來幾個月公布這項政策的更新進度。
透過機器學習技術檢舉不當內容在政策制定完成後，YouTube必須有效結合人力與技術，幫助YouTube審查小組檢舉不當內容。
YouTube有時會使用雜湊法(Hashes)(或稱「數位指紋(DigitalFingerprints)」)找出已知的違規的內容，讓這些含有違規內容的影片在能夠被大眾觀賞前就被移除。
針對例如兒童性虐待圖像(CSAI)、恐怖組織招募影片等內容，YouTube也為業界共用的雜湊資料庫做出貢獻，以增加這類內容在上傳期間就遭到YouTube系統攔截的數量。
YouTube在2017年擴大機器學習技術的使用規模，協助偵測潛在的違規內容，並將其送交人工審查。
機器學習非常適合用來偵測模式，有助於YouTube辨識內容是否與先前移除的其他違規內容相似(不一定完全相同)，甚至讓這些內容在被任何人看到前就被偵測出來。
針對像是垃圾內容、成人內容等經常看起來十分相似的內容，這類系統在標記違規的成效格外顯著。
機器學習技術也可以協助檢舉仇恨言論和其他違規內容。
然而，由於判斷這類內容是否違規時，大多需要將背景資訊納入考量，因此透過人工審查來辨別其中的細微差異，並做出審慎的決策就顯得更為重要。
儘管如此，在2019年第二季移除的900萬部影片中，仍有超過87%是先由自動化系統優先標記出來的。
YouTube持續在自動化偵測系統投注大量資源，YouTube工程小組每個月也會更新及改善這些系統。
舉例來說，垃圾內容偵測
隨著小組 ...趨勢YouTube落實審查機制移除10萬部違規影片、關閉1.7萬個頻道2019/09/06INSIDE硬塞的網路趨勢觀察Youtube、仇恨言論、機器學習隨著小組成員根據新政策審查及移除越來越多不當內容，YouTube的機器偵測技術也同步改進！評論PhotoCredit：Reuters/達志影像評論YouTube加倍努力審查不當內容，同時致力於保有開放式平台的吸引力，YouTube近日在官方部落格分享在平台審核機制上的核心與近幾個月的執行成果，讓更多用戶瞭解每項原則的實際做法，持續著重在「移除」有害內容，過去18個月內因違反政策而被移除的影片觀看數減少了80%，而YouTube也將持續努力減少這類影片的觀看次數。
YouTube官方強調主要的任務可以分為以下四大原則：自2016年以來實施的政策歷程擬定適合全球性平台的政策為了保護YouTube社群，YouTube成立了一個專門制定政策的團隊，負責逐條審查YouTube所有的政策，維護社群安全又不損及YouTube的開放性。
不過，YouTube審核完一項政策後現，經常發現：雖然政策本身不需要大幅度變動，卻存有模糊空間或是令社群成員感到困惑的地方。
因此，許多更新的用意其實是為了釐清現有的規範。
舉例來說，YouTube在今年初發表更詳細的政策內容，解釋在何種情況下，YouTube會認定「挑戰」影片的內容會嚴重危害到YouTube社群。
自2018年以來，YouTube已經多次更新違規處置規範，其中大多都是較小的更新，但也有一些實質變動。
針對特別複雜的問題，有時候YouTube會花費數個月的時間制定新政策。
在研擬政策的期間內，YouTube會徵詢外部專家和YouTube創作者的意見，藉此瞭解目前的政策有哪些不足的地方，並將地區間的差異納入考量，以確保YouTube所提出的變動內容能公平適用於全球各地。
新版仇恨言論處理政策可謂YouTube政策上的一項重大變革。
YouTube花費數個月的時間謹慎擬定政策內容，並與YouTube的小組合作打造實施政策所需的培訓課程和工具，最後在6月初正式實施。
隨著小組成員根據新政策審查及移除越來越多不當內容，YouTube的機器偵測技術也同步改進。
雖然新政策從制定到實施需要好幾個月的前置作業，但從本季社群規範違規處置報告公布的資料來看，YouTube針對仇恨言論發布的新版政策顯然已帶來深遠的影響：移除數量之所以遽增，某部分是因為YouTube移除了先前規範所允許的舊留言、影片和頻道。
在2019年4月，YouTube宣布著手更新騷擾政策，內容涵蓋創作者對其他創作者的騷擾行為。
YouTube會在未來幾個月公布這項政策的更新進度。
透過機器學習技術檢舉不當內容在政策制定完成後，YouTube必須有效結合人力與技術，幫助YouTube審查小組檢舉不當內容。
YouTube有時會使用雜湊法(Hashes)(或稱「數位指紋(DigitalFingerprints)」)找出已知的違規的內容，讓這些含有違規內容的影片在能夠被大眾觀賞前就被移除。
針對例如兒童性虐待圖像(CSAI)、恐怖組織招募影片等內容，YouTube也為業界共用的雜湊資料庫做出貢獻，以增加這類內容在上傳期間就遭到YouTube系統攔截的數量。
YouTube在2017年擴大機器學習技術的使用規模，協助偵測潛在的違規內容，並將其送交人工審查。
機器學習非常適合用來偵測模式，有助於YouTube辨識內容是否與先前移除的其他違規內容相似(不一定完全相同)，甚至讓這些內容在被任何人看到前就被偵測出來。
針對像是垃圾內容、成人內容等經常看起來十分相似的內容，這類系統在標記違規的成效格外顯著。
機器學習技術也可以協助檢舉仇恨言論和其他違規內容。
然而，由於判斷這類內容是否違規時，大多需要將背景資訊納入考量，因此透過人工審查來辨別其中的細微差異，並做出審慎的決策就顯得更為重要。
儘管如此，在2019年第二季移除的900萬部影片中，仍有超過87%是先由自動化系統優先標記出來的。
YouTube持續在自動化偵測系統投注大量資源，YouTube工程小組每個月也會更新及改善這些系統。
舉例來說，垃圾內容偵測