AI er begyndt at rydde op på Facebook, men kan det afslutte?


I de tidlige timer den 25. august 2017 angreb en ragged oprørsk gruppe fra Myanmar's rohingya-muslimske minoritet militære forposter i landets nordvest og dræbte 12 personer. Sikkerhedskræfterne blev hurtigt genoptaget af en kampagne med landsbybrænding og massedrab, der varede uger. Da Rohingya døde af tusinderne, tog Myanmar militære ledere til Facebook.

Et indlæg fra øverstbefaleren forpligter sig til at løse "det bengalske problem" ved hjælp af en pejorative for Rohingya i Myanmar. En anden general skrev til at rose den "strålende indsats for at genoprette den regionale fred", idet han observerede, at "race ikke kan sluges af jorden, men kun af et andet race." En FN-faktumrapport om volden citerede senere kommandærchefens post som suggestive af folkemord, og noterede sig historien om Facebook-indlæg, der piskede op mod haden mod Rohingya i Myanmar. Missionens formand fortalte journalister, at stedet havde spillet en "afgørende rolle" i krisen.

I US Capitol i april bad senator Jeff Flake Facebook CEO Mark Zuckerberg, hvordan hans firma måske havde undgået den rolle. Den uhyrlige da-33-årige milliardær noterede sig, at han havde hyret flere burmesiske talere. Derefter redegjorde han for en favorit emne-kunstig intelligens. "På lang sigt vil bygnings AI-værktøjer være den skalerbare måde at identificere og udrydde det meste af dette skadelige indhold på," sagde han. I løbet af to dages kongreshøringer nævnte Zuckerberg AI mere end 30 gange. Det ville han fortalte lovgivere, bekæmpe falske nyheder, forhindre annoncer, der diskriminerer på grund af race eller køn, og hobler terrorpropaganda.

Facebook har konfronteret en svimlende række beskyldninger og skandaler i løbet af det sidste år. De omfatter mulighed for russisk valgindblanding og ansættelsesdiskrimination, ud over at være tilbehør til folkedrab i Myanmar. Mandag sagde en senatrapport, at Ruslands aktiviteter på Facebook-ejendomme var langt større end tidligere kendt, og foreslog, at selskabet havde vildledt kongressen ved at downplaye ideen om, at russiske troller brugte sit produkt til at undertrykke valgdeltagelse under præsidentvalget i 2016.

Mange af Facebooks undskyldninger udviser et fælles tema: Kunstig intelligens vil hjælpe med at løse de problemer, der inkuberer på virksomhedens platform. Mike Schroepfer, selskabets chefsteknolog, siger, at teknologien er den eneste måde at forhindre dårlige aktører på at udnytte tjenesten. Med 2,3 milliarder faste brugere vil det være forbudt dyrt og uhyggeligt at have alt gennemgået af mennesker. "Jeg tror, ​​at de fleste mennesker ville føle sig utilpas med det," siger Schroepfer, idet man undgår muligheden for, at brugere kan finde det uhyggeligt at få algoritmer til at gennemgå deres hver post. "For mig er AI det bedste redskab til at gennemføre politikken – jeg ved faktisk ikke, hvad alternativet er."

Facebook CTO Mike Schroepfer

PATRICIA DE MELO MOREIRA / AFP / Getty Images

At tælle på AI er en gamble. Algoritmer har vist sig at være i stand til at hjælpe med at polere Facebook, men de er langt fra en kur-alt-og må aldrig være. Virksomheden har haft stor succes med at opdage og blokere pornografi og nøgenhed. Men uddannelse software til pålideligt afkode tekst er meget vanskeligere end at kategorisere billeder. For at bekæmpe chikane, hadttale og farlige konspirationsteorier på tværs af sin store platform, har Facebook brug for AI-systemer, der er i stand til at forstå de skiftende nuancer på mere end 100 forskellige sprog. Eventuelle mangler skal fanges af Facebooks ca. 15.000 menneskelige korrekturlæsere, men på det sociale netværk er det uklart, hvor håndterbart deres arbejdsbyrde vil være. Som begivenheder i Myanmar viste, kan huller i håndhævelsesnettet, der ser lille ud fra Menlo Park, føle sig farligt stort til mennesker, hvis verden formes af Facebook.

Køddetektor

Facebooks push for at automatisere dets indholdsmatisering startet på initiativ af en annonceadministrator, ikke en ekspert i online diskurs. Tanton Gibbs blev ansat som ingeniørchef i 2014 for at arbejde med annonce teknologi, som han tidligere havde hos Microsoft og Google. Efter at have hørt om Facebook's moderering udfordringer, foreslog han en mere algoritmer-første tilgang. Facebook havde vedtaget et værktøj kaldet PhotoDNA udviklet af Microsoft og Dartmouth College for at blokere kendte børneudnyttelsesbilleder, men implementerede ikke billedanalysesoftware eller AI mere bredt. "De brugte nøje mennesker til at gennemgå rapporter om ting som pornografi, hadttale eller grafisk vold," siger Gibbs. "Jeg så, at vi skulle automatisere det." Facebook satte Gibbs i spidsen for et nyt hold, der var baseret i Seattle, oprindeligt kendt som CareML.

Den nye gruppe viste sig hurtigt at være værd. Gibbs og hans ingeniører omfavnede en teknologi, der hedder dyb læring, en tilgang til træningsalgoritmer med eksempeldata, der for nylig blev meget kraftfulde. Google viste kraften i teknologien, da den udviklede software, der lærte at genkende katte. Mere tydeligt lærte Gibbs 'gruppe dybe læringsalgoritmer for at genkende pornografi og nøgne mennesker. I starten blev den software gennemgået af billeder, der blev markeret af Facebook-brugere. Efter et og et halvt år fik Gibbs tilladelse til at lade sine systemer flagge nyligt indsendt indhold, før nogen rapporterede det. Facebook siger 96 procent af voksne og nøgne billeder registreres nu automatisk og tages ned, før nogen rapporterer dem.

Det er stadig meget nøgne kød, der glider forbi Facebooks algoritmer. Firmaet siger, at det tog ned 30.8 millioner billeder og videoer af nøgenhed eller seksuel aktivitet i tredje kvartal af 2018; det betyder algoritmerne gjorde ikke fange 1,3 millioner sådanne billeder. Faktisk estimerer Facebook, at procentdelen af ​​synspunkter med nøgenhed eller seksuelt indhold næsten fordobles i løbet af de 12 måneder, der slutter i september, til omkring 9 ud af hver 10.000 visninger. "Mere nøgenhed blev lagt ud på Facebook, og vores systemer fangede ikke alt det hurtigt nok til at forhindre en stigning i synspunkter," sagde Facebook i sin seneste rapporteringsrapport om fællesskabsstandarder. Hvor meget der blev bogført og set, men ikke registreret eller rapporteret, er ikke kendt.

Stadig er succesen med Gibbs 'projekt i bekæmpelse af pornografi blevet et yndlingstalende punkt for Facebook-ledere, der udnytter AI's potentiale til at rydde op for deres service. Det er arbejdsbevis for tanken om, at et algoritmisk immunsystem kan hjælpe med at beskytte Facebook-brugere mod skadeligt indhold – og virksomheden fra konsekvenserne af at være vært for det. Facebook siger, at lidt over halvdelen af ​​hadttal fjernet fra platformen i de seneste tre måneder blev markeret først ved algoritmer, mere end fordoblet andelen tidligere på året. Nogle 15 procent af stillinger fjernet til mobning identificeres og tages ned, før nogen har rapporteret dem. I alligevel ikke fjerner algoritmer posten; programmerne markerer de indlæg, der skal gennemgås af mennesker.

Facebooks udfordring er at få sin teknologi til at fungere godt nok, at dens ca. 15.000 menneskelige korrekturlæsere pålideligt kan afhjælpe sløret, i hver af de mere end 100 lande og sprog, servicen bruges. At få sin had-tale og mobning detektorer tæt på effektiviteten og autonomien af ​​sine pornofilter vil være særligt vanskeligt.

Deep learning algoritmer er ret gode til at sortere billeder i kategorier-kat eller bil, porno eller ikke porno. De har også lavet computere bedre med sprog, så de virtuelle assistenter kan lide Alexa og betydelige spring i nøjagtigheden af ​​automatiske oversættelser. Men de er stadig langt fra at forstå selv relativt simpel tekst på den måde mennesker gør.

Dekodningssprog

For at forstå, om en postlæsning "Jeg skal slå dig" er en trussel eller en venlig vittighed, kan en menneskelig korrekturlæsning uden problemer tage højde for, om det var parret med et billede af et kvarter i basketbanen eller frasættelsen og tonen af tidligere meddelelser. "Hvordan en model kan bruge kontekst på den måde, forstås det ikke," siger Ruihong Huang, professor ved Texas A & M University. Hun hjalp med at organisere en akademisk workshop om at bruge algoritmer til at bekæmpe onlinemishandling i efteråret på en af ​​verdens førende konferencer til sprogbehandling. Tilstedeværelse og antallet af indleverede papirer blev stort set fordoblet i forhold til arrangementets debut i 2017 – og ikke fordi forskere lugtede sejr. "Mange virksomheder og folk i den akademiske verden er klar over, at dette er en vigtig opgave og et problem, men fremskridtene er ikke så tilfredsstillende," siger Huang. "De nuværende modeller er ikke så intelligente kort sagt, det er problemet."

Srinivas Narayanan, der leder engineering i Facebook's Applied Machine Learning-gruppe, er enig. Han er stolt af det arbejde, som hans team har gjort på systemer, der kan scanne efter pornografi og hadttale i stor skala, men nøjagtighed og nyans på menneskeriveau forbliver et fjernt håb. "Jeg tror, ​​vi er stadig langt væk fra at kunne forstå det dybt," siger han. "Jeg tror, ​​at maskiner kan til sidst, men vi ved bare ikke hvordan."

Facebook har et stort, multinationalt AI-laboratorium, der arbejder på lang sigt, grundlæggende forskning, der en dag kan hjælpe med at løse det mysterium. Det har også journalister, lovgivere, civilsamfundsgrupper, og endog FN forventer forbedringer lige nu. Facebooks AI-team skal udvikle tricks, der kan levere meningsfulde fremskridt inden de næste skandaleffekter.

Produkterne fra det skubbe til praktiske nye AI-værktøjer omfatter et system kaldet Rosetta annonceret i år, der læser tekst, der er indlejret i billeder og video, så det kan fodres ind i hadte detektorer. (Der er tegn på, at nogle online troller allerede tester måder at narre på.) Et andet projekt har brugt milliarder hashtags fra Instagram-brugere til at forbedre Facebooks billedgenkendelsessystemer. Virksomheden har endda brugt eksempler på mobning af stillinger på Facebook for at træne en slags AI-powered cyberbully, som genererer tekstgenerator til at skubbe moderationsalgoritmerne for at blive bedre. Virksomheden afviste at give WIRED en stikprøve af sin produktion.

En stor udfordring for disse projekter er, at dagens maskininlæringsalgoritmer skal trænes med smalle, specifikke data. I sommer ændrede Facebook hvordan nogle af dens menneskelige moderatorer arbejder, dels for at generere mere nyttige træningsdata om hadtsprog. I stedet for at bruge deres viden om Facebooks regler for at afgøre, om man vil slette et indlæg, der er markeret for hadttale, besvarede arbejderne en række snævrere spørgsmål. Brugte posten en slur? Betegner det en beskyttet kategori? Var denne kategori angrebet i dette indlæg? En anmelder kunne derefter scanne gennem alle svarene for at foretage det endelige opkald. Svarene er også nyttige råmaterialer til træningsalgoritmer til at spotte slør eller andre ting for sig selv. "Den granulære mærkning får os til rigtig spændende rå træningsdata til at opbygge klassifiseringer," siger Aashin Gautam, som leder et team, der udvikler indholdsmoderingsprocesser. Facebook undersøger at gøre denne nye model permanent, i første omgang for hadttale, og måske til andre kategorier af forbudt indhold.

Andre steder, Facebook forsøger at sidestep træning data problem. En lektion fra de tragiske begivenheder i Myanmar er, at virksomheden skal blive bedre til at sætte mennesker og software på plads for at forstå sprog og kultur på forskellige markeder, siger Justin Osofsky, en vicepræsident, der driver globale operationer.

Den konventionelle tilgang til træningsalgoritmer til at afkode tekst på flere sprog ville være ekstremt dyr for Facebook. For at opdage fødselsdaghilsener eller hadtsprog på engelsk, har du brug for tusinder, helst millioner af eksempler. Hver gang du ønsker at udvide til et nyt sprog, har du brug for et nyt sæt data – en stor udfordring for et selskab med Facebook's skala.

Som en løsning tilpasser Facebook systemer, der er bygget til fælles sprog som engelsk eller spansk til at arbejde for mindre almindelige sprog, som rumænsk eller malaysisk. En tilgang indebærer brug af automatiseret oversættelse. Facebook har været i stand til at undertrykke clickbait på sprog, herunder ungarsk og græsk, dels ved at konvertere indlæg til engelsk, så de kan fodres til clickbait detektorer uddannet på amerikansk indhold. Det skaber også nye træningssæt til mindre fælles sprog ved at oversætte engelske. Et andet projekt indebærer at skabe flersprogede systemer, der er præget af dybe ligheder mellem sprog, hvilket betyder, at når de er trænet på en opgave på engelsk, kan de straks gøre det samme også på italiensk. "Disse flersprogede tilgange har virkelig bidraget til at fremskynde vores evne til at anvende AI til integritetsproblemer på tværs af sprog," siger Narayan.

Projektet hjælper også med at illustrere omfanget af Facebooks udfordring. Indtil videre har flersprogede løsninger ikke arbejdet på sprog, for hvilke selskabet har relativt små datasæt, som burmesisk. Den samme udfordring eksisterer for Hausa, et vesteafrikansk sprog, der anvendes i kampagner af anti-muslimsk hadatale, som det lokale politi fortalte BBC i sidste måned, har ført til mere end et dusin mord. Facebook siger, at det udvider sit forhold til nigerianske fakturakontrolorganisationer og ngo'er – såvel som brugen af ​​maskinindlæring til at markere hadtsprog og voldelige billeder.

Inviteret til at se fremad, indrømmer Schroepfer, Facebooks overordnede teknologiske officer, at det ikke er muligt at forhindre hændelser som det nogensinde. "Et spørgsmål, jeg ofte spørger mig selv, er, hvad andre bestræbelser af tilsvarende kompleksitet har en 100 procent sikkerhedspost," siger han. "Jeg kan ikke tænke på en. Fly, biler, rumrejser, retshåndhævelse. Kender du enhver by, der har en nulkriminalitet eller er på vej til det? "

Alligevel forbliver han optimistisk nok om Facebooks sti til at forestille sig en dag, hvor algoritmerne er så effektive, at mobning og hadttale næsten forsvinder. "Jeg håber, at det om to eller tre eller fem år er så lidt af det på stedet, at det er lidt latterligt at hævde, at det har stor indflydelse på verden," siger Schroepfer. En techie kan drømme.


Flere Great WIRED Stories

Sådan vurderer du slutningen af ​​året Netværksindsats



<div _ngcontent-c14 = "" innerhtml = "

Af: & nbsp; Jennifer Robinson

Sådan vurderer du slutningen af ​​året NetværksindsatsEllevate Network

Der er så mange grunde til, at folk deltager i organisationer eller går til arrangementer, men der kommer et punkt, hvor du skal vurdere, om hvad du laver, arbejder for dig ud fra et penge- eller forretningsperspektiv. Specifikt, hvordan måler du afkastet af din netværksindsats? Jeg ser generelt på dette to gange om året som iværksætter. I slutningen af ​​året ser jeg på alt, hvad jeg er involveret i, for at afgøre, om jeg vil fortsætte med det samme for det næste kalenderår. Jeg vurderer også netværket jeg laver på skat tid. Jeg ser på, hvor jeg investerede mine markedsførings dollars, og hvad de markedsførte dollars nettede mig. Så, hvordan beslutter du, hvornår man skal smide i håndklædet?& Nbsp;Her er nogle tips til at hjælpe dig med at træffe disse beslutninger:

1. For & nbsp;kun navn. Der er nogle organisationer, folk deltager simpelthen fordi det er vigtigt for dem at kunne sige, at de er medlem af organisationen. Ofte er disse industrirelaterede organisationer. For eksempel er mange, som vi er i HR, medlemmer af Society for Human Resource Management eller SHRM. Den organisation tilbyder masser af gode netværk og uddannelsesmuligheder, men det giver også branchens fagfolk retfærdighed til at sige, at de er en del af organisationen. For at sige det en anden måde, hvad siger det om dem, hvis de ikke er medlem? Hvor alvorlige skal folk tage dem? Det er fint at fortsætte med en organisation af disse årsager, men bare genkende hvorfor du fortsætter med at betale dine gebyrer. Det ville heller ikke være en dårlig idé at begynde at udnytte andre fordele. Se på måder du kan blive mere involveret i.

2. & nbsp;Er der et kvantificeret ROI?& nbsp; Nogle gange er dette meget enkelt, fordi du modtager en direkte henvisning til en kunde eller virksomhed gennem et medlem af en organisation. Men ofte skal vi udvikle et system til sporing, hvor vores kundeemner, salg og kunder kommer fra. Hvis du ikke har et system på plads, ville det være nyttigt at udvikle et sådant system. Det kan være lige så enkelt som at spørge nye kunder eller kunder, hvordan de fandt dig. Du kan begynde at se mønstre af de direkte personer, typen af ​​leverandører eller organisationer, der har tendens til at producere henvisninger til dig. Det er de mennesker og organisationer, du skal fokusere din tid og penge på.

3. & nbsp;Skift det op. Hvert år skal du se på alle dine netværksindsatser og foretage en ændring for at integrere noget nyt for det næste kalenderår. Er du kun involveret i branchespecifikke organisationer? Hvis det er tilfældet, slutte du til en & nbsp; organisation fra en anden industri & nbsp; for det næste år. Overvejer du affinitetsgrupper som tilslutningsorganisationer baseret på din alumni status, race, køn, interesser mv? Dette kan være en fantastisk måde at møde nye mennesker på, som du deler fællesheder med og udvide dit netværk. Er der årsager du bekymrer dig om? Måske er det tid til at frivillige eller sidde på bordet for en non-profit og møde andre, der deler din passion for den årsag. Er der en stor konference, mange i din branche deltager hvert år, men du har aldrig deltaget? Tilmeld dig det denne gang! & Nbsp; Du skal altid være på udkig efter nye måder at vokse personligt og professionelt på.

Selvfølgelig er der andre grundlæggende spørgsmål at spørge dig selv som: & nbsp; om du rent faktisk kommer til møder og begivenheder i en organisation, du har tilmeldt dig, om du har en på dem og kender folkene i disse organisationer, og selv om du laver grundlæggende ting for at hjælpe dig selv med at sætte en komplet profil og et billede i organisationens medlemsmappe. Alle disse er også vigtige overvejelser.

Endelig spørg dig selv om du faktisk& Nbsp;god fornøjelse& Nbsp;går. Sommetider ser medlemskab godt på papir, eller andre fortæller dig at blive involveret, men& Nbsp;du kan finde, hvilken type involverede personer simpelthen ikke er tilpasset dine værdier. Det bør være en stærk overvejelse om, hvorvidt vi skal fortsætte med organisationen næste år.

Jennifer Lynn RobinsonEsquire& Nbsp;er administrerende direktør for målrettet netværk. Hun udfører keynoter, workshops og seminarer, der bistår advokatfirmaer, virksomheder, non-profit, universiteter og konferencer for at sikre, at dit netværk fungerer for dig. Hun & nbsp; er blevet præsenteret i lokale og nationale medier inklusive& Nbsp;Forbes, The Huffington Post, Chicago Tribune og Philadelphia Magazine. & Nbsp; Hun blev navngivet a& Nbsp;Top Small Business Influencer& Nbsp;af 2018& Nbsp;såvel som en af ​​de& Nbsp;45 Philly Business Influencers at følge på Twitter lige nu& Nbsp;i 2018& Nbsp;ved& Nbsp;Philadelphia Magazine.& Nbsp;Jennifer blev stemt& Nbsp;Bedste Networker i 2018 af& Nbsp;Philly Current Magazine& Nbsp;og blev navngivet en magtkvinde ved& Nbsp;Hovedlinjen i dag& Nbsp;i 2017. & nbsp;

">

Af: Jennifer Robinson

Sådan vurderer du slutningen af ​​året NetværksindsatsEllevate Network

Der er så mange grunde til, at folk deltager i organisationer eller går til arrangementer, men der kommer et punkt, hvor du skal vurdere, om hvad du laver, arbejder for dig ud fra et penge- eller forretningsperspektiv. Specifikt, hvordan måler du afkastet af din netværksindsats? Jeg ser generelt på dette to gange om året som iværksætter. I slutningen af ​​året ser jeg på alt, hvad jeg er involveret i, for at afgøre, om jeg vil fortsætte med det samme for det næste kalenderår. Jeg vurderer også netværket jeg laver på skat tid. Jeg ser på, hvor jeg investerede mine markedsførings dollars, og hvad de markedsførte dollars nettede mig. Så, hvordan beslutter du, hvornår man skal smide i håndklædet? Her er nogle tips til at hjælpe dig med at træffe disse beslutninger:

1. Til kun navn. Der er nogle organisationer, folk deltager simpelthen fordi det er vigtigt for dem at kunne sige, at de er medlem af organisationen. Ofte er disse industrirelaterede organisationer. For eksempel er mange af dem, vi er i HR, medlemmer af Society for Human Resource Management eller SHRM. Den organisation tilbyder masser af gode netværk og uddannelsesmuligheder, men det giver også branchens fagfolk retfærdighed til at sige, at de er en del af organisationen. For at sige det en anden måde, hvad siger det om dem, hvis de ikke er medlem? Hvor alvorlige skal folk tage dem? Det er fint at fortsætte med en organisation af disse årsager, men bare genkende hvorfor du fortsætter med at betale dine gebyrer. Det ville heller ikke være en dårlig idé at begynde at udnytte andre fordele. Se på måder du kan blive mere involveret i.

2. Er der et kvantificeret ROI? Nogle gange er det meget enkelt, fordi du modtager en direkte henvisning til en kunde eller virksomhed gennem et medlem af en organisation. Men ofte skal vi udvikle et system til sporing, hvor vores kundeemner, salg og kunder kommer fra. Hvis du ikke har et system på plads, ville det være nyttigt at udvikle et sådant system. Det kan være lige så enkelt som at spørge nye kunder eller kunder, hvordan de fandt dig. Du kan begynde at se mønstre af de direkte personer, typen af ​​leverandører eller organisationer, der har tendens til at producere henvisninger til dig. Det er de mennesker og organisationer, du skal fokusere din tid og penge på.

3. Skift det op. Hvert år skal du se på alle dine netværksindsatser og foretage en ændring for at integrere noget nyt for det næste kalenderår. Er du kun involveret i branchespecifikke organisationer? Hvis ja, deltage i en organisation fra en anden industri i det næste år. Overvejer du affinitetsgrupper som tilslutningsorganisationer baseret på din alumni status, race, køn, interesser mv? Dette kan være en fantastisk måde at møde nye mennesker på, som du deler fællesheder med og udvide dit netværk. Er der årsager du bekymrer dig om? Måske er det tid til at frivilligt eller sidde i bestyrelsen for et nonprofit og møde andre, der deler din passion for den årsag. Er der en stor konference, mange i din branche deltager hvert år, men du har aldrig deltaget? Tilmeld dig det denne gang! Du skal altid være på udkig efter nye måder at vokse personligt og professionelt på.

Selvfølgelig er der andre grundlæggende spørgsmål at spørge dig selv som: om du rent faktisk kommer til møder og begivenheder i en organisation, du har tilmeldt dig, om du har en og at kende folkene i disse organisationer, og selv om du laver grundlæggende ting for at hjælpe dig selv med at sætte en komplet profil og et billede i organisationens medlemskatalog. Alle disse er også vigtige overvejelser.

Endelig spørg dig selv om du faktisk god fornøjelse går. Sommetider ser medlemskab godt på papir, eller andre fortæller dig at blive involveret, men du kan finde, hvilken type involverede personer simpelthen ikke er tilpasset dine værdier. Det bør være en stærk overvejelse om, hvorvidt vi skal fortsætte med organisationen næste år.

Jennifer Lynn Robinson, Esquire er administrerende direktør for målrettet netværk. Hun udfører keynoter, workshops og seminarer, der bistår advokatfirmaer, virksomheder, non-profit, universiteter og konferencer for at sikre, at dit netværk fungerer for dig. Hun har været med i lokale og nationale medier, herunder Forbes, The Huffington Post, Chicago Tribune og Philadelphia Magazine. Hun blev navngivet a Top Small Business Influencer af 2018 såvel som en af ​​de 45 Philly Business Influencers at følge på Twitter lige nu i 2018 ved Philadelphia Magazine. Jennifer blev stemt Bedste Networker i 2018 af Philly Current Magazine og blev navngivet en magtkvinde ved Hovedlinjen i dag i 2017.