Алгоритмы взяли в заложники наши личные вкусы. Как нам дать отпор?
Поскольку наши разные вкусы и предпочтения все больше разделяются, а расстояние между нами увеличивается, наш лучший шанс - это нарушить те самые алгоритмы, которые нас преследуют. Pixabay
Делаете ли вы покупки в Интернете, просматриваете социальные сети или смотрите фильм в потоковом режиме, каждое ваше движение регистрируется и обрабатывается программным обеспечением. На каждом цифровом повороте есть механизм рекомендаций, основанный на точно настроенном алгоритме, который предлагает, что вам следует посмотреть, купить или прочитать дальше. Но когда ваш следующий шаг напрямую связан с вашими существующими интересами, вы легко можете застрять в пузыре схожего контента, продуктов и идей.
Если вам понравилась эта статья, не хотите ли вы немедленно прочитать другую просто нравится? А что насчет еще пяти? Еще пятнадцать?
Что, если бы подобные сообщения были всем, что у вас было в вашей ленте новостей, ваших информационных бюллетенях по электронной почте, вашем маленьком поле «Рекомендуемые статьи»? Вы были бы рады продолжить читать мои мысли о том, как меняется творческий мир, или они бы вам совсем надоели? И если они вас совсем надоеют, что, если не было выхода из пузыря, какой-то алгоритм решил, что вы будете счастливы внутри?
Подпишитесь на ежедневную рассылку Observer
Это Идея «пузыря» - каждый из нас живет в уютных коконах собственного мнения и предпочтений - сегодня повсюду. Spotify составляет для нас ежедневные плейлисты и рекомендует новых исполнителей «открывать» для себя на основе наших вкусов. Через пять секунд после того, как вы закончите фильм, Netflix уже предлагает следующий, который, по вашему мнению, вам понравится. Купите блендер на Amazon, и вы увидите рекламу сковородок с антипригарным покрытием.
Иногда пузырек увидеть труднее. Многие из нас осознали, что находимся в пузыре общественного мнения только после выборов 2016 года, когда стало очевидно, что Facebook и Twitter скармливают нам статьи и мнения, отражающие наши собственные. А технология машинного обучения, которая превращает наши данные в рекомендации, «механизм рекомендаций» появляется в неожиданных местах. Waze использует его, чтобы предлагать более быстрые маршруты движения. LinkedIn использует его, чтобы показать вам все другие вакансии, которые вы могли бы получить, если бы у вас хватило смелости сделать рывок. Черт, вероятно, это часть того, как вы изначально нашли эту статью.
Независимо от того, делаете ли вы покупки в Интернете, просматриваете социальные сети или смотрите фильм в потоковом режиме, каждое ваше движение регистрируется и обрабатывается программным обеспечением . Pixabay
Несложно понять, почему компаниям нравится использовать наши данные таким образом. Зачем тратить время и деньги на трансляцию универсального контента, если вы точно знаете, чего хотят ваши клиенты? Если Netflix знает, что большинство их зрителей любят правдивые документальные фильмы о преступлениях и ненавидят грубые комедии, они не потратят миллионы на создание косяка с Джонни Ноксвиллем. Клиент, который быстрее находит то, что хочет купить, с меньшей вероятностью разочаруется и сдастся; клиент, которому понравится следующая песня, которую вы им сыграете, с большей вероятностью продолжит слушать. Чем лучше рекомендация, тем дольше мы остаемся; и чем дольше мы остаемся, тем больше денег мы стоим нашему похитителю.
Для потребителей это просто упрощает и ускоряет работу. Вам не придется тратить часы на поиск идеальной сумочки, если Amazon уже знает ваш стиль. Вам не нужно спорить со своей второй половинкой о том, где поесть, если у одного заведения 4 звезды, а у другого - 3,5. Просматривая каждый фильм, вы можете испортить настроение Netflix и расслабиться; Разве это не хорошо, когда идеальный выбор находится прямо наверху и в пяти секундах от запуска?
Каждый поклонник Black Mirror знает, что технология с очевидными преимуществами имеет и непредвиденные последствия. Конечно, мы все раздражаемся, когда нас засыпают непрерывной рекламой обуви, которую мы только что купили, но я говорю о более глубоких и длинных игровых вещах.
Для многих из нас часть Что нам нравится в поиске идеального аксессуара или обнаружении неизведанной группы, так это азарт охоты. Лучшие покупки приходят с историями: когда вы бродили по переулкам в Лиссабоне и нашли этот невероятный ресторан с дырой в стене, тревожный альбом, который рекомендовала продавщица магазина, когда она могла сказать, что ваше разбитое сердце нуждается в исцелении, 75 долларов Лабутены вы чудесным образом сберегли. «Амазонка думала, что мне это понравится» - не лучший анекдот или заветное воспоминание. И просто получить что-то, не работая над этим, может сделать получение того, что вы хотите, как бы… пустым. Какой пункт назначения без поездки?
Вам не придется часами искать идеальную сумочку, если Amazon уже знает ваш индивидуальный стиль и своевременно доставит ее прямо к вашей двери. Фото Леона Нила / Getty Images
Охота - это еще и то, как развиваются наши вкусы. Раньше было что fiЧтобы найти то, что вам нужно, нужно было просматривать обычные магазины, консультироваться с опытными друзьями и онлайн-сообществами, а также глубоко погружаться в обширный Интернет. По пути вы встретите всевозможные продукты и культуру, которые раньше не искали. Это то, что толкает ваши вкусы в новом направлении или, по крайней мере, показывает, что еще есть. Однако с точки зрения управления данными в этом нет смысла. Система рекомендаций, которая знает, что вам нравится A, расскажет вам о B, но почему она вообще может рассказать вам о C, а тем более о X, Y или Z? Другими словами, если алгоритм считает, что вам нравится только такая музыка, как «Поздняя регистрация», зачем ему предлагать что-то, что звучит как «Дааааааааааааааааааааааа»?
Что, если системы рекомендаций учат вас любить только то, что знакомый? Они решают, с чем вы сталкиваетесь, и основывают это на том, что они уже знают о вас. Вы можете выбрать то, что вам нравится в том, что они предлагают вам, но в конце концов это будет что-то знакомое и то, что было выбрано для вас. В этот момент действительно ли вы контролируете то, что видите, или оно контролирует вас? Или я просто поразил вас?
Причина, по которой Facebook на своем пике, имел DAU / MAU 45 процентов (то есть 45 процентов ежемесячных пользователей также используют приложение ежедневно), заключается в том, что они очистили свое лекарство так глубоко, показывая людям, что они хотят, чтобы они возвращались снова и снова. Facebook использовал данные, чтобы определить, какие публикации в каком порядке заставят каждого человека оставаться дольше всех. Результатом являются эхо-камеры - бесконечные потоки именно того, что мы хотим слышать. В результате получилась раздвоенная страна, где люди окружают себя статьями, политикой и музыкой, подтверждающей их мировоззрение.
Поскольку наши разные вкусы и предпочтения все больше расходятся, а расстояние между нами увеличивается, наш лучший шанс - это нарушают те самые алгоритмы, которые нас преследуют.
Ради интереса представьте себе приложение, которое рекомендовало вам только то, что вам наверняка не понравится. Не только то, что вам не нужно или не нужно; Я говорю о музыке, обуви, фильмах и домашнем декоре, от которых вы скорее умрете, чем кто-либо с вами будет ассоциироваться. Система, работающая по логике: «пользователи, купившие X, вероятно, возненавидят Y»; инструмент против машинного обучения. Заставит ли это вас удвоить свои вкусы и привычки, или если вы столкнетесь с вещами, которые так далеко выходят за пределы вашей зоны комфорта, заставит вас расширить ее? Сколько новых дверей это откроет для вас?
Джеймс Коул - основатель и генеральный директор H Collective.
комментариев