3 قانون جدید اینترنت
فیس بوک در چند هفته گذشته سرفصل های خبری را فاش کرده است. جلسات کنگره تنها نکته ای از یک مسئله ریشه دار را پوشش میدهد. بله ، الگوریتم های فیس بوک برای سلامت روان ، انسجام اجتماعی یا دموکراسی مناسب نیستند.
اما مشکل این است: چنین الگوریتم هایی منحصر به فیس بوک نیستند. آنها در طراحی فعلی اینترنت پخته شده اند.
امسال سی و دومین سالگرد وب جهانی است. از یک بستر ارتباطی ساده ، اینترنت به یک حرکت جهانی تبدیل شده است که توسط الگوریتم ها پیش می رود. بازی عادلانه ای نیست.
از طریق دستکاری مخفیانه ، الگوریتم های اینترنت کاربران خود را به تجربیات دقیق شخصی سوق می دهند. شخصی سازی دقیق به این معنی است که همه بازی می کنند ، اما تعداد کمی از آنها می بینند که توپ کجاست.
جریمه کردن فیس بوک به دلیل الگوریتم های بد طراحی شده ، تعمیراتی در حاشیه است که اینترنت را برای همه ثابت نمی کند. ما به قوانین جدیدی نیاز داریم که نه تنها رسانه های اجتماعی بلکه کل اینترنت را متحول کند. ما باید الگوریتم های اینترنت را برای سود کمتر تجاری و اجتماعی بیشتر بهینه کنیم.
در اینجا سه قانون اصلی برای دستیابی به این هدف آمده است:
شخصی و متنوع
الگوریتم های فعلی محتوای عمومی را برای کاربران جداگانه تطبیق می دهند. آنها از داده های شخصی (مانند سابقه جستجو و مرور شما در وب سایت ها یا پسندیدن و بازدید از رسانه های اجتماعی) برای تطبیق محتوا با آنچه برای شما بیشتر مورد علاقه است استفاده می کنند.
این فرایند شخصی سازی برای دسترسی به مرتبط ترین اطلاعات معجزه می کند. وقتی چیزی مرتبط می بینید ، نسبت به آن واکنش نشان می دهید. افرادی که پشت الگوریتم ها هستند می دانند که هر واکنش به معنی توجه بیشتر ، داده های بیشتر ، پول بیشتر است.
اگرچه برای تعامل عالی است ، شخصی سازی به شما بینش های بدی نمی دهد. این افق شما را گسترده نمی کند. در عوض ، شما را با افرادی که دوست و دیدگاه های مشابه ای دارند وارد اتاق پژواک میکند.
بنابراین ، اولین قانون این است که اطلاعات شخصی شده را با محتواهایی که مربوط به افراد نیست ، بلکه مجموعه ها ترکیب کنید. همانطور که اینترنت محتوای مرتبط را برای ما به ارمغان می آورد ، باید طراحی شود تا ایده ها و نظراتی را برای ما به ارمغان آورد که ما را شگفت زده می کند.
ایده هایی که به طور هدفمند انتخاب شده اند تا متفاوت از ایده های ما و دوستان ما باشد. در تحقیقات ، ما از این نوع اصل به عنوان اصل شخصی سازی-تعدد یاد می کنیم. در عمل ، به نظر می رسد این موتور جستجو به شما نتایج جستجویی را می دهد که به دنبال آن نیستید.
برای مطالعه در رابطه با نگرانی های والدین برای گرفتن موبایل برای نوجوانان کلیک کنید.
رشد سینوسی
علاقه تجاری در پشت وب سایت های معروف (فیس بوک ، یوتیوب ، گوگل) در نحوه برخورد شرکتها با داده های شخصی شما به وضوح قابل مشاهده است.
همه موارد پسندیده ، بازدیدها ، کلیک ها و ضربه های شما بخشی از رشد بی وقفه داده ها هستند. یک خط نمایی را در نظر بگیرید که با داده های بیشتر افراد متصل به اینترنت بیشتر گسترش می یابد.
داده ها در چندین سیستم عامل جمع آوری شده و در مکان های مختلف ذخیره می شوند. الگوریتم ها با هدف بدست آوردن اطلاعات بیشتر و بیشتر طراحی شده اند زیرا “بیشتر” در دنیای تجارت به عنوان “بهتر” تلقی می شود.
هرچه الگوریتم ها اطلاعات بیشتری در مورد شما داشته باشند ، می توانند محتوا را برای شما دقیق تر شخصی سازی کنند. این برای دوستیابی برنامه هایی که مطابقت دقیق آنها می تواند منجر به رابطه شود.
عالی عمل میکند. یا برای کوپن های خرید که تخفیف برای نوع دقیق چای مورد علاقه شما می تواند باعث شود شما واقعاً چای را خریداری کنید.
اما رشد داده های نمایی پایدار نیست. باید یک نقطه سقف وجود داشته باشد ، نقطه ای که ما می گوییم الگوریتم ها اطلاعات کافی در مورد ما دارند. اگر ما برای چنین نقطه ای طراحی نکنیم ، پیامدهای منفی غیر منتظره ای به دنبال خواهیم داشت.
آموزش شخصی را به عنوان مثال در نظر بگیرید : جمع آوری داده های بیش از حد در مورد کودکان ، در قالب آزمایش یا غربالگری ، آزمون ها را تبدیل به هدف آموزشی می کند. در چنین مواردی ، مدارس به کودکان نمی آموزند که همه جانبه پیشرفت کنند ، بلکه به سادگی در امتحان قبول میشوند.
بله ، ما برای تعدیل تفاوت بین کودکان به برخی داده ها نیاز داریم. اما داده های زیاد مهارت های کودکان را به مجموعه ای از نقاط داده و نمرات آزمون کاهش مییابد.
بله ، معلمان برای تکمیل بینش خود به برخی داده ها نیاز دارند. اما داده های زیاد ، چه در قالب داشبوردهای آنلاین و چه در بسترهای آموزشی شخصی ، نقش معلمان را در یادگیری مربیان برای نظارت بر پیشرفت کاهش میدهد.
یک اندازه برای همه مناسب نیست – الگوریتم های جدید باید در مورد نوع داده هایی که برای چه منظور و برای چه کسانی جمع آوری می شوند تفاوت بیشتری داشته باشند.
رشد داده های نمایی باید با فراز و نشیب های دوره ای جایگزین شود. به جای یک خط مستقیم ، سینوسی را تصور کنید که با افراد و شرایط سازگار است.
مشارکتی و مشارکتی
الگوریتم های کنونی در پشت درهای بسته توسعه ، به روز شده و تغییر می کنند. محرمانه بودن به فیس بوک ، گوگل و توییتر اجازه می دهد تا به عنوان الیگارشی گفتار عمل کرده. و بر عقاید تأثیر بگذارند. برای بازگرداندن دموکراسی در ارتباطات و اطلاعات ، الگوریتم های جدید باید در مورد همکاری و مشارکت باشد.
عملکرد آنها را نمی توان توسط چند توسعه دهنده طراحی کرد ، بلکه توسط افرادی که از آنها استفاده می کنند طراحی شده است. نه به شیوه مارکسیستی که هرکس وب سایت خود را طراحی می کند ، بلکه به شیوه ای دموکراتیک که همه کاربران اینترنت دارای اختیار مدیریت و حق ویرایش محتوای آنلاین خود هستند.
اگر این سه قانون را پیاده سازی کنیم ، اینترنت را تغییر می دهیم. الگوریتم های مخفی با یک مدل مشارکتی جایگزین می شوند. شخصی سازی دقیق با تنوع سرسام آور متعادل می شود. اینترنت تعادل مطلوبی بین هوش مصنوعی و انسان ایجاد می کند هوش . فعالیت های آنلاین ما هم با الگوریتم ها خودکار می شود و هم با تخیل انسان هدایت میشوند. امیدوارم شما هم به بازی بپیوندید.