За кулисами все ваши интересы тщательно оптимизированы, чтобы обеспечить вас дофамином
Большая часть цифрового контента, который мы потребляем, доставляется нам с помощью некоторого алгоритма. Этот алгоритм может быть основан на машинном обучении или на чем-то более простом. Примеры этих систем доставки контента включают плейлисты Spotify, популярные темы в Twitter, сообщения в сабреддите, то, что отображается на вкладке исследования в любом приложении для социальных сетей. Все эти алгоритмы пытаются максимально увеличить потребление контента пользователем. Принцип их работы заключается в использовании исторических данных о том, что мы потребляли в прошлом, и дает нам перестановки того, что нам нравилось или потреблялось ранее.
Если вы заходите в Instagram и смотрите на вкладку «Исследовать», скорее всего, вы видите кучу того, что просматривали в прошлом. Например, если я смотрю на кучу изображений мотоциклов, на вкладке «Исследовать» будет отображаться множество изображений мотоциклов.
Но действительно ли это «исследование»? Это больше похожая вкладка.
Интернету нужен совершенно другой опыт, который противоречит текущим алгоритмам рекомендаций или каналам, показывая нам вместо тенденции вверх то, что падает. Вместо того, что похоже на то, на что мы смотрели, что совсем не похоже на то, что я смотрел вчера.
Все эти системы доставки контента были оптимизированы для того, чтобы вы оставались вовлеченными в веб-сайты или приложения, они не оптимизированы для того, чтобы приносить вам пользу. Эти приложения сравнивают время использования с ценностью, предоставляемой пользователю. «Если вы используете приложение дольше, чем оно приносит вам больше пользы», подумайте о ключевых показателях на сайтах социальных сетей, все они основаны на возвращении пользователей: активные пользователи за неделю, активные пользователи за месяц, время, проведенное в приложении, и т. д. Они оптимизируют циклы обратной связи, чтобы дать вам дофамин, и какой лучший способ продолжить возвращать вас к доставке контента, чем показывать вам контент, очень похожий на контент, который вы показывали раньше. Это довольно лениво, потому что гораздо проще и небезопаснее (заставляя пользователя покинуть приложение/страницу) показывать похожий контент, чем экспериментировать и показывать вам контент, с которым вы, возможно, не связаны.
Этот тип воссозданной петли обратной связи с течением времени ограничивает человеческое творчество и исследования. Прекрасная аналогия того, как это работает, состоит в том, чтобы наблюдать за ребенком, у которого нет понимания или фундаментальных знаний о том, как устроен мир. Они проводят большую часть своего времени, изучая и находя вещи, которые обеспечивают стимулы. Теперь, если мы применим эту итеративную модель доставки контента с обратной связью, в которой мы, взрослые, застряли, это будет что-то похожее на ребенка, который тратит большую часть своего времени на выполнение одной целенаправленной задачи, а не испытывает аппетит к приключениям и экспериментам, чтобы увидеть, как мир работает.
Не говоря уже о том, что, будучи взрослыми, мы должны тратить большую часть нашего времени на изучение и пробование новых вещей — есть дополнительные преимущества, если мы тратим значительное время на задачи, которые нам нравятся, а также на чтение и потребление релевантного контента. Однако с нынешними системами доставки нам не обеспечен адекватный баланс для исследования и жадного потребления контента, который соответствует истории того, что мы потребляли.
Проблема в том, что современные системы доставки контента не предоставляют нам достаточно разнообразного контента, который мы могли бы использовать помимо того, что мы потребляем ежедневно. Отличная ссылка на этот феномен — https://paulskallas.substack.com/p/is-culture-stuck, описывающая, как с середины 2000-х (примерно с 2005 года) наша культура была заморожена. Отличная цитата из этой статьи: Если вы отправитесь в прошлое в 2007 год в том, что вы носите сейчас, люди не узнают, что вы из будущего.
Как мы решаем эту проблему в том, как мы потребляем цифровой контент через все эти каналы доставки контента, оптимизированные, чтобы показать нам, что похоже? Я считаю, что необходимо иметь антирекомендационный алгоритм — очень похожий на «наткнуться» в начале 2000-х. Вместо того, чтобы показывать пользователям контент, который им больше всего интересен, поверните баллы по возрастанию и покажите мне, с чем я меньше всего взаимодействую или что я меньше всего увижу. Возможно, еще более простое решение — показать оценки сходства, предсказания моделей или оценку того, что мне понравится контент, чтобы обеспечить прозрачность для пользователя.
Если вы заинтересованы в этой или других статьях на похожие темы, включая математику, статистику и машинное обучение, ознакомьтесь с разделом вычислений и подпишитесь бесплатно, чтобы получать отличный контент прямо к вам.
