Мир-фильтр. Как алгоритмы уплощают культуру - Кайл Чейка

важное сообщение – что могло вызвать недовольство платформой. В конце концов масштаб и скорость потребления в Фейсбуке привели к тому, что агрессивная алгоритмическая фильтрация стала необходимой.

В 2009 году в Фейсбуке появилась кнопка Like в виде поднятого большого пальца; она стала показывать, насколько пользователю интересен тот или иной контент. Порядок в ленте определяла вовлеченность пользователей, измеряемая лайками, комментариями и предыдущими взаимодействиями аккаунтов между собой. Эта алгоритмическая система получила название EdgeRank, и Фейсбук определил ее основные параметры: совместимость, вес действий и время. Под действием понималось любая деятельность людей в Фейсбуке, которая затем отправляется в ленту новостей в виде фиксируемого обновления. Совместимость отражала степень связи пользователя с автором поста и силу этой связи (например, постоянное комментирование постов друзей). Комментарий оценивался выше, чем лайк, а недавние взаимодействия – выше, чем старые. Показатель веса оценивал различные категории взаимодействий: обновление у друга, разместившего новую фотографию, могло иметь больший вес для алгоритма, нежели размещение ссылки на новость или вступление в новую группу. Время отражало возраст действий: при прочих равных условиях недавние действия с большей вероятностью оказывались в верхней части ленты новостей, нежели старые. Показатель EdgeRank не оставался вечным, как результат баскетбольного матча в турнире; он постоянно менялся. И эти три категории – не просто отдельные, нейтральные единицы данных; это совокупность данных, упакованных и интерпретированных Фейсбуком особым образом.

Отследить эволюцию алгоритмической ленты Фейсбука сложно, поскольку она постоянно обновляется, а компания раскрывает подробности лишь время от времени. Все, что мы знаем о ней помимо официальных заявлений, сводится к журналистским расследованиям и опыту пользователей, которые ощущают эффекты обновленных алгоритмов задолго до того, как те становятся достоянием общественности. Когда меняется механизм подачи информации, знакомые веб-сайты могут начать восприниматься иначе. Например, вы обнаруживаете, что реже видите в Фейсбуке сообщения своих друзей и чаще – посты групп или компаний или что Инстаграм никогда не показывает в вашей ленте посты определенного друга, и вам приходится искать их с помощью поиска.

Сама алгоритмическая лента не развивается последовательно и не двигается линейно к какому-то конечному идеалу. Она меняется в зависимости от приоритетов компании. В 2011 году Фейсбук назвал ленту новостей “вашей персональной газетой”, намекая на то, что ее цель – объединить новости от ваших знакомых с известиями из внешнего мира. В 2013 году компания заявила, что ее алгоритм работает над “выявлением высококачественного контента”. Однако погоня за тем, что компания считала “высоким качеством”, в 2010-е годы превратилась в какую-то абсурдную игру. Если вы хотели привлечь внимание к своим постам в Фейсбуке – а это серьезная проблема для журналистских изданий и писателей-фрилансеров, – вам приходилось угадывать, какой материал получает приоритет. Ситуация оказалась почти противоположной: вас слышали, только если вы “обманули” алгоритм. Вы больше не могли рассчитывать на то, что пользователи, которые подписались на вас или добавились в друзья, увидят ваши посты.

В какой-то момент своей карьеры журналиста-фрилансера я вспомнил про слухи о том, что ссылки на статьи уже не имеют большого веса в этом алгоритме. Поэтому вместо вставки в пост прямой ссылки на свои работы я, как и многие другие журналисты, принялся добавлять ссылку только в комментарий к посту. Предполагалось, что этот трюк способствует алгоритмическому продвижению, хотя он и создавал неудобства для читателя. Потом мне стало ясно, что текст, напоминающий брачное объявление, и комментарии со словами “поздравляю” проталкивают посты в верхнюю часть ленты. Поэтому я стал делиться своими статьями с фальшивыми свадьбами или другими жизненными событиями. Следующие явления демонстрируют, как алгоритмы могут искажать сам язык, когда пользователи пытаются либо обмануть их, либо избежать обнаружения. Совсем недавно в ТикТоке появились эвфемизмы для терминов, которые заставляют алгоритм блокировать или замедлять видеоролик; журналист Тейлор Лоренц из Washington Post приводит примеры: unalive (“разоживить”) вместо убийства, SA вместо сексуального насилия, spicy eggplant (“пикантный баклажан”) вместо вибратора. Такую лексику прозвали algospeak (“алгояз”): язык, вылепленный по образу алгоритма.

Я не знал, сработают ли трюки, использованные мною в Фейсбуке, но был готов пробовать все, чтобы привлечь потенциальных читателей. Это походило на создание сайта для оптимизации работы поисковой машины Google: журналисты оптимизировали контент под параметры алгоритма или, по крайней мере, под то, что мы ими считали. Этот процесс казался манипулятивным, а порой и кафкианским; мы сражались с невидимым, непонятным, постоянно меняющимся противником.

Примерно в 2015 году Фейсбук решил отдавать предпочтение видеоконтенту, поэтому алгоритм рекомендаций занялся активным продвижением видеороликов. В погоне за аудиторией медиакомпании переориентировались на создание таких роликов – иногда обращаясь за финансированием к самому Фейсбуку. Подобная политика продлилась всего несколько лет, после чего Фейсбук снова лишил видеоконтент приоритета, что привело к волнам увольнений в этих медиакомпаниях, включая BuzzFeed, Mashable и MTV. (После завершения программы выяснилось, что Фейсбук также лгал о трафике видеороликов, завышая показатели в девять раз, если верить судебному разбирательству.) Алгоритмическая лента продолжала меняться. В 2016 году Фейсбук добавил к постам “реакции”, чтобы зрители могли поставить не только лайк, но и различные смайлики. Посты с большим количеством смайликов продвигались выше. Однако это нововведение привело к обратному эффекту: высоко поднимались посты, получившие много сердитых смайликов (например, политические истории, вызывавшие у людей злость), а это портило эмоциональный фон всего сайта. То, что подобные посты привлекали больше пользователей, не обязательно означало, что они были более ценными.

От хронологической ленты к увеличению алгоритмических рекомендаций перешел не только Фейсбук: этим путем в 2010-е годы проследовали почти все крупные социальные сети. В середине десятилетия, когда алгоритмизация усилилась, начал формироваться Мир-фильтр.

Фейсбук приобрел Инстаграм в 2012 году, когда там работало всего тринадцать человек. За прошедшие годы это приложение для обмена фотографиями стало больше походить на сам Фейсбук, перейдя от линейной ленты фотографий, загруженных друзьями, к потоку видео, рекламы и рекомендуемых постов. Лента Инстаграма начала переходить от хронологического к алгоритмическому расположению в марте 2016 года. Сначала нововведение тестировалось на небольших группах пользователей, а затем распространялось на все большее количество, пока не коснулось всех. Все более хаотичная лента вызывала чувство растерянности и тревоги – сродни ощущению, когда кто-то без вашего ведома переставляет мебель в вашем доме. Раньше, прокручивая ленту, вы постепенно перемещались в прошлое. Теперь же в верхней части вашей ленты могло внезапно появиться сообщение двухдневной давности.

В начале 2016 года менее хронологическим стал и Твиттер, на короткое время сделав алгоритмическую ленту выбором по умолчанию при входе пользователей в приложение – явная проблема для сайта, который многие использовали в качестве ленты новостей в реальном