Мир-фильтр. Как алгоритмы уплощают культуру - Кайл Чейка

наших инструментов. И все равно мы соединяем людей. Уродливая правда заключается в том, что мы верим в связь между людьми настолько глубоко, что все, что позволяет нам чаще общаться с большим количеством людей, является *де-факто* хорошим.

Это заявление – яркая иллюстрация того, что если люди активно вовлечены в пользование платформой, то она считается успешной – независимо от того, чем они занимаются. Эта постоянная вовлеченность поддерживается автоматическими рекомендациями, предлагающими очередной привлекающий внимание заголовок или гипнотический развлекательный материал. Сегодня трудно представить себе создание произведения культуры, отделенного от алгоритмических лент, потому что именно эти ленты контролируют, как это произведение дойдет до миллиардов потребителей международной цифровой аудитории. Без лент нет и аудитории – творение существовало бы только для его автора и людей, непосредственно с ним связанных. Еще сложнее представить себе потребление чего-либо вне алгоритмических лент, потому что их рекомендации неизбежно влияют на то, что показывают по телевидению, играют по радио и публикуют в книгах, даже если самого этого контента в лентах нет. Мир-фильтр разливается повсюду.

Специалист по театру Тревор Боффон, который стал работать учителем в школе, дал удачное описание того, к чему приводит алгоритмическая культура. Он сказал мне: “Фильмы, которые успешны, – это фильмы, у которых есть подписчики в ТикТоке; хит-парад Billboard Hot 100 диктуется ТикТоком; вы идете в книжный магазин сети Barnes and Noble и видите там прилавок BookTok”. (BookTok – термин, обозначающий сообщество литературных инфлюэнсеров[17] ТикТока.) Иными словами, для коммерческого успеха какого-либо произведения культуры оно должно быть представлено на цифровых платформах. Карьера Боффона тоже формировалась под влиянием алгоритмов. Когда он начал разучивать танцевальные движения со своими учениками и выкладывать видеоролики в Сеть, он быстро обзавелся сотнями тысяч подписчиков в Инстаграме и на других платформах. Он появился на национальном телевидении, ненадолго став вирусным персонажем – танцующим учителем. После этого он опубликовал научную монографию о танцах – предмете, который вместе с ростом популярности в ТикТоке быстро наращивал привлекательность для университетов и редакторов. “За один месяц этого года моя работа привлекла больше внимания, чем за предыдущие десять лет, вместе взятых”, – заявил мне Боффон.

Опыт Боффона соответствует фундаментальному правилу Мира-фильтра: в условиях алгоритмической подачи популярное становится еще популярнее, а малозаметное – еще менее заметным. Успех или неудача ускоряются. “Жизнь обычного поста в Инстаграме определяется первыми тремя-пятью минутами”, – отмечает Боффон. Если пост сразу же получает отклики, то эта вовлеченность, скорее всего, будет усиливаться, и наоборот. Подобная динамика может оказаться жестокой. Когда я публикую нестандартную картинку в Инстаграме или пишу невразумительный твит и они не вызывают активных действий, это не мешает мне несколько раз проверять свой пост в надежде на новые лайки, даже если я знаю, что не сорвал алгоритмический джекпот.

Отсутствие внимания неизбежно поднимает вопрос о том, что будет продвигать лента: негласно поощряется более безопасный выбор и конформизм. Проблема и в том, кого продвигают. Зачастую славу, внимание и, соответственно, финансовую выгоду от популярности в алгоритмической ленте получают не создатели мемов или трендов. Примером может служить как раз хореография ТикТока. Тиктокер Чарли Грейс Д’Амелио прославилась в 2019 году благодаря своим танцевальным видеороликам на этой платформе. При этом хореографию одного из популярных танцев Д’Амелио – Renegade, – которую часто ей приписывают, на самом деле создала Джалайя Хармон, темнокожая девушка-подросток из Джорджии. Танец Renegade – это ряд размашистых движений руками перед корпусом и покачиваний бедрами; он идеально подходит для экрана ТикТока – движения не слишком сложны для исполнения, но их последовательность трудно запомнить, а поэтому зрители вынуждены запускать ролик снова и снова.

Сначала Хармон продемонстрировала танец в приложении Funimate, затем в Инстаграме. Однако именно гипералгоритмическая лента ТикТока довела его до мейнстримной славы, которую обеспечили подписчики Д’Амелио – хотя при этом исчезло авторство Хармон, поскольку Д’Амелио на нее не сослалась. Создателям контента из социально обособленных групп, у которых нет такого же доступа к СМИ и вниманию, какой есть, скажем, у профессионально подготовленной белой танцовщицы, получившей образование в частной школе (например, Д’Амелио), труднее воспользоваться приливами Мира-фильтра. (После того, как авторство Хармон все же установили, на нее подписалось три миллиона пользователей ТикТока.)

Если учесть, что эти своевольные системы контролируют такое множество аспектов нашей жизни – от общения с друзьями до формирования аудитории для наших творческих проектов, – то стоит ли удивляться тому, что пользователи социальных сетей чувствуют себя параноиками? Нас призывают не обращать внимания на алгоритмические процессы, но их сбои напоминают нам об их незаслуженной власти. Неоднозначность влияния алгоритмов порождает чувство, которое получило название “алгоритмическая тревожность”. Алгоритмическая тревожность описывает растущее осознание того, что мы вынуждены постоянно бороться с автоматизированными технологическими процессами, находящимися за пределами нашего понимания и контроля, будь то наши ленты в Фейсбуке, указания для водителей от Google Maps или раскрутка товаров в Amazon. Мы постоянно пытаемся предугадать последствия решений, которые принимают алгоритмы, и сомневаемся в них. Алгоритмическая тревожность – это не гипотеза и не абстракция: она уже распространилась. Технологические компании знают об этом и уже много лет манипулируют таким ощущением своих пользователей.

В 2018 году Шагун Джавер, на тот момент аспирант Технологического института Джорджии, совместно с двумя сотрудниками Airbnb провел социологическое исследование пользователей этой компании. Они проанализировали, как хозяева, сдающие свое жилье с помощью этого сервиса, взаимодействовали на платформе с алгоритмическими системами рекомендаций, поиска и рейтингов Airbnb, которые помогали арендаторам находить нужные объявления, и как они относились к этим системам. В своих выводах Джавер и другие исследователи использовали термин “алгоритмическая тревожность” для обозначения “неуверенности владельцев жилья в том, как работают алгоритмы Airbnb, и ощущаемого отсутствия контроля”. Арендодатели беспокоились, что поисковый алгоритм игнорирует их или отдает предпочтение другой недвижимости. Джавер заметил, что эта тревожность связана с технологией, а не с качеством жилья, которое хозяева сдавали в аренду: “Это было связано скорее с самим алгоритмом, нежели с улучшением их объявлений и недвижимости другими способами”, – сообщил он мне.

Airbnb заставляет владельцев жилья вести “двойные переговоры”, пишут исследователи, поскольку они должны определить, что ищут в объявлениях гости и какие переменные учитываются в первую очередь алгоритмами при продвижении их жилья. Однако хозяева не могли сказать, какие переменные на самом деле повышают рейтинг их объявлений. Они полагали, что шансы на продвижение повышаются под воздействием таких факторов, как количество накопленных отзывов, качество отзывов и количество доступных фотографий, но не были уверены, что алгоритм проанализирует их цены, удобства в доме или опыт сдачи жилья. Им не хватало информации о том,