Ученые создали алгоритм для прорыва «информационного пузыря». Вернет ли он пользователям интернета свободу от пропаганды и манипуляций?
Маленький статичный Pyrorank вряд ли способен оказать влияние на постоянно меняющиеся алгоритмы поисковых гигантов, для которых «пузырь фильтров» — это не проблема, а наоборот, то, к чему они стремятся, их цель
На июльской конференции по роевому интеллекту в Шэньчжэне (Китай) группа инженеров из Института математических наук Куранта Нью-Йоркского университета презентовала алгоритм Pyrorank, цель которого, ни много ни мало, совершить революцию в системе поиска информации. Он позволяет вывести пользователей из бесконечного цикла повторяющихся рекомендаций, снизить влияние их профилей на поисковую систему и при этом сохранить важные и разнообразные результаты. Алгоритм работает на основе функции Add-on, которая добавляет новый актуальный контент в систему рекомендаций, что делает выдачу более нейтральной и диверсифицированной. Разработчики протестировали его на трех датасетах — MovieLens, Good Books и Goodreads — и пришли к выводу, что в сравнении с уже известными кодами Pyrorank генерирует более разноплановые предложения, не связанные с прошлыми следами пользователей во Всемирной сети.
О негативном эффекте персонализации инфопотока говорится давно, впервые эту проблему описал в 2011 году американский активист и бизнесмен Илай Парайзер в книге «Пузырь фильтров: что скрывает от вас интернет». Он указывал, что алгоритмы незаметно запирают каждого из нас в «информационном пузыре» и создают иллюзию, что наши интересы и есть все, что происходит в окружающем мире. На один и тот же запрос разные пользователи получают разные результаты, в подборе которых учитываются данные из их соцсетей и прошлых заходов на интернет-страницы. Таким образом, «хвост» здесь крутит «собакой» (то есть алгоритм — контентом). Мы не контролируем, какую информацию получать, — подборку делают хитро настроенные коды. С этой маркетинговой выдачей, собственно, и боролись создатели Pyrorank.
«Традиционный способ работы рекомендательных систем заключается в том, что рекомендации основываются на понятии сходства, — объясняет Анасс Бари, руководитель лаборатории прогнозной аналитики и искусственного интеллекта Института математических наук Куранта и один из разработчиков алгоритма. — Это означает, что вы увидите похожие товары в списках рекомендуемых, основанных либо на похожих на вас пользователях, либо на похожих товарах, которые вы купили».