همان‌طور که معماری یک شهر می‌تواند بعضی مسیرها را آسان‌تر و برخی دیگر را دشوارتر کند، طراحی یک پلتفرم نیز می‌تواند بعضی محتواها را در دسترس‌تر و بعضی دیگر را کم‌نمایش‌تر کند.
به گزارش خبرگزاری ۶۰ثانیه، فرض کنید صبح تلفن همراهتان را برمی‌دارید. پیش از آنکه تصمیم بگیرید چه خبری بخوانید، چه موسیقی‌ای گوش دهید یا چه ویدئویی ببینید، صفحه نمایش مجموعه‌ای از پیشنهادها را پیش روی شما گذاشته است.
چند ویدئو را تماشا می‌کنید، چند مورد را رد می‌کنید، روی یکی مکث می‌کنید، دیگری را برای کسی می‌فرستید و شاید چند دقیقه بعد با محتوایی روبه‌رو شوید که شباهت زیادی به انتخاب قبلی شما دارد. این فرایند آن‌قدر عادی شده که کمتر از خود می‌پرسیم چه کسی این انتخاب‌ها را مرتب کرده است.
پشت این تجربه روزمره، الگوریتم‌های شخصی‌سازی قرار دارند؛ سامانه‌هایی که از رفتار کاربر، جست‌وجوها، کلیک‌ها، مدت زمان تماشای محتوا، ارتباطات و علایق احتمالی او استفاده می‌کنند تا محتوایی را که احتمالاً برایش جذاب‌تر است در اولویت قرار دهند. هدف اولیه چنین الگوریتم‌هایی ساده است: در میان حجم عظیم اطلاعات، محتوای مرتبط‌تری به کاربر نشان داده شود.
اما مسئله از جایی جدی می‌شود که این فرایند فقط به «آنچه می‌بینیم» محدود نماند و به‌تدریج بر «آنچه درباره جهان فکر می‌کنیم» و حتی «آنچه درباره خودمان تصور می‌کنیم» اثر بگذارد.پژوهش‌های علوم اجتماعی و ارتباطات در ایران نیز در سال‌های اخیر به‌طور فزاینده‌ای به رابطه انسان و فضای مجازی پرداخته‌اند.
الگوریتم دقیقاً چه چیزی را درباره ما می‌فهمد؟
الگوریتم الزاماً شخصیت انسان را به معنای روان‌شناختی آن نمی‌شناسد. اما می‌تواند از رفتارهای تکرارشونده او الگو استخراج کند.
اگر فردی مرتب محتوای ورزشی ببیند، احتمالاً محتوای ورزشی بیشتری دریافت می‌کند؛ اگر مدام مطالب اقتصادی دنبال کند، محتوای اقتصادی بیشتری در برابرش قرار می‌گیرد و اگر بارها به محتوای خاصی واکنش نشان دهد، سامانه می‌تواند آن رفتار را به‌عنوان نشانه علاقه تلقی کند.
در نتیجه، الگوریتم به‌جای آنکه لزوماً بگوید «این فرد چنین شخصیتی دارد»، تصویری احتمالی از ترجیحات او می‌سازد. پژوهش ها درباره تشخیص صفات شخصیتی با استفاده از مدل‌های زبانی و یادگیری عمیق نشان می‌دهد که فناوری‌های جدید حتی می‌توانند از روی داده‌های زبانی برای شناسایی پنج بعد اصلی شخصیت ــ گشودگی، وظیفه‌شناسی، برون‌گرایی، توافق‌پذیری و روان‌رنجوری ــ استفاده کنند.
این پژوهشها البته درباره توانایی یک مدل محاسباتی در تشخیص صفات شخصیتی است، نه اینکه شبکه اجتماعی الزاماً شخصیت کاربر را می‌سازد؛ اما همین تمایز، اهمیت مسئله را روشن می‌کند: اگر ماشین بتواند از ردپای دیجیتال ما درباره ویژگی‌های شخصیتی‌مان استنباط کند، داده‌هایی که هر روز تولید می‌کنیم صرفاً اطلاعات بی‌اهمیت نیستند.
مسئله مهم‌تر، چرخه‌ای است که پس از این مرحله شکل می‌گیرد. کاربر چیزی را می‌بیند، به آن واکنش نشان می‌دهد؛ الگوریتم این واکنش را ثبت می‌کند و محتوای مشابه بیشتری پیشنهاد می‌دهد؛ کاربر در معرض محتوای مشابه قرار می‌گیرد و احتمالاً رفتار قبلی خود را تکرار می‌کند.
به این ترتیب، رابطه انسان و الگوریتم یک خیابان یک‌طرفه نیست. ما الگوریتم را با رفتار خود آموزش می‌دهیم و الگوریتم نیز محیط اطلاعاتی ما را تغییر می‌دهد.
وقتی سلیقه ما به خودمان برمی‌گردد
اینجاست که مفهوم حباب فیلتر مطرح می‌شود. این اصطلاح به وضعیتی اشاره دارد که شخصی‌سازی دیجیتال باعث شود کاربر بیشتر با محتوایی مواجه شود که با علایق و نگرش‌های قبلی او سازگار است و کمتر با دیدگاه‌های متفاوت برخورد کند.
پژوهشی تجربی درباره شخصی‌سازی در شبکه‌های اجتماعی نشان داده است که الگوریتم‌های شخصی‌سازی می‌توانند احتمال مواجهه کاربران با محتوای سازگار با نگرش‌های قبلی‌شان را افزایش دهند.
اینجا باید مراقب یک ساده‌سازی دیگر هم بود. همه آنچه می‌بینیم محصول الگوریتم نیست.
انسان‌ها خودشان نیز تمایل دارند به سراغ افراد، اخبار و دیدگاه‌هایی بروند که با باورهای قبلی آنها سازگار است. به عبارت دیگر، ممکن است الگوریتم یک حباب را ایجاد نکند، بلکه حبابی را که بخشی از آن از قبل وجود داشته، تقویت کند.
تصویر کلاسیک حباب فیلتر به‌عنوان جهانی کاملاً بسته و جدا از سایر دیدگاه‌ها، ممکن است بیش از اندازه ساده‌انگارانه باشد. مسئله دقیقاً این نیست که الگوریتم تصمیم گرفته ما چه کسی باشیم.
مسئله ظریف‌تر است: الگوریتم در محیطی که ما در آن فکر می‌کنیم، انتخاب می‌کنیم و دیگران را می‌بینیم، نقش پیدا کرده است.
اگر شخصی هر روز ویدئوهای مربوط به ورزش ببیند، احتمالاً پس از مدتی پیشنهادهای ورزشی بیشتری دریافت می‌کند. اما ممکن است همین فرایند به شکل پیچیده‌تری نیز عمل کند.
فرد به‌تدریج خود را به‌عنوان آدم ورزشی تعریف می‌کند، محتوای بیشتری در همین زمینه تولید می‌کند، افراد مشابهی را دنبال می‌کند و حتی خریدها و روابط اجتماعی‌اش تحت تأثیر همین هویت قرار می‌گیرد.در این وضعیت، دیگر نمی‌توان به‌سادگی گفت اول شخصیت وجود داشت و بعد الگوریتم آن را تشخیص داد. شخصیت، رفتار دیجیتال و پیشنهادهای الگوریتمی وارد یک چرخه متقابل می‌شوند.
اینجا یک پرسش فلسفی و اجتماعی مهم شکل می‌گیرد: اگر یک سامانه دائماً به من بگوید تو چنین چیزهایی را دوست داری، آیا ممکن است بعد از مدتی خودم نیز همین تصویر را باور کنم؟این اثر الزاماً به معنای دستکاری مستقیم شخصیت نیست. انسان همچنان می‌تواند انتخاب کند، مقاومت کند، جست‌وجوی دیگری انجام دهد یا از محیط دیجیتال خارج شود.
اما محیط انتخاب اهمیت دارد. همان‌طور که معماری یک شهر می‌تواند بعضی مسیرها را آسان‌تر و برخی دیگر را دشوارتر کند، طراحی یک پلتفرم نیز می‌تواند بعضی محتواها را در دسترس‌تر و بعضی دیگر را کم‌نمایش‌تر کند.
یکی از مهم‌ترین منابع قدرت الگوریتمها، کنترل مستقیم ذهن نیست؛ بلکه سازمان‌دهی «توجه» است. در فضای دیجیتال، انسان با حجم بسیار بزرگی از اطلاعات روبه‌روست و نمی‌تواند همه آنها را ببیند.
بنابراین هر سامانه‌ای که تصمیم می‌گیرد چه چیزی در ابتدای صفحه قرار گیرد و چه چیزی پایین‌تر دیده شود، عملاً در توزیع توجه نقش دارد.
پژوهشها در کشورمان نیز نشان داده‌اند که شبکه‌های اجتماعی فقط ابزار ارتباط نیستند، بلکه می‌توانند با سازوکارهایی مانند شخصی‌سازی محتوا، تعامل با کاربر و استفاده از اینفلوئنسرها، رفتار مصرف‌کننده را تحت تأثیر قرار دهند. پژوهشی دیگر در ایران درباره استفاده از شبکه‌های اجتماعی و هویت اجتماعی نشان داده است که هویت اجتماعی کاربران با نحوه استفاده آنها از شبکه‌های اجتماعی و رفتارهای مرتبط با برند ارتباط دارد.این یافته‌ها به ما می‌گویند که فضای دیجیتال صرفاً محل انتقال سلیقه‌های از قبل موجود نیست.
خود این فضا می‌تواند در تقویت و بازتولید آنها نقش داشته باشد.
برای مثال، اگر فردی بارها محتوای مربوط به سبک خاصی از زندگی را ببیند، ممکن است ابتدا فقط تماشاگر آن باشد؛ اما بعد از مدتی آن سبک زندگی را معیار موفقیت، زیبایی، ثروت یا خوشبختی تلقی کند. در اینجا الگوریتم لزوماً چیزی را از صفر خلق نکرده است؛ بلکه با تکرار و برجسته‌کردن یک نوع محتوا، احتمال حضور آن در ذهن فرد را افزایش داده است.
پس آیا الگوریتمها شخصیت ما را می‌سازند؟
پاسخ علمی و دقیق، «به‌تنهایی نه» است؛ اما این پاسخ به معنای بی‌اثر بودن آنها نیز نیست.شخصیت انسان حاصل مجموعه پیچیده‌ای از عوامل زیستی، روان‌شناختی، خانوادگی، فرهنگی، اجتماعی و تجربی است. یک سیستم توصیه‌گر نمی‌تواند به‌سادگی انسانی را از یک شخصیت به شخصیت دیگر تبدیل کند.
اما الگوریتم می‌تواند محیط اطلاعاتی، اجتماعی و فرهنگی فرد را تغییر دهد؛ می‌تواند بعضی علایق را تقویت کند، بعضی دیدگاه‌ها را بیشتر در معرض دید قرار دهد، برخی الگوهای رفتاری را پاداش دهد و برخی دیگر را کمتر قابل مشاهده کند.
از این منظر، شاید پرسش دقیق‌تر این نباشد که آیا الگوریتم شخصیت ما را می‌سازد؟ بلکه باید پرسید: الگوریتمها چگونه در ساختن محیطی که شخصیت ما در آن رشد و ابراز می‌شود، دخالت می‌کنند؟این تفاوت کوچک در سؤال، تفاوت بزرگی در پاسخ ایجاد می‌کند.
اگر تصور کنیم الگوریتم همه‌کاره است، انسان به موجودی منفعل تبدیل می‌شود که صرفاً محصول داده‌های خودش است. اما اگر رابطه را تعاملی ببینیم، مسئولیت کاربر نیز روشن می‌شود.ما فقط مصرف‌کننده الگوریتم نیستیم؛ با کلیک‌کردن، دنبال‌کردن، توقف‌کردن، پسندیدن، جست‌وجوکردن و اشتراک‌گذاری، دائماً به آن سیگنال می‌دهیم.
بنابراین شاید مهم‌ترین مهارت در عصر الگوریتمی، فقط سواد استفاده از اینترنت نباشد؛ بلکه توانایی تشخیص این مسئله باشد که چه زمانی انتخاب ما واقعاً انتخاب خودمان است و چه زمانی محیطی که در آن انتخاب می‌کنیم، از قبل به‌شدت مهندسی شده است.
انسان عصر دیجیتال برای حفظ استقلال خود الزاماً مجبور نیست از الگوریتم فرار کند؛ اما لازم است بداند الگوریتم چه چیزی را درباره او می‌آموزد، چگونه بر اساس آن پیشنهاد می‌دهد و مهم‌تر از همه، چگونه رفتار خودش می‌تواند این چرخه را تقویت کند.شاید «من دیجیتال» دقیقاً همان من واقعی نباشد؛ اما اگر هر روز ساعت‌ها در آینه‌ای دیجیتال به خودمان نگاه کنیم، این آینه دیر یا زود می‌تواند بر تصویری که از خودمان داریم اثر بگذارد.
