Dla algorytmów rekomendacyjnych internauci są tylko częścią równania
Algorytmy odpowiadają dziś za mechanizmy zaawansowanych rekomendacji, na których opiera się współczesny internet; bez tych rozwiązań nie mogłyby funkcjonować m.in. portale społecznościowe i handel internetowy - wyjaśnia prof. Celia Lury z angielskiego University of Warwick.
05.03.2015 13:55
Systemy rekomendacyjne oparte na tzw. wspólnej filtracji (ang. colaborative filtering) są technologią wykorzystywaną zwłaszcza w wartym biliony dolarów sektorze handlu internetowego (sklepy, serwisy aukcyjne, porównywarki cenowe).
"Algorytmy rekomendacyjne wykorzystują proste założenie - jeśli dwóch użytkowników lubi podobne produkty lub ma podobne preferencje, to z dużym prawdopodobieństwem podobnie zachowa się w odniesieniu do innych rzeczy. Mechanizm ten wykorzystują np. księgarnie internetowe czy sklepy oferujące cyfrowe treści" - wyjaśnia prof. Lury.
Badaczka zalicza podobne zjawiska w poczet szerszego trendu obserwowanego obecnie w wielu segmentach rynku nowych technologii - personalizacji. Korzystanie z większości usług wiąże się dziś z założeniem wirtualnego konta, konieczności wypełnienia kwestionariusza, a także zezwolenia na śledzenie przez tzw. ciasteczka. Pozwala to utworzyć profile osobowościowe klientów, które oddają ich preferencje, przyzwyczajenia i zachowania w sieci. Media społecznościowe i wyszukiwarki, to po części maszyny do zbierania informacji na temat swoich użytkowników.
Badaczka podkreśla także, że dla takich systemów możemy posiadać de facto wiele osobowości, a nawet płci - preferencje kulinarne czy te dotyczące dóbr kultury pojedynczych użytkowników, mogą odpowiadać różnych płciom, grupom demograficznym i społecznym naraz. W cyfrowym świecie możemy doświadczyć jedynego w swoim rodzaju rozbicia osobowości.
"Internauci z perspektywy algorytmów rekomendacyjnych nie różnią się diametralnie od towarów, którymi są oni zainteresowani. W tym świecie wszystko jest skwantyfikowane, a posiadając swoją numeryczną wartość, staje się częścią równania-matrycy, na której opierają się te systemy. Nawet jeśli zabraknie jakichś danych na temat preferencji danego użytkownika, umieszcza się tam wartości automatycznie wyliczone przez algorytmy na zasadzie prawdopodobieństwa" - tłumaczy Lury.
Eli Pariser, autor pojęcia bańka informacyjna (ang. filter bubble), podkreśla z kolei, że personalizacja doświadczenia użytkownika sieci w dłuższej perspektywie może go ograniczać. Naszym oczom będą ukazywać się jedynie reklamy i produkty zbliżone do tych, którymi byliśmy już wcześniej zainteresowani. To utrudnia poszerzanie horyzontów i odkrywanie nowości. (PAP)
łm/ bk/
