Wybór algorytmiczny w Internecie



Wybór algorytmiczny w Internecie Internet w coraz większym stopniu przenika życie codzienne z niezbędnym i strukturalnym pakietem innowacji: aplikacjami internetowymi, które działają na zasadzie doboru algorytmicznego. Zautomatyzowany wybór algorytmiczny jest osadzony w różnych usługach i stosowany do wielu celów. Algorytmy w wyszukiwarkach lub agregatorach wiadomości wybierają ogólnie informacje, a w szczególności wiadomości; w systemach rekomendujących sugerują rozrywkę muzyczną i wideo lub wpływają na wybór produktów. Mogą również sugerować przyjaciół, partnerów i trasy podróży. Ponadto służą do automatycznego tworzenia artykułów i wiadomości w mediach społecznościowych, obliczania punktacji treści i osób, a także do obserwacji zachowań i zainteresowań, a także do przewidywania i kształtowania przyszłych potrzeb i działań. Chociaż ich tryby działania różnią się w szczegółach, wszystkie te aplikacje mają wspólną definiującą funkcjonalność: automatycznie wybierają elementy informacji i przypisują im znaczenie. W społeczeństwach informacyjnych, w których rośnie liczba danych, wybór algorytmiczny oparty na Internecie jest niezbędny do wydobywania wartości społecznych i ekonomicznych z dużych i małych danych. W związku z tym te automatyczne przypisania znaczenia wybranym informacjom są już głęboko zakorzenione w wielu dziedzinach życia codziennego. Kształtują to, jak postrzegany jest świat, jakie rzeczywistości są konstruowane i jak się zachowują ludzie. Ich wszechstronne przyjęcie w konsekwencji wywołało dyskusje na temat możliwości i zagrożeń społecznych, takich jak nadzór, komory echa, bańki filtrujące i dyskryminacja społeczna, a także pytania dotyczące odpowiedniej polityki publicznej i środków zarządzania. Ten wpis zawiera krótki przegląd badań na temat wyboru algorytmicznego w Internecie oraz oferuje funkcjonalną typologię aplikacji na nim działających. Następnie omawia ich znaczenie gospodarcze, ryzyko społeczne i opcje zarządzania.

Badania z zakresu selekcji algorytmicznej

Badania nad selekcją algorytmiczną przyciągnęły uwagę różnych dyscyplin, co doprowadziło do obszernego, zróżnicowanego i fragmentarycznego zbioru badań, które obejmują głównie rozważania teoretyczne i fragmentaryczne ustalenia empiryczne specyficzne dla aplikacji. Ogólnie rzecz biorąc, dziedzinę badań nad algorytmami można z grubsza podzielić na badania, które koncentrują się na pojedynczych algorytmach, takich jak sortowanie, dopasowywanie, filtrowanie lub algorytmy rankingowe, jako jednostce analizy, oraz te, które koncentrują się głównie na socjotechnicznym kontekście zastosowań selekcji algorytmicznej. Badania skupiające się na samym algorytmie pokazują możliwości wyboru algorytmicznego i czasami starają się wykryć wewnętrzne działanie algorytmu, zazwyczaj poprzez inżynierię wsteczną kodu, ustawienia eksperymentalne lub przegląd kodu. Ogólnie rzecz biorąc, czysto techniczna definicja algorytmów jako zakodowanych procedur, które przekształcają dane wejściowe w określone dane wyjściowe w oparciu o obliczenia i samo ujawnienie działania algorytmu, nie ujawnia zbyt wiele na temat ryzyka i konsekwencji społecznych. Jest to uwzględnione w badaniach, które koncentrują się na socjotechnicznym kontekście selekcji algorytmicznej, gdzie algorytmy są postrzegane jako umiejscowione artefakty i procesy generatywne osadzone w złożonym ekosystemie. Jako takie, algorytmy są tylko jednym z elementów szerszego zespołu socjotechnicznego. Te zespoły lub ekosystemy obejmują komponenty techniczne (np. Oprogramowanie, platformy, infrastrukturę) i ludzkie (np. Projekty, zamiary, odbiorcy i zastosowania). Na przykład Michael Latzer i jego współpracownicy przeanalizowali duży zestaw aplikacji internetowych, które opierają się na algorytmach, i pogrupowali je w dziewięć różnych typów w zależności od pełnionych funkcji społecznych.

1. Aplikacje wyszukujące stały się niezbędnymi narzędziami do eksploracji Internetu i są najbardziej rozpowszechnionymi usługami algorytmicznymi. Oprócz algorytmicznych wyszukiwarek ogólnego przeznaczenia, takich jak Google i Bing, istnieje ogromna liczba aplikacji do wyszukiwania w określonych domenach lub dotyczących określonych zagadnień, zwanych wyszukiwaniem wertykalnym.
2. Aplikacje agregujące, przede wszystkim agregatory wiadomości, takie jak Google News, zbierają, kategoryzują i przegrupowują informacje z wielu źródeł w jednym punkcie dostępu.
3. Aplikacje obserwacyjne / inwigilacyjne, takie jak Rapid Information Overlay Technology (RIOT) firmy Raytheon, zyskały na znaczeniu w ostatnich latach i były ostro krytykowane po ujawnieniu w 2013 roku informacji o inwigilacji prowadzonej przez Amerykańską Agencję Bezpieczeństwa Narodowego. Wiele aplikacji monitoruje zachowanie w Internecie, aby wykryć nieprawidłowości związane z określonymi zagrożeniami (np. Oszustwa związane z kartami kredytowymi, cyberataki).
4. Prognozy / aplikacje prognostyczne mają na celu przewidywanie przyszłych zachowań lub scenariuszy, na przykład w obszarach takich jak konsumpcja, klęski żywiołowe, rozrywka i przestępczość. Odpowiednie aplikacje, takie jak predykcyjna technologia policyjna PredPol, mają szczególne znaczenie w kontekście analiz dużych zbiorów danych.
5. Aplikacje filtrujące, takie jak filtr antyspamowy Norton, często działają w tle jako pasywne lub aktywne filtry informacji. Filtry pasywne wybierają określone elementy, ale zamiast wyświetlać je użytkownikowi, uniemożliwiają dostęp do nich. Algorytmiczne lub inteligentne filtrowanie jest stosowane na przykład do przeciwdziałania spamowi lub złośliwemu oprogramowaniu. Jednak filtrowanie jest również wykorzystywane do blokowania informacji politycznych, zwłaszcza w reżimach autorytarnych.
6. Aplikacje rekomendacyjne, takie jak rekomendacje muzyczne Spotify, należą do najbardziej znanych usług. Te aplikacje internetowe mają zastąpić tradycyjne rekomendacje przez sprzedawców lub znajomych. Aby zapewnić najbardziej dopasowane rekomendacje, stosują różne metody filtrowania w oparciu o dane dotyczące towaru, użytkownika lub grupy, do której użytkownik jest przypisany.
7. Aplikacje oceniające, takie jak system oceny reputacji eBay, zbierają i przetwarzają opinie o zachowaniu uczestników i wykorzystują te dane do uzyskiwania ocen i ocen związanych z zachowaniem. Głównym celem tych usług jest budowanie zaufania w anonimowym środowisku online i redukcja kosztów transakcji.
8. Aplikacje do tworzenia treści wykorzystują algorytmy do automatycznego tworzenia treści, na przykład za pomocą aplikacji takich jak Quill, opracowanych przez Narrative Science. Te zmiany były ostatnio omawiane pod takimi terminami, jak dziennikarstwo algorytmiczne, dziennikarstwo automatyczne lub dziennikarstwo robotów.
9. Aplikacje alokacyjne samodzielnie i automatycznie przeprowadzają transakcje (np. Umieszczanie ogłoszeń) i alokują zasoby. Algorytmiczne oprogramowanie handlowe lub obliczeniowe usługi reklamowe, takie jak Google AdSense, są dobrymi przykładami takich aplikacji. Zwłaszcza reklama komputerowa jest głównym źródłem przychodów wielu platform internetowych, takich jak wyszukiwarki i sieci społecznościowe.

Ta typologia pokazuje, jak szeroki jest zakres algorytmiki, i stały się aplikacjami selekcyjnymi z algorytmizowanymi funkcjami społecznymi, od wyszukiwania i rekomendacji po prognozy i tworzenie treści. Podejście to koncentruje się na socjotechnice i funkcjonalności i jest dostępne dla badań nad społecznym, ekonomicznym i politycznym wpływem algorytmów oraz zastosowaniami algorytmicznej selekcji mocy, które mogą mieć jako pośrednicy, strażnicy, instytucje, ideologie lub agenci. Zwłaszcza perspektywa instytucjonalna identyfikuje algorytmy jako normy i reguły, które wpływają na zachowanie, ograniczają działania i stwarzają pole manewru. Zasadniczo algorytmy rządzą życiem codziennym, co z kolei czyni je ważnym czynnikiem porządku społecznego.

Znaczenie ekonomiczne

Prawie wszystkie najpopularniejsze i odnoszące sukcesy ekonomiczne strony internetowe na całym świecie oferują usługi, które w dużym stopniu opierają się na doborze algorytmicznym. Reklamy obliczeniowe, wyszukiwanie i rekomendacje to jedne z najważniejszych usług tego typu, z którego korzystają wiodące międzynarodowe firmy, takie jak Google, Facebook, Twitter, Yahoo, Tencent, Alibaba, Baidu. Generalnie rynki przechodzą przez różne fazy w swoich cyklach życia, które są skorelowane z różnymi warunkami podaży i popytu na te usługi i są definiowane przez różne stopy wzrostu i intensywność konkurencji na tych rynkach. Wiele rodzajów algorytmicznych zastosowań selekcji znajduje się nadal w fazie eksperymentalnej lub wczesnej ekspansji (zautomatyzowana produkcja treści), podczas gdy inne znajdują się w fazie wzrostu lub dojrzałości (systemy rekomendujące, reklamy obliczeniowe) lub już osiągnęły stagnację (wyszukiwanie). W sumie wiele rynków wykazuje imponujące stopy wzrostu lub duże rozmiary rynków. Połączenie różnych przemysłowych cech ekonomicznych, takich jak struktury kosztów, korzyści skali i zakresu oraz bezpośrednie i pośrednie skutki sieci, a także dostępność podstawowych zasobów, takich jak wiedza techniczna, infrastruktura sprzętowa, dostęp do danych i jakość dane ułatwiają tendencje koncentracji, a następnie zachowują i wzmacniają siłę rynkową. W szczególności duże udziały w rynku zdobyte przez tak zwanych cyfrowych strażników wywołały zwiększoną uwagę opinii publicznej i organów regulacyjnych oraz doprowadziły do pytań o to, czy te pozycje są tylko tymczasowe, czy też wskazują na długoterminową siłę rynkową. Obejmuje to kwestie, takie jak wątpliwe praktyki biznesowe z różnych punktów widzenia prawnego, w szczególności prawo konkurencji lub prawa własności intelektualnej, oraz wpływ, jaki będą one miały na tradycyjnych (medialnych) operatorów. Wybór algorytmiczny obiecuje zmniejszenie różnego rodzaju kosztów transakcji, takich jak koszty wyszukiwania i informacji oraz asymetrie informacyjne, w których jedna strona transakcji ma więcej informacji niż druga. W efekcie zwiększa konsumpcję i sprzedaż oraz ułatwia orientację społeczną. Dostawcy algorytmicznej selekcji są najczęściej aktywni jako animatorzy rynku (pośrednicy, jak w przypadku aplikacji wyszukujących) lub gracze warstwowi (specjaliści, jak w przypadku dziennikarstwa algorytmicznego). Strategie dochodowe na tych rynkach zależą od tego, że algorytmiczne aplikacje selekcyjne często obsługują różne, współzależne segmenty klientów na rynkach dwu- lub wielostronnych, na których ceny muszą być odpowiednio ważone, a subsydiowanie krzyżowe jest niezbędne.

Zagrożenia społeczne i zarządzanie

Możliwości oferowane przez algorytmiczne aplikacje selekcji, takie jak korzyści dobrobytu wynikające z ograniczenia złożoności i kosztów transakcji lub z usprawnienia procesu podejmowania decyzji przez ludzi, są zagrożone przez szereg potencjalnych zagrożeń społecznych. W szczególności wiele uwagi poświęcono niebezpieczeństwu komór echa lub bąbelków filtrujących, które w istocie opisują sytuacje, w których zamiast wzmacniać spotkania z różnorodnymi informacjami, wybór algorytmiczny ogranicza wybór i jakość informacji oraz skutkuje izolacją użytkowników. wewnątrz bąbelków filtrujących lub komór echa, które są zgodne z ich już posiadanymi przekonaniami i ideami. Istnieje jednak o wiele więcej zagrożeń, w tym (a) manipulacja, (b) uprzedzenia i zniekształcenia rzeczywistości, (c) ograniczenia wolności komunikacji i wypowiedzi, (d) nadzór i zagrożenia dla ochrony danych i prywatności, (e) społeczne dyskryminacja, (f) pogwałcenie praw własności intelektualnej, (g) nadużycie siły rynkowej, (h) wpływ na zdolności poznawcze i ludzki mózg oraz (i) rosnąca heteronomia oraz utrata ludzkiej suwerenności i możliwości kontrolowania technologii. Badania wskazują, że istnieje rosnąca świadomość tych zagrożeń i pokazują, w jaki sposób niektóre z nich zostały już rozwiązane za pomocą różnych podejść do zarządzania, od rozwiązań rynkowych po interwencje państwa. Analizy wskazują ponadto, że istnieje potrzeba kombinacji zarządzania uwzględniającej wielkość liter, spójnej z odnośnymi rodzajami ryzyka i zastosowaniami. Odpowiednie strategie zarządzania często wymagają współdziałania między różnymi poziomami i zaangażowanymi podmiotami. Przykładowo samopomoc konsumentów zależy między innymi od dyspozycji organizacyjnych czy technicznych. Wreszcie, środki zarządzania są ukierunkowane nie tylko na same algorytmy (projekt techniczny), ale przede wszystkim są ukierunkowane na modele i strategie biznesowe, co ma daleko idące skutki dla ekonomiki danych rynków.



Powrót


[ 34 ]