Az internetes világ szinte minden nap változik. Volt idő, amikor az interneten bármit meg lehetett csinálni névtelenül, de ma már minden internetes tevékenységünket elemzik és hasznosítják. Minden nap különféle webhelyeket böngészünk, hogy bizonyos információkat keressünk, és keresésünk alapján kapunk eredményeket. Mindannyian napi rendszerességgel kutakodunk és keresgélünk, de kevesen tudjuk, hogy ez milyen hatással van ránk, és hogyan változtatja meg gondolkodásunkat.

A szűrőbuborék

A „Szűrőbuborék” arra a zárt rendszerre utal, amely a mindennapos keresési eredmények mögött meghúzódó algoritmusok miatt jön létre. Elgondolkodtatja az embert, hogy a mesterséges intelligencia (AI) hogyan ad ilyen személyre szabott javaslatokat. A híres szerző és aktivista, Eli Pariser szerint az ilyen algoritmusok „mindannyiunk számára egyedi információ-univerzumot hoznak létre, amely alapvetően megváltoztatja az ötletekkel és információkkal való találkozás módját”. Még ha csak egyetlen „szóra” is keres egy webhelyen, az adott webhely különféle cookie-kat telepít, ami azt eredményezi, hogy az adott „szóhoz” kapcsolódó felugró ablakok még különböző webhelyeken is megjelennek.

Ma mindenki számára elérhető az ingyenes internet, de az általunk közvetlenül vagy közvetve az internetre eljuttatott információknak ára van információs készletünk irányításához. Tegyük fel például, hogy egy felhasználó rákeres a „táska” szóra az Amazonon, majd bezárja a lapot. Most, ha bejelentkeznek a Facebook-fiókjukba, sok hirdetést fognak látni a táskához kapcsolódóan, amelyeket a felhasználó az Amazonon keresett. Ez nem csak arra készteti a felhasználót, hogy megvásárolja, hanem azt is, hogy csak az általa korábban végzett keresést látja. Az ilyen dolgok hatással vannak az elménkre, mert csak azt látjuk, amit tudunk, valójában nem gondolunk arra, hogy milyen más lehetőségek is lehetnek. Így mindig ugyanabban az információs buborékban ragadunk. Alapvetően egy ilyen buborék arra kényszerít bennünket, hogy a dobozban „belül” gondolkodjunk. Hasonló dolgok történnek más médiawebhelyekkel, sőt az egyszerű kereséssel is, amelyet „Médiabuboréknak” is neveznek.

Hogyan keletkezik a szűrőbuborék?

Manapság a legtöbb ember olyan médiaplatformokról fogyaszt híreket, mint például a Facebook, amely személyre szabott ajánlásokat kíván eljuttatni a felhasználókhoz. A mesterséges intelligencia nagy szerepet játszik az ilyen ajánlások létrehozásában, amelyek közel állnak a felhasználói preferenciákhoz. Dióhéjban elmondható, hogy két felhasználó teljesen eltérő tartalmat lát a hírfolyamában, ami egy szűrőbuborékhoz vezet, ahol csak azt látja, amit látnia szeretne, nem pedig azt, amit látnia kellene. Ez polarizációt hoz létre a társadalomban.

Ez a médiabuborék terméke az elfogultságunknak, hogy olyan tartalmakat támogassunk, amelyek nagyon csekély toleranciát mutatnak az ellentétes nézetekkel szemben. Mivel sok cikk jelenik meg naponta, ilyen elfogultság mindig létezik a hírekben, a médiában, a tweetekben stb. A médiacégek a nagyon kedvelt tartalmakra is összpontosítanak (a kattintások, a tartalomra fordított idő, a kedvelések stb. számlálásával). A gépi tanulási algoritmusok meglehetősen jókaz ilyen minták azonosításában a nagy adatkészletekben, és hasonló ízlésű felhasználók klasztereit alkotják. A felhasználókat leginkább a szenzációs címek vonzzák, így az általuk látott információk is hasonlóak lennének. Ugyanez történt a 2016-os amerikai elnökválasztás során is, amely téves információs buborékot hozott létre a médiaplatformokon. Így az álhírek nagy döntésekhez vezethetnek, és ez a buborék vesz körül minket az egész interneten. A szűrőbuborék kijavítása érdekében Eli Parser kifejlesztett egy „Upworthy” nevű online platformot azzal a céllal, hogy nagymértékben megosztható tartalmakat terjesszen. Sajnos az Upworthy nem mentes a szűrőbuborék hatásaitól, és valamikor létrehozta a sajátját.

Szűrőbuborék feltörése

A mesterséges intelligencia segített létrehozni egy szűrőbuborékot, és most a megoldáshoz is szükség van rá. Az egyik ötlet az, hogy mindenféle tartalom tisztességes megjelenítése legyen a képzési készletben, hogy az AI algoritmusok is korrekt eredményeket eredményezzenek. Például a LinkedInnek van egy ötlete a „méltányosság tudatában történő újrarangsorolásról”, amelyet a jelöltek felvételére használnak. Az egyik ötlet az, hogy számszerűsítsük az elfogultságot az életkor és a nem tekintetében. A koncepció az, hogy „bizonyosodjon meg arról, hogy a megjelenített női jelöltek aránya megegyezik az adott lekérdezésnek megfelelő profilok megfelelő arányával”. Az ilyen ajánlások valóban sokat segítettek egyes szakmák esetében az elfogultság korrigálásában. A LinkedIn megközelítéséhez hasonlóan sokszínűség lehet a hírekben és a médiacikkekben, hogy mesterséges intelligencia-modellünket tisztességes adatkészletekkel képezzük, amelyek változatos eredményeket eredményeznek. Győződjön meg arról is, hogy az ilyen hírcikkeklefedettségenek egyaránt tartalmaznia kell egy adott hír pozitív és negatív oldalát a képzési készletben.

Ennek érdekes megközelítése lehet egy gépi tanulási algoritmus betanítása egy változatos szövegkorpuszon vagy beszédkorpuszból származó szövegen, és olyan modellt dolgozunk ki, amely elemzi azokat a mintákat, mint például a felhasználói interakciók, kulcsszavak stb., amelyek szűrőbuborékhoz vezethetnek. A szűrőbuborék feltérképezése után, a különböző szűrőbuborékok közötti összefüggések felhasználásával, a modell keresztbe tud kapcsolni az adatokat polarizált megfelelőivel. Ennek használatával a felhasználók mindig kaphatnak néhány személyre szabott tartalmat, valamint új és különböző tartalmakat a saját hírfolyamaikban, ezáltal feltörve az ilyen visszhangkamrákat.

Van egy Nobias nevű böngészőbővítmény, amely részletes összefoglalót is nyújt az Ön által fogyasztott hírek hitelességéről és elfogultságáról. Lehet tudni, hogy egyenlő arányban vannak-e változatos tartalommal vagy túlságosan elfogult nézőpontokkal.

A saját szűrőbuborékainkért is mi vagyunk felelősek. Ennek megoldására a felhasználó oldaláról törölheti az internetes előzményeket, dolgozhat inkognitó böngészőben, törölheti a cookie-kat, és sokféle dolgot kedvelhet a közösségi oldalakon. Ily módon változatosak lennének a választásaink, ami segíthet a mesterséges intelligencia változatos tartalom megjelenítésében.

Következtetés

Egy probléma megoldásához az első lépés annak elismerése. Nem mindenki tud egy ilyen szűrőbuborékról. Azáltal, hogy felhívjuk az emberek figyelmét a szűrőbuborékokra és arra, hogy ezek hogyan hat ránk, kitörhetünk a szűrőbuborékainkból azáltal, hogy különféle hiteles forrásokból származó információkat fogyasztunk, és megvizsgáljuk az érvelés minden oldalát. A szűrőbuborékok megoldása az interneten biztosan segíthet nekünk abban, hogy változatossá tegyük véleményünket, különösen kényes témákban. Konzervatív gondolkodásunkat egy progresszívebb irányába tolhatja el. Ezzel több mint képesek vagyunk megalapozott döntéseket hozni, amelyek hatalmas népességet érinthetnek. Együtt harcolhatunk a szűrőbuborékok ellen mesterséges intelligencia segítségével, és segíthetünk a felhasználóktól származó mesterséges intelligencia számára, hogy különböző véleményeket fogalmazzon meg.

- Shalvi Mahajan (adattudós az SAP SE-nél)

(Minden nézet a sajátom)

Linkek: Adattudományi szalon https://roundtable.datascience.salon/solving-the-filter-bubble-using-machine-learning