Платформы, такие как Instagram, Facebook, TikTok и YouTube, расширяют свои инструменты, чтобы обеспечить персонализацию рекомендаций, отображаемых в их лентах. Это изменение является ответом на критику пользователей, которые чувствуют себя ограниченными автоматическими рекомендациями, которые не всегда соответствуют их интересам.
Благодаря прогрессу искусственного интеллекта (ИИ) эти платформы теперь способны обрабатывать более детальные запросы, предлагая пользователям новые способы управления тем, что отображается на их экранах.
Исторически платформы отдавали приоритет автоматическим рекомендациям в ущерб публикациям аккаунтов, на которые подписаны пользователи. Первоначальная цель состояла в том, чтобы предвосхитить контент, который вызовет интерес, и удержать пользователей дольше. Однако эта модель также подвергалась критике за направление пользователей к последовательностям нерелевантных или потенциально вредных видео.
Instagram стремится изменить эту динамику с помощью функции под названием «ваш алгоритм». Эта функция отображает темы, которые сеть связывает с интересами каждого человека, и позволяет пользователю указывать темы, которые он хотел бы видеть чаще или реже. Изначально доступная во вкладке Reels, функция была распространена на все приложение и также интегрирована в Facebook.
Тэсса Лайонс, вице-президент по продукту Instagram, сообщила CNN, что цель состоит в восстановлении части контроля, которым пользователи обладали при выборе профилей для подписки, но при этом не отказываясь от полезных рекомендаций для открытия нового контента.
Социальные сети приняли различные подходы для удовлетворения этого спроса. Нил Мохан, генеральный директор YouTube, подчеркнул, что изменения не означают невозможности просмотра любого контента, созданного ИИ, утверждая, что различение видео, созданных искусственным интеллектом, и тех, что созданы людьми, является искусственным различием, поскольку многие работы сочетают оба формата.
Более прямая персонализация зависит от технологии, способной понимать команды на естественном языке. Вместо того чтобы просто выводить все предпочтения на основе просмотров и взаимодействий, системы могут интерпретировать конкретные запросы о том, какие темы должны появляться чаще или реже.
Лайонс прокомментировала CNN, что это достижение позволяет выражать предпочтения с использованием собственных слов. Она объяснила, что ранее платформам было трудно точно определить, какие публикации относятся к определенным темам, таким как теннис.
Однако остается проблема: онлайн-поведение не всегда отражает то, что люди действительно хотят видеть. Тим Венингер, профессор компьютерных наук и инженерии Университета Нотер-Дэм, указывает, что контент, вызывающий чувства гнева или грусти, также может генерировать вовлеченность, такую как просмотры, комментарии и репосты.
Эти взаимодействия могут сбить с толку механизмы рекомендаций, которым необходимо различать искренний интерес и просто эмоциональную реакцию. Главный вопрос заключается в том, насколько сильно заявленные пользователями предпочтения смогут повлиять на алгоритмы по сравнению с сигналами, собранными во время навигации.