別讓演算法決定你如何思考

How to Think for Yourself When Algorithms Control What You Read
馬克.趙–桑德斯 Marc Zao-Sanders
瀏覽人數:4066
成為更聰明的消費者。

少數科技巨擘只要輕觸開關,就可以改變人類吸收資訊的性質和範圍。2013年,Google透過蜂鳥演算法(Hummingbird),進一步想了解使用者的意圖。推特(Twitter)在2016年推出自己的演算法時間軸,用最重要的推文來取代最新的推文。臉書(Facebook)在今年稍早時聲稱,將用更有意義的貼文互動方式,來取代釣魚式文章(clickbait;編按:指一種網路手法,用吸引人的標題誘使人們點擊連結到另一個網頁)。這些變動幾乎總是會引發維持數週的大眾輿論,其後便趨於平淡形同默許。精英階層有能力立即改變數十億人的思想和行為,這現象是前所未見的。

演算法讓這一切變得可能。我們每天消費數次的資訊和學習性動態消息(feed),這些都經過個人化編排,而且全都經過協同過濾(collaborative filtering)的流程。這個流程的原則就是,如果我喜歡X,而你和我在演算法上有一定程度的相似性,那麼你也可能會喜歡X。每個人都可以獲得由機器配給專屬的大量個人化(mass-personalized)訊息。

如此產生的後果嚴重,且影響廣泛。假新聞和錯誤資訊無所不在。年幼孩童容易受到由演算法產生和優化的有害內容所影響。或許令人擔心程度最低的後果,是我們收到的動態消息中存在系統性的偏見,也就是我們在很小的回音室(echo chamber)中運作與接收資訊(編按:回音室效應是指人們的意見往往受到擁有類似意見的人回應和贊同,結果一直接觸到類似意見,而類似意見像回音一樣一直在一個小圈子裡流傳)。這是一個荒謬的諷刺,我們今日的全球網際網路體驗,實際上非常本地化,儘管伊萊.佩若瑟(Eli Pariser)等人早在2011年就已提出警告。

我們可以做些什麼?雖然資料科學家、政策制定者和道德委員會致力大規模的長期修復工作,但我們身為個人行動者,有責任一定要去尋求並了解我們真正需要什麼。在之前說明的那些技術背景之下,現代知識工作者比過去更應該根據良好的資訊,做出優良的企業決策;而所謂良好的資訊,是指基於事實、公正無偏頗、有廣泛基礎的資訊。當然,我們很難抵抗演算法,因為那是一個複雜、神秘的系統。但嘗試抵抗不會徒勞無功。你現在就可以採取以下五個務實行動。

第一,要知道發生了什麼事情(你看不到的編碼為你做出了許多決定),也要知道你面臨的風險(擁有非常明確而狹隘世界觀的後果)。閱讀有關這個議題的內容,是個好的開始。這種自覺,可能會鼓勵你質疑那些動態消息的真實度和完整性,並尋找一些解決方法,比演算法所列出內容更貼近你自身情況的解決方法。

第二,幫助演算法,或者玩弄(game)它。變更你的設定,以便能出現一些隨機推薦(如果系統支援這個功能)。刻意追蹤一些觀點相反的人。主動探索自己選擇的社群媒體平台,而不是被動地消費系統給你的內容;演算法會蒐集到你這些探索行為,並反映在未來它給你的建議中。你應強迫系統擴大它給你的資訊範圍。

第三,擺脫雷達。用匿名模式私下瀏覽,或者使用不會追蹤使用者的搜尋引擎,如DuckDuckGo,進行匿名搜索,你有許多方法可以選擇。不一定要永久或徹底轉換做法,但了解何時和如何獲得未經過濾的網路觀點,是很有用的。

第四,刻意決定你想要多少程度的人為影響。個人化的電子郵件摘要和社群媒體動態消息,是由演算法決定的。傳統的社論仍然是由人類挑選。當然,人類編排資訊也會受到偏見影響。但它也接受很多因素節制,包括:受到更多閱聽人的審查;更清楚的責任劃分(最終責任在於總編輯);道德原則和標準;渴望提供全面完整報導,而非主觀決定何者有相關性的報導(至少有些出版品是如此)。

第五,完全擺脫數位化,以走出數位回音室。實體世界始終是混亂的。更加關注自己在現實生活中的感受、觀察、思考和對話。

演算法的影響極為巨大,而且利弊兼具。本文提到了一些有害的影響。但好處也很多:演算法從數千、數百萬,甚至數十億個幾乎毫無關聯的內容中,提供強制給你、啟發人心的一小段一段資訊。不妨調整修改你的動態消息,優化你在全球網際網路上的觀點,以及你對寬廣實體世界的觀點。

(劉純佑譯)



馬克.趙–桑德斯 Marc Zao-Sanders

教育科技公司filtered.com的執行長暨共同創辦人,該公司使用人工智慧並透過技能和學習來提升生產力。


本篇文章主題網際網路