Algoritmus na sociálních sítích nečte myšlenky. Z dostupných stop vytváří odhad, co by nám mohl nabídnout dál.
Od milionů možností k několika příspěvkům
V prvním dílu jsme si ukázali, že feed je výběr, nikoli neutrální přehled světa. Teď se můžeme podívat blíž na samotné vybírání. Platforma má k dispozici víc videí, fotografií a příspěvků, než by jeden člověk mohl projít. Potřebuje proto rozhodnout, co vůbec zařadí mezi možné kandidáty a co z nich se objeví nahoře.
Slovem algoritmus přitom zjednodušujeme celou soustavu postupů. Jinak může vznikat domovská stránka, jinak doporučení po právě sledovaném videu a jinak proud krátkých videí. YouTube například popisuje, že na domovské stránce spoléhá zejména na historii sledování, zatímco doporučení „Up next“ vycházejí hlavně z videa, které člověk právě sleduje. Meta zase rozlišuje systémy pro Feed, Stories, Reels a další plochy.
Užitečná zjednodušená představa má tři kroky. Systém nejprve najde možné příspěvky, potom zohlední pravidla platformy a nakonec odhaduje, jak relevantní nebo uspokojivé by jednotlivé možnosti mohly být. Každý krok může některý obsah přidat, odsunout nebo úplně vyřadit.
Signál není totéž co význam
Odhad vzniká ze signálů. Patří mezi ně například to, co člověk dříve sledoval nebo hledal, koho odebírá, u čeho reagoval, jaké video právě přehrává nebo zda označil doporučení jako nezajímavé. Systém může přihlížet také k vlastnostem příspěvku a k tomu, jak na něj reagovali další lidé.
Neexistuje ale jeden veřejný seznam, podle kterého by se všechny sociální sítě řídily stejně. Význam signálů se liší mezi platformami, jednotlivými částmi aplikace i v čase. Starší vysvětlení feedu For You od TikToku například uvádí interakce, informace o videu a některá nastavení zařízení či účtu, zároveň však upozorňuje, že různé signály nemají stejnou váhu. Nelze z něj odvozovat dnešní přesná čísla ani univerzální pořadí důležitosti.
Ještě podstatnější je, že pozorovaný signál sám nevysvětluje svůj lidský význam. Dlouhé sledování může znamenat zájem, ale také zmatek. Otevření komentářů může vyjadřovat pobavení, rozhořčení i potřebu ověřit si, zda ostatní viděli totéž. Opakované přehrání může být nadšení i nepochopení.
Algoritmus tyto rozdíly neprožívá. Zkouší odhadnout, co bude následovat.
Co vlastně systém předpovídá
Často se říká, že algoritmus hledá obsah, u kterého zůstaneme co nejdéle. Čas a aktivita jsou důležité, ale takové vysvětlení je příliš úzké. Oficiální materiály platforem mluví také o relevanci, dlouhodobé spokojenosti, průzkumech, bezpečnosti, kvalitě nebo pestrosti. YouTube například uvádí, že doporučování sleduje nejen výkon videa, ale také předpokládanou relevanci a spokojenost konkrétního diváka.
V praxi může systém vytvářet více předpovědí současně: zda člověk příspěvek otevře, dokouká, označí, skryje nebo s ním bude spokojený. Tyto odhady se potom kombinují s pravidly konkrétní plochy. Proto není přesné říkat, že jeden lajk „naučí algoritmus“ nebo že každá vteřina sledování má vždy stejný účinek.
Omyly k odhadům patří
Protože jde o předpověď, omyly k doporučování patří. Systém může krátkodobý zájem zobecnit, nabídnout podobnost, která člověku nedává smysl, nebo zkoušet nové téma, aby zjistil, zda se uchytí. Také proto platformy nabízejí zpětnou vazbu typu „nezajímá mě“ a někdy používají průzkumy spokojenosti: samotné sledování jim neřekne všechno.
To neznamená, že jsou odhady bezvýznamné. Při velkém množství opakovaných interakcí mohou při řazení obsahu fungovat velmi dobře. Jen je potřeba odlišit předpověď, která se systému osvědčuje, od skutečného porozumění člověku.
Doporučování také zkouší, co ještě nezná
Kdyby systém nabízel jen témata dokonale podobná minulosti, brzy by neměl z čeho poznat, zda se naše zájmy změnily. Doporučování proto může vedle známého obsahu zařadit i něco nového, populárního nebo záměrně odlišného. Ne každé překvapivé video je tedy důkaz, že o nás platforma získala tajnou informaci. Může jít o zkoušku, rozšíření výběru nebo důsledek aktuální popularity.
Takové zkoušení zároveň vytváří zpětnou vazbu. Systém něco nabídne, člověk na nabídku nějak reaguje a tato reakce vstoupí do dalších odhadů. Chování proto nevzniká ve vzduchoprázdnu: částečně odpovídáme na možnosti, které jsme dostali. Není přesné říct ani „feed je jen zrcadlo uživatele“, ani „uživatel je pouze řízen algoritmem“. Prostředí a člověk se průběžně ovlivňují.
Různé účty navíc mohou mít pro nový systém nestejně dlouhou historii. U nového nebo málo používaného účtu je méně osobních signálů, takže větší roli mohou mít obecnější údaje, aktuálně oblíbený obsah či nastavení jazyka a země. S přibývající aktivitou se může personalizace zpřesnit, ale ani potom není neomylná.
Méně magie, více pravděpodobnosti
Znalost přesného vzorce běžný uživatel nemá a platformy své modely průběžně mění. Užitečný odstup proto nevzniká hledáním jednoho tajného triku. Vzniká pochopením, že zobrazený obsah prošel výběrem a že systém stále znovu porovnává své odhady s naším dalším chováním.
Ve třetím dílu půjdeme o vrstvu hlouběji. Pokud doporučovací systémy potřebují signály, jaké údaje mohou sociální sítě získávat i tehdy, když nic nepíšeme a téměř na nic vědomě nereagujeme?
