Алгоритмы рекомендаций убивают личный вкус?

Алгоритмы рекомендаций, которые подстраиваются под ваши вкусы в музыке, кино и видео, могут незаметно превращать развлечения в скучное однообразие. К такому выводу пришёл исследователь Самсун Найт из Университета Торонто, опубликовавший работу в Journal of Cultural Economics. В своей теоретической модели он показал: если добавить немного случайности в отбор контента, люди чаще находят что-то новое — и не устают от привычного.

Сегодня для миллиардов людей музыкальные и видеосервисы определяют, что смотреть и слушать, руководствуясь короткой выгодой — удержанием внимания. Но Найт, одновременно преподаватель и романист, обратил внимание на странный парадокс: чем более точны рекомендации, тем быстрее пользователи начинают чувствовать усталость и скуку.

Вдохновившись социологом Пьером Бурдьё, Найт заметил, что рекомендации Spotify сначала удивляют, но потом безжалостно повторяют одни и те же находки — пока они окончательно не надоедят. Такое же происходит и в книжной индустрии: редакторы, руководствуясь аналитикой, гонятся за модой, а романы становятся на одно лицо — и читатели жалуются на однообразие.

Главная идея исследования — концепция так называемого потребительского капитала: чем чаще читатель или слушатель сталкивается с каким-то жанром, тем больше ему это нравится... до определённого момента. Потом наступает пресыщение: от повторов хочется сбежать.

Проблема в том, что вкусы человека формируются годами, а алгоритмы оценивают интерес за считанные недели. Классический пример — жанр хип-хоп: если бы Spotify руководствовался нынешней сверхточностью в 1980-х, новое и непривычное просто исчезло бы из выдачи — и миллионы так бы и не научились его ценить.

Вместо реальных пользователей Найт создал сложную математическую модель: как люди начинают любить (или перестают) стиль и как алгоритмы выбирают им очередную порцию контента. Оказалось, что жаждущий идеала алгоритм зацикливается на уже известных жанрах и упорно не допускает "новенькое" — пока пользователь не выгорит полностью.

Такой сценарий напоминает самосбывающееся пророчество скуки. Чем точнее машина угадывает ваши желания сейчас, тем уже коридор будущих вкусов. Стоит алгоритму заметить, что вы не сразу "заценили" что-то свежее, как он гонит незнакомый жанр в утиль. Итог — чёрная дыра однообразия и уныния.

Математическая модель доказывает: динамичная рекомендация с лёгкой примесью хаоса работает для долгосрочной радости лучше! Стоит алгоритму периодически ошибаться и предлагать нечто неожиданное, пользователи начинают ценить новые стили. Как только случайность исчезает, пространство вкуса сужается, и даже лучший новый хит рискует остаться незамеченным.

Автоматические системы, что слишком настойчиво стремятся держать пользователя в зоне комфорта, делают всю медиасферу предсказуемо пресной. Самсун Найт уверен — если платформы признают важность "сопротивления автоматизации вкусов", культурный мир станет богаче. Пусть рекомендации иногда удивляют — это в интересах и зрителя, и творцов.