Tiernan Ray Bidragande skribent
Bidragande skribent
Fullständig bio den 17 december 2021 | Ämne: E-handel
TikTok läser inte tankar, men The New York Times vill att du ska tro att det gör det.
I en artikel i The Times den 5 december beskriver kolumnisten Ben Smith, som skriver för tidningens The Media Equation-sektion, ett läckt dokument som Times erhållit från en icke namngiven källa inom företaget som avslöjar algoritmer som förmodligen används för att driva engagemang på TikTok.
Medan det har förekommit diskussioner om TikToks algoritmer för att bestämma vilket innehåll som ska ses, skriver Smith att det läckta dokumentet “erbjuder en ny detaljnivå om hur algoritmen fungerar.”
Artikeln har flera utelämnanden. En är avsaknaden av en förklaring av hur och varför algoritmen leder till viss innehållskonsumtion. Även om algoritmen tycks tilldela poäng till videor baserat på mätvärden som användarnas “gillar”, kommentarer och uppspelningstider, finns det ingen diskussion om vilken funktion videon vill optimera, som totalt engagemang (timmar spenderade), till exempel , eller total spridning av videoinnehåll, dess “virala” kvalitet.
Mer talande är att artikeln i The Times använder vilseledande språk som är vanligt i mediadiskussioner om artificiell intelligens och andra algoritmiska tekniker, och tillskriver saker som “sinne” och lust till vad som bara är tekniska feedback-loopar.
Även: App Annie förutspår TikTok att nå 1,5 miljarder aktiva användare 2022
The Times rubrik, “How TikTok Reads Your Mind,” följs av referenser till hur algoritmen upptäcker människors avsikt:
Dokumentet erbjuder en ny detaljnivå om den dominerande videoappen, som ger en avslöjande inblick både av appens matematiska kärna och insikt i företagets förståelse av den mänskliga naturen – våra tendenser till tristess, vår känslighet för kulturella signaler – som hjälper till att förklara varför det är så svårt att lägga ifrån sig.
Inget om den mänskliga naturen avslöjas dock i diskussionen om den aktuella algoritmen. Algoritmen, baserad på dokumentet som erhållits av Smith, verkar vara en mycket enkel beräkning av faktorer enligt följande:
Plike X Vlike + Pcomment X Vcomment + Eplaytime X Vplaytime + Pplay X Vplay
Fraserna “gilla”, “kommentera”, “speltid” och om de spelas alls eller inte, är förmodligen referenser till de olika mätvärdena som tilldelats videor. Smith förklarar inte “P” eller “V eller “E”, även om det antyds i artikeln att P står för en förutsägelse “driven by machine learning”, utan att utveckla det.
Också. : Asynkrona videor: Kan TikTok-generationen rädda oss från att möta överbelastning?
Som sådan sammanfattar algoritmen förutbestämda mätvärden för innehåll, oavsett mänsklig mentalitet.
AI:n företaget DeepLearning.AI, grundat av forskaren Andrew Ng, diskuterade på onsdagen Smiths artikel i företagets nyhetsbrev, TheBatch. Artikeln föreslår att “V” kan stå för “värde”, vilket betyder en vikt som appliceras på var och en av mätvärdena i termer av deras betydelse i ett slutresultat.
Flödesschema över en förmodad rekommendationsalgoritm som används av TikTok, som återgivits av The New York Times från ett internt dokument som läckt till Times av en TikTok-anställd.
The New York Times
Trots utelämnanden är det tydligt att systemet inte förutsäger mentalitet, det kartlägger förmodligen delar av innehåll till förutspådda utfall i form av sannolika åsikter och/eller engagemang.
Att anta att det finns ett sinne hos användaren som uttrycker sina preferenser genom att klicka, liksom The Times's Smith, är gissningar som kanske inte stöds av fakta.
I statistiska termer, för en maskin att läsa en användarens sinne skulle innebära begreppet “förut”: något som existerar före en mätning. Men vad som avslöjas som ett sinne, i form av uttryckt preferens, är den motsatta statistiska föreställningen, en “posterior”, något som existerar först efter mätning.
Det verkar mer sannolikt att sinnet är något som har antagits i efterhand, om det har någon mening alls. Tänk på systemet som utgör TikTok. Användare kan ladda upp och se olika kortformade videor. När användare skickar in videor och konsumerar videor, kommer de att presenteras för fler sådana videor. I ett hav av videor klickar en individ eller klickar inte, engagerar eller inte engagerar.
Även: TikTok Boom, bokrecension: The rise and rise of YouTubes yngre, hippare konkurrent
En användares mentalitet, eller känslor, är på sätt och vis irrelevant eftersom systemet inte efterfrågar frivilliga idéer. Snarare uppmanas användaren att svara på en ändlig uppsättning val, och systemet blir bättre och bättre, förmodligen, på att repetitivt stimulera den aktiviteten, vilket leder till fler och fler dagliga aktiva användare, vilket, enligt The Times, är nu i storleksordningen en miljard och förväntas stiga till 1,5 miljarder år 2022.
Allt som i bästa fall tyder på att TikTok är en mycket effektiv beteendemaskin, en maskin för att forma beteende på TikTok, snarare än en tankeläsande enhet.
För att ta analysen ett steg längre, tyder studier av TikTok i akademisk litteratur på en mycket blandad syn på algoritmen som fungerar.
I vissa fall fungerar företagets algoritm inte bara för att sprida saker som kan vara populära utan också för att ge exponering för saker som kanske inte är lika populära.
Till exempel har två Carnegie-Mellon-forskare, Daniel Le Compte och Daniel Klug, i år intervjuat sociala aktivister som använder TikTok för att presentera videor för att uppmärksamma sociala orsaker. De berättade att aktivister uttryckte en preferens för TikTok framför andra sociala medier eftersom deras videor sågs mer allmänt än vad som var fallet på andra plattformar:
Några deltagare noterade att användningen av TikTok hjälper till att få ut deras budskap utanför deras egen “cirkel”: “Så jag kunde fokusera på vad mina följare var för snarare än, um, Facebook, där det är som bara vänner till vänner eller familjemänniskor du möts i verkligheten” En huvudsaklig begränsande faktor för andra plattformar, som deltagarna noterade, var nödvändigheten för publikens medlemmar att ansluta eller följa en kreatör innan de skulle kunna se innehållet, såvida inte i den osannolika händelsen att innehållet “marknadsfördes ” genom annonser, eller blev viral.
Medan TikTok kan cirkulera saker utöver vad en person uttrycker en preferens för, verkar det också vara sant att TikTok-aktivitet är samlad kring saker som grupper av människor godkänner i stort antal oavsett vad en individ kan känna eller tänka om dem.
En studie från 2019 av forskare vid Guilin University of Electronic Technology i Kina och University of Oslo, Norge, tittade på antalet visningar och gilla-markeringar på TikTok-videor.
Författarna drog slutsatsen att det mesta av det som spelas är det som har “gillats” av användare:
Speciellt antalet visningar och antalet likes har en mycket hög korrelationskoefficient som är 0,91, vilket innebär att en video som är populär när det gäller antal visningar med stor sannolikhet är populär när det gäller antal likes och vice versa .
Återigen, huruvida användare ständigt visas fler och fler saker som de har visats och klickat på, är en fråga om en teknisk feedbackloop, inte en instans av tankeläsning.
Och en tredje studie, i år, av forskare vid Boston University, Binghamton University och University College, London, får en att undra om TikToks rekommendation “motor” gör någonting alls.
Studien undersökte 400 TikTok-videor för att “förstå indikatorer [som] får en kort video att bli viral.”
Författarna märkte videorna för tio olika faktorer som kan påverka virulens, eller, som de kallar det, “viralitet”, en videos benägenhet att “gillas” av användare. Dessa faktorer varierade från om skaparen av videon var “populär”, vilket innebär att han hade ett stort antal följare; stilen på videon, som att använda “duetter”-funktionen i TikTok för att mixa om någon annans dansspår; och känslomässigt innehåll, bland annat.
Författarna försökte också mäta rekommendationsalgoritmens roll tillsammans med dessa andra faktorer. De gjorde det genom att notera hur många videor som använde relevanta hashtaggar för marknadsföring och hur länge en video hade funnits i systemet, med tanke på att virala videor tenderar att bli virala strax efter att de laddats upp.
Författarna använde sedan alla dessa faktorer i en mängd mycket enkla maskininlärnings- och statistikmodeller som kan klassificera saker, inklusive Random Forest, Support Vector Machines, Logistic Regression, Gaussian Bayesian och Decision Trees.
Resultatet ? Deras klassificerare, i varierande grad, kunde “identifiera de viktigaste funktionerna som skiljer mellan virala och icke-virala videor.” Den främsta faktorn, fann de, var skaparens popularitet. Den näst största faktorn var om videon har närbilder eller inte, ett fynd som “matchar tidigare studier på bildmemes, vilket tyder på att mycket virala memer är mer benägna att använda en närbilds- eller medelstor skala.”
Därför förstärker popularitet populariteten, och människor svarar på närbilder. Inget av det är tankeläsning. Samtidigt fann de att rekommendationssystemet hade det lägsta värdet som en prediktor för viralitet.
“Funktioner i RH2 (Recommendation System) har den lägsta AUC [area under kurvan] bland de tre RHs [forskningshypoteser], så lågt som 0,71”, skriver de. “I själva verket är noggrannheten som erhålls på dessa funktioner också ganska låg (0,56), vilket tyder på att de inte är en bra prediktor för en videos viralitet.”
Författarna noterar också, anekdotiskt, kattvideornas popularitet.
Därför tyder studier på att TikTok kan försöka påtvinga sina användare vissa videor oavsett önskemål eller användarmentalitet, men att mycket TikTok-aktivitet är en något uppenbar popularitetstävling och flockmentalitet. Inget av det är lika med tankeläsning.
Tvärtom tyder forskningen på att TikTok kan forma mentala attityder genom att förstärka dominerande trender i gruppbeteende, som att svara på populära “skapare” som redan dominerar mediekonsumtionen.
TikTok spelar med andra ord en större roll för att skapa mentaliteter än att läsa tankar.
Istället för att spekulera i tankeläsning är det värt att tänka på vissa grundläggande aspekter av sociala medier, inklusive TikTok, aspekter som inte har något med sinnen eller mentalitet att göra.
För det första kan aktiviteter på sociala medier troligen tas över av maskiner. Att titta på videor och “gilla” dem är aktiviteter som ligger väl inom ramen för mjukvaruautomatisering. Därför är tanken att något måste ha ett sinne för att delta irrelevant.
För det andra är sociala medier en maskin utformad för att komma fram till en tydlig signal i bruset. Individuell preferens eller intresse eller mentalitet är irrelevant för maskinens mål, nämligen att sortera beteenden i tydliga kategorier.
Och slutligen, ingen enskild individ har en identitet eller en mentalitet på sociala medier. Det som kallas ens persona, ens sinne, ens identitet, är bara illusioner, konsekvensen av att ett namn kopplas till aktiviteter som lagras i en databas.
Människor finns inte på sociala medier även om de spenderar tid — mycket tid — på att använda det. Därför ingen person, inget sinne.
Utvalda
Ransomware 2022: Vi är alla skruvade Log4j-hot: Vad du behöver veta och hur du skyddar dig Din Windows 11 uppgraderingen är klar. Ska du göra det? De bästa tekniska produkterna från 2021 Developer | Amazon | Nystartade företag | Innovation | säkerhet