Мир-фильтр. Как алгоритмы уплощают культуру - Кайл Чейка

А поскольку сервис Spotify неумолимо контролирует взаимодействие слушателей с музыкой, ему не требуется стимулировать музыкантов так, как это делали крупные лейблы – серьезными контрактами или другими бонусами. “У нас есть давление со стороны алгоритма и нет ничего взамен”, – говорит Круковски. Нет даже стабильного заработка. У Strange набралось четырнадцать миллионов прослушиваний за все время существования Spotify, у второй по популярности песни Galaxie 500, Tug Boat, – девять миллионов. И тем не менее Strange заработала на Spotify всего пятнадцать тысяч долларов. Обмен охвата аудитории на доходы – особенно в ущерб восприятию группы как самобытной – кажется музыканту несправедливым: “Словно добыча сырья”. И все же многие авторы вынуждены идти на подобную сделку, чтобы вписаться в Мир-фильтр.

Категоризация на Netflix

Большую часть взрослой жизни у меня не было телевизора. В колледже я обычно “пиратил” передачи, которые хотел посмотреть, например, сериал “Безумцы”, а в 2010-х годах эта моя нехорошая привычка распространилась на “Игру престолов”. Большую часть программ и фильмов я смотрел по классической схеме: ноутбук стоял на подставке рядом в кровати, а подушки, подпирающие голову, обеспечивали идеальный угол обзора. Первую версию своего стримингового сервиса компания Netflix запустила в 2007 году, но у меня долгое время не было собственного аккаунта, а даже когда он у меня появился, это был профиль в подписке родителей моей девушки. Такой способ просмотра контента отличался нерегулярностью и бессистемностью. Сначала я должен был понять, что хочу посмотреть; это означало следование советам друзей или рекомендациям, найденным в социальных сетях или блогах. Затем мне требовалось найти нужную передачу и настроить компьютер, щурясь от холодного света близко расположенного экрана в затемненной комнате. Это совсем не походило на то, как в моем детстве в 1990-е годы мы включали в гостиной телевизор и смотрели все, что показывали по кабельному.

Однако во время пандемии ковида в 2020 году мои привычки изменились. Когда в новостях стали поговаривать о карантине, а мировые цепочки поставок начали испытывать проблемы, я приобрел себе в квартиру только одну вещь – огромный телевизор из черной блестящей пластмассы (первый телевизор, который я купил для себя), и его 60-дюймовый плоский экран нависал над моей гостиной, как инопланетянин. Он заменил кресло в углу. Некоторое время мы с моей девушкой Джесс не могли привыкнуть к его присутствию в квартире, но потом у нас не осталось выбора: во время локдауна оставалось только смотреть ассортимент хороших телепередач. Так что я наконец завел собственный аккаунт в Netflix.

Главная страница Netflix с ее прокручивающейся сеткой значков-миниатюр для отдельных сериалов или фильмов стала еще одной лентой контента – подобно Spotify, Инстаграму или Твиттеру. В те дни я часто заглядывал на нее и поэтому начал гораздо лучше понимать, как интерфейс подстраивается под то, что считает моими предпочтениями. Постепенно в верхней части этой страницы стали собираться определенные категории передач: документальные фильмы о путешествиях, кулинарные шоу и международные детективные мини-сериалы. Они обещали персонализацию, появляясь под такими заголовками, как “Лучшие подборки для Кайла” и “Категории для вас”. Порядок категорий сверху вниз и отдельных передач слева направо в каждом строке определялся алгоритмически. В своем официальном справочном центре Netflix сообщал: “Наши системы упорядочили названия таким образом, чтобы представить наилучший возможный порядок названий, которые могут вам понравиться”.

Компания Netflix была пионером в области фильтрации культуры с помощью рекомендательных систем. Еще до организации потокового сервиса в 2007 году, когда компания занималась просто рассылкой DVD по почте, у нее на сайте имелся модуль Cinematch, который рекомендовал клиентам фильмы, основываясь на оценках других пользователей (по пятизвездочной системе) – подобная форма социальной фильтрации информации недалеко ушла от Ringo – более ранней системы музыкальных рекомендаций, упомянутой в предыдущей главе. Cinematch запустили в 2002 году. За прошедшие годы в 75 процентах случаев прогнозы оказались точными в пределах 0,5 звезды, а половина пользователей Netflix, взявших напрокат тот или иной фильм, рекомендованный Cinematch, поставила ему пять звезд. В 2006 году Netflix объявила конкурс – с призом в миллион долларов – для специалистов по машинному обучению, от которых требовалось создать более совершенный алгоритм и улучшить рекомендации на 10 процентов. В 2008 году один из участников того конкурса рассказал The New York Times, что столкнулся с проблемой для определенного набора фильмов – проблемой, решение которой улучшило бы оценку алгоритма на 15 процентов. Это были такие фильмы, как “Наполеон Динамит”, “На обочине”, “Трудности перевода” и “Убить Билла. Фильм 1” – странноватые истории с противоречивой эстетикой, которые могли зрителю либо по-настоящему нравиться, либо категорически не нравиться. Эти фильмы можно отнести к категории “культовой классики”, но, несмотря на их культурную значимость, их привлекательность не особо сводится к математике. Алгоритмическая нормализация по-прежнему работает против такого качества, и поэтому оно в эпоху Мира-фильтра встречается редко.

В 2009 году конкурс Netflix выиграла команда под названием BellKor in Chaos, возглавляемая инженерами AT&T Research, совместно с другой группой, именовавшейся Pragmatic Theory. Вместе они создали инструмент под названием Pragmatic Chaos, который превзошел оригинальный алгоритм на 10,06 процента. Одним из главных нововведений было встраивание “сингулярного разложения” – алгоритмической стратегии, объединяющей фильмы со сходными признаками, например, романтические или комедийные. Дополнительные уровни сингулярного разложения позволяли сортировать фильмы по более тонким факторам, например, по боевикам, в которых нет крови. Идея вкуса из глубокого целостного чувства собственного достоинства превратилась в серию все более и более детализированных предпочтений, когда нравится A, а не B.

Линия миниатюр “Фильмы, которые вам понравятся”, выводимая модулем Cinematch в верхней части сайта Netflix, стала предшественницей гораздо более динамичной домашней страницы стримингового вещания, которую зрители Netflix знают и любят (или ненавидят) сегодня. В то время как рекомендации Spotify реализуются быстро и часто (с окончанием каждой песни), алгоритмы потоковых сервисов для телевидения действуют медленнее. Пользователь выбирает новое шоу гораздо реже, и чаще всего платформе достаточно просто запустить следующий эпизод сериала – рекомендация, не требующая вычислений. Тем не менее Netflix функционирует аналогично Spotify, направляя наш выбор в сторону определенного контента и формируя то, что мы будем считать представителем данного жанра, подобно тому, как песня Strange у Galaxie 500 давала искаженное представление о всей музыке группы.

Функция поиска в приложении Netflix работает медленно и неточно: тут сложно искать по жанрам и нет возможности отфильтровать информацию по актерам или режиссерам. (Этот недостаток породил целый жанр оптимизированных под поисковые машины онлайн-статей, которые содержат список того, что есть и чего нет на Netflix, – словно телефонный