Популярное мнение гласит, что алгоритмы TikTok обладают едва ли не экстрасенсорными способностями, проникая в самые потаённые уголки человеческой психики. Однако, по мнению профессора информатики и автора книг о продуктивности Кэла Ньюпорта, истина гораздо прозаичнее и в то же время опаснее: за магией рекомендаций стоит предельно простая математическая логика, работающая с эффективностью вируса.
🧠 Заблуждение об «умном» планировщике 0:00
Кэл Ньюпорт начинает обсуждение с вопроса слушателя о том, как TikTok удаётся так точно подстраиваться под интересы пользователя . Профессор отмечает, что контент в этом приложении является «ультра-обработанным» (ultra-processed), подобно фастфуду, что делает его гипер-привлекательным для мозга и психологически нездоровым .
Существует расхожее мнение, подкреплённое цитатами экспертов по цифровой прозрачности, что алгоритм TikTok — это некий изощрённый аналитик. Сторонники этой теории утверждают:
- За несколько часов просмотра система определяет музыкальный вкус, физические предпочтения и даже наличие депрессии у пользователя .
- Алгоритм якобы составляет семантически богатый список характеристик человека, чтобы «микротаргетировать» его и усилить зависимость .
Однако Кэл Ньюпорт считает такое описание неполным и вводящим в заблуждение . По его словам, люди ошибочно представляют алгоритм как «программного директора телесети», который сидит перед доской с карточками и рассуждает: «Так, этому парню нравится это, давайте смешаем данный контент вот с тем, чтобы удержать его внимание» . Такое «очеловечивание» алгоритма создает иллюзию, что у разработчиков или общества есть рычаги управления — например, возможность «прикрутить» уровень вызываемого возмущения или зависимости . В реальности, утверждает Ньюпорт, всё работает иначе.
📊 Математика «точек» в многомерном пространстве 3:11
Чтобы объяснить реальную механику TikTok, Кэл Ньюпорт предлагает визуализировать процесс через геометрию. Каждый ролик в системе описывается не словами, а набором чисел — вектором .
- Представьте, что у видео есть категории (например, «коты»), и каждой присваивается числовое значение .
- Если бы категорий было всего две, каждое видео можно было бы нанести на плоскость в виде точки .
- В реальности таких категорий (измерений) сотни или тысячи, что превращает пространство в сложнейший многомерный массив .
Ключевым фактором для алгоритма является время просмотра (watch time) . Когда пользователь смотрит видео, в этой математической «карте» ставится отметка. Если ролик досмотрен до конца, точка становится «жирной» и значимой; если пролистан сразу — крошечной и незаметной . Со временем на карте пользователя формируются целые кластеры — области с высокой плотностью «тяжёлых» точек, обозначающих его реальные, а не задекларированные интересы.
🎰 Петля «эксплуатации и исследования» 4:47
По мнению Ньюпорта, сам алгоритм выбора следующего видео «глуп» и механистичен . Он работает по принципу стохастической оптимизации, известному как «задача о многоруком бандите» (multi-armed bandit) . Логика системы сводится к простому циклу:
- Вероятностный выбор: Алгоритм случайным образом выбирает видео из общего массива, но с огромным весом в пользу тех зон, где пользователь уже оставлял «жирные точки» .
- Эксплуатация: Система подсовывает контент, максимально похожий на тот, что уже вызвал отклик, углубляя «зелёную зону» интересов .
- Исследование (Exploration): Время от времени алгоритм полностью игнорирует веса и выдаёт абсолютно случайный контент из неизведанных областей . Если пользователь внезапно «заглатывает наживку» (например, мемы про Кэла Ньюпорта), в новой части карты мгновенно возникает очаг активности, и система начинает направлять поток контента и туда .
Ньюпорт подчёркивает, что в этом коде нет человеческих этических правил или сложных лингвистических определений . Это просто слепой, повторяющийся цикл, которому достаточно 30–40 минут, чтобы составить пугающе точный портрет ваших предпочтений .
☣️ Алгоритм как вирус: отсутствие контроля 8:28
Главный вывод Ньюпорта заключается в том, что такими системами практически невозможно управлять тонко . Конечно, можно внедрить жесткие фильтры на непристойный контент или «теневые баны» для определённых категорий, но саму суть рекомендательного движка изменить нельзя .
- Либо вы используете этот эффективный математический поиск «ближайших соседей», и тогда приложение работает и вызывает зависимость.
- Либо вы его отключаете, и приложение перестаёт быть интересным.
Профессор сравнивает этот процесс с вирусом: простые правила, запущенные на огромных скоростях и больших данных, порождают невероятно сложные и зачастую деструктивные последствия для человеческого мозга .
📱 Личный эксперимент: «Разве это цивилизация?» 9:33
В качестве иллюстрации Ньюпорт, который обычно не пользуется соцсетями, открыл TikTok прямо во время записи подкаста со своего телефона (приложение осталось после написания статьи для New Yorker) . Поскольку он не заходил в аккаунт с января, алгоритм начал с «чистого листа» — случайной выборки .
Увиденное вызвало у Кэла недоумение:
- Женщина поёт, пока полуголый мужчина снимает с неё одеяла, под которыми оказывается бальное платье и конфетти .
- Видео, где дети показывают средний палец отцу, возвращающемуся домой .
- Комедийный скетч о школьнике, который надевает несколько пар штанов, чтобы отец не больно высек его ремнём за плохие оценки .
«Джесси, что мы здесь делаем? Это и есть цивилизация?» — иронично спрашивает Ньюпорт у своего продюсера . Однако он признаёт силу системы: если бы он потратил на просмотр хотя бы 20 минут, случайный хаос сменился бы контентом о бейсбольной команде Washington Nationals и специфических научных мемах . Алгоритм неизбежно нашёл бы способ «взломать» его внимание, используя лишь одну метрику — время, проведённое за экраном.
