양극화 수정: Stoned 스크롤을 시작합니다.

페이스북(2004년 설립)과 트위터(2006년 설립)의 부상은 양극화의 심화와 맞물려 최근 몇 년간 뜨거운 화제가 되고 있다. 논의의 기초는 항상 이익과 양극화 사이의 균형을 맞추는 것으로 귀결되는 것 같습니다.

양극화를 해결하는 방법에 대한 해결책은 규제, 투명성 및 교육 분야의 변화를 통해 활동가, 전문가, 이익 단체 및 정부 대표 등 많은 사람들이 제안했습니다.

그러나 실제 솔루션은 간단합니다. 스크롤을 시작하십시오.

소셜 미디어 양극화 가설

소셜 미디어와 양극화에 관한 이러한 많은 연구 기사의 일반적인 가설은 일반적으로 주주를 위해 돈을 버는 것이 이러한 회사의 주요 목표라는 사실에 초점을 맞추고 있습니다.

참여를 늘리고 플랫폼에서 보내는 사용자 시간을 늘리려는 소셜 미디어 회사의 이익 동기는 가장 많은 참여를 생성하는 콘텐츠의 우선 순위를 지정하고 홍보하는 알고리즘의 최적화와 결합되어 소셜 미디어에 대한 양극화된 관점의 강화 및 확산으로 이어집니다. 더 양극화된 사회.

그러나 알고리즘이란 정확히 무엇입니까? 알고리즘에 밑줄을 긋는 기본 원칙은 무엇이며 Facebook의 알고리즘은 어떻게 온라인 증오를 부추기면서 어떻게 돈을 벌 수 있습니까?

알고리즘이란 무엇입니까?

알고리즘은 일련의 지침 또는 단계를 따라 문제를 해결하거나 작업을 수행합니다. 생물학, 의학, 금융 등 다양한 분야에서 알고리즘을 활용하고 있습니다. 생물학에서 연구자들은 알고리즘을 사용하여 유전 데이터를 분석하고 다양한 유전자의 기능을 이해합니다. 의학에서 의사는 알고리즘을 사용하여 의료 이미지를 분석하고 진단을 돕습니다. 재무 분야의 전문가는 재무 모델링 및 위험 관리와 같은 작업에 알고리즘을 사용합니다. 이러한 분야의 특정 알고리즘의 몇 가지 예에는 의료 진단을 위한 의사결정 트리 알고리즘, 유전학 연구의 유전자 서열 정렬을 위한 알고리즘 및 금융 분야의 포트폴리오 최적화를 위한 알고리즘이 포함됩니다.

어떤 유형의 알고리즘이 있습니까?

다양한 유형의 알고리즘이 있으며 다음은 오늘날 가장 많이 사용되는 알고리즘 목록입니다.

1. 검색 알고리즘: 이 알고리즘은 문서에서 특정 단어를 검색하거나 전자 상거래 데이터베이스에서 특정 항목을 찾는 것과 같이 대용량 데이터 세트에서 특정 항목을 찾습니다. 예를 들어 선형 검색 및 이진 검색이 있습니다.
2. 정렬 알고리즘: 이러한 알고리즘은 알파벳 순서 또는 숫자 순서와 같은 특정 순서로 데이터를 구성합니다. 버블정렬, 삽입정렬, 퀵정렬 등이 대표적이다.
3. 기계 학습 알고리즘: 이 알고리즘은 명시적으로 프로그래밍하지 않고도 데이터에서 학습하고 예측이나 결정을 내리도록 컴퓨터 시스템을 훈련시킵니다. 선형 회귀, 결정 트리 및 신경망을 예로 들 수 있습니다.
4. 그래프 알고리즘: 이 알고리즘은 그래프 형태로 표현되는 데이터를 처리합니다. 예를 들어 그래프의 두 지점 사이에서 최단 경로를 찾는 알고리즘과 그래프의 최소 스패닝 트리를 찾는 알고리즘이 있습니다.
5. 무작위 알고리즘: 이 알고리즘은 난수를 논리의 필수 부분으로 사용하여 문제를 해결하거나 작업을 수행하며, 결정론적 알고리즘을 찾을 수 없거나 확률론적 접근이 선호될 때 사용됩니다. 예를 들면 Monte Carlo 방법과 무작위 퀵 정렬이 있습니다.
6. 근사 알고리즘: 이 알고리즘은 정확한 솔루션을 찾는 것이 불가능하거나 비실용적일 때 최적화 문제의 근사 솔루션을 찾습니다. 이들은 종종 운영 연구, 컴퓨터 과학 및 엔지니어링과 같은 분야에서 사용됩니다. 탐욕스러운 알고리즘과 모의 어닐링을 예로 들 수 있습니다.

암호화 알고리즘, 압축 알고리즘 및 암호화 알고리즘과 같은 더 많은 유형의 알고리즘이 있습니다.

소셜 미디어 플랫폼은 이러한 알고리즘을 어떻게 사용합니까?

소셜 미디어 플랫폼은 보다 효과적인 접근 방식을 위해 이러한 알고리즘의 조합을 사용할 수 있다는 점에 유의해야 합니다. 또한 각 알고리즘의 효과는 특정 컨텍스트와 구현 방식에 따라 다릅니다. 소셜 미디어 회사는 또한 성능과 사용자 경험을 향상시키기 위해 이러한 알고리즘을 정기적으로 업데이트하고 개선합니다.

이러한 알고리즘은 다음을 통해 플랫폼을 지원합니다.

1. 콘텐츠 추천: 알고리즘은 플랫폼에서의 관심과 행동에 따라 사용자에게 콘텐츠를 추천합니다. 여기에는 친구의 게시물과 그들이 팔로우하는 페이지뿐만 아니라 알고리즘이 사용자가 관심을 가질 수 있다고 판단한 게시물이 포함될 수 있습니다.
2. 뉴스피드 큐레이션: 알고리즘은 사용자의 뉴스피드에 게시물이 표시되는 순서를 결정합니다. 이 알고리즘은 게시물의 관련성, 유사한 콘텐츠에 대한 사용자의 과거 상호 작용 및 게시물이 작성된 시간과 같은 요소를 고려합니다.
3. 검색: 알고리즘은 사용자가 관련성을 기준으로 검색 결과의 순위를 지정하여 플랫폼에서 콘텐츠를 찾도록 도와줍니다.
4. 트렌드: 알고리즘은 플랫폼에서 실시간으로 인기 있는 주제와 트렌드를 식별하고 사용자에게 강조 표시합니다.
5. 광고 타겟팅: 알고리즘은 사용자의 관심사와 플랫폼에서의 행동을 기반으로 사용자에게 광고를 연결합니다.
6. 콘텐츠 필터링: 알고리즘은 증오심 표현, 괴롭힘, 잘못된 정보와 같이 플랫폼의 커뮤니티 가이드라인에 위배되는 콘텐츠를 필터링합니다.
7. 검토: 알고리즘은 커뮤니티 가이드라인에 위배되는 콘텐츠를 신고, 신고 및 제거합니다.
8. 개인화: 알고리즘은 플랫폼에서 사용자의 경험을 개인화합니다. 여기에는 특정 인구 통계, 관심사 또는 행동을 타겟팅하는 것이 포함될 수 있습니다.

밈

재미있는 부분은 알고리즘이 실제로 마법을 부릴 수 있는 곳인 밈입니다.

밈이란 무엇입니까?

리처드 도킨스는 1976년 저서 “The Selfish Gene,”는 종종 텍스트나 캡션이 있는 이미지나 비디오의 형태로 인터넷을 통해 빠르게 확산되는 문화적 요소를 설명하기 위해 “밈(meme)”이라는 용어를 만들었습니다. 본질적으로 희극적일 수 있으며 인기 영화, TV 프로그램 및 기타 인터넷 밈을 참조할 수 있습니다. 문자 그대로 모든 사람이 만들고 공유하는 밈은 풍자 및 사회적 논평의 한 형태로 사용됩니다. 공유된 이해와 유머를 통해 사람들을 연결하며 인터넷 문화의 중요한 부분입니다.

인기 있는 밈

가장 인기있는 것 중 일부는 다음과 같습니다.

1. "Harambe"(2016) – 신시내티 동물원에서 어린아이가 우리 안으로 떨어진 후 총에 맞아 사망한 고릴라. 밈은 종종 향수나 상실감을 표현하는 방법으로 Harambe의 이름을 사용합니다.
2. "Doge"(2013) – 깨진 영어와 Comic Sans 글꼴로 작성된 캡션이 있는 Shiba Inu 개. 밈에는 종종 "그런 와우" 및 "매우 [형용사]"와 같은 문구가 있습니다.
3. "Distracted Boyfriend" (2017) – 그의 여자 친구가 못마땅해 보이는 동안 다른 여자를 바라보는 남자의 스톡 사진. 사람들은 이 밈을 사용하여 부정이나 배신 문제에 대해 논평합니다.
4. "Expanding Brain"(2016) – 지능 수준의 증가를 설명하는 다양한 캡션과 함께 크기가 커지는 뇌의 이미지.
5. "Mocking SpongeBob" (2017) – 애니메이션 시리즈 "SpongeBob SquarePants"의 SpongeBob SquarePants 사진과 비웃는 어조로 쓰여진 텍스트.
6. "Pepe the frog"(2005) – 4chan 및 기타 온라인 플랫폼에서 인기를 얻은 인터넷 밈. 밈은 일반적으로 깨진 영어로 작성된 캡션과 함께 Pepe의 사진으로 구성됩니다.
7. "Dank Memes"(2015) – 특히 웃기거나 영리하다고 여겨지는 밈을 "Dank Memes"라고 합니다.
8. "Moth Meme"(2018) – 램프를 향해 날아가는 나방의 그림은 종종 유머러스하거나 아이러니한 방식으로 무언가에 끌리는 사람을 묘사합니다.
9. "베이비 요다"(2019) – 디즈니+ 시리즈 "만달로리안"의 캐릭터가 빠르게 인기를 얻었고 밈에서 널리 사용되었습니다.
10. "Arthur Fist" (2018) – 어린이 쇼 "Arthur"의 캐릭터 Arthur가 주먹을 쥐고 있는 이미지로, 일반적으로 결단력이나 분노를 표현하는 데 사용됩니다.

당신에게 맞는 밈 제공

올바른 밈을 제공하기 위해 소셜 미디어 플랫폼은 의사 결정 트리와 함께 작동하는 알고리즘을 사용합니다. 앞에서 읽었듯이 결정 트리 알고리즘은 기계 학습 알고리즘의 한 유형입니다.

입력 변수 집합을 사용하여 선호도, 검색 기록 및 기타 관련 요소와 관련된 데이터 집합을 분석하여 어떤 밈에 참여할지 예측합니다.

이 알고리즘은 각 내부 노드가 입력 변수를 테스트하고 각 분기가 테스트 결과를 나타내며 각 리프 노드가 예측된 결과 또는 클래스를 나타내는 트리와 같은 결정 및 결과 구조를 생성합니다. 알고리즘은 루트 노드에서 시작하여 최종 예측을 나타내는 리프 노드에 도달할 때까지 입력 변수를 기반으로 결정을 내림으로써 트리를 순회합니다.

알고리즘이 내리는 결정은 나이, 위치, 인터넷 사용 기록 및 이전에 특정 유형의 밈(예: 정치적 밈, 고양이 밈 등)에 관심을 보였는지 여부와 같은 요인을 기반으로 합니다. 그런 다음 알고리즘은 길이, 어조 또는 키워드와 같은 밈의 특정 기능을 기반으로 추가 결정을 내립니다.

의사 결정 트리 알고리즘은 정확도와 견고성을 개선하기 위해 종종 다른 기계 학습 기술과 결합됩니다. 따라서 복잡한 데이터 세트를 기반으로 결정을 내리고 높은 정확도로 결과를 예측할 수 있는 강력한 도구가 됩니다.

그렇다면 scrolling stoned는 어떻게 편광을 수정합니까?

어떻게 작동합니까? 물론, 알다시피, 취하면 웃음을 더 잘 포착할 수 있습니다. 이것은 뉴스가 아닙니다. 하지만… 취했을 때 보는 밈과 술에 취하지 않은 밈은 다릅니다.

내 자신의 실험은 냉정한 스크롤에 비해 돌 스크롤이 더 많은 웃음을 유발한다는 것을 보여주었습니다.

알고리즘에서 사용하는 의사 결정 트리에서 결과를 시각화했습니다.

페기가 약혼했나요?

나에게 무엇을 보여줄지 결정하기 위해 알고리즘이 사용하는 시각화된 기본 결정 트리는 다음과 같습니다.

내가 콘텐츠에 참여하지 않으면 알고리즘은 상호 작용을 등록할 때까지 점점 더 극단적인 콘텐츠를 제공합니다.

이 '더 극단적인' 콘텐츠는 플랫폼이 귀하에 대해 가지고 있는 프로필에 따라 다릅니다. 내 프로필은 다음과 같습니다.

박사 학위를 소지한 20대 밀레니엄 블로거는 집을 사려고 하지만 성공하지 못하고 수동적이고 공격적인 소셜 미디어 게시물과 특정 유형의 밈을 좋아함으로써 분노와 좌절감을 표출합니다.

이제 이 프로필은 내가 해당 소셜 미디어 플랫폼에서 제공한 모든 상호 작용 및 정보를 기반으로 합니다.

이 프로필을 사용하여 알고리즘이 의사 결정 트리의 어느 지점에서 참여 가능성을 높이기 위해 어떤 콘텐츠를 제공해야 하는지 결정하는 데 사용하는 몇 가지 범주로 의사 결정 트리를 추가로 채울 수 있습니다.

다양한 유형의 밈으로 동일한 결정 트리를 만들 수 있습니다.

물론 소셜 미디어 플랫폼에서 사용하는 알고리즘은 모든 주제를 함께 혼합하여 참여를 시도합니다. 주택 시장에 대한 밈과 주제가 날아가는 것을 볼 수 있을 것입니다. 동일한의. 그러나 의사 결정 트리가 깊어질수록 사용 가능한 콘텐츠가 줄어듭니다. 보편적으로 재미있는 밈이 수십만 개 있고 계층화된 정치적 밈이 많지 않기 때문에 알고리즘은 여전히 ​​내가 관여할 가능성이 있다고 생각하는 주택 시장에 대한 선동적인(부머 ​​관련) 주제를 보여줍니다.

걱정하지마 행복해

자, 짐작하셨겠지만 스크롤링은 저를 단순한 밈처럼 훨씬 더 좋아하게 만들었습니다. 많은 밈이 있기 때문에 알고리즘은 계속해서 저에게 더 많은 서비스를 제공했고 제 머리 속을 스크롤하는 이러한 웃음의 폭발은 없었습니다. 내가 소셜 미디어에 있었던 이후로 타임 라인. 스크롤을 내리면서 생각하게 되었습니다. 이 알고리즘은 점점 더 재미있어지고 있습니다. 저는 소셜 미디어를 좋아합니다!

그러나 사실은 더 만족하고 더 단순하고 순진한 것을 비웃으면 알고리즘이 더 부드럽고 우스꽝스러운 콘텐츠를 제공하게 되고 온라인 양극화라는 토끼 구멍으로 내려가는 것을 방지할 수 있습니다.

다음에 둠 스크롤링을 할 때; 보석이 바로 모퉁이를 돌면 기다리고 있을 수 있기 때문에 지금은 실제로 재미있다고 생각하지 않는 몇 가지 바보 같은 밈과 같습니다!