🍿 2022-06-10 14:00:00 – 巴黎/法国。
“的服务 流 通常允许帐户持有人创建多个单独的配置文件,我对此表示赞赏。 我希望收到的建议能反映我的口味,而不是我伴侣的口味。 是自私吗? 与他人分享个人资料有什么好处吗? »
——溪流中的岛屿
亲爱的小岛,
至少正如人们通常理解的那样,共享只有在资源有限的情况下才是有益的。 一个孩子和一个没有午餐的同学分享午餐是慷慨的,或者有钱人给不幸的人钱是很慷慨的。 但我很难相信,当每个人都足够时,放弃个人资料会是值得称赞的。 困扰您的不是对自私的恐惧,而是意识到您将其他人的倾向和偏好视为一种污染形式,是对您个人算法纯度的威胁。 坚持自己的数字据点表明您相信自己的品味是如此独特和精确,以至于对其模式的任何破坏都会损害其潜在的完整性。
就其核心而言,预测引擎就像业力,是一种无形的机制,可以记录您的一举一动,并为您返回同等价值的东西。 如果你看了很多真实的犯罪纪录片,你最终会得到一个以可怕标题为主的目录。 如果您倾向于播放 2000 年代初期的情景喜剧,您的推荐将变成千禧一代怀旧的自助餐。 种下什么就收获什么,每一个行动都会产生平等的反应,这不仅仅是一个精神宝库,而是编码在我们数字世界的底层架构中的一条法则。 很少有用户真正了解这些预测技术的工作原理。 (在 TikTok 上,关于算法如何工作的猜测变得像学校关于天使形而上学构成的辩论一样密集。)不过,我们喜欢相信有某些宇宙原则在起作用,我们的每一个动作都被忠实地记录下来,我们通过我们选择逗留、参与和购买的东西,在每一刻塑造我们未来的娱乐。
这可能有助于加深这种控制感。 您已表示希望您的推荐符合您的口味,但是 是 味道,确切地说,它来自哪里? 通常认为一个人的偏好是自成一体的,但我们的偏好受到各种外部因素的影响,包括我们住在哪里、我们的成长方式、我们的年龄和其他相关数据。 这些变量是适用于所有人群的可识别趋势的一部分。 人口统计分析已经证明在大样本中发现模式是多么容易。 有了足够大的数据集,可以根据时尚偏好预测政治观点(LL Bean 购物者倾向于保守派;Kenzo 吸引自由派),并且可以从用户喜欢的音乐类型推断出个性特征(Nicki Minaj 的粉丝倾向于要外出)。 没有人知道是什么导致了这些相关性,但它们的一致性表明,我们都不是自己命运的主人,也不是定制角色的创造者。 我们的行为符合可预测的模式,这些模式受制于超出我们意识水平的社会力量。
好吧,如果不是这种情况,预测引擎就无法工作。 很高兴认为您的私人档案上的推荐与您的指纹一样独特。 但这些建议是由数百万其他用户的行为数据提供的,平台越能猜出你将要观看的内容,你的行为就越有可能与其他人的行为相匹配。 术语“用户相似性”描述了自动推荐如何比较具有相似习惯的客户的行为,这基本上意味着您有成千上万的影子在流式传输、查看和购买许多与您相同的产品,作为镜像每个产品的量子纠缠粒子来自宇宙另一端的其他人。 他们的选择会告知呈现给您的选项,就像您的选择会影响向未来用户推广的内容一样。
至少在流行文化中,业力经常被视为宇宙奖励的简单形式,但更正确地理解为相互依赖的原则。 世界上的一切都与其他一切相连,形成了一个庞大的相互关系网络,其中每个行动的后果都会波及整个系统。 对于我们这些沉浸在西方哲学和美国个人主义二元论中的人来说,很难理解我们的生活与他人的生活是如何交织在一起的。 事实上,直到最近,信息技术——以及它们创建的大型数据集——才向我们揭示了一些最古老的精神传统几千年来所教导的东西:我们生活在一个混乱且相互依存的世界中,在这个世界中,距离两个人之间(或两个向量之间的空间)通常比我们想象的要小。
考虑到这一点,Island 分享个人资料可能与其说是一种慷慨的行为,不如说是承认这种相互依赖。 和你一起生活的人已经以无数种方式改变了你,微妙地改变了你的信仰、你购买的东西、你说话的方式。 如果您目前对电影的品味与他们的不同,那并不意味着他们总是会这样做。 事实上,你的喜好几乎肯定会随着你分享一个家的次数而聚集在一起。 这无疑是一件好事。 我们中的大多数人都曾在某个时候经历过自我延续的业力循环地狱,一根香烟导致成瘾或谎言引发一系列进一步欺骗的方式。 自动推荐还可以培养紧密递归的习惯,复制越来越多的相同习惯,直到我们陷入对过去选择的一维反映。 故意向其他人开放你的个人资料可能是一种让一些空气进入那个潮湿的个人偏好洞穴的方式,在这个洞穴中,过去不断地回响,将你与外面广阔的可能性世界隔离开来。
来源: 评论 新闻
不要犹豫,在社交网络上分享我们的文章,给我们一个坚实的推动力。 🤓