Maskinen befaler

ALGORITMER: Hvordan påvirker algoritmer kulturbegrepet, nyhetsvaner og hvilken film du ser i helgen?

(Article for the weekly newspaper Morgenbladet about research on algorithms role as cultural gatekeepers, based on two research articles.)

Hva: To artikler analyserer konkurransen «The Netflix Prize» fra 2006 og ser på hva slags makt som ligger i anbefalingssystemer som Netflix, Facebook og Google.

Hvem: Blake Hallinan, Ted Striphas, Matthew Hindman.

Betydning: Når maskiner bestemmer hvilke kulturelle uttrykk vi skal gi oppmerksomhet til, får de store, ressursrike systemene dominere.

Anbefalingens tidsalder». «Algoritmisk kultur». «Persontilpassede nyheter». Fra tid til annen dukker slike ord opp for å beskrive tiden vi lever i. Netflix, Amazon, Facebook, Google, Twitter – de amerikanske IT-gigantene leverer alle anbefalinger på filmer, bøker, bekjentskaper eller innhold vi trolig er interessert i – basert på søkehistorikken vår, tidligere kjøp eller eksisterende vennskap.

I bunn og grunn handler dette om utvelgelse og relevans: Hvordan skal informasjon sorteres for at den skal bli mest relevant for DEG?

Et fellestrekk for anbefalingsteknologien er at utvelgelsen ikke lenger gjøres av mennesker, men av algoritmer som programmerere har utviklet. Algoritmer er et sett av kodede instrukser for å løse et problem. Mens vi tidligere stolte på vurderinger fra anerkjente eksperter som redaktører eller filmanmeldere, får vi nå anbefalinger på nyhetsartikler vi bør lese via venner i nyhetsstrømmen på Facebook eller filmanbefalinger basert på filmer som ligner på det vi liker å se på.

To gode artikler undersøker hver på sin måte den fremvoksende anbefalingskulturen med utgangspunkt i Netflix og konkurransen de arrangerte i 2006: «Recommended for you: The Netflix Prize and the production of algorithmic culture» av Blake Hallinan og Ted Striphas (i tidsskriftet New Media and Society, 2014) og «Personalization and the future of news» av Matthew Hindman (EUI Working Papers , 2012).

I 2006 utlyste Netflix konkurransen The Netflix Prize for å forbedre selskapets eksisterende anbefalingsalgoritme. Den første personen eller gruppen som forbedret filmanbefalingene med 10 prosent, skulle belønnes med én million dollar. Det tok imidlertid tre år før en vinner kunne kåres, men mer interessant enn hvem som faktisk vant (Bellkor’s Pragmatic Chaos), er innblikket i «den svarte boksen» – eller den kulturelle algoritmen. Konkurransen gjorde at Netflixs anonymiserte brukerdatabase ble gjort tilgjengelig, og konkurransedeltakerne fikk unik innsikt i et avansert anbefalingssystem basert på reelle persondata.

Hvorfor er så Netflixs konkurranse i 2006 fremdeles relevant i dag? Og hva kan konkurransen lære oss om dagens samfunn?

Hallian og Striphas hevder Netflixs anbefalings-teknologi, i likhet med systemene i Google, Microsoft, Twitter og Facebook, gjør at vi må begynne å forstå ordene kultur og kulturelle utvelgelser på andre måter. Kultur er et «ett av de to-tre mest kompliserte ordene i det engelske språket», som Raymond Williams skrev i 1983, og mange forskere mener vi bør se på algoritmer som kulturelle beslutningsmekanismer.

Hallian og Stripha definerer algoritmisk kultur som «bruken av databaserte prosesser for å sortere, klassifisere og sette personer, steder og ideer i hierarki, i tillegg til de tanker, handlinger og uttrykk som oppstår i disse prosessene» (min oversettelse). Eksempelvis er Netflix kjent for å ha brukt detaljerte data om kundenes seervaner til å skape tv-serien «House of Cards» og legge til rette forbinge-watching (se flere tv-episoder i slengen). Hallian og Striphas tenker høyt om at anbefalingssystemer gjør at kulturelle uttrykk i økende grad må forstås som matematiske prinsipper.

Anbefalingssystemer har også stor innflytelse på demokratiske debatter. Hindman mener anbefalingsteknologien representerer et like stort skifte i måten nyheter blir levert på som introduksjonen av trykkekunsten og Internett. I en nyhetssammenheng har det påvirkning ikke bare for hvilke saker lesere leser, men også for hva slags nettsider de oppsøker i utgangspunktet.

På grunn av ressursene som krevet for å utvikle den avanserte teknologien, vil anbefalingssystemer gi fordeler for de største, mest ressurssterke nettstedene fremfor små nyhetsider. Det kan igjen gi «lock-in»-effekter: når man først har begynt å bruke og «oppdra» et anbefalingssystem, eksempel Netflix, er det tungvint å skifte.

Men interessant nok mener Hindman at vi ikke har grunn til å frykte for såkalte ekkokammer eller filterbobler på grunn av anbefalingsteknologier. Mangfold i anbefalingene ga det beste resultatet for Netflix-brukerne, og brukerne bør forstå hvordan de kan forbedre anbefalingene, noe som også kan skape større grad av tillit til systemet.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s