Представьте, что вы живете в мире, где все великие фильмы, книги и песни, когда-либо произведенные человечеством, всегда у вас под рукой и «бесплатны», а ваша изощренная система фильтров отбросила мусор, ерунду и все, что может показаться вам скучным, даже если эта вероятность мала. Забудьте о признанных критиками творениях, которые ничего не значат лично для вас. Сосредоточьтесь исключительно на вещах, которые действительно приводят вас в восторг. Вы выбираете из «сливок, снятых со сливок», из того, что порекомендовали бы вам лучшие друзья, и нескольких случайных вариантов, чтобы оставить место для сюрпризов. Другими словами, вы имеете дело только с тем, что абсолютно подходит вам в этот момент. И даже на это вам не хватит всей жизни.
Допустим, вы могли бы отфильтровать список книг, читая только величайшие. Берете исключительно произведения, отобранные экспертами, которые прочитали очень много книг. Пусть они предложат вам 60 томов, в которых собраны лучшие творения западной цивилизации – каноническую коллекцию под названием «Величайшие книги Запада». Вам или любому другому среднему читателю потребуется 2000 часов
{190}, чтобы полностью прочесть 29 миллионов слов
{191}. И это только часть мировой литературы. Большинству и здесь потребуется дополнительная фильтрация.
Проблема в том, что мы начинаем с такого количества вариантов, что, даже выбрав всего один из миллиона, все равно получим слишком много. Суперпрекрасных фильмов с оценкой «пять звезд» все равно больше, чем можно посмотреть за всю жизнь. Крутых сайтов, на которых можно долго сидеть, больше, чем внимания, которое вы можете им уделить. Более того, отличных музыкальных групп, книг и гаджетов, предназначенных специально для вас и адаптированных к вашим уникальным желаниям, больше, чем вы можете осилить, даже если это станет вашей основной работой.
Тем не менее мы попытаемся свести это изобилие к подходящему для вас масштабу. Давайте начнем с идеального способа. Возьмем для примера меня. Как бы я предпочел выбирать, чему стоит уделить внимание?
Во-первых, я хотел бы получать больше вариантов, которые гарантированно мне понравятся. Этот персональный фильтр уже существует. Он называется «рекомендательный движок», и его широко используют Amazon, Netflix, Twitter, LinkedIn, Spotify, Beats и Pandora, а также другие агрегаторы. Twitter имеет систему рекомендаций – предлагает, на кого мне стоит подписаться, на основании существующих у меня подписок. Pandora применяет сходную схему, советуя новую музыку на основании той, которая мне уже нравится. Почти половину контактов на LinkedIn устанавливают благодаря рекомендациям сайта. На Amazon рекомендательный движок показывает результаты в виде знакомого баннера: «Других покупателей, которым понравился этот товар, также заинтересовали следующие». Netflix использует тот же принцип, чтобы рекомендовать мне фильмы. Хитрые алгоритмы просеивают огромный массив данных о действиях всех пользователей сайта, чтобы точно предсказать мое поведение. Отчасти эти догадки строятся на моих действиях в прошлом, поэтому на баннере Amazon стоило бы написать: «Судя по вашей истории и истории похожих пользователей, вам должен понравиться этот товар». Эти предложения в высшей степени связаны с тем, что я покупал и даже думал купить (они отслеживают, сколько времени я провожу на странице, прежде чем принять решение, даже если я не покупаю товар). Проанализировав миллиард сделанных покупок и обработав все похожие случаи, можно сделать на удивление точные предсказания.
Эти рекомендационные фильтры – один из главных механизмов, с помощью которых я открываю для себя новые вещи. В среднем они оказываются гораздо надежнее, чем рекомендации экспертов или друзей. Более того, их находят полезными столько людей, что треть продаж Amazon
{192}, которая в 2014 году составила $30 миллиардов
{193}, приходится на предложения из серии «похожее на это». Для Netflix это настолько ценная технология, что там над системой рекомендаций работают 300 человек
{194}, а бюджет этого подразделения составляет $150 миллионов. Конечно, как только фильтры начинают работать, люди прекращают их настраивать. Искусственный интеллект учитывает здесь слабоуловимые особенности поведения как моего, так и других пользователей, и заметить их может только одержимая навязчивой идеей машина, которая никогда не спит.
Однако вознаграждение в виде только тех вещей, которые вам уже нравятся, грозит тем, что вы перестанете видеть все, хотя бы немного отличное от уже известного, даже если оно могло бы вам прийтись по вкусу. Это называют «пузырем фильтров», а более точным термином будет «переподгонка». Вы застреваете, не добравшись до вершины, потому что ведете себя так, словно уже оказались наверху, игнорируя прилегающее пространство. Есть масса доказательств, что такое происходит и в политике: приверженцы определенного политического направления, которые полагаются на простой фильтр «вам также может понравиться», редко читают что-то за пределами предложенного. Такая избыточная фильтрация может ужесточить их взгляды. Подобного рода самоограничения, спровоцированные фильтрами, существуют также в науке, искусстве и культуре в целом. Чем эффективнее фильтр «похожие хорошие товары», тем важнее сплавлять его с «ситами» других типов. Например, исследователи из Yahoo! изобрели способ автоматически отмечать одну позицию в поле вариантов для выбора
{195} и таким образом сделали «пузырь» видимым. Благодаря этому будет легче выбраться из его границ с помощью незначительных изменений в разных направлениях.
Во-вторых, в этом идеальном сценарии я хотел бы узнавать о неизвестных мне вещах, которые нравятся моим друзьям. Во многих отношениях таким фильтром служат Twitter и Facebook. Читая материалы друзей, вы сразу видите, что они считают достаточно крутым, чтобы поделиться этим. С помощью телефона теперь так легко сделать рекомендацию в виде текста или фото, что нас удивляет, когда человеку нравится какая-то новая вещь, а он этим не делится. Но если приятели слишком похожи на вас, они тоже порой действуют как «пузырь фильтров». Близкие друзья могут сформировать эхо-камеру
[43], где похожий выбор будет закрепляться и умножаться. Исследования показывают, что порой можно расширить набор вариантов и выйти за пределы ожидаемого, просто оказавшись в следующем круге – друзей друзей
{196}.
