En tidligere Google-ingeniør skraber YouTube for at få vores filterbobler frem

Hvis du nogensinde har brugt YouTube, har du sikkert lagt mærke til, at det er nemt at falde i en slags seer-trance: du starter med at se en sjov kattevideo, og pludselig er det en time senere, og du har blæst igennem en masse mere— hver af dem anbefalet til dig i højre side af skærmen, serveret hjælpsomt af webstedets algoritme.

Efterhånden som vi i stigende grad lærer af sociale netværk som Facebook og Twitter, kan algoritmer bruges til at manipulere folk på alle mulige måder ved at vise os mere af én ting og mindre af en anden. Dette kan være fint (og sjovt!), når du leder efter søde killingevideoer, men det kan føre dig ned ad en vej af frygt, konspirationsteorier og ensidig tænkning, hvis du ser videoer om nogle andre emner, f.eks. som vacciner, nylige skoleskyderier eller klimaforandringer.

YouTube – hvis mere end en milliard brugere ser over en milliard timer om dagen – viser os nogle data, f.eks. hvor mange gange en video er blevet set, kunne lide eller ikke lide. Men det skjuler mere detaljerede detaljer om hver video, som hvor ofte webstedet anbefalede det til andre mennesker. Uden det fulde billede kan det være svært at vide, hvorfor dens algoritme præcist styrer dig i en bestemt retning.

Guillaume Chaslot, en programmør, der plejede at arbejde for YouTube og Google, byggede AlgoTransparency.org. Udlånt af Guillaume Chaslot

Guillaume Chaslot, en computerprogrammør, der brugte noget tid på at arbejde på anbefalinger på YouTube og på displayannoncering hos moderselskabet Google, mener, at dette er et problem, og han kæmper for at skabe mere gennemsigtighed i måden, videoer anbefales på. Han byggede en hjemmeside, AlgoTransparency , så besøgende kan se, hvor YouTubes algoritme fører dig hen, hvis du følger dens anbefalinger – uanset om du søger efter videoer om nylige valg, masseskyderier, videnskab eller en håndfuld andre generelle emner og relaterede søgetermer, som han har valgt at skrabe.

Alle burde vide, hvis du begynder at bruge tid på YouTube, hvor det vil tage dig hen, siger han.

Siden han begyndte at spore anbefalinger i 2016, har han fundet ud af, at for nogle sætninger, som vaccinefakta eller global opvarmning, skubber YouTubes anbefalingsalgoritme seerne mod konspirationsteori, anti-videnskab eller anti-medievideoer. Og algoritmen synes at favorisere videoer af mere splittende politikere, som taler på en aggressiv, mobbende måde, siger han.

Han sporer også udtryk, der nævnes oftest i de mest anbefalede videoer. Den 1. april, for eksempel, resultater for er jorden flad eller rund mest almindeligt fremhævede ord som flad, NASA, bevis og hemmelighed.

Chaslot, der arbejdede hos YouTube i 2011 og derefter hos Google indtil 2013 (han påstande han blev fyret for at forsøge at give brugerne mere kontrol over de algoritmer, der anbefaler indhold; hverken Google eller YouTube adresserede denne påstand i et svar på en anmodning om kommentar om dette og andre spørgsmål, han har rejst), fandt ud af dette ved at spore YouTubes forslagsalgoritme. Han testede sin teori ved at bygge software, der simulerer handlingen med at starte med at se en video på YouTube og derefter klikke på den anbefalede Up next video (som også afspilles automatisk, hvis du har YouTubes autoplay-funktion slået til), igen og igen og igen.

Ud over at følge med i, hvor algoritmerne kan føre hen, ønsker Chaslot at få YouTube-seere til at tænke mere over, hvordan anbefalinger kan bruges til at få flere visninger. For eksempel, hvis du søger efter Parkland-optagelser og får vist en video, der har 2,5 millioner visninger på YouTube, blev den så algoritmisk anbefalet 50 millioner gange for at få disse 2,5 millioner mennesker til at se, eller blev den anbefalet 500.000 gange og derefter delt organisk?

Det er en verden til forskel, siger Chaslot. Og der er i øjeblikket ingen måde at vide det.

Som svar på spørgsmål om, hvordan og hvorfor YouTube foreslår videoer til brugere, afgav en YouTube-talskvinde en erklæring, der sagde, at dets anbefalingssystem har ændret sig væsentligt over tid og ikke længere fungerer, som det gjorde for fem år siden, da Chaslot var ansat. Mens YouTube plejede at fokusere på visningstid, siger det, at det nu også ser på, hvor tilfredse folk er, målt ved undersøgelser, likes, dislikes og andre beviser.

YouTube foretager også ændringer for at løse problemer med sine anbefalinger. En version af YouTube Kids-appen vil efter sigende droppe algoritmen for videoanbefalinger til fordel for at få mennesker til at lave dem. Og i marts sagde YouTubes administrerende direktør Susan Wojcicki, at webstedet ville tilføje Wikipedia-links til videoer, der indeholdt væsentligt diskuterede emner, såsom dem, der fokuserede på konspirationsteorier.

For dette andet træk undrer Chaslot sig over, hvorfor YouTube ikke bare ville tilføje Wikipedia-links til alle slags emner, der er relevante for dets videoer. Det ville være mere naturligt, siger han.

Desuden mener han ikke, det er svært at bygge værktøjer, der kan få folk til at browse bredere. Mens han var på YouTube i 2011, siger han, lavede han faktisk en prototype af et værktøj, der arbejdede med brugernes Google-søgeresultater og tog deres søgehistorik i betragtning for at udvide deres horisont.

Hvis du søgte efter for eksempel Ford Focus, ville du se specifikke resultater, men når du rullede ned på siden, ville du se mere generelle bilresultater. Hvis du blev ved, ville du se resultater relateret til andre ting, du tidligere har søgt efter (f.eks. skøjteløb).

Det er nemt at bygge værktøjer til at få folk uden for deres filterbobler, sætte dem i stand til at gå længere, se, hvad der er ud over deres filterboble, siger han.

skjule