هر زمان که شما صفحه‌ی فیسبوک خود را باز می‌کنید؛ یکی از قوی‌ترین، بحث‌برانگیزترین و پیچیده‌ترین الگوریتم‌های دنیا شروع به کار میکند. این الگوریتم تمام پست‌های ارسالی در هفته‌ی گذشته توسط تک‌تک دوستان شما و افرادی که آن‌ها را دنبال می‌کنید، گروه‌هایی که عضو آن‌ها هستید و تمام صفحاتی که آن‌ها را لایک کرده‌اید، بررسی و جمع‌آوری میکند. برای یک کاربر معمولی فیسبوک، تعداد این پست‌های جمع‌آوری‌شده می‌تواند به بیش از ۱۵۰۰ عدد برسد. اگر تعداد دوستان شما چند صد نفر باشد، این عدد می‌تواند به حدود ۱۰ هزار پست نیز برسد. سپس با استفاده از یک فرمول ثابت و معیارهایی نظیر تعداد دوستان نزدیک، الگوریتم فیسبوک تمام آن پست‌ها را بر اساس میزان علاقه‌ی شما در فید خبری مرتب و دسته‌بندی میکند. اغلب کاربران معمولا همیشه چند صد پست اول را تماشا می‌کنند.
هیچ‌کس خارج از شرکت نمی‌داند نحوه‌ی کار این سیستم دقیقا به چه صورت است و هیچ‌کس از داخل شرکت، این راز را برای شما فاش نخواهد کرد. با این حال نتیجه و محصول این فرآیند دسته‌بندی خودکار، زندگی‌های اجتماعی و عادات مطالعه‌ی روزانه‌ی بیش از یک میلیارد کاربرد فعال، یعنی یک‌پنجم جمعیت بالغ دنیا را شکل می‌دهد. قدرت شیوع و اثرگذاری ویروس‌وار این الگوریتم سلطه‌ی صنعت رسانه را به زیر کشیده است. استارتاپ‌های پیشرویی مثل BuzFeed و Vox در زمینه‌ی اطلاع‌رسانی و پخش اخبار، سلطه روز‌نامه‌های ۱۰۰ ساله‌ی قدیمی را از میان برده‌اند. این الگوریتم سبب رشد و گسترش عظیم شرکت‌های چند میلیارد دلاری مثل Zynga و LivingSocial شده که با یک یا چند تغییر کوچک در کدهای الگوریتم، جایگاه آن‌ها زیر و رو شده است.
عملکرد الگوریتم فید خبری فیسبوک می‌تواند به نحوی باشد که باعث شادی یا ناراحتی ما شود، می‌تواند ما را با ایده‌ها و افکار نو و چالش‌برانگیز آشنا کند یا ما را با اندیشه‌های پوچ و مضر درگیر سازد. بااین‌حال، با تمام قدرتی که در اختیار دارد، این الگوریتم به طرز غیرمنتظره‌ای ناهنجار، دیوانه‌وار، متغیر و به نحو سرسختانه‌ای مبهم و نامشخص است. این الگوریتم احتمالا تنها پست‌های کم‌ارزش، ناراحت‌کننده، نامربوط و حتی خسته‌کننده را برای ما نمایش می‌دهد و فیسبوک نیز به‌خوبی به این مسئله واقف است. در طول چند ماه گذشته، این شبکه‌ی اجتماعی در حال انجام آزمایشی بوده است تا بر اساس آن، برای برخی کاربران در کنار پست‌های اول صفحه‌ی خبری‌شان، یک پست پایین‌رده نیز نمایش دهد و از آن‌ها بخواهد با توجه به ترجیح و علاقه‌ی خود، یکی از آن‌ها را انتخاب کنند. نتیجه‌ی این آزمایش این بود که دسته‌بندی الگوریتم توانست «تا حدودی» با ترجیحات کاربران تطابق پیدا کند؛ اما منابع فیسبوک از ارائه‌ی اطلاعات بیشتر خودداری کردند. زمانی که انتظارات آن‌ها برآورده نمی‌شود و در آزمایش‌های خود به نتیجه‌ی قابل قبولی دست پیدا نمی‌کنند، تنها به گفتن این عبارت که این قسمت از شبکه‌ی اجتماعی ما قابلیت بهبود دارد، بسنده می‌کنند.
«تا حدودی»، آن میزان نتیجه‌ی امیدوارکننده‌ای نیست که از یک چنین الگوریتمی انتظار داریم. تأثیر بیش از اندازه‌ی این الگوریتم فید خبری سبب بروز انتقاداتی در زمینه‌ی اثرات منفی آن شده است. آن‌ها معتقدند که این الگوریتم به‌عنوان فرمی از یک هوش مصنوعی با تسخیر ذهن انسان، با گسترش و پخش خود در دنیا، اهدافی فراتر از درک و آگاهی انسانها را دنبال میکند. در این زمان که فیسبوک و دیگر غول‌های سیلیکون ولی، از طریق نرم‌افزار یادگیری ماشینی به طرز فزاینده‌ای انتخاب‌های ما را پالایش و تصمیمات ما را هدایت می‌کنند و افراد مشهور فناوری همچون ایلان ماسک و مشاهیر علمی نظیر استفان هاوکینگ در مورد تهدیدات بالقوه‌ی رشد هوش مصنوعی به ما هشدار می‌دهند؛ خود لغت الگوریتم، تأثیری وهم‌آور و ترسناک ایجاد کرده است. الگوریتم‌ها در تصور عامه، موجودات قدرتمند و رمز‌آلودی هستند که فناوری و مدرنیته از طریق آن‌ها ذائقه و علایق ما را تحت تأثیر قرار می‌دهند و ارزش‌هایی را که برای ما قابل احترام هستند، تهدید می‌کنند.
الگوریتم فیسبوک البته تا این حد خیالی و ترسناک نیست؛ اما قطعا فریبنده است. اخیرا یک فرصت کمیاب در اختیار من (نویسنده‌ی مقاله) قرار گرفت تا کمی وقت خود را در کنار اعضای تیم فید خبری فیسبوک در دفاتر مرکزی آن‌ها در منلو پارک کالیفرنیا بگذرانم و از نزدیک نحوه‌ی کار آن‌ها را مشاهده کنم و متوجه شوم زمانی که یکی از آن ترفندهای ناپسند و تبلیغاتی‌شان را در مورد این الگوریتم به کار می‌بندند؛ چرا اقدام به این کار می‌کنند، چگونه این کار را می‌کنند و چگونه مطمئن می‌شوند که ترفندشان عملی خواهد بود یا نه. نگاهی اجمالی به فعالیت‌های داخلی آن‌ها، نه‌تنها نحوه‌ی کارکرد فید خبری فیسبوک را برایم آشکار ساخت، بلکه به من کمک کرد از محدودیت‌های یادگیری ماشینی، تله‌های تصمیم‌گیری مبتنی بر داده و اقدامات فزاینده‌ی فیسبوک برای جمع‌آوری و مرتب‌سازی بازخوردهای شخصی کاربران، شامل مجموعه‌ای از آزمایش‌کنندگان در حال رشد – همانند کاری که مایکروسافت در رابطه با برنامه اینسایدر انجام می‌دهد – مطلع شوم.
در جریان این بازدید، دریافتم که الگوریتم فیسبوک به علت وجود برخی مشکلات و نواقص، یک سیستم بدون اشکال نیست. این الگوریتم نواقصی دارد؛ زیرا برخلاف الگوریتم‌های ادراکی، پیشرفته و بدون نقصی که در رؤیاهایمان آن‌ها را تجسم می‌کنیم یا در فیلم‌های علمی تخیلی شاهد آن‌ها هستیم، نرم‌افزار فیسبوک از طریق هوش انسانی برنامه‌ریزی می‌شود. انسانها انتخاب می‌کنند که کدام داده‌ها را بررسی کنند، چه کاری می‌توانند با آن داده‌ها انجام دهند و در نهایت چه نوع خروجی می‌خواهند از آن‌ها به دست آورند. در نتیجه زمانی که در الگوریتم خطایی رخ می‌دهد، انسانها مسبب آن هستند. زمانی که به‌خوبی توسعه پیدا میکند، به این خاطر است که گروهی از انسانها داد‌های آماده را از روی صفحات رایانه می‌خوانند، جلسه و نشست برگزار می‌کنند، تعدادی آزمایش انجام می‌دهند و بر اساس خروجی آن‌ها نتیجه می‌گیرند که کدام تصمیم منطقی‌تر است و اگر این الگوریتم روز‌به‌روز پیشرفته‌تر می‌شود، به این خاطر است که گروه دیگری از انسانها نواقص و مشکلات موجود را گزارش می‌دهند و برای بهبود سیستم پیشنهاداتی ارائه می‌دهند؛ آن گروه دوم ما کاربران هستیم.
زمانی که من به دفتر عظیم فیسبوک در منلو پارک – که فرانک گری آن را طراحی کرده است – وارد شدم، جوان ۳۷ ساله‌ی لاغراندام و بلندقدی را ملاقات کردم که چهره‌ی بچه‌گانه و صمیمانه‌اش به‌سرعت تغییر کرد و توجه جدی‌اش به من معطوف شد. او تام الیسون، مدیر بخش فید خبری فیسبوک بود و رهبری افرادی را به عهده دارد که در رأس برنامه‌ریزی الگوریتم هستند.
الیسون مرا از میان هزارتویی از اتاقک‌ها و آشپزخانه‌های کوچک به سمت اتاق کنفرانس کوچکی هدایت کرد؛ جایی که وی وعده داد طبیعت واقعی الگوریتم فیسبوک را برای من فاش کند. در راهِ رفتن تا آنجا، من نیاز به سرویس بهداشتی پیدا کردم و مسیر آن را پرسیدم. یکی از افراد حاضر در آنجا صورتش را به سمت من برگرداند، لبخندی زد و گفت: «تا آنجا شما را همراهی می‌کنم.» در ابتدا تصور کردم همراهی وی برای راهنمایی و جلوگیری از گم شدن من است. اما زمانی که از دستشویی خارج شدم، وی همچنان آنجا کنار در ایستاده بود. در همان زمان متوجه شدم که وی اجازه ندارد مراقبت از من را لحظه‌ای رها کند.
به دلیل مشابه، یعنی حفاظت شدید فیسبوک از اسرار شرکت، الیسون اجازه نداشت اطلاعات زیادی از کدهای واقعی به‌کاررفته در الگوریتم فید خبری را با من در میان بگذارد. با این حال می‌توانست در مورد ماهیت و نحوه‌ی کارکرد کلی آن و چرایی تغییرات پیوسته‌ی آن با من صحبت کند. همانند اغلب مهندسان، وی این کار را با استفاده از یک وایت‌برد انجام داد. آلیسون بیان کرد:
زمانی که شما شروع به یادگیری علوم رایانه می‌کنید، یکی از اولین الگوریتم‌هایی که فرا خواهید گرفت، الگوریتم سورتینگ یا طبقه‌بندی است.
وی به‌سرعت شروع به نوشتن فهرستی از اعداد صحیح روی وایت برد کرد: ۴، ۱، ۳، ۲، ۵
حالا وظیفه‌ی ساده‌ی ما این است که الگوریتمی طراحی کنیم تا این اعداد را به ترتیب صعودی طبقه‌بندی کند. انسانها می‌دانند چگونه این کار را انجام دهند. ما در واقع این کار را بدون هیچ کمکی در ذهن خود انجام می‌دهیم.
کامپیوترها اما باید نحوه‌ی انجام آن را یاد بگیرند و این نیازمند وجود یک الگوریتم یا سازوکار است: یک مجموعه‌ای از دستورالعمل‌های به‌هم‌پیوسته که به‌وسیله‌ی آن‌ها مسئله‌ی موجود می‌تواند حل شود. الگوریتمی که الیسون به من نشان داد، الگوریتم طبقه‌بندی حبابی (Bubble sort) نامیده می‌شد که نحوه‌ی کار آن بدین صورت است:
۱. الگوی طبقه‌بندی برای هریک از اعداد مجموعه، با اولین عدد شروع می‌شود، این عدد با عدد بعدی خود مقایسه می‌شود و بررسی میکند که آیا ترتیب مطلوب در مورد آن‌ها رعایت شده است یا نه.
۲. اگر ترتیب درست نبود، آن‌ها را معکوس میکند.
۳. مراحل ۱ و ۲ را تکرار میکند تا زمانی که بتوانید در بین مجموعه‌ی اعداد از اول تا آخر بدون معکوس کردن هیچ‌کدام حرکت کنید.
مزیت طبقه‌بندی حبابی سادگی آن است. اما جنبه‌ی منفی آن این است که اگر مجموعه‌ی داده‌های شما بزرگ باشد، از لحاظ محاسباتی استفاده از آن ناکارآمد است و باعث اتلاف وقت می‌شود. فیسبوک بنا به دلایل مشخصی، از طبقه‌بندی حبابی استفاده نمی‌کند. هر زمان که شما اپلیکیشن فیسبوک را باز می‌کنید، آن‌ها برای مرتب کردن تمام پست‌هایی که در فید خبری شما ظاهر می‌شوند از یک الگوریتم طبقه‌بندی استفاده می‌کنند. اما ظاهر ماجرا به این سادگی نیست؛ چرا که علاوه بر الگوریتم اصلی، یک زیرالگوریتم فرعی نیز درون آن قرار دارد. چیزی که در اصل اتفاق می‌افتد این است که در ابتدا یک ارزش‌گذاری عددی برای تمام آن پست‌ها انجام می‌شود. سپس وظیفه‌ی فید خبری این است که بر اساس ارزش‌گذاری، آن‌ها را رتبه‌بندی کند؛ به‌عبارت‌دیگر سیستمی طرح‌ریزی می‌شود که قادر باشد برای هریک از پست‌های کاربران فیسبوک یک امتیاز مرتبط اختصاص دهد.
حل این مسئله تا حدودی دشوار است؛ زیرا پستی که مربوط به شما است، مثلا پستی مربوط به دوران کودکی یکی از دوستان شما یا پستی از فرد مشهوری که دنبال می‌کنید، ممکن است کاملا غیر مرتبط به من باشد. آلیسون توضیح می‌دهد که برای این منظور، فیسبوک از الگوریتم متفاوتی به نام الگوریتم پیش‌بینی استفاده میکند. (الگوریتم فید خبری فیسبوک، همانند الگوریتم جستجوی گوگل یا الگوریتم پیشنهادات نت‌فلیکس، در حقیقت یک نرم‌افزار گسترده و پیچیده است که از الگوریتم‌های کوچک‌تری تشکیل شده است). الیسون گفت:
بگذارید این‌گونه بگویم، من از شما درخواست می‌کنم برنده‌ی مسابقهی پیش روی بسکتبال بین دو تیم بالز و لیکرز را پیش‌بینی کنید.
من بالز را انتخاب کردم. آلیسون خنده‌ای کرد و سپس سرش را به نشانه‌ی تأیید تکان داد. مغز من داده‌ی ورودی را که او به من داده بود، گرفت و احتمالا بر اساس نوعی الگوریتم ذاتی، به‌سرعت یک خروجی آنی ارائه داد. الگوریتم مغز انسان از هر چیزی که شرکت‌های فناوری سیلیکون ولی تابه‌حال ابداع کرده‌اند، پیچیده‌تر است؛ اما با این حال به‌شدت در معرض خطا و اشتباه قرار دارد.
الیسون همچنین توضیح داد که استفاده از حدسیات تصادفی تا زمانی که شما چیزی برای از دست دادن نداشته باشید، موردی ندارد. اما فرض کنید در یک مسابقهی شرط‌بندی شرکت کرده‌اید و در صورت موفقیت صاحب پول کلانی خواهید شد. در آن صورت به یک رویکرد سیستماتیک‌تر نیاز خواهید داشت. احتمالا در آن موقعیت به تاریخچه‌ی مسابقات دو تیم نگاهی خواهید انداخت، تعداد برد و باخت آن‌ها را بررسی خواهید کرد، سابقه و وضعیت شخصی بازیکنان دو تیم را مرور می‌کنید و اینکه کدام بازیکن دچار مصدومیت است و کدام یک در آمادگی قرار دارد. شاید عوامل و فاکتورهای محیطی را نیز در نظر بگیرید؛ نظیر اینکه کدام تیم میزبان و کدام مهمان است. فرصت ریکاوری و استراحت برای تیم‌ها به چه نحو بوده است؟ الگوریتم پیش‌بینی شما برای نتیجه‌گیری ممکن است تمام این فاکتورها و حتی بیش از این‌ها را در نظر بگیرد. اگر ورودی صحیح وارد ذهن شود، شما نه‌تنها می‌توانید برنده‌ی مسابقه را پیش‌بینی کنید، بلکه قادر به پیش‌بینی تعداد امتیازات و نتیجه‌ی کامل مسابقه نیز خواهید بود.
این روش دقیقا مشابه کاری است که الگوریتم فید خبری فیسبوک انجام می‌دهد، یعنی سعی میکند پست‌هایی را که مورد پسند شما هستند، پیش‌بینی کند. من از الیسون پرسیدم الگوریتم فیسبوک چه تعداد متغیر را در نظر می‌گیرد و وی در پاسخ گفت صدها متغیر.
الگوریتم فیسبوک نه‌تنها بر اساس عملکرد سابق شما در لایک کردن پست‌ها، لایک‌های بعدی شما را پیش‌بینی خواهد کرد؛ بلکه کلیک‌های شما، کامنت‌ها، اشتراک‌گذاری‌ها یا مخفی کردن پست‌ها یا حتی علامت‌گذاری پست‌ها به‌عنوان اسپم را توسط شما پیش‌بینی میکند. این الگوریتم تک‌تک این خروجی‌ها را به میزان معینی به‌درستی پیش‌بینی خواهد کرد، سپس تمام آن‌ها را با یکدیگر ترکیب میکند و یک امتیاز ارتباطی مخصوص شما و مخصوص آن پست در نظر می‌گیرد. زمانی که هر پست احتمالی در فید شما، امتیاز ارتباطی لازم را دریافت کرده باشد، الگوریتم طبقه‌بندی می‌تواند آن را در فید خبری شما جاگذاری کند. پستی که شما در ابتدای فید خود مشاهده می‌کنید، از بین هزاران پست دیگری که می‌توانند باعث قهقهه، گریه، لبخند، کلیک کردن، لایک، اشتراک‌گذاری یا نظردهی شما شوند انتخاب شده است.
با این وجود اهمیتی ندارد که یک الگوریتم را با چه دقت بالایی طراحی کنید، همیشه داده‌هایی وجود دارند که به نحوی برای شما محرمانه هستند؛ نظیر برنامه‌ی بازی مربیان، وضع جسمانی بازیکنان مختلف در روز بازی یا حتی حجم باد توپِ بازی. به‌طور خلاصه، بازی توسط داده‌ها و اطلاعات برگزار نمی‌شود، بلکه توسط انسان انجام می‌شود و انسانها بسیار پیچیده‌تر از آن هستند که درون هر نوع الگوریتم یا مدل قرار داده شوند.
الگوریتم پیش‌بینی فیسبوک همچنان از یک معضل دیگر نیز رنج می‌برد که قدری نسبت به اولی معرفت‌شناسانه‌تر است. امتیاز ارتباطی به‌گونه‌ای طراحی شده است تا احتمال پیروزی تیم بالز را محتمل‌تر بداند. این یک خروجی جداگانه است که به‌طور کامل قابل اندازه‌گیری است؛ به این صورت که آن‌ها یا پیروز مسابقه می‌شوند یا شکست می‌خورند. الگوریتم طبقه‌بندی فیسبوک قبلا تلاش می‌کرد یک خروجی قابل اندازه‌گیری مشابه را پیش‌بینی کند: شما به هر نحوی با پست مورد نظر یا تعامل دارید یا نه. متخصصین مسئول فید خبری فیسبوک دریافتند که تعامل، نشانگر بسیار خوبی است که باعث می‌شود اهمیت یک پست معین به یاد آورده شود. علاوه بر این مشخص شد که آن‌ها به‌نوعی، سوخت مورد نیاز برای به حرکت درآوردن چرخ اقتصاد فیسبوک نیز محسوب می‌شوند: کلیک‌ها، لایک‌ها، اشتراک‌گذاری‌ها و نظرها تعاملاتی هستند که باعث بیشتر نشان داده شدن یک پست می‌شوند، کاربران شخصی را به‌صورت جوامعی تبدیل می‌کنند و ترافیک فیسبوک را به‌سوی بازاریاب‌هایی هدایت می‌کنند که درآمد این شرکت وابسته به آن‌ها است.
اما این تعاملات به‌تنهایی معیار مناسبی برای سنجش تمایلات واقعی کاربران فیسبوک نیستند. چه می‌شود اگر کاربران پستی را لایک کنند که واقعا مورد پسند آن‌ها نیست؟ یا اقدام به کلیک کردن روی مطلبی کنند که بعدا معلوم می‌شود باب طبع آن‌ها نبوده است؟ در این حالت، نتیجه‌ی کار یک فید خبری خواهد بود که به‌جای تمرکز بر کیفیت، مطالب آن همانند یک ویروس منتشر شده است. فیدی که کاربران را با نمایش مطالب غیر مرتبط، گیج و سردرگم میکند و آن‌ها نیز با برقراری رابطه‌ی ناخواسته با این مطالب، باعث تشدید این روند می‌شوند و علاقه و توجه خود را به کل مجموعه از دست می‌دهند. در نتیجه برای بهینه‌سازی و رفع این مشکل چه باید کرد؟
در اواخر سال ۲۰۱۳، فیسبوک محبوب‌ترین شرکت در دنیا بود. تعداد کاربران این شبکه‌ی اجتماعی از مرز یک میلیارد گذشته بود و سهام شرکت نیز با مجموع ارزش بیش از ۱۰۰ میلیارد دلار در اختیار عموم قرار گرفته بود. این شرکت یک سال قبل از آن را صرف بازطراحی اپلیکیشن موبایل کرده بود که به‌سرعت، گوگل سرچ و گوگل مپ را در زمینه‌ی محبوب‌ترین اپلیکیشن‌های موبایلی پشت سر گذاشت. فیسبوک نه‌تنها وسیله‌ای برای برقراری ارتباط با دوستان محسوب می‌شد، بلکه در عمل به روزنامه‌ی جهانی قرن بیست و یکم تبدیل شده بود و صفحه‌ی اول آن به فیدی اختصاص داشت که لحظه به لحظه با اخبار مختلف، مطالب سرگرمی و وضعیت دوستان و افراد مورد علاقه به‌روزرسانی می‌شد و به‌صورت خودکار، متناسب با علایق شخصی کاربران مختلف سازمان‌دهی می‌شد.
درون شرکت، افرادی که مسئول فید خبری فیسبوک بودند، از رشد سریع آن هیجان‌زده شدند. اما در حالی که استفاده کاربران از آن سر به فلک می‌کشید، مشخص نبود که مجموع رضایت آن‌ها از فیسبوک به همان اندازه افزایش می‌یابد یا نه. کاربران بیش از همیشه مطالب مختلف را در فیسبوک لایک می‌کردند. اما آیا رضایت و خشنودی آن‌ها از خود فیسبوک نیز به همان اندازه بود؟
برای درک بهتر این پرسش، باید به سال ۲۰۰۶ بازگردید. زمانی که این شبکه‌ی اجتماعی همانند مای اسپیس چیزی بیش از مجموعه‌ای عظیم از صفحات شخصی و گروه‌ها نبود. فیسبوک در آن سال فید خبری را طراحی کرد تا به‌عنوان یک هاب به‌روزرسانی، فعالیت‌های مختلف دوستان در فیسبوک را نمایش دهد. کاربران از این ایده که به‌روزرسانی‌های صفحات آن‌ها، تغییرات تصویر کاربری و نظرات آن‌ها در صفحات مختلف دیگر روی فید خبری تمام دوستانشان ظاهر می‌شود خشمگین شدند، اما فیسبوک بی‌اعتنا از این ایده‌ی خود عقب‌نشینی نکرد.
با وجود اینکه در آن زمان، تمام فعالیت‌های دوستانتان روی فید خبری شما ظاهر نمی‌شد، فیسبوک برای جلوگیری از نمایش بیش‌ازاندازه‌ی صدها به‌روزرسانی روزانه روی فیدهای خبری، یک الگوریتم ابتدایی طراحی کرد تا پست‌های مرتبط به شما را بر اساس علایقتان پالایش کند. از آنجایی که در آن زمان هیچ معیاری برای مشخص کردن علایق کاربران وجود نداشت (زیرا دکمه‌ی لایک سه سال پس از آن ایجاد شد)، مهندسین شرکت بر اساس ادراک شخصی خود پیش‌فرض‌هایی تعیین کردند. در آن زمان انتقادهای اولیه از قرار گرفتن پست‌ها در فیدهای خبری، شامل زمان ایجاد شدن آن پست‌ها بود و تعداد دوستانی که آن‌ها را مشاهده می‌کردند. با گذشت زمان، مهندسین شرکت با به کار بردن ترفندهایی، پیش‌فرض‌های پیشین را تغییر دادند و بررسی کردند که این تغییرات جدید چگونه می‌توانند بر میزان زمانی که کاربران در سایت صرف می‌کنند تأثیرگذار باشند. اما بدون وجود ابزاری که به‌وسیله‌ی آن مشخص کنیم کدام پست‌ها برای کاربران خوشایند، کدام خسته‌کننده، کدام غیرقابل تحمل و کدام گیج‌کننده است، مهندسین شرکت راه به جایی نمی‌بردند.
دکمه‌ی لایک تنها یک ابزار جدید برای تعامل کاربران با یکدیگر در فیسبوک نبود، بلکه بهترین راه‌حلی بود که فیسبوک به‌وسیله‌ی آن می‌توانست به دست خود کاربران، فیدهای خبری آن‌ها را پالایش و فیلتر کند. کاربران در آن زمان متوجه نبودند که زیرکانه‌ترین قسمت کار را خودشان انجام می‌دهند. اگر فیسبوک به کاربران گفته بود برای کمک به شرکت در ساماندهی فید خبری، آن‌ها مجبور هستند پست‌های دوستانشان را بررسی و رتبه‌بندی کنند؛ حتما آن را کاری ملال‌آور و آزاردهنده می‌دانستیم. الگوریتم فید خبری فیسبوک یکی از اولین اقدامات این شرکت در شخصی‌سازی تجربه‌ی کاربری کاربران به دست خودشان و تأثیرگذاری بر دیگران بود.
به نحو غیرمنتظره‌ای، این الگوریتم به‌عنوان شیوه‌ای برای شناسایی پست‌های معروف و نمایش بیشتر آن‌ها به‌صورت ویروس‌وار به کار گرفته شد. این عبارت قبلا برای نامیدن تعاملات بین دو کاربر به کار گرفته می‌شد، اما در آن زمان به انتشار الگوریتم‌گونه‌ی پست‌ها برای حجم عظیم مخاطبین اطلاق شد. با این حال کارکنان فیسبوک تنها کسانی نبودند که از نحوه‌ی انتشار ویروس‌وار یک پست مطلع بودند. ناشران، بازاریاب‌ها، کلاه‌برداران و حتی کاربران شخصی شروع به جمع‌آوری و استفاده از المان‌هایی کردند که در انتشار ویروس‌وار پست‌ها مؤثر بود؛ ویژگی‌هایی که لایک‌های زیادی جذب می‌کردند، نظیر تعداد بالای دوستان، دنبال کنندگان و حتی غریبه‌های تصادفی. در نتیجه افراد زیادی با بهره‌گیری از این روش‌ها تلاش کردند پست‌های خود را هرچه بیشتر در معرض دید قرار دهند و لایک‌های بیشتری دریافت کنند.
گروه‌هایی از مشاورین شبکه‌های اجتماعی سر برآوردند و وظیفه‌شان این بود تا به کاربران در مورد نحوه‌ی بهره‌مندی از الگوریتم فیسبوک مشاوره بدهند، نظیر اینکه از چه کلماتی استفاده کنند، چه زمانی پست‌های خود را ارسال کنند و از چه ترکیب مناسبی برای کلمات و تصاویر بهره ببرند؛ عباراتی نظیر این عکس را لایک کنید. یک پست خوب از کاربران درخواست لایک میکند و آن‌ها نیز این کار را انجام می‌دهند، حتی اگر به محتوای پست اهمیت چندانی ندهند. دیری نپایید که فیدهای خبری کاربران فیسبوک شباهت زیادی به یکدیگر پیدا کردند و تمام آن‌ها پر از محتوایی شدند که برای انتشار ویروس‌وار مهندسی شده بود. اکثر آن‌ها مطالبی بودند که به طرز زننده‌ای سعی در تحریک احساسات کاربران داشتند یا آن‌ها را برای ارسال لایک و دادن نظر تشویق می‌کردند. غالب آن‌ها خالی از مفهوم و نکته‌ی خاصی بودند و ویژگی اصلی آن‌ها این بود که فکر و احساسات را فراتر از حالت معمول برانگیخته می‌کردند.
ادامه دارد…
zoomit
