Сергей Беляев – Цифровые двойники (страница 12)
Самый «настоящий» из всех двойников?
Так что же такое игровой двойник? Это сложнейший феномен, сотканный из эскапизма, самовыражения, социального взаимодействия и психологии достижений.
И здесь мы возвращаемся к парадоксу, озвученному в начале. Для многих людей их игровой аватар – самое аутентичное проявление их личности. Свободные от оков своего реального тела, социального статуса, ожиданий окружающих, они могут быть теми, кем всегда хотели быть: храбрыми, решительными, верными, мудрыми, харизматичными. Анонимность здесь служит не для обмана, а для раскрепощения. Она позволяет проявиться тем частям нашей личности, которые подавлены в реальной жизни.
Возможно, именно в этих вымышленных мирах, управляя вымышленными телами, мы становимся наиболее настоящими.
На этом мы завершаем нашу археологическую экспедицию. Мы раскопали и изучили все основные формы цифровых двойников, от их зарождения в текстовых чатах до сложных ипостасей в социальных сетях и игровых вселенных. Мы увидели, что они собой представляют и как они появились на свет.
Теперь пришло время для самого важного шага. Мы должны заглянуть внутрь, в нашу собственную черепную коробку. Мы переходим от генезиса к психологии. Что все эти вторые «Я» делают с нашим разумом? Как они влияют на наши эмоции, нашу самооценку, наше восприятие реальности?
Путешествие в зазеркалье только начинается.
Глава 10. Алгоритмический куратор: как платформы лепят наших двойников
Всё началось не с кода, а с простого желания – сделать так, чтобы мы дольше остались в одном месте. Эта маленькая инженерная задача – «удержать внимание» – превратилась в одну из самых мощных культурных машин XXI века. Платформы стали не просто пространствами для общения: они стали режиссёрами, продюсерами и, что важно, кураторами наших вторых «я». В этой главе мы разложим этот процесс на части: от кирпичиков алгоритма – сигналов и метрик – до больших социальных последствий и непреднамеренных эффектов.
Начнём с короткой истории.
Ирина вела обычную жизнь: работа, маленькая квартира, вечера с сериалами. Однажды она запостила фотографию домашнего пирога – просто потому, что ей было приятно. Пост неожиданно «взорвался»: много лайков, люди спрашивали рецепт, один локальный блогер репостнул. Алгоритм «подсказал», что этот контент «заходит» её окружению, и стал показывать его всё новым людям. Через неделю эфир Ирины наполнился запросами: «А что вы используете для глазури?», «Где куплены эти формочки?». Она начала думать не о том, любит ли она печь, а о том, что люди любят смотреть. Она стала формировать контент под алгоритм, а не наоборот. Со временем её реальное хобби стало работать на цифровой образ – на образ, который уже работал в свою очередь на алгоритм. Это и есть самый простой пример взаимной подстройки: человек подстраивается под систему, система подстраивается под человека – и рождается кто-то третий, самостоятельный: цифровой куратор, который управляет, что и кому увидеть.
1. Что такое «алгоритмический куратор» – простыми словами
Алгоритмический куратор – это совокупность правил, формул и моделей машинного обучения, которые решают: какие посты, видео и объявления показывать конкретному человеку и в каком порядке. Раньше редакторы газет и программные продюсеры решали, что увидит аудитория; теперь эту роль исполняет алгоритм – и он делает это автоматически, в масштабе миллиардов пользователей.
Ключевая особенность: алгоритм не стремится «показать правду» или «сделать вас счастливым». Его главная, экономически мотивированная цель – максимизировать целевой показатель платформы: время в приложении, вовлечение, просмотры рекламы. Именно эта цель определяет, какие кусочки вашей жизни попадут в свет и как ваш цифровой образ будет собран и представлен. Этот мотив подробно разобран в предыдущих главах нашей книги: платформы торгуют вниманием, и оно – их валюта.
2. Как работает этот куратор «внутри» – сигналы, ранжирование, обучение
Чтобы понять, как платформа лепит ваш двойник, нужно знать язык алгоритма. Это можно объяснить через три элемента:
* Сигналы – всё, что алгоритм может измерить: лайки, репосты, длительность просмотра видео, клики, время реакции, количество сообщений в комментариях, частота публикаций, время суток и даже «скольжение» пальца по экрану. Каждый ваш жест – сигнал. Чем ярче сигнал (например, долгий просмотр видео), тем «важнее» алгоритм считает контент.
* Функция ранжирования – набор правил/моделей, которые на основе сигналов присваивают контенту «оценку релевантности» для каждого пользователя. Раньше у Facebook (принадлежит Meta, признанной экстремистской и запрещённой на территории РФ) был примитивный, но понятный ранжировщик – EdgeRank – который учитывал связь пользователя с автором, тип взаимодействия и «свежесть» поста. Сегодня его место заняли сложные модели машинного обучения, которые учитывают десятки тысяч факторов и обучаются на огромных наборах данных. История перехода от EdgeRank к современным ML-моделям описана в журналистских и аналитических материалах о развитии ленты новостей.
* Обучение и обратная связь – алгоритм делает предположение: «этот пост понравится Марии». Если Мария действительно тратит над ним время и комментирует – модель получает награду (положительная обратная связь) и усиливает похожие предсказания в будущем. Если нет – модель корректируется. Это порождает петлю: наши реакции «обучают» систему, а система в ответ формирует наш опыт.
Важно: алгоритм персонализирован под каждого пользователя. Это не «глобальная редакция», а миллионы отдельных редакций, создаваемых автоматически в реальном времени.
3. Экономика внимания и почему алгоритм делает именно то, что делает
Почему алгоритм «выбирает» эмоцию, сенсацию и контраст – а не спокойный, ровный контент? Потому что эмоция удерживает взгляд дольше, а удержание – это деньги. Реклама продаётся в минуту внимания и в глубине охвата. Платформы экспериментируют с форматами, интерфейсом, уведомлениями и последовательностью контента, чтобы максимизировать время на сайте. Это не эзотерика – это бизнес-модель: «если вы не платите за продукт, продукт – вы».
Статистика времени, которое люди проводят в соцсетях, подчёркивает масштаб: типичный пользователь сейчас проводит в соцплатформах порядка ~2 часов 20–25 минут в день (данные по 2024 году), и этот показатель – основной ориентир для продуктовых команд.
4. Петли обратной связи и эффект усиления (feedback loops)
Петля обратной связи – ключевой механизм, объясняющий, как платформа «лепит» ваш двойник:
* Вы показываете предпочтение (сигнал).
* Алгоритм предлагает больше похожего контента.
* Вы получаете подтверждение своей вкусовщины, видите всё больше людей/тем, похожих на те, которые вы уже любите.
* Ваш цифровой профиль (портрет интересов) становится всё более узким и «точечным».
* Вы начинаете действовать в соответствии с этим портретом: лайкаете, делитесь, покупаете, меняете своё поведение.
* Эти новые действия укрепляют профиль – и цикл повторяется.
Именно поэтому алгоритм не просто отражает вас – он вас формирует. Он переводит потенциально разрозненные интересы в устойчивый цифровой паттерн, который потом используется для рекомендаций, таргетинга рекламы и даже для составления «биографии», видимой другим пользователям.
5. Фильтр-пузырь и эхо-камера – технологическое и поведенческое измерение
Термин «фильтр-пузырь» ввёл Элай Парайзер, описав ситуацию, когда персонализация создаёт уникальную, закрытую информационную вселенную для каждого пользователя. Это не просто социальное самоотсечение – это технологический эффект: алгоритм выбирает, что вам показывать.
Отличие от эхо-камеры: эхо-камера – часто результат сознательного выбора (мы подписываемся на тех, кто похож на нас). Фильтр-пузырь – то, что платформа делает без нашего ведома, подстраивая контент по мере накопления сигналов. В сумме это ведёт к тому, что ваш цифровой двойник оказывается обитателем узкого мира, где подтверждают только то, что вы уже считали верным.
На практике это значит: если вы один раз задержались на радикальном видео, алгоритм может постепенно «глубже» рекомендовать вам контент из той же ниши – и хотя долгие дискуссии о «радикализации через рекомендации» сложны, научные проверки показали, что рекомендационные цепочки действительно могут усиливать идейную однородность и вести пользователя в специализированные информационные ниши. Систематические обзоры и эмпирические аудиты подтверждают наличие этих эффектов, хотя их сила и механика варьируют по платформам и типу контента.
6. Метрики, которые убивают контекст (и подгоняют человека под фасад)
Алгоритмы любят числа. Это легко объяснить: числа можно оптимизировать. Самые распространённые метрики:
* Время просмотра / удержание (watch time)
* Количество взаимодействий (лайки, комментарии, репосты)
* CTR (click-through rate)
* Частота возврата (DAU/MAU – ежедневные/месячные активные пользователи)
* Конверсия (покупки, подписки)
Когда жизнь превращается в набор этих метрик, поведение людей смещается в сторону «что даёт лучший показатель», а не «что мне действительно нравится». Это производит рафинированную, подогнанную под рынок перформативность: мы учимся писать заголовки, ставить эмодзи в правильных местах, снимать видео под определённый ритм и длину – потому что это «работает» в механике алгоритма.