टिकटॉक आपके दिमाग को पढ़ता नहीं, बल्कि आपके दिमाग को बनाता है

टिकटॉक दिमाग नहीं पढ़ता, लेकिन दी न्यू यौर्क टाइम्स मैं चाहूंगा कि आप विश्वास करें कि ऐसा होता है।

में एक 5 दिसंबर का लेख में कई बार, स्तंभकार बेन स्मिथ, अखबार के द मीडिया इक्वेशन अनुभाग के लिए लिखते हुए, एक लीक हुए दस्तावेज़ का वर्णन करते हैं टाइम्स कंपनी के अंदर एक अनाम स्रोत से प्राप्त किया गया है जो टिकटॉक पर जुड़ाव बढ़ाने के लिए कथित तौर पर इस्तेमाल किए जाने वाले एल्गोरिदम का खुलासा करता है।

जबकि चर्चाएं हुई हैं कौन सी सामग्री देखी जाए, यह तय करने के लिए टिकटॉक के एल्गोरिदम के बारे में स्मिथ लिखते हैं कि लीक हुआ दस्तावेज़ "एल्गोरिदम कैसे काम करता है, इसके बारे में नए स्तर का विवरण प्रदान करता है।"

लेख में कई चूकें हैं। एक यह है कि एल्गोरिदम कैसे और क्यों विशेष सामग्री की खपत की ओर ले जाता है, इसकी व्याख्या का अभाव है। हालाँकि ऐसा प्रतीत होता है कि एल्गोरिदम उपयोगकर्ता की "पसंद", टिप्पणियों और चलाए गए समय जैसे मैट्रिक्स के आधार पर वीडियो को स्कोर प्रदान करता है, लेकिन इस पर कोई चर्चा नहीं है वीडियो किस फ़ंक्शन को अनुकूलित करना चाहता है, जैसे कि कुल सहभागिता (ख़र्च किए गए घंटे), उदाहरण के लिए, या वीडियो सामग्री का कुल प्रसार, इसका "वायरल" गुणवत्ता।

और अधिक स्पष्ट रूप से, कई बार लेख में कृत्रिम बुद्धिमत्ता और अन्य मीडिया चर्चाओं में आम तौर पर भ्रामक भाषा का प्रयोग किया गया है एल्गोरिथम तकनीकें, "दिमाग" और इच्छा जैसी चीजों को केवल इंजीनियरिंग फीडबैक के रूप में बताती हैं लूप्स

भी: ऐप एनी ने 2022 में टिकटॉक के 1.5 बिलियन सक्रिय उपयोगकर्ताओं तक पहुंचने की भविष्यवाणी की है

कई बारका शीर्षक, "टिकटॉक आपके दिमाग को कैसे पढ़ता है," इसके बाद यह संदर्भ दिया गया है कि एल्गोरिदम लोगों के इरादे का कैसे पता लगा रहा है:

दस्तावेज़ प्रमुख वीडियो ऐप के बारे में एक नए स्तर का विवरण प्रदान करता है, जो ऐप के गणितीय मूल और अंतर्दृष्टि दोनों की एक स्पष्ट झलक प्रदान करता है। मानव स्वभाव के बारे में कंपनी की समझ - ऊब के प्रति हमारी प्रवृत्ति, सांस्कृतिक संकेतों के प्रति हमारी संवेदनशीलता - जो यह समझाने में मदद करती है कि इसे व्यक्त करना इतना कठिन क्यों है नीचे।

हालाँकि, प्रश्न में एल्गोरिदम की चर्चा में मानव स्वभाव के बारे में कुछ भी सामने नहीं आया है। स्मिथ द्वारा प्राप्त दस्तावेज़ के आधार पर एल्गोरिदम, कारकों की एक बहुत ही सरल गणना प्रतीत होती है:

प्लाइक एक्स वीलाइक + पीकमेंट एक्स वीकमेंट + ईप्लेटाइम एक्स वीप्लेटाइम + पीप्ले एक्स वीप्ले

वाक्यांश "पसंद," "टिप्पणी," "खेलने का समय," और क्या बिल्कुल चलाया गया या नहीं, संभवतः वीडियो को निर्दिष्ट विभिन्न मीट्रिक के संदर्भ हैं। स्मिथ "पी" या "वी या "ई" की व्याख्या नहीं करते हैं, हालांकि लेख में यह निहित है कि पी का अर्थ "मशीन लर्निंग द्वारा संचालित" भविष्यवाणी है, बिना विस्तार के।

भी: एसिंक्रोनस वीडियो: क्या टिकटॉक पीढ़ी हमें ओवरलोड से बचा सकती है?

इस प्रकार, एल्गोरिथ्म मानव मानसिकता की परवाह किए बिना, सामग्री के अनुमानित मेट्रिक्स का सारांश प्रस्तुत कर रहा है।

एआई फर्म डीप लर्निंग। एआई की स्थापना बुधवार को शोधकर्ता एंड्रयू एनजी ने की कंपनी के न्यूज़लेटर में स्मिथ के लेख पर चर्चा की, बैच। लेख सुझाव देता है कि "वी" का अर्थ "मूल्य" हो सकता है, जिसका अर्थ है, कुछ अंतिम स्कोर में उनके महत्व के संदर्भ में प्रत्येक मैट्रिक्स पर लागू भार।

चूक के बावजूद, यह स्पष्ट है कि सिस्टम मानसिकता की भविष्यवाणी नहीं कर रहा है, यह संभवतः संभावित विचारों और/या जुड़ाव के संदर्भ में अनुमानित परिणामों के लिए सामग्री के टुकड़ों को मैप कर रहा है।

यह मानने के लिए कि उपयोगकर्ता में एक दिमाग है जो क्लिक करके प्राथमिकताएँ व्यक्त करता है, जैसा कि होता है कई बारस्मिथ का अनुमान एक अनुमान है जो तथ्यों द्वारा समर्थित नहीं हो सकता है।

सांख्यिकीय शब्दों में, किसी मशीन के लिए उपयोगकर्ता के दिमाग को पढ़ने के लिए "पूर्व" की धारणा का अर्थ होगा: कुछ ऐसा जो माप से पहले मौजूद होता है। हालाँकि, व्यक्त प्राथमिकता के रूप में जो मन के रूप में प्रकट होता है, वह विपरीत सांख्यिकीय धारणा है, एक "पिछला", कुछ ऐसा जो माप के बाद ही मौजूद होता है।

इस बात की अधिक संभावना है कि मन एक ऐसी चीज़ है जिसका तथ्य के बाद अनुमान लगाया जाता है, यदि इसका कोई अर्थ है। उस प्रणाली पर विचार करें जो टिकटॉक का गठन करती है। उपयोगकर्ता विभिन्न लघु-फ़ॉर्म वीडियो अपलोड और देख सकते हैं। जैसे-जैसे उपयोगकर्ता वीडियो सबमिट करते हैं और वीडियो का उपभोग करते हैं, उन्हें ऐसे और अधिक वीडियो प्रस्तुत किए जाते हैं। वीडियो के समुद्र में, एक व्यक्ति क्लिक कर रहा है या क्लिक नहीं कर रहा है, आकर्षक है या नहीं।

भी: टिकटॉक बूम, पुस्तक समीक्षा: यूट्यूब के युवा, हिपर प्रतियोगी का उत्थान और उत्थान

उपयोगकर्ता की मानसिकता, या भावनाएँ, एक तरह से अप्रासंगिक हैं क्योंकि सिस्टम स्वैच्छिक विचारों की माँग नहीं कर रहा है। बल्कि, उपयोगकर्ता को विकल्पों के एक सीमित सेट का जवाब देने के लिए कहा जा रहा है, और सिस्टम बेहतर और बेहतर होता जा रहा है, संभवतः, उस गतिविधि को बार-बार उत्तेजित करने पर, जिससे दैनिक सक्रिय उपयोगकर्ताओं की संख्या अधिक से अधिक हो जाती है, जिसके अनुसार कई बार, अब एक अरब के ऑर्डर पर हैं, और 2022 में बढ़कर 1.5 बिलियन होने का अनुमान है.

सबसे अच्छी बात यह है कि टिकटॉक एक अत्यधिक प्रभावी व्यवहार मशीन है, जो दिमाग पढ़ने वाले उपकरण के बजाय टिकटॉक पर व्यवहार को आकार देने की मशीन है।

विश्लेषण को एक कदम आगे बढ़ाते हुए, अकादमिक साहित्य में टिकटॉक का अध्ययन काम पर एल्गोरिदम के बारे में बहुत मिश्रित दृष्टिकोण का सुझाव देता है।

कुछ मामलों में, कंपनी का एल्गोरिदम न केवल उन चीज़ों का प्रचार करने के लिए काम करता है जो लोकप्रिय हो सकती हैं, बल्कि उन चीज़ों को भी प्रचारित करने के लिए काम करती हैं जो उतनी लोकप्रिय नहीं हो सकती हैं।

उदाहरण के लिए, दो कार्नेगी-मेलन शोधकर्ता, डैनियल ले कॉम्पटे और डैनियल क्लुग, इस वर्ष साक्षात्कार हुआ सामाजिक कार्यकर्ता जो सामाजिक मुद्दों पर ध्यान आकर्षित करने के लिए वीडियो प्रस्तुत करने के लिए टिकटॉक का उपयोग करते हैं। उन्होंने बताया कि कार्यकर्ताओं ने अन्य सोशल मीडिया की तुलना में टिकटॉक को प्राथमिकता दी क्योंकि उनके वीडियो अन्य प्लेटफार्मों की तुलना में अधिक व्यापक रूप से देखे गए थे:

कुछ प्रतिभागियों ने नोट किया कि टिकटॉक का उपयोग उनके संदेश को उनके अपने "सर्कल" से परे पहुंचाने में मदद करता है: "इसलिए मैं इस बात पर ध्यान केंद्रित करने में सक्षम था कि उम, के बजाय मेरा अनुसरण किस लिए है।" फेसबुक, जहां यह सिर्फ दोस्तों के दोस्तों या परिवार के लोगों की तरह है जिनसे आप वास्तविक जीवन में मिलते हैं" अन्य प्लेटफार्मों का एक मुख्य सीमित कारक, जिसे प्रतिभागियों ने नोट किया, वह आवश्यकता थी दर्शकों के सदस्यों को सामग्री देखने से पहले किसी निर्माता से जुड़ना या उसका अनुसरण करना होगा, जब तक कि अप्रत्याशित स्थिति में सामग्री को विज्ञापनों के माध्यम से "प्रचारित" नहीं किया गया हो, या तेजी से फैला।

जबकि टिकटॉक एक व्यक्ति द्वारा व्यक्त की गई पसंद से परे चीजों को प्रसारित कर सकता है, यह भी सच प्रतीत होता है कि टिकटॉक गतिविधि यह उन चीज़ों के इर्द-गिर्द जमा हो जाता है जिन्हें लोगों का समूह बड़ी संख्या में स्वीकार करता है, भले ही कोई व्यक्ति उनके बारे में क्या महसूस करता हो या सोचता हो।

चीन में गुइलिन यूनिवर्सिटी ऑफ़ इलेक्ट्रॉनिक टेक्नोलॉजी और नॉर्वे के ओस्लो विश्वविद्यालय के शोधकर्ताओं द्वारा 2019 का एक अध्ययन, टिकटॉक वीडियो पर व्यूज और लाइक की संख्या देखी गई.

लेखकों ने निष्कर्ष निकाला कि अधिकांश वही खेला जाता है जो उपयोगकर्ताओं द्वारा "पसंद" किया गया है:

विशेष रूप से, देखे जाने की संख्या और पसंद की संख्या में बहुत उच्च सहसंबंध गुणांक होता है जो कि 0.91 है, अर्थात एक वीडियो जो व्यूज की संख्या के मामले में लोकप्रिय है, उसके लाइक और वाइस की संख्या के मामले में लोकप्रिय होने की बहुत अधिक संभावना है उलटा.

फिर, क्या उपयोगकर्ताओं को लगातार अधिक से अधिक सामान दिखाया जाता है जो उन्हें दिखाया गया है और जिस पर उन्होंने क्लिक किया है, यह एक इंजीनियरिंग फीडबैक लूप का मामला है, दिमाग पढ़ने का उदाहरण नहीं।

और तीसरा अध्ययन, इस वर्ष, बोस्टन विश्वविद्यालय, बिंघमटन विश्वविद्यालय और विश्वविद्यालय के शोधकर्ताओं द्वारा कॉलेज, लंदन, किसी को आश्चर्यचकित करता है कि क्या टिकटोक का अनुशंसित "इंजन" कुछ भी कर रहा है।

द स्टडी 400 टिकटॉक वीडियो की जांच की गई "संकेतकों को समझने के लिए [जो] एक लघु वीडियो को वायरल बनाते हैं।"

लेखकों ने वीडियो को दस अलग-अलग कारकों के आधार पर लेबल किया है जो विषैलेपन को प्रभावित कर सकते हैं, या, जैसा कि वे इसे "कौमार्य" कहते हैं, उपयोगकर्ताओं द्वारा किसी वीडियो को "पसंद" किए जाने की प्रवृत्ति। वे कारक इस बात से संबंधित थे कि क्या वीडियो का निर्माता "लोकप्रिय" था, अर्थात, उसके बड़ी संख्या में अनुयायी थे; वीडियो की शैली, जैसे कि किसी और के नृत्य ट्रैक को फिर से मिश्रित करने के लिए टिकटॉक में "युगल" सुविधा का उपयोग करना; और भावनात्मक सामग्री, दूसरों के बीच में।

लेखकों ने उन अन्य कारकों के साथ-साथ अनुशंसा एल्गोरिदम की भूमिका को मापने की भी मांग की। उन्होंने यह ध्यान देकर ऐसा किया कि कितने वीडियो ने प्रचार के लिए प्रासंगिक हैशटैग का उपयोग किया, और एक वीडियो सिस्टम में कितने समय तक था, यह देखते हुए कि वायरल वीडियो अपलोड होने के तुरंत बाद वायरल हो जाते हैं।

इसके बाद लेखकों ने इन सभी कारकों का उपयोग बहुत ही सरल मशीन लर्निंग और सांख्यिकी मॉडल में किया, जो कर सकते हैं रैंडम फ़ॉरेस्ट, सपोर्ट वेक्टर मशीनें, लॉजिस्टिक रिग्रेशन, गॉसियन बायेसियन, और सहित चीजों को वर्गीकृत करें निर्णय के पेड़।

परिणाम? उनके क्लासिफायर, अलग-अलग डिग्री तक, "सबसे महत्वपूर्ण विशेषताओं की पहचान करने में सक्षम थे।" वायरल और गैर-वायरल वीडियो के बीच भेदभाव करें।" उन्होंने पाया कि शीर्ष कारक इसकी लोकप्रियता थी निर्माता। दूसरा सबसे बड़ा कारक यह था कि वीडियो में क्लोज़-अप हैं या नहीं, एक निष्कर्ष जो "पिछले से मेल खाता है छवि मीम्स पर अध्ययन से पता चलता है कि अत्यधिक वायरल मीम्स में क्लोज़-अप या मीडियम-शॉट का उपयोग करने की अधिक संभावना है पैमाना।"

इसलिए, लोकप्रियता लोकप्रियता को पुष्ट करती है, और लोग क्लोज़-अप पर प्रतिक्रिया देते हैं। इनमें से कोई भी दिमाग पढ़ना नहीं है। इस बीच, उन्होंने पाया कि पौरुषता के पूर्वानुमानक के रूप में अनुशंसा प्रणाली का मूल्य सबसे कम था।

वे लिखते हैं, "आरएच2 (अनुशंसा प्रणाली) की विशेषताओं में तीन आरएच [अनुसंधान परिकल्पना] के बीच सबसे कम एयूसी [वक्र के नीचे का क्षेत्र] है, जो कि 0.71 से भी कम है।" "वास्तव में, इन विशेषताओं पर प्राप्त सटीकता भी काफी कम (0.56) है, जिससे पता चलता है कि वे किसी वीडियो की वायरलिटी का अच्छा पूर्वानुमान नहीं लगा सकते हैं।"

लेखक, उपाख्यानात्मक रूप से, बिल्ली वीडियो की लोकप्रियता पर भी ध्यान देते हैं।

इसलिए, अध्ययनों से पता चलता है कि टिकटॉक इच्छा या उपयोगकर्ता की परवाह किए बिना अपने उपयोगकर्ताओं पर कुछ वीडियो थोपना चाह सकता है मानसिकता, लेकिन टिकटॉक की बहुत सारी गतिविधि कुछ हद तक स्पष्ट लोकप्रियता प्रतियोगिता और झुंड मानसिकता है। इनमें से कुछ भी दिमाग से पढ़ने के बराबर नहीं है।

इसके विपरीत, शोध से पता चलता है कि टिकटोक प्रभुत्व को मजबूत करके मानसिक दृष्टिकोण को आकार दे सकता है समूह व्यवहार में रुझान, जैसे लोकप्रिय "निर्माताओं" को जवाब देना जो पहले से ही मीडिया पर हावी हैं उपभोग।

दूसरे शब्दों में, टिकटॉक दिमाग पढ़ने की तुलना में मानसिकता बनाने में अधिक भूमिका निभाता है।

मन को पढ़ने के बारे में अटकलें लगाने के बजाय, टिकटॉक सहित सोशल मीडिया के कुछ बुनियादी पहलुओं को ध्यान में रखना उचित है, ऐसे पहलू जिनका दिमाग या मानसिकता से कोई लेना-देना नहीं है।

सबसे पहले, सोशल मीडिया पर गतिविधियों पर मशीनों का कब्ज़ा हो सकता है। वीडियो देखना और उन्हें "पसंद" करना ऐसी गतिविधियाँ हैं सॉफ्टवेयर स्वचालन के दायरे में अच्छी तरह से. इसलिए, यह धारणा कि किसी चीज़ में भाग लेने के लिए दिमाग की आवश्यकता होती है, अप्रासंगिक है।

दूसरा, सोशल मीडिया है शोर के भीतर स्पष्ट सिग्नल तक पहुंचने के लिए डिज़ाइन की गई एक मशीन. व्यक्तिगत प्राथमिकता या रुचि या मानसिकता मशीन के लक्ष्य के लिए अप्रासंगिक है, अर्थात् व्यवहार को स्पष्ट श्रेणियों में क्रमबद्ध करना।

और अंत में, सोशल मीडिया पर किसी एक व्यक्ति की कोई पहचान या मानसिकता नहीं है। जिसे किसी का व्यक्तित्व, उसका मन, उसकी पहचान कहा जाता है महज़ भ्रम, डेटाबेस में संग्रहीत गतिविधियों से नाम जुड़ने का परिणाम।

लोग सोशल मीडिया पर मौजूद नहीं हैं, भले ही वे इसका उपयोग करते हुए बहुत सारा समय बिताते हैं। अत: कोई व्यक्ति नहीं, कोई मन नहीं।