Не так давно наступил момент, когда я понял, что мой алгоритм Netflix стал Черным зеркалом другого типа, отражающим самые худшие стороны моей личности. Конечно, я прошел этап просмотра настоящих криминальных документальных фильмов и время от времени фильмов ужасов, но внезапно все остальные рекомендации стали касаться жутких названий, как будто клоун Пеннивайз каким-то образом дергал за ниточки.
На этом дело не закончилось. Мои мысли обратились к Spotify и его недавним сомнительным рекомендациям. Я помню, как писал статью о том, как ИИ захватывает потоковую передачу музыки, в которой я ссылался на платформу, и, конечно же, я увидел в своей ленте гораздо больше мусора, созданного ИИ. Я также заметил несколько других рекомендаций, которые не соответствовали моим вкусам после того, как я позволил другим людям играть в диджеи у меня дома. Алгоритмы подавляли меня, и пришло время дать отпор.
Первые шаги для выполнения частичного сброса
Понимание того, как алгоритмы учатся на каждом моем шаге
Первым шагом, который я предпринял, чтобы исправить свои привычки просмотра и прослушивания, было лучшее понимание того, как работает система. Алгоритмы не догадываются, они учатся на каждой пропущенной песне или незавершенном просмотре. Каждое действие рисует картину того, кем вы являетесь, и помогает им предсказать, что будет дальше.
Алгоритмы используют явную обратную связь — прямые сигналы, такие как лайки и оценки, — и неявную обратную связь — косвенные сигналы, полученные от поведения пользователя, включая время просмотра, пропуски, повторы и клики. Они также используют атрибуты метаданных контента, такие как персонал, жанры и темп, а также контекстные данные, включая время суток, текущие тенденции и используемые устройства.
Если бы мне удалось разорвать петлю обратной связи, мне пришлось бы научить свои алгоритмы заново изучать свои вкусы и игнорировать свои недавние привычки.
Разрыв петли обратной связи
Простые действия для переобучения моих потоковых платформ
Переобучение моих алгоритмов оказалось намного проще, чем ожидалось, поскольку они постоянно обновляют свои модели для обработки новых данных. Сначала мне пришлось заняться домашним хозяйством, которое включало в себя:
-
Удаление понравившихся заголовков, которые не соответствуют моим вкусам.
-
Удаление старых плейлистов Spotify, к которым я не хотел возвращаться.
-
Удаление определенных фильмов и сериалов Netflix из истории просмотра.
-
Я гарантирую, что я демонстрирую только новую музыку, используя функцию «Частный сеанс» Spotify.
Затем я начал тренировать свои алгоритмы, чтобы они лучше отражали мои вкусы. Если эксперимент не удался, самым простым вариантом было бы полностью стереть историю моего аккаунта или создать новый профиль заново, что звучало немного надуманно, учитывая то, что я считаю незначительным раздражением.
Следуя нескольким простым правилам, я мог бы направить свои рекомендации обратно на названия, которые соответствуют моим вкусам, и при этом удивить меня свежим контентом, который в противном случае я бы не выбрал.
Обучение алгоритмам, чтобы снова меня удивить
Курирование моих симпатий и привычек для предоставления реальных рекомендаций
Очистив свою историю стриминга, я начал активно лайкать и подписываться на плейлисты исполнителей, чья музыка соответствует моим нынешним вкусам. Я позволяю любимым плейлистам воспроизводиться целиком или проигрываю весь альбом, пока работаю. Я также посетил несколько внешних сайтов, чтобы уточнить рекомендации Spotify, выходящие за рамки предложенных платформой.
Этот процесс был катарсисом, помогая мне задуматься о музыке, которую я действительно хочу видеть в своей жизни, одновременно очищая от большого количества устаревшего материала, из которого я вырос. Spotify уделяет большое внимание песням, которые понравились, и частому прослушиванию, поэтому я избегал старых плейлистов, чтобы начать с чистого листа. Я также сделал пометку в будущем опробовать новую музыку на приватном сеансе, чтобы избежать случайного заражения моего алгоритма джазом нью-эйджа.
В Apple Music этот процесс еще проще: мне просто нужно было зайти в «Учетная запись» -> «Выбрать исполнителей для вас» и отредактировать выбранных исполнителей. В целом я провел около недели, случайно просматривая свои библиотеки и ставя лайк подходящему контенту, прежде чем увидел заметные результаты.
В то же время я начал тренировать свой алгоритм Netflix. После удаления определенных элементов истории, нажав «Учетная запись» -> «Просмотр активности» и выбрав значок «Скрыть» рядом с заголовком или серией, которые я хотел удалить, я начал активно лайкать, просматривать и добавлять типы контента, которые я хочу видеть больше в своей ленте.
Вскоре моя лента снова перешла от мрачных к гораздо более цивилизованным рекомендациям, не требующим какого-либо деструктивного редактирования. Также присутствовал элемент случайности, который мне нравится, поскольку он не дает мне застрять в похожих жанрах или вообще разочароваться в платформе.
Подумайте о том, чтобы стереть все с ног на голову, прежде чем отменять подписку на потоковую передачу.
Много раз мне хотелось сдаться и прибегнуть к бесплатным сервисам потокового ТВ для развлечения, особенно с учетом регулярного повышения цен и отсутствия свежего контента, который производят платные платформы. То же самое касается потоковой передачи музыки. Одно дело иметь под рукой все мыслимые песни, но если мне придется слушать один и тот же контент снова и снова, зачем платить ежемесячную плату?
Очистка вашего алгоритма может показаться очевидным лекарством, но, успешно попробовав ее, я открываю для себя новую музыку, фильмы и сериалы, которые в противном случае прошли бы мимо меня. В будущем я обязательно буду проводить регулярную генеральную уборку, чтобы оправдать потраченные на подписку деньги.
