Wie Empfehlungsalgorithmen alles prägen, womit wir online interagieren

Anhören auf: Apple-Podcasts | Spotify | Pandora

Dies ist das vollständige Transkript für Staffel 7, Folge 6 — Der Algorithmus: Empfehlungsschreiben — des Quartz Obsession -Podcast.

Gabriela: Ich möchte hier ein kleines Meta einbringen, Zuhörer. Aus dem oder anderen Grund haben Sie ein digitales Streaming-Tool geöffnet und s führte Sie zu mir. Oder besser zu meiner Stimme die diesen Podcast moderiert. Vielleicht sitzen Sie an Ihrem Computer und jemand , den Sie kennen, hat diesen Link in einem Ihrer Social Feeds geteilt. Vielleicht sind Sie ein Fan, der uns folgt, und Ihr Telefon hat Ihnen eine Push-Benachrichtigung mit einer neuen Folge geschickt.

Vielleicht. Sie waren auf einer Plattform, auf der Sie normalerweise andere Dinge hören, Hörbücher, Alben, Radiofolgen, und unsere kleine Show wurde auf Ihrem Bildschirm angezeigt. Hörempfehlungen. Shows, die Ihnen gefallen könnten. Für Sie empfohlen. Irgendwo in den Tiefen Ihres Bildschirms hat jemand oder etwas in aller Stille darüber nachgedacht, was Sie als Nächstes hören möchten.

Also gut, Bruce, Sie müssen sich meine Stimme bereits den ganzen Tag im Büro und bei Zoom-Anrufen anhören. Wie würden Sie sich fühlen, wenn der Algorithmus Sie zu dieser Episode ziehen würde?

Bruce: Ich hätte das Gefühl, dass es es richtig ist, dass es mich ziemlich gut kennt. Ich spreche gerne mit Quartz-Editoren über Algorithmen.

Gabriela: Ich bin Gabriela Riccardi, die Moderatorin der 7. Staffel von Quartz Obsession, in der wir uns die Technologien und Ideen, die unser Leben bestimmen, genauer ansehen.

Machen Sie sich also bereit, etwas über maschinelles Lernen zu lernen, denn heute spreche ich mit Bruce Gill von Quartz über Algorithmen.

Wenn wir also über Algorithmen sprechen, zumindest hier sprechen wir über Empfehlungsalgorithmen, die ausufernde, eigenartige Zahlenfolge, die dafür verantwortlich ist, herauszufinden, was Ihnen gefällt, und zu bestimmen, wie daraus alles wird, was Sie online sehen. Vor diesem Hintergrund erklären Sie mir Bruce, wie Sie zum ersten Mal auf den Algorithmus gestoßen sind?

Wo finden wir Empfehlungsalgorithmen in unserem Alltag?

Bruce: Meine Beziehung zum Algorithmus war größtenteils ziemlich positiv. Ich bin von Natur aus ein ziemlich unentschlossener Mensch. Ich mag die Idee, etwas zu haben, das mir, glaube ich, dabei hilft, zu entscheiden, was ich esse. Bitte geben Sie mir Empfehlungen, wie Grubhub. Netflix, sagen Sie mir, was sich lohnt anzuschauen. Spotify, geben Sie mir Ihre kuratierte Playlist.

Aber ich muss sagen, dass TikTok etwas ganz Besonderes war. Und ich glaube, viele Leute haben eine ähnliche Erfahrung gemacht, bei der sie das Gefühl hatten, dass es sie zu gut kennt. Und zuerst fand ich das unglaublich. Es war wie ein sehr konstanter Strom an gut unterhaltsamen Inhalten.

Gabriela: Warum erscheinte es so zu gut? Was hat es für Dinge geboten ?

Bruce: Es waren einfach eine Menge Dinge, bei denen ich nicht sicher war, wie ich wusste, dass sie mir Spaß machen oder mögen würden. Natürlich gab es ein paar Standardsachen, wenn Sie mich kennen. Drag-Race-Clips. Es gab einige ASMR-Videos. Ich liebe es zu sehen, wissen Sie weißt n, wenn ich Leute daran beteiligt habe, auf Dinge zu klopfen oder Seife zu schneiden.

Ich weiß nicht warum.

Gabriela: Es lindert den Juckreiz in Ihrem Gehirn. Manchmal ist es unerklärlich.

Bruce: Genau. Und mir ist auch noch etwas Komisches aufgefallen: Es erzählte mir irgendwie ein kleines Stück über meine Geschichte. Es zeigte mir Memes aus alten Zeiten, die ich als Kind mit meiner Familie angesehen habe.

Und ich frage mich, wie das hier reingekommen ist? Weil ich nichts war, wonach ich selbst auf TikTok gesucht habe. Irgendwann habe ich einfach gemerkt, dass es fast zu effizient war, da ich Stunden damit verbracht habe. Es hat meinen Schlaf gestört. Am Ende habe ich die App für mein Telefon gelöscht, nur für mich, aus persönlichen Gründen, und als ich anfing, mehr über diese Algorithmen zu lernen, fühlte es sich ein wenig irreführend an oder wie ein kleiner Trickser, der mehr über Ihre Interessen weiß, als Sie wahrscheinlich selbst.

Gabriela: Wir alle hören das ziemlich häufig, als würden wir unsere Zehen in eine neue soziale Plattform oder ein anderes digitales Ökosystem eintauchen und plötzlich zieht es alle diese Dinge heraus, die es über uns weiß. Wir machen die Witze, dass unsere Telefone und unsere Geräte uns zuhören aber manchmal ist es einfach so unheimlich. Es fühlt sich an, als viele Leute heute zu diesen Schlussfolgerungen kommen, dass der Algorithmus so ausgeklügelt ist, dass er Ihnen über sich auf eine Art etwas erzählt, dass Sie nicht einmal über sich sprechen können.

Okay, Bruce, lass uns das einfach auf die grundlegendste Ebene herunterbrechen. Was genau ist ein Algorithmus?

Was ist ein Algorithmus?

Bruce: Ein Algorithmus ist im weitesten Sinne also lediglich ein Prozess oder ein bestimmter Satz von Anweisungen, deren Befolgen oder Ausführen zu einem gewünschten Ergebnis führt. Oft wird er als eine Art Rezept zur Lösung eines Problems beschrieben.

Normalerweise werden sie zum Lösen mathematischer Probleme verwendet, aber dank der Computer können sie heute für die Lösung fast aller Probleme eingesetzt werden.

Gabriela: Es geht also zurück auf das, was wir alle vielleicht in der Grundschule oder Mittelschule lernen, nämlich die Idee der Formel. Zumindest in meinen Klassenzimmern habe ich etwas über PEMDAS gelernt, das ist so etwas wie die Reihenfolge der Operationen, um Zahlen so zusammenzusetzen, dass sie zu ihren logischen Schlussfolgerungen gelangen.

Algorithmen sind genau viel, viel, viel ausgereiftere, weiterentwickelte Versionen davon. Aber auf ihrer grundlegenden Ebene sind sie nur eine Art Formeln oder Anweisungen. Lassen wir also für einen Moment zurückgehen. Wann haben die Menschen zum ersten Mal angefangen? Als sie zum ersten Mal Algorithmen verwendet haben. Wie entstand diese Idee eines Algorithmus?

Was sind die Ursprünge von Algorithmen?

Bruce: Algorithmen sind so wie eine ziemlich alte Idee. Einige der ersten aufgezeichneten Algorithmen wurden 2000 v. Chr. in Babylonien auf Tontafeln geschrieben.

Gabriela: Oh mein Gott.

Bruce: Richtig, verrückt. Es gibt griechische Mathematiker, und ein berühmter Algorithmus ist der euklidische Algorithmus. Dieser hier geht also auf 300 v. Chr. zurück. Er ist also irgendwie neuer.

Gabriela: Oh, ja. So viel aktueller .

Bruce: Es ist ein Algorithmus, um den größten gemeinsamen Nenner zwischen zwei von Null verschiedenen Zahlen zu finden. Und es ist im Grunde ein sehr einfacher Algorithmus, bei dem Sie viele Divisionsaufgaben lösen, bis Sie den größten gemeinsamen Nenner oder größten Faktor in zwei Zahlen erhalten.

Gabriela: Okay.

Bruce: Ich bin sicher, dass die Leute das aus der Grundschule kennen. Ich glaube, es ist eine der ersten Formeln oder Faktorisierungsgleichungen, die wir im Matheunterricht gelernt haben.

Gabriela: Wie kommen wir von der buchstäblichen Antike, Euklid, der alten Mathematik, der auf Tafeln geschriebenen Dinge in das heutige 21. Jahrhundert?

Was sind einige der grundlegenden Algorithmen?

Bruce: Mit der Einführung von Computern wurde es für die Menschen einfacher, umfangreichere und komplexere Algorithmen auszuführen. Sie werden für alle möglichen Dinge verwendet, beispielsweise zum Sortieren großer Datenmengen.

Es gibt diese zwei Algorithmen, die ich als die grundlegenden Algorithmen für diese neueren TikTok-Empfehlungsalgorithmen betrachte, den Google PageRank und den Netflix-Preis. Sie sind eigentlich diejenigen, mit denen die Leute als erstes interagiert haben. Beginnen wir mit Google. Denn Google ist ich glaube etwas, das wir jeden Tag verwenden und von seinem Ursprung hört.

Es ist auch irgendwie verrückt. Oh. Der ursprüngliche Google-Algorithmus wurde also 1998 von diesen beiden College-Studenten geschrieben. Sie gingen nach Stanford, Sergey Brin und Lawrence Page. Sie schrieben ihn als Teil einer wissenschaftlichen Arbeit, während sie auf dem College waren. Und die Idee war, Ordnung ins Internet zu bringen. Damals waren Suchmaschinen noch nicht so hilfreich wie heute.

Sie waren noch dabei, herauszufinden, wie sie den Benutzern die relevantesten und nützlichsten Suchergebnisse liefern konnten. Und so kamen diese beiden College-Studenten auf eine Idee, wie sie sicherstellen könnten, dass sie beim Googeln tatsächlich zuverlässige Informationen erhalten und nicht nur irgendein zufälliges Blog.

Gabriela: Sie wollen mir also erzählen , dass Larry Page und Sergey Brin Google anfangs als Hochschularbeit aufgebaut haben, nur als wissenschaftliche Arbeit, und damit so viele Möglichkeiten entstanden sind, mit der Herstellung von so vielen Möglichkeiten der Entwicklung von Internet wie der Navigation ist heute .

Und auch ein wörtliches Verb, das, wie ich glaube, jeder in seinem Wortschatz hat, um etwas zu googeln. Ich habe es gerade Sie sagen hören, wissen Sie, als ob es sogar unsere Sprache geprägt hätte. Ja.

Bruce: Es ist so interessant, darüber nachzudenken, wie sie heute, wo wir uns über die Algorithmen beschweren, so hilfreich und bahnbrechend für die Art der Verwendung von Algorithmen waren und wie sie die Welt verändert haben für die Art der Verwendung von Internet haben wir heute alle uns im Internet bewegen.

Gabriela: Erzählen Sie mir also, wie PageRank funktionierte, nachdem es aus der wissenschaftlichen Literatur kam und als tatsächliches Tool existierte.

Bruce: Heute ist der Google-Algorithmus also wesentlich komplexer, aber damals bestand die Idee darin, diese Seiten anhand der Anzahl und Qualität ihrer Links zu bewerten. Jede Seite erhält also eine Bewertung basierend darauf, wie viele andere Seiten auf sie zurückverlinken. Dabei wird auch der PageRank dieser Seiten berücksichtigt.

Wenn Sie also von diesen hochwertigen Seiten zitiert werden, steigt Ihr Ranking.

Gabriela: So sorgen wir dafür, dass die New York Times und die Chicago Tribune und die Washington Post und die LA Times an die Spitze der Suchergebnisse von Google rücken. im Gegensatz zu mynewsblog. com. us. co. uk. gov. Ich weiß nicht. Jemand äußert da zufällig im Internet seine Meinung.

Das wird nicht so hoch eingestuft, weil es eine weniger seriöse Quelle ist. Sie existiert nicht innerhalb dieses Ökosystems, in dem man sich gegenseitig Dinge empfiehlt.

Bruce: Genau.

Wie hat Netflix Empfehlungsalgorithmen entwickelt?

Gabriela: Erzählen Sie mir also etwas über den zweiten grundlegenden Algorithmus.

Bruce: Ich denke, dies war ein gewaltiger Wendepunkt im Bereich der Empfehlungsalgorithmen.

Bereits 2006, als Netflix noch nicht einmal ein Streaming-Dienst, sondern ein DVD-Verleih war, starteten sie einen Wettbewerb namens „Netflix Prize“, bei dem sie 1 Million Dollar für jeden auslobten, der seine Empfehlungssoftware um 1 Million verbessern konnte. 10 %. 10 Prozent.

Gabriela: klingt nicht nach viel. Es ist eine Million Dollar wert?

Bruce: Ja, aber die Leute haben mindestens zwei Jahre gebraucht, um diesen Maßstab zu erreichen.

Gabriela: Wow. Okay. Das ist also offensichtlich eine höhere Hürde, als mir mein Instinkt sagt. Okay. Also erzählen Sie mir wie sie in den zwei Jahren dorthin gelangt sind?

Bruce: Netflix hat alle Daten darüber veröffentlicht, wie seine Benutzer Filme bewerten.

Es gab also hundert Millionen Bewertungen von 17.770 Filmen von etwa 480 Kunden. Die Aufgabe bestand also darin, anhand dieser Daten einen Algorithmus zu erstellen, der vorhersagt, ob jemandem ein Film gefallen würde, und zwar basierend auf den bisherigen Bewertungen. Und zwar nicht nur auf den Bewertungen selbst, sondern auf den Bewertungen aller Personen in diesem Datensatz. Also aller Netflix-Benutzer.

Und so haben 30.000 Leute sich angemeldet, um dabei mitzumachen. Und dann kamen so viele mehr dazu. Foren und Diskussionsbeiträge und Leute, die ihre Ideen austauschten, und wissen Sie die Leute begannen darüber nachzudenken, ob aktuelle Bewertungen präziser sind als Bewertungen von vor Monaten. Es gibt eine Tageszeit, zu der jemand eine Bewertung abgibt. Beeinflusst das die Denkweise ? Und sie begannen, diese Dinge zu ihren Berechnungen in die Algorithmen einzubeziehen, und sie bauen alle auf der Arbeit der anderen auf. Da ist dieser eine Kandidat Simon Funk, der sehr einflussreich war.

Er gehörte zu den Top-Leuten, die als Erste einfach gebloggt und ihren Code öffentlich gemacht haben, damit die Leute mit seinem arbeiten können. Und seine große Innovation war die Verwendung dieser mathematischen Technik namens Singulärwertzerlegung.

Gabriela: Das hört sich über mein Know-how auf, aber erzählen Sie mir mehr.

Bruce: Im Grunde genommen handelt es sich also um eine Möglichkeit, das Finden von Ähnlichkeiten zwischen Filmen und Benutzern, denen diese Filme gefallen, zu automatisieren.

All diese Bewertungen sind also bloß Zahlen, damit der Algorithmus herausfinden kann, dass diese Personengruppen alle diese Art von Filmen zu mögen scheinen. Er erstellt also eine Art Kategorien für Sie. Und das könnten Genres sein. Es gibt einen bestimmten Typ Mensch, der Actionfilme mag, oder es gibt einen bestimmten Typ Mensch, der Filme von Tom Hanks mag.

Der Algorithmus hat gelernt, dass er, wenn Sie romantische Komödien mögen, herausfinden kann, dass andere Leute, die romantische Komödien mögen, keine echten Science-Fiction-Fans sind. Daher weiß er, dass er Ihnen keine Science-Fiction-Filme empfehlen soll.

Gabriela: Es ist einfach so interessant, das zu hören. Es klingt als würde diese Fundgrube an Benutzerdaten öffentlich gemacht werden.

Ich meine, wir stehen offensichtlich noch in so frühen Zeiten, in der Datenschutz der Nutzer n noch nicht wirklich wichtig ist. So heiß das heutige Thema ist aber durch diesen Crowdsourcing-Effekt entstanden. Viele Leute testeten verschiedene Eingaben. Ich finde es faszinierend, dass die Tageszeit, zu der man auf Netflix surft, die Entscheidung beeinflussen könnte, die man über das Streamen trifft.

Zum Beispiel: Was möchten Sie morgens auftragen? Vielleicht frühstücken Sie gerade und nicht, was Sie abends kurz vor dem Schlafengehen auftragen. Zum Beispiel: Möchten Sie morgens etwas Energiespendenderes und abends etwas Beruhigenderes oder vielleicht, wissen Sie, genau umgekehrt? Es ist faszinierend, darüber nachzudenken.

Bruce: Netflix hat die Daten für den Netflix-Preis anonymisiert, aber die Leute konnten herausfinden, wer diese Benutzer waren, indem sie die Daten mit IMDB-Seiten verknüpften. Und das führte dazu , dass der Netflix-Wettbewerb beendet wurde. Und sie hatten einen zweiten geplant, aber diese Pläne wurden aus Datenschutzgründen abgesagt.

Gabriela: Oh, wow. Das Alte ist in mancher Weise neu. Datenbedenken damals, Datenbedenken heute, Datenschutzbedenken damals, Datenschutzbedenken heute. Es hört sich also so, als wurde PageRank dazu entwickelt, um Ordnung zu bringen und die Dinge zu straffen. Seiten, Websites werden häufiger verlinkt, haben einen höheren Rang. Der Rang steigt weiter, wenn die Seiten, mit ihnen verlinkt sind, selbst einen hohen Rang haben.

Es ist eine Art Organisationssystem, das sehr hierarchisch ist. Dieses Beispiel mit dem Netflix-Preis klingt, als ob es wirklich auf Inhalten, Persönlichkeiten und Profilen basiert und daher eine Art weitläufige Komplexität darstellt, die unterschiedliche bevorzugte Verbindungen herstellt. Absolut interessant.

Also, ich bin neugierig, auf welche unterschiedlichen Arten werden Algorithmen hier und jetzt eingesetzt? Wie haben sie sich seit PageRank weiterentwickelt oder wie ein Crowdfunding-Wettbewerb um Netflix mit seinem eigenen Algorithmus zu schlagen?

Wie haben sich Algorithmen in den letzten Jahrzehnten verändert?

Bruce: Heute gibt es einfach so viel mehr Daten. Es gibt so viele Möglichkeiten, Leute zu verfolgen. Netflix hat sich in diesem Beispiel auf die Filmbewertung der Benutzer verlassen.

Es waren ungefähr hundert Millionen Filmbewertungen. Aber da Netflix jetzt ein Streaming-Dienst ist, kann es tatsächlich verfolgen, was Sie sich eigentlich ansehen. Sie müssen nicht einmal etwas bewerten, um in diesen Algorithmus hineingezogen zu werden.

Gabriela: Was denken Sie über den Einfluss auf uns kulturell haben von Empfehlungsalgorithmen? Können Sie mir ein wenig darüber erzählen, Bruce, wie sie uns auf eine Weise prägen und beeinflussen, die uns vielleicht nicht erkennen?

Wie formen und beeinflussen uns Algorithmen auf eine Weise, die wir vielleicht nicht erkennen?

Bruce: Um auf unser früheres Gespräch zurückzukommen: TikTok ist ein sehr klares Beispiel dafür, wie die Kultur durch diese Algorithmen geprägt wird. Es ist auch einer der leistungsstärkeren Empfehlungsalgorithmen. Wenn man sich das Design ansieht, ist es so etwas wie die perfekte Plattform für maschinelles Lernen, und zwar so, dass ein Algorithmus lernt, indem er mehr Daten sammelt und sich selbst beweist, denn auf dieser Plattform sehen sich etwa eine Milliarde Benutzer all diese zweiminütigen Clips an.

Jeder Wisch oder jede Minute, die Sie ein Video ansehen, ist ein weiterer Datenpunkt, anhand dessen der Algorithmus weiß, was er Ihnen als Nächstes empfehlen soll. Und genau das meinte ich vorhin, als ich sagte, dass ich mich irgendwie ausgetrickst fühlte. Es mag Zeiten geben, in denen ich denke: „Ich glaube, dass ich Katzenvideos nicht mag. Ich mag Katzenvideos nicht.“ Aber aus irgendeinem Grund kann der Algorithmus erkennen, dass ich sie vollständig angeschaut habe, und wird diese Katzenvideos weiterhin empfehlen.

In gewisser Weise sind der TikTok-Algorithmus und das Design der App so leistungsstark, dass sie Ihnen Dinge zeigen, die süchtig machen und wissen, dass Sie sie anschauen werden, weil Sie ihm alle Informationen geben, die er braucht, damit er weiß, dass Sie weiter zuschauen werden.

Gabriela: Oh mein Gott, das verstehe ich . Ich bin selbst nicht auf TikTok, weil ich bereits zu viele meiner freien Stunden vor meinen Bildschirmen verbringe.

Aber dasselbe passiert mir auf meinen, oh, meinen Instagram-Entdecken-Feeds, meinen Pinterest-Entdecken-Seiten. Oh mein Gott. Ich werde ständig in den Dingen bestärkt, von denen ich weiß , dass ich sie mag, und dann werden mir auch Dinge aufgedrängt, von denen ich dachte nicht sie gefällt, von denen ich aber irgendwie nicht den Blick abwenden kann. Also erzähl mir von der dunklen Seite.

Welche Bedrohungen oder Sicherheitsbedenken gehen von Empfehlungsalgorithmen aus? Insbesondere, da wir unsere Algorithmen weiter verfeinern und sie von Tag zu Tag ausgefeilter werden.

Welche Bedrohungen oder Sicherheitsbedenken gehen von Empfehlungsalgorithmen aus?

Bruce: Einige Daten zeigen, dass sie für einen großen Inhalt verantwortlich sind, der die Nutzer auf YouTube ansehen. Ihr Empfehlungsalgorithmus steuert etwa 70 Prozent der Videos, die in der App angeschaut werden.

Wenn sich die Leute bei dem, was sie sich ansehen, auf diese Algorithmen verlassen, muss man sehr vorsichtig sein, was den Leuten gezeigt wird.

Gabriela: Was die Algorithmen unabsichtlich dazu animierten, weiter hinzuschauen.

Bruce: Richtig. Der YouTube-Algorithmus hat sich verbessert, aber in der Vergangenheit hat sich gezeigt, dass er die Leute in diese Kaninchenlöcher voller Verschwörungsvideos treibt.

Ein weiteres Beispiel ist etwa Facebook. Der dortige Algorithmus priorisierte früher die Reaktion mit wütenden Emojis. Und indem er diese Art von Reaktionen übergewichtete, trug er dazu bei, Fehlinformationen auf der Website zu verbreiten.

Gabriela: Und auch gewalttätige Inhalte. Facebook ist in dieser Faszination eine faszinierende Fallstudie. Einige dieser Informationen kamen der Öffentlichkeit erst an das Licht , als ein Whistleblower eine Fundgrube an Dateien veröffentlichte, die offenbarten, dass der Algorithmus von Facebook Inhalte empfahl, die die Menschen wütend machten, Inhalte die Gewalt darstellten, Inhalte die nicht unbedingt die Wahrheit enthielten.

Ich habe diese Whistleblowerin, Frances Haugen, letztes Jahr tatsächlich interviewt, und als ich sie fragte, was sie letztendlich dazu bewogen habe, diesen großen und riskanten Schritt zu unternehmen? Zu sammeln, was Ihrer Meinung nach bei einem Algorithmus an Ihrem Arbeitsplatz, bei diesem sehr, sehr mächtigen Technologieunternehmen, schieflief, und dies der Öffentlichkeit zugänglich zu machen. Und sie sagte: „Ich musste nachts wieder schlafen können.“

Als sie sah, wie sich in den Tiefen der Blackbox der Algorithmen die düstersten Dinge abspielten und wie sich diese, wissen Sie, gewissermaßen auf echte Benutzerinteraktionen im Web ausweiteten, wurde ihr deutlich, wie gefährlich ein schiefgelaufener Algorithmus sein kann. Es gibt sehr eindeutige Fallstudien, in denen Algorithmen in dunkle Gefilde geraten können, wenn sie nicht eingedämmt oder verantwortungslos gehandhabt werden oder man sie einfach sich selbst Dinge beibringen lässt.

Bruce: Ja, und ich denke, es ist wichtig, im Moment festzustellen, dass sogar die Gesetzgeber besorgt sind. Ich weiß, dass das [US-]Repräsentantenhaus einen Gesetzentwurf verabschiedet hat, der TikTok möglicherweise blockiert oder verbietet, falls es seine Beziehung zum chinesischen Unternehmen ByteDance nicht abbricht. Der Grund dafür sind Bedenken hinsichtlich der Daten, aber auch Bedenken darüber, wie viel Kontrolle das Unternehmen darüber hat, was den Zuschauern empfohlen wird.

Mir ist bekannt, dass es in der Vergangenheit Berichte gab, dass TikTok Beiträge von LGBT-Nutzern, behinderten Nutzern oder bestimmten politischen Themen auf der Plattform unterdrückt hat.

Gabriela: Ja, wir haben auch gesehen, dass Meta, offensichtlich die Muttergesellschaft von Facebook und Instagram und Threads ist, jetzt einen Schalter hat, den man an- und ausschalten kann, um entweder politische Inhalte ausgespielt zu bekommen oder nicht politische Inhalte ausgespielt zu bekommen, weil das so ein Auslösepunkt für das ist, was Algorithmen hervorbringen, an die Oberfläche bringen und verbreiten könnten, wenn sie mehr als unkontrolliert bleiben.

Bruce, wir haben natürlich über einige der Gefahren gesprochen, die in Algorithmen lauern, aber auch über einige der Freuden. Wenn die Algorithmen Ihnen süße Kätzchen servieren, oder sehr beruhigendes ASMR, oder vielleicht Ihren nächsten Lieblings-Spionagethriller, was ist Ihre Meinung, nachdem Sie sich so eingehend damit befasst haben? Glauben Sie, dass es uns besser geht, wenn diese hochentwickelten Algorithmen sozusagen die Ränder unseres digitalen Lebens steuern?

Machen Empfehlungsalgorithmen unser digitales Leben besser – oder schlechter?

Bruce: Ich schätze, mein Beziehungsstatus zu Algorithmen ist im Moment kompliziert. Ich glaube, ich bin, ich bin, ich bin hin- und hergerissen. Es gibt dieses neue Buch des New Yorker Autors Kyle Chayka, [mit dem Titel] Filterwelt: Wie Algorithmen die Kultur verflachen. Die grundlegende Annahme ist, dass wir so viele neue Dinge durch diese Algorithmen entdecken, sich die Ersteller von Inhalten ein gewissermassen unter Druck fühlen, an diesen Orten viral zu gehen und an diesen Orten gut zu laufen und das bedeutet, ein möglichst breites Publikum anzusprechen.

Und er behauptet, dass dies von Netflix und all diesen Filmstudios, die diese sehr ähnlichen Superheldenfilme veröffentlichen, bis hin zu Musikern reicht, die Lieder schreiben, die zu einer TikTok-Tanz-Challenge führen. Und deshalb denke ich, dass es dazu einiges zu sagen gibt. Algorithmen nehmen einem ein bisschen von der Magie und dem eigenen Entdecken der Dinge.

Und da wir nun alle direkt auf dieselben Quellen zugreifen, macht das Internet meiner Meinung nach langsam weniger Spaß.

Gabriela: In gewisser Weise nimmt Ihnen der Algorithmus die Fähigkeit zur Selbstfindung und gibt Ihnen die Dinge einfach.

Bruce, das war ein sehr unterhaltsames Gespräch. Danke, Podcast. Ich werde meine Seiten zum Erkunden und Entdecken nie wieder mit denselben Augen betrachten.

Bruce Gil berichtet für Quartz über aktuelle Nachrichten und Gesundheit. Diese Folge wurde von Ready Freddy Media produziert. Zusätzliche Unterstützung erhalten wir von Angel Fajardo, der Chefredakteurin von Quartz, Susan Housen, und David Weinstein, dem Leiter der Videoabteilung. Unsere Titelmusik stammt von Taka Yasuzawa und Alex Tsukira. Wenn Ihnen gefällt, was Sie gehört haben, folgen Sie uns auf Apple Podcasts, Spotify, wo immer Sie zuhören, und erzählen Sie Ihren Freunden von uns.

Wollen Sie den Algorithmus überlisten? Senden Sie den Link zu dieser Episode an fünf Freunde, die gerne zeigen würden, dass Sie sie besser kennen, als es eine Maschine je könnte. Gehen Sie dann zu qz.com/obsession, um sich für Quartz‘ wöchentliche Obsession-E-Mail anzumelden und Hunderte interessanter Hintergrundgeschichten zu durchstöbern. Ich bin Gabriella Riccardi. Danke fürs Zuhören.

Also, Bruce, bist du bereit? Wir werden beide unsere Instagram-Konten öffnen und klicken, klicken, klicken, tippen, tippen, tippen. Also gut. Ich schaue, ich schaue. Oh, ein paar dieser Sachen möchte ich nicht einmal ins Mikrofon sprechen.

Bruce: Im Wesentlichen steht da ein Mann in der Hand ist so etwas das aussieht wie ein Stanley-Cup aus Glas und mischt eine ganze Menge aromatisierter Sirupe und so etwas in Wasser.

Ein Teil von mir hat das Gefühl, dass dies eine Parodie von, so etwas wie, WaterTok sein muss.

Gabriela: Ich habe gerade diese Illustration einer Garnele gefunden, die eine Zigarette raucht. Und ich weiß nicht einmal woher sie kam! Ich folge einigen Kunst-Accounts und einigen Illustratoren. Ich hoffe , die Garnele hat einen schönen Abend. Am besten irgendwo draußen. Niemand und niemand mag es wenn man drinnen raucht.