2.3.8 അല്ഗോരിഥിക്കല് ​​ആശയവിനിമയം നടത്തി

വലിയ ഡാറ്റാ സിസ്റ്റങ്ങളിൽ സ്വഭാവം സ്വാഭാവികമല്ല; ഇത് സിസ്റ്റങ്ങളുടെ എഞ്ചിനീയറിംഗ് ലക്ഷ്യങ്ങളാൽ നയിക്കപ്പെടുന്നു.

അവരുടെ ഡാറ്റ റെക്കോർഡ് ചെയ്യുന്നതിനേക്കുറിച്ചല്ല (സെക്ഷൻ 2.3.3) ജനങ്ങൾ അറിഞ്ഞിരിക്കാത്തതിനാൽ വലിയ ഡാറ്റാ സ്രോതസ്സുകൾ നിഷ്ക്രിയമാണെങ്കിലും, ഈ ഓൺലൈൻ സിസ്റ്റത്തിലെ സ്വഭാവരീതി സ്വാഭാവികമായും സംഭവിക്കുന്നത് "സ്വാഭാവികമായും സംഭവിക്കും" എന്നാണ്. പരസ്യങ്ങളിൽ ക്ലിക്കുചെയ്തോ ഉള്ളടക്കം പോസ്റ്റുചെയ്യുന്നതോ പോലുള്ള പ്രത്യേക പെരുമാറ്റങ്ങൾ ഉണ്ടാക്കാൻ കൂടുതൽ സാങ്കേതികമായി ഉപയോഗിക്കുന്നു. സിസ്റ്റത്തിലെ ഡിസൈനർമാരുടെ ലക്ഷ്യങ്ങൾ ഡാറ്റയിലേക്ക് പാറ്റേണുകൾ അവതരിപ്പിക്കുന്നതിനുള്ള വഴികൾ അൽഗോരിത്മിക് അവഗണിക്കൽ എന്നു പറയുന്നു . അൽഗൊരിറ്റിക് വിദ്വേഷമുണ്ടാകുന്നത് സാമൂഹ്യ ശാസ്ത്രജ്ഞൻമാർക്ക് വളരെ അജ്ഞാതമാണ്, എന്നാൽ ശ്രദ്ധാപൂർവ്വമായ വിവര ശാസ്ത്രജ്ഞർക്കിടയിൽ ഇത് വളരെ ശ്രദ്ധേയമാണ്. ഡിജിറ്റൽ ട്രെയ്സുകളിലെ മറ്റ് ചില പ്രശ്നങ്ങൾ പോലെയല്ലാതെ, ആൽഗോരിറ്റിക് അവബോധം അദൃശ്യമാണ്.

ജൊഹാൻ ഉഗാണ്ടറും സഹപ്രവർത്തകരും (2011) കണ്ടെത്തിയ ഫേസ്ബുക്കിൽ 20 ഓളം സുഹൃത്തുക്കളേക്കാൾ അനിയന്ത്രിതമായ ധാരാളം ഉപയോക്താക്കളുണ്ടെന്ന് അൽഗോരിഥിമിക് കൗണ്ടണിംഗിന്റെ താരതമ്യേന ലളിതമായ ഉദാഹരണമാണ്. ഫെയ്സ്ബുക്ക് എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നത് സംബന്ധിച്ച് യാതൊരു വിവരവുമില്ലാതെയാണ് ശാസ്ത്രജ്ഞർ പറയുന്നത്. 20 വ്യത്യസ്ത തരത്തിലുള്ള മാന്ത്രിക സാമൂഹിക സംഖ്യകൾ എത്രയാണെന്നതിനെ കുറിച്ച് നിരവധി കഥകൾ പറയാം. ഭാഗ്യവശാൽ, ഉഗാണ്ടറും അദ്ദേഹത്തിന്റെ സഹപ്രവർത്തകരും ഈ വിവരങ്ങൾ സൃഷ്ടിക്കുന്ന പ്രക്രിയയെക്കുറിച്ച് ഗഹനമായ ധാരണയുണ്ടായിരുന്നു. ഫേസ്ബുക്കിൽ കൂടുതൽ സുഹൃത്തുക്കളെ ഉണ്ടാക്കാൻ ഫെയ്സ്ബുക്ക് 20 സുഹൃത്തുക്കളെ കണ്ടെത്തുന്നതുവരെ ജനങ്ങളെ പ്രോത്സാഹിപ്പിച്ചിരുന്നുവെന്ന കാര്യം അവർക്കറിയാമായിരുന്നു. ഉഗാണ്ടറും സഹപ്രവർത്തകരും അവരുടെ പേപ്പറുകളിൽ ഇത് പറയുന്നില്ലെങ്കിലും പുതിയ ഉപയോക്താക്കളെ കൂടുതൽ സജീവമായി പ്രോത്സാഹിപ്പിക്കുന്നതിന് ഈ നയം ഫെയ്സ്ബുക്ക് സൃഷ്ടിച്ചതായി കരുതപ്പെടുന്നു. ഈ നയത്തിന്റെ അസ്തിത്വത്തെക്കുറിച്ച് അറിവില്ലാത്തതിനാൽ, ഡാറ്റയിൽ നിന്നും തെറ്റായ നിഗമനത്തിലെത്താൻ എളുപ്പമാണ്. മറ്റു വാക്കുകളിൽ പറഞ്ഞാൽ 20 ഓളം സുഹൃത്തുക്കളുള്ള ആളുകളുടെ എണ്ണത്തിൽ മനുഷ്യരുടെ പെരുമാറ്റം ഉണ്ടാകുന്നതിനെക്കാൾ ഫേസ്ബുക്കിനെക്കുറിച്ച് കൂടുതൽ വ്യക്തമാക്കുന്നുണ്ട്.

ഈ മുൻ ഉദാഹരണത്തിൽ, അൽഗോരിഥ്മിക് കൗണ്ടിംഗ് ഒരു ശ്രദ്ധാപൂർവ്വമായ ഫലം സൃഷ്ടിക്കുകയും ശ്രദ്ധാപൂർവ്വമുള്ള ഗവേഷകനെ കണ്ടെത്തുകയും അന്വേഷിക്കുകയും ചെയ്തേക്കാം. എന്നിരുന്നാലും, ഓൺലൈൻ സംവിധാനത്തിന്റെ ഡിസൈനർമാർക്ക് സാമൂഹിക സിദ്ധാന്തങ്ങൾ അറിയാമെന്നിരിക്കെ, ഈ സിദ്ധാന്തങ്ങൾ അവരുടെ സംവിധാനങ്ങളിൽ പ്രവർത്തിപ്പിക്കുമ്പോഴാണ് ആൽഗോരിഥിമിക് കൗണ്ടണിംഗിന്റെ പോലും തന്ത്രപരമായ പതിപ്പ്. സോഷ്യലിസ്റ്റ് ശാസ്ത്രജ്ഞന്മാർ ഈ പ്രകടനത്തെക്കുറിച്ച് പറയുകയാണ്: ലോകത്തെ ഒരു സിദ്ധാന്തം ലോകത്തെ കൂടുതൽ ആസൂത്രണം ചെയ്യുന്ന വിധത്തിൽ മാറ്റുന്നു. പ്രകടനാത്മക അൽഗോരിക്മിക് കൗണ്ഡിംഗ് ചെയ്തപ്പോൾ, ഡാറ്റയുടെ വികലമായ സ്വഭാവം കണ്ടുപിടിക്കാൻ വളരെ ബുദ്ധിമുട്ടാണ്.

പ്രകടനക്ഷമത സൃഷ്ടിച്ച പാറ്റേണുകളുടെ ഒരു ഉദാഹരണം ഓൺലൈൻ സോഷ്യൽ നെറ്റ്വർക്കുകളിൽ ട്രാൻസിറ്റിവിറ്റി ആണ്. 1970 കളിലും 1980 കളിലും ഗവേഷകർ പലപ്പോഴും ആലിസും ബോബുമായി സുഹൃത്തുക്കളായിരുന്നെങ്കിൽ ആലിസും ബോബും രണ്ട് ക്രമരഹിതമായി തിരഞ്ഞെടുക്കപ്പെട്ട ആളുകളേക്കാൾ അധികം പരസ്പര സുഹൃത്തുക്കളായിരിക്കും. ഈ രീതി തന്നെ ഫേസ്ബുക്കിലെ സോഷ്യൽ ഗ്രാഫ് (Ugander et al. 2011) . ഒടുവിൽ, ഫേസ്ബുക്കിനെ സംബന്ധിച്ച സൌഹൃദത്തിൻറെ രീതികൾ ഓഫ്ലൈൻ സൗഹൃദത്തിന്റെ രീതികൾ, കുറഞ്ഞത്, ട്രാൻസിറ്റിവിറ്റിയിൽ ആയിരിക്കണം. എന്നിരുന്നാലും, ഫേസ്ബുക്ക് സോഷ്യൽ ഗ്രാഫിലെ ട്രാൻസിറ്റിവിറ്റി പ്രകടമാകുന്നത് അൽഗോരിഥിമിൻ വിരുദ്ധതയാണ്. അതായത്, ഫേസ്ബുക്കിലെ ഡാറ്റ ശാസ്ത്രജ്ഞന്മാർക്ക് ട്രാൻസിറ്റിവിറ്റി സംബന്ധമായ അനുഭവ സമ്പന്നവും സൈദ്ധാന്തികവുമായ ഗവേഷണത്തെക്കുറിച്ച് അറിയാമായിരുന്നു. പുതിയ സുഹൃത്തുക്കളെ നിർദ്ദേശിക്കുന്ന ഫേസ്ബുക്ക് ഒരു "പീപ്പിൾ യു യു" ഫീച്ചറാണ്, നിങ്ങളോട് നിർദ്ദേശിക്കാൻ വരുന്ന ഒരാൾ ട്രാൻസിറ്റിവിറ്റി ആണെന്ന് ഫേസ്ബുക്ക് തീരുമാനിക്കുന്നു. അതായത്, നിങ്ങളുടെ സുഹൃത്തുക്കളുടെ ചങ്ങാതിമാരുമായി ചങ്ങാത്തം നടത്താൻ ഫേസ്ബുക്ക് കൂടുതൽ സാധ്യതയുണ്ട്. ഈ സവിശേഷത ഇങ്ങനെ ഫേസ്ബുക്ക് സോഷ്യൽ ഗ്രാഫ് വഴി ട്രാൻസിറ്റിവിറ്റി വർദ്ധിപ്പിക്കും. മറ്റൊരു തരത്തിൽ പറഞ്ഞാൽ, സംതരണം എന്ന സിദ്ധാന്തം പ്രവചിക്കുന്ന ലോകത്തെ ലോകത്തെ കൊണ്ടുവരുന്നു (Zignani et al. 2014; Healy 2015) . അതിനാൽ, സോഷ്യൽ സിദ്ധാന്തത്തിന്റെ പ്രവചനങ്ങളെ പുനർനിർമ്മിക്കുന്നതിന് വലിയ ഡാറ്റാ ഉറവിടങ്ങൾ ദൃശ്യമാകുമ്പോൾ, ഈ സിദ്ധാന്തം എങ്ങനെ സിസ്റ്റം പ്രവർത്തിച്ചു എന്നു പറയാതിരിക്കാൻ പാടില്ല.

പ്രകൃതിദത്തമായ രീതിയിൽ ആളുകൾ കാണുന്ന വലിയ ഡാറ്റ സ്രോതസ്സുകളെക്കുറിച്ച് ചിന്തിക്കുന്നതിനേക്കാൾ, ഒരു കറിക്കോയിൽ ആളുകൾക്ക് കൂടുതൽ അനുയോജ്യമാണ് മെറ്റാപർ. ചില പെരുമാറ്റങ്ങൾ ഉണ്ടാക്കാൻ രൂപകൽപ്പന ചെയ്ത എൻജിനീയറിങ്ങ് പരിതസ്ഥിതികൾ ആണ് കമിനോകൾ. ഒരു കാസിനോയിൽ മനുഷ്യന്റെ സ്വഭാവത്തെ മറികടക്കുന്ന ഒരു ജാലകം നൽകാൻ ഗവേഷകർ പ്രതീക്ഷിക്കുന്നില്ല. ഗതിയിൽ ആളുകളെ പഠിക്കുന്നതിലൂടെ മനുഷ്യരുടെ സ്വഭാവത്തെക്കുറിച്ച് നിങ്ങൾക്ക് എന്തെങ്കിലും പഠിക്കാം, പക്ഷേ ഒരു കാസിനോയിൽ ഡാറ്റ സൃഷ്ടിക്കപ്പെട്ടെന്ന വസ്തുത നിങ്ങൾ അവഗണിക്കുകയാണെങ്കിൽ ചില മോശം നിഗമനങ്ങളിൽ എത്തിച്ചേരാം.

നിർഭാഗ്യവശാൽ, അൽഗോരിറ്റിക് അവബോധം കൈകാര്യം ചെയ്യുന്നത് പ്രത്യേകിച്ചും ബുദ്ധിമുട്ടാണ്, കാരണം ഓൺലൈൻ സിസ്റ്റങ്ങളുടെ നിരവധി സവിശേഷതകൾ കുത്തകാവകാശം, മോശമായി രേഖപ്പെടുത്തപ്പെട്ടിട്ടുള്ളത്, നിരന്തരം മാറിക്കൊണ്ടിരിക്കുന്നതിനാൽ. ഉദാഹരണത്തിന്, ഞാൻ പിന്നീട് ഈ അധ്യായത്തിൽ വിശദീകരിക്കും, Google ഫ്ലൂ ട്രെൻഡ്സ് (വിഭാഗം 2.4.2) ക്രമേണ നിലച്ചതിന്റെ ഒരു വിശദീകരണമാണ് അൽഗരിതിമിംഗ്ടനിലെ വിദ്വേഷമുണ്ടായത്, പക്ഷേ ഈ ക്ലെയിം വിലയിരുത്താൻ പ്രയാസമാണ്, കാരണം Google- ന്റെ തിരയൽ അൽഗോരിതം കുത്തക അൽഗോരിഥ്മിക് കൗണ്ഡിംഗ് ചെയ്യലിന്റെ ചലനാത്മകമായ സ്വഭാവം സിസ്റ്റത്തിന്റെ ഒരു രീതിയാണ്. അൽഗോരിത്മിക് വിദ്വേഷം എന്നതുകൊണ്ട് അർത്ഥമാക്കുന്നത്, ഒരു ഡിജിറ്റൽ സംവിധാനത്തിൽ നിന്നു വരുന്ന മനുഷ്യ സ്വഭാവവുമായി ബന്ധപ്പെട്ട എന്തെങ്കിലും അവകാശത്തെക്കുറിച്ച് നാം എത്രതന്നെ ശ്രദ്ധാലുക്കളായിരിക്കണം എന്നത്, എത്ര വലിയ കാര്യമൊന്നുമുണ്ടായാലും.