Изначально Facebook был построен на идее "друзей" и двунаправленных отношений: вы дружите с кем-то, а он дружит с вами. В значительной степени это было копирование реальных социальных сетей в виртуальном пространстве. Но другие платформы, такие как Twitter, строили свой бизнес и пользовательский опыт на модели "последователя": вы могли следить за человека на платформе и видеть его публичные сообщения, даже если человек не знал о вашем существовании и не следил за вами в ответ. Вы могли следить за людьми по интересам.
Алгоритмы, предлагающие следовать за людьми на основе их известности или актуальности, помогали непреднамеренно рождать влиятельных людей, просто предоставляя их аккаунтам почетное место в списке. В январе 2010 года технический предприниматель Анил Даш написал в блоге пост, в котором описал свой опыт попадания в список предложенных пользователей Twitter, который появился в 2009 году. Дэш отметил, что в октябре 2009 года у него было восемнадцать тысяч подписчиков. "Если бы я продолжал расти обычными темпами, сегодня у меня было бы около 25 000 подписчиков, - написал он, - но благодаря попаданию в список у меня почти 300 000 подписчиков". 33 Получение большего числа подписчиков порождает еще больше подписчиков, поскольку популярные аккаунты предлагаются чаще. Система рекомендаций "Предлагаемые пользователи" вызывала определенные споры даже в 2009 году, поскольку люди признали ее способность укреплять влияние в сети случайным образом, как будто алгоритм или владелец платформы положил большой палец на чашу весов; это явно отличалось от того, как слава зарабатывается в оффлайне, несмотря на то что в том, как СМИ приписывают знаменитостей, тоже есть доля случайности. 34
Элон Маск, купивший Twitter в 2022 году, предлагает более свежий пример. По состоянию на начало 2023 года следование за Элоном Маском приводит к появлению кластеров похожих аккаунтов, которые, по мнению алгоритма Twitter, заинтересуют пользователя: Марджори Тейлор Грин, Tesla, Джим Джордан, Лео Террелл, SpaceX и Дональд Трамп-младший. Попадание в список предполагаемых подписчиков самого известного пользователя сайта дает преимущества остальным, которых он привлек к себе; количество подписчиков Марджори Тейлор Грин и Джима Джордана подскочило на сотни тысяч в течение месяца. 35 Это был интересный взгляд на то, где, по мнению алгоритмов Twitter, находится Маск в политическом плане. А если бы вы последовали за одним из предложенных аккаунтов, то, в свою очередь, увидели бы еще одну волну похожих предложений - возможно, более правых политиков или правых артистов. Система рекомендаций формирует сети влияния и усиления с потенциально значительными последствиями.
Facebook тоже постепенно начал объединять людей по интересам. Во многом это произошло благодаря тому, что Facebook начал рекомендовать не только друзей, но и группы , постоянные сообщества, созданные вокруг какой-либо темы - "Куры на заднем дворе", "Воины меланомы", "Мой ребенок не спит", - в которых люди объединялись не по общим связям, а по интересам. В таких группах люди завязывали глубокую дружбу, что, как правило, увеличивало время пребывания на сайте. Это было полезно для компании.
И тогда компания приступила к переориентации социальных сетей пользователей с помощью систем рекомендаций, которые способствовали развитию групп. В своей простейшей форме рекомендательные системы предлагают контент на основе выраженных интересов. Известный как фильтрация по содержанию, этот тип алгоритма берет сигналы от того, что сделал сам пользователь, например посмотрел видео о садоводстве, а затем предлагает больше садоводческого контента или сообществ. Но по мере того как платформы накапливали данные о миллионах пользователей, рекомендательные системы научились находить сходства между пользователями, предлагая предложения, основанные не на том, что делала сама пользовательница, а на том, что делали люди, похожие на нее, - этот процесс называется коллаборативной фильтрацией. Просмотр видео о садоводстве может привести к предложениям о вегетарианских кулинарных группах, например, или о беге трусцой.