Popüler sosyal medya uygulamalarından TikTok’ta 1 milyardan fazla hesap bulunuyor. Bu hesapların 800 milyonu aktif olarak uygulamayı kullanıyor. 150’den fazla ülkede kullanılan TikTok belirli algoritmalar ile çalışarak kullanıcısına içerik önerileri sunuyor. TikTok gibi platformlar genellikle kullanıcının ilgi alanına uygun sonuçlar üretecek şekilde algoritmalar oluşturmaya çalışıyorlar. Benzer dünya görüşü, aynı tarzlar, ortak ilgi alanları son derece kişiselleştirilmiş bir filtrelemenin sonucunda ortaya çıkıyor. Peki sosyal medyada kullanıcı profil resmine göre filtreleyen bir sistem bulunuyor mu?
Marc Faddoul farklı hesaplar açarak TikTok’un algoritma sistemini deneyimliyor
Kaliforniya Üniversitesi Berkeley’de bir araştırma bilimcisi olan Marc Faddoul özellikle gençler arasında popüler olan Çin merkezli sosyal medya platformunun çalışma prensibi ile ilgili ilginç bir durum fark etti. 24 Şubat’ta Twitter üzerinden paylaşım yapan yapay zeka araştırmacısı yeni TikTok hesabı açınca gerçekleşen ve tesadüf olmayacak kadar fazla örneği bulunan bir paylaşımda bulundu.
Clearly, recommendations are very physiognomic.
But it’s not just gender and ethnicity, you can get much more niche facial profiling.
TikTok adapts 'recommendability' on hair style, body profile, age, how (un)dressed the person is, and even whether they have visible disabilities. pic.twitter.com/lm9RKxmDZ4— Marc Faddoul (@MarcFaddoul) February 24, 2020
Yapay zeka araştırmacısı Marc Faddoul TikTok’ta önerilen hesapların ilk takip ettiği hesabın profil resmine çok benzediğini gözlemledi. Siyah bir kadın takip ettiğinde daha fazla siyah kadın tavsiyesi alırken beyaz sakallı bir erkek takip ettiğinde önerilerde daha fazla beyaz ve sakallı erkek vardı. Hiçbir bağlantısı olmayan yeni bir hesapla takip etme işlemine başlandığında hep benzer etkileşimleri gözlemledi.
Gerçekleştirilen bu deneyin bilimsel bir dayanağı yok. Ancak yine de bu deneyim sosyal medyadaki öneri motorlarının nasıl çalıştığı sorusunu gündeme getiriyor. Tek bir kişi tarafından farklı hesaplar üzerinden deneyimlenmiş sonuçlarda hep fiziksel benzerlikler ön plana çıkıyor. Belirli demografik özelliklere sahip birisini takip ettiğinizde aynı fiziki özelliklere sahip kullanıcıların önerilmesi sosyal medyadaki deneyimi etkiliyor.
TikTok önerilerin kullanıcıların davranışı sonucu ortaya çıktığını söylüyor
Faddoul bu durumun TikTok’ın filtreleme seçeneklerinde gerçekleşen duruma bağlıyor. Sarışın bir genç takip ettiğiniz zaman onun mizah anlayışına ya da müzik zevkine göre değil de sadece sarışın ve genç olması üzerinden takip edilebilecek diğer hesapları gösterdiğini ifade ediyor.
Social Media have been known to create filter bubbles for political opinions. TikTok seems like the first major platform to create such clear physiognomic bubbles.
— Marc Faddoul (@MarcFaddoul) February 24, 2020
Öte taraftan bir TikTok sözcüsü bu iddiaların benzer sonuçlarla çoğaltılamadığını savunuyor. Takip edilecek hesapların önerisi kullanıcıların davranışlarından kaynaklandığını söylüyor. Örneğin bir A hesabını takip eden kullanıcılar B kullanıcısını takip ediyor. Dolayısıyla bir başka kullanıcı TikTok’ta hesap açıp A hesabını takip ederse onun da B hesabını takip etmek isteyeceğini hesaplayıp sunuyor.
Çöpçatanlık uygulamalarındaki filtreleme sistemine benzer bir algoritma sistemi bu çalışma şeklini açıklayabilir. Faddoul, da bu filtreleme seçeneğinin TikTok için geçerli olabileceğini düşünüyor.
A risk is to reinforce a 'coverage bias' with a feedback loop.
If most popular influencers are say, blond, it's will be easier for a blond to get followers than for a member of an underrepresented minority. And the loop goes on…
— Marc Faddoul (@MarcFaddoul) February 25, 2020
Sounds about right!
— Marc Faddoul (@MarcFaddoul) February 25, 2020
just wanted to check out TikTok by curiosity, and that thing struck me!
— Marc Faddoul (@MarcFaddoul) February 25, 2020
Görsel: Twitter
