Если для обычных товаров пообъектная фильтрация в ряде случаев дает искомый результат, то с навигацией в культурном предложении все обстоит хуже. Хотя справедливости ради надо отметить, что музыка в ряду культурных благ стоит особняком. Поскольку к хорошим мелодиям люди могут возвращаться неоднократно, потребительские оценки с успехом заменяет подсчет числа прослушиваний той или иной песни. Это тот редкий случай, когда неявные предпочтения адекватно репрезентируют явные. На этом основаны музыкальные сервисы Audioscrobbler (ныне Last.Fm), Launchcast Radio и др.[143] На компьютер, на котором прослушивается музыка, закачивается специальный программный модуль. Больше от пользователя ничего не требуется[144]: его не беспокоят просьбами ранжировать музыкальные композиции, не задают вопросов о настроении и т. д. Модуль отслеживает музыку, которую проигрывает человек, и передает информацию на сервер. Он также создает персональные веб-страницы пользователей сервиса, на которых демонстрируются списки прослушанного. Предполагается, что после того как прозвучало более половины песни, ее смело можно причислять к понравившимся и вносить в профиль. И все же в такой методике есть скрытые ограничения. На сервер поступает информация только о той музыке, которая звучит на компьютере, т. е. в определенной обстановке, в частности в офисе. Очевидно, в этих условиях включишь не всякую музыку, а например фоновую. В автомобиле будут слушать другие мелодии, на Hi-End аппаратуре – третьи. Так что автоматически формируемый потребительский профиль неизбежно получается деформированным.
Если же речь идет о произведениях однократного потребления – книгах, пьесах, фильмах и т. п., результаты дает только метод фильтрации, основанный на рефлексии потребителей. Чтобы повысить точность рекомендаций в пообъектной схеме, базу данных дополняют сведениями о клиентах. Для этого их классифицируют по социально-демографическому принципу, вычленяя в лучших традициях маркетинга фиксированные группы, как-то: средний класс, живущий в пригороде; молодой горожанин – профессионал; религиозный сельчанин с велосипедом и т. д., – и затем пытаются разбить население на кластеры. Нет информации, которую не стремились бы вовлечь в оборот: академические успехи, опыт работы, семейное положение, возраст, пол, раса, почтовый индекс, кредитная история, участие в фокус-группах и т. д., и т. п. Чтобы определить, чего захотят потребители, сначала пытаются установить, кто они такие. Это довольно трудоемко, бесполезно, а в чем-то и неприятно, поскольку на такую информацию с высокой вероятностью найдется заказчик, и это – не потребитель культуры, а кто-то другой с не вполне ясными намерениями.
Изюминка коллаборативной фильтрации по схеме «потребитель – потребитель» состоит как раз в том, чтобы не отягощать процесс ничем лишним. Система не очень хочет знать, кто есть кто, ей нужны лишь добровольно высказанные предпочтения. Только из них выводится, кто к какому культурному сообществу относится. Группы не являются чем-то постоянным, они меняются вместе с людьми. Например, некто не видел ни одного фильма Бунюэля, но если завтра он посмотрит «Этот смутный объект желания» и присвоит ему высокий балл в системе MovieLens, то группа людей, ранее определявшаяся как «точно такие же, как он», немедленно изменится.
Версия фильтрования, опирающаяся не на явно выраженные, а на угадываемые предпочтения, подозрительно приспособлена для коммерческих интересов. В ней теряется самое главное: опора на воспринимаемое качество, поэтому она хуже служит интересам потребителей. Хотя сегодня, пока рекомендательные системы только отлаживаются, нет смысла подозревать кого-то в манипуляциях. Например, Amazon демонстрирует верх корректности – клиентам предоставляется возможность «обучить» систему, сообщая ей свое мнение о точности рекомендаций. Сама по себе состыковка информационного фильтра с торговлей может быть и не лишена смысла, но по мере того как популярность подобных сервисов будет расти, искушение манипулировать ими тоже будет увеличиваться. Например, издатели, вмешиваясь в процесс ранжирования, могут начать рекомендовать свои собственные книги. А уж авторам и их окружению удержаться от подкручивания счетчиков будет крайне сложно. М. О’Махони показал, что самые совершенные системы фильтрации неустойчивы к проискам злоумышленников[145]. Они на это не рассчитаны. Ведутся разработки защиты от «рекомендационного спама», но о практическом применении говорить пока рано[146]. В одном из таких пилотных вариантов защиты честные баллы от «злонамеренных» отделяют математическими методами. Добропорядочных пользователей собираются поощрять скидками и бонусами, а обманщиков наказывать. Однако, когда коллаборативная фильтрация распространится повсеместно, от преднамеренных подлогов[147] будет отгородиться намного сложней. Существует риск того, что система рекомендаций, как перекошенная рулетка, будет настроена на выдачу только определенных подсказок. Отсюда вопрос: эта система рекомендует или конвоирует к нужному прилавку? И вообще, мыслимое ли дело, чтобы коммерсанты сами, да еще и бескорыстно, прокладывали навигационные тропы потребителям? Стоит ли доверять рекомендациям поставщиков?
1.3.2.8. Коллаборативная фильтрация и система цен
Будь мы мнительны, трудно было бы отделаться от ощущения, что мы на пороге раскрытия «заговора». Конечно, в явной форме его не было, но при взгляде с высоты птичьего полета эволюция рекомендательных систем выглядит так, словно сговор имел место. Так и тянет объявить о том, что в сфере культуры действуют некие темные силы, прячущие от людей чудодейственное средство экономии денег и времени. Прячут, классическим образом помещая укрываемое на видном месте. Оригинальную благородную идею взяли под контроль, перепрограммировали для своих нужд и пустили в плавание под прежним названием. Не было лучшего способа дискредитировать начинание. В генетически модифицированном виде рекомендательные системы стали появляться повсеместно. Покупателям в интернет-магазинах непрерывно что-то подсовывают. Теперь все знают, что такое навигация. И все знают, что вещь эта не слишком полезная, а иногда прямо-таки назойливая. Людям кажется, что опробованный ими сервис, например Amazon, – это и есть самая настоящая навигация. В действительности же хорошая метода, позволяющая экономить на пустых пробах и ориентированная строго на потребителей, никак не может проторить себе дорогу[148]. Изначально решалась проблема неосведомленности потребителя о качестве продуктов. Теперь на смену ему пришло незнание намерений оператора рекомендательной системы. Одно не слаще другого. Плюс появляется ощущение утраченной самостоятельности выбора.
Манипуляции с коллаборативной фильтрацией, которые ведутся под предлогом ее улучшения, извращают первоначальную идею. И винить в этом некого. Бизнес не обнаружил в фильтрации силами потребителей источника денег, не нашли его и те, кто искренне ставил во главу угла благо сообщества. Но, вне всякого сомнения, бизнес не мог не предвидеть угрозы своим интересам. Вот открытое предупреждение (в пересказе), прозвучавшее со страниц The New Yorker в год рождения Napster[149]. Фактически, коллаборативная фильтрация – это метод, направленный против блокбастеров. Предположим, некто ввел в MovieLens свое мнение по 15 популярным американским фильмам. Этот некто редко смотрит что-либо, кроме коммерческих голливудских релизов, и плохо ориентируется в мире кино. Но тут в ответ система, располагая данными о предпочтениях его единомышленников, сообщила, что ему могла бы понравиться бельгийская комедия 1992 года и фильм «Давай потанцуем» (1937) с Джинджер и Фредом, и он убедился, что это действительно так. Метод «способствует производству малотиражных, талантливых и качественных продуктов, не попадающихся на глаза читателям из-за скудного маркетингового бюджета»[150]. Грамотные рекомендации приводят к тому, что продажи нераскрученных, но от этого не менее интересных произведений/авторов растут, а блокбастеров – падают. В условиях неопределенности, когда никаких внятных рекомендаций нет, покупают что-нибудь предсказуемое, т. е. блокбастер. С появлением надежных рекомендаций блокбастер потеряет часть публики, поскольку у людей появятся иные ориентиры для выбора.
