Jennifer Golbeck: The curly fry conundrum: Why social media "likes" say more than you might think

Translator: Ali Mousavi Reviewer: Leila Ataei

If you remember that first decade of the web,

اگر دهه اول وب را به خاطر داشته باشید،

it was really a static place.

محیطی کاملا یک نواخت بود.

You could go online, you could look at pages,

می توانستید آنلاین شوید، به صفحات نگاه کنید،

and they were put up either by organizations

و آنها توسط سازمانهایی طراحی شده بودند

who had teams to do it

که تیمهایی برای این کار داشتند

or by individuals who were really tech-savvy

یا توسط افرادی که در آن دوره

for the time.

واقعا عاشق تکنولوژی محسوب می شدند.

And with the rise of social media

و با پیدایش رسانه های اجتماعی

and social networks in the early 2000s,

و شبکه های اجتماعی از سالهای ۲۰۰۰ به بعد،

the web was completely changed

وب فضایی کاملا

to a place where now the vast majority of content

تغییر پیدا کرد که در حال حاضر بیشتر مطالبی که

we interact with is put up by average users,

با آن سر و کار داریم توسط کاربران معمولی تامین شده اند،

either in YouTube videos or blog posts

یا همینطور در ویدیوهای یوتیوب و یا پست های وبلاگ

or product reviews or social media postings.

یا در انتقادات از یک محصول و یا پست های رسانه های اجتماعی.

And it's also become a much more interactive place,

و همین طور به محل تعاملی تر تبدیل شده است،

where people are interacting with others,

جایی که افراد با دیگران در تعامل اند،

they're commenting, they're sharing,

نظر می گذارند، به اشتراک می گذارند،

they're not just reading.

فقط مشغول خواندن نیستند.

So Facebook is not the only place you can do this,

فیس بوک تنها محل برای این کار نیست،

but it's the biggest,

اما بزرگ ترین محل است،

and it serves to illustrate the numbers.

و برای نمایش آماری ما مناسب است.

Facebook has 1.2 billion users per month.

فیس بوک ۱/۲ بیلیون کاربر در ماه دارد.

So half the Earth's Internet population

یعنی نیمی از جمعیت اینترنت دنیا

is using Facebook.

از فیس بوک استفاده می کنند.

They are a site, along with others,

فیس بوک یک سایت مثل سایر سایت ها بود،

that has allowed people to create an online persona

که به افراد اجازه ایجاد یک نمایه آنلاین را

with very little technical skill,

با حداقل دانش فنی داد،

and people responded by putting huge amounts

و مردم هم با قراردادن مقدار زیادی از اطلاعات شخصی

of personal data online.

به فیس بوک پاسخ گفتند.

So the result is that we have behavioral,

بنابراین نتیجه این شد که اطلاعات رفتاری،

preference, demographic data

تمایلات و اطلاعات آمارنگاری

for hundreds of millions of people,

درباره صدها میلیون نفر در اختیار ماست،

which is unprecedented in history.

که در تاریخ بی سابقه بوده است.

And as a computer scientist, what this means is that

و به عنوان یک دانشمند کامپیوتر،

I've been able to build models

یعنی توانسته ام مدل هایی بسازم

that can predict all sorts of hidden attributes

که قادر به پیش بینی ویژگیهای پنهانی

for all of you that you don't even know

افرادی مثل شما هستند که حتی نمی دانید که

you're sharing information about.

اطلاعات آن ها را به اشتراک گذاشته اید.

As scientists, we use that to help

به عنوان دانشمند، ما از این برای کمک

the way people interact online,

به نحوه ارتباط افراد آنلاین استفاده می کنیم،

but there's less altruistic applications,

اما ابزارهای غیر انسان دوستانه هم وجود دارند،

and there's a problem in that users don't really

و مشکل این است که مردم واقعا نمی دانند

understand these techniques and how they work,

که این تکنیک ها چگونه کار می کنند،

and even if they did, they don't have a lot of control over it.

و حتی اگر می دانستند، کاری از دستشان بر نمی آمد.

So what I want to talk to you about today

اما چیزی که امروز می خواهم بگویم

is some of these things that we're able to do,

کارهاییست که می شود انجام دهیم،

and then give us some ideas of how we might go forward

و سپس طرح چند ایده برای ما، که بتوانیم به سمتی حرکت کنیم

to move some control back into the hands of users.

که کنترل برخی از اطلاعاتمان را به دست کاربر برگردانیم.

So this is Target, the company.

خوب این مربوط به شرکت تارگت است.

I didn't just put that logo

من لوگوی شرکت را روی این

on this poor, pregnant woman's belly.

خانم حامله بیچاره نگذاشتم.

You may have seen this anecdote that was printed

ممکن است آن داستان جالبی را که

in Forbes magazine where Target

در مجله فوربز چاپ شد، دیده باشید که تارگت

sent a flyer to this 15-year-old girl

یک بروشور به آدرس دختر ۱۵ ساله ای می فرستد

with advertisements and coupons

با محتوای تبلیغات و کوپن هایی

for baby bottles and diapers and cribs

درباره شیشه شیر بچه و پوشک و گهواره

two weeks before she told her parents

۲ هفته قبل از آنکه به والدینش بگوید

that she was pregnant.

که باردار شده است.

Yeah, the dad was really upset.

آره، باباش خیلی ناراحت شده بود.

He said, "How did Target figure out

خوب تارگت چطور متوجه شد

that this high school girl was pregnant

که این دختر دبیرستانی باردار است

before she told her parents?"

دو هفته قبل از این که والدینش بدانند؟

It turns out that they have the purchase history

معلوم شد که آنها یک تاریخچه خرید

for hundreds of thousands of customers

از صدها هزار مشتری خود دارند

and they compute what they call a pregnancy score,

و عددی که اسمش را نمره بارداری گذاشته اند محاسبه می کنند.

which is not just whether or not a woman's pregnant,

که فقط این نیست که یک زن باردار هست یا نه

but what her due date is.

بلکه تاریخ وضع حملش کی است.

And they compute that

و آن ها این را فقط توسط

not by looking at the obvious things,

محاسبه بدیهیاتی مثل این که

like, she's buying a crib or baby clothes,

او گهواره یا لباس بچه می خرد حساب نمی کنند،

but things like, she bought more vitamins

بلکه چیزهایی مثل این که او بیشتر ویتامین خرید می کند

than she normally had,

نسبت به خریدهای قبلی اش،

or she bought a handbag

یا او کیف دستی ای خریده است

that's big enough to hold diapers.

که برای حمل پوشک مناسب است.

And by themselves, those purchases don't seem

و به خودی خود، این خریدها به نظر

like they might reveal a lot,

چیز زیادی را آشکار نمی کنند،

but it's a pattern of behavior that,

اما این الگوی رفتاری است که،

when you take it in the context of thousands of other people,

زمانی که آن را در کنار الگوی هزاران فرد دیگر قرار می دهید،

starts to actually reveal some insights.

شروع به آشکار کردن بعضی چیزها می کند.

So that's the kind of thing that we do

بنابراین این کاری است که می کنیم

when we're predicting stuff about you on social media.

وقتی چیزی درباره شما روی شبکه های اجتماعی حدس می زنیم.

We're looking for little patterns of behavior that,

ما به دنبال الگوهای رفتاری کوچکی هستیم،

when you detect them among millions of people,

که وقتی در کنار میلیون ها فرد دیگر بگذاریدشان،

lets us find out all kinds of things.

به ما اجازه دانستن همه نوع چیز را می دهد.

So in my lab and with colleagues,

بنابراین من و همکارانم در آزمایشگاه،

we've developed mechanisms where we can

مکانیزمی طراحی کرده ایم که می توانیم

quite accurately predict things

به خوبی چیزهایی رو پیش بینی کنیم

like your political preference,

مثل تمایلات سیاسی شما،

your personality score, gender, sexual orientation,

امتیاز شخصیتی، جنسیت، گرایش جنسی،

religion, age, intelligence,

دین، سن، هوش،

along with things like

به همراه چیزهایی مثل

how much you trust the people you know

این که چقدر به آشنایانتان اعتماد دارید

and how strong those relationships are.

و چقدر روابطتان عمیق هستند.

We can do all of this really well.

ما این ها را به خوبی انجام می دهیم.

And again, it doesn't come from what you might

و این هم از چیزهایی که شما ممکن است به عنوان

think of as obvious information.

اطلاعات بدیهی تصور کنید به دست نمی آید.

So my favorite example is from this study

خوب مثال مورد علاقه من از مطالعاتی است که

that was published this year

امسال منتشر شد در ژورنال

in the Proceedings of the National Academies.

Proceedings of the National Academies

If you Google this, you'll find it.

می شود در گوگل جستجو کردش.

It's four pages, easy to read.

چهار صفحه است و به راحتی قابل خواندن.

And they looked at just people's Facebook likes,

و فقط در مورد لایک های افراد در فیس بوک تحقیق کرده اند،

so just the things you like on Facebook,

پس فقط آن چه در فیس بوک لایک می کنید،

and used that to predict all these attributes,

و از آن برای پیش بینی همه این ویژگی های شخصی،

along with some other ones.

به همراه سایر چیزها استفاده کردند.

And in their paper they listed the five likes

و در مقاله شان ۵ لایکی را نام بردند

that were most indicative of high intelligence.

که بیشترین تاثیر را در تشخیص هوش بالا داشت.

And among those was liking a page

و در میان آن ها صفحه ای بود

for curly fries. (Laughter)

درباره سیب زمینی سرخ کرده پیچی. (خنده)

Curly fries are delicious,

سیب زمینی سرخ کرده پیچی خوشمزه است،

but liking them does not necessarily mean

اما لایک کردنش لزوما به این معنی نیست

that you're smarter than the average person.

که شما باهوش تر از یک آدم معمولی هستید.

So how is it that one of the strongest indicators

پس چطور می شود که یکی از مهمترین مشخصه های

of your intelligence

هوش شما

is liking this page

لایک کردن این صفحه است

when the content is totally irrelevant

وقتی محتوای آن کاملا بی ارتباط

to the attribute that's being predicted?

با ویژگی شخصیتی ای است که پیش بینی می شود؟

And it turns out that we have to look at

این طور به نظر می رسد که باید

a whole bunch of underlying theories

کلا به یک سری تئوری پنهان بنگریم

to see why we're able to do this.

که متوجه شویم چرا این اتفاق می افتد.

One of them is a sociological theory called homophily,

یکی از آن ها یک نظریه جامعه شناسی به اسم هوموفیلی است،

which basically says people are friends with people like them.

که اساسا می گوید افراد، با آدمهای شبیه خودشان دوست می شوند.

So if you're smart, you tend to be friends with smart people,

پس اگر با هوشید، با باهوش ها دوست می شوید،

and if you're young, you tend to be friends with young people,

و اگر جوان هستید، با جوان ها دوست می شوید،

and this is well established

و این مساله برای

for hundreds of years.

هزاران سال وجود داشته است.

We also know a lot

ما همچینین زیاد درباره

about how information spreads through networks.

اینکه چطور اطلاعات در شبکه ها پخش می شوند می دانیم.

It turns out things like viral videos

ظاهرا چیزهایی مثل کلیپ ویدیویی

or Facebook likes or other information

یا لایک های فیسبوک و سایر اطلاعات

spreads in exactly the same way

دقیقا به شکلی منتشر می شوند،

that diseases spread through social networks.

که بیماری ها در بخشهای جامعه انتشار می یابند.

So this is something we've studied for a long time.

بر روی این موضوع زیاد تحقیق کرده ایم.

We have good models of it.

مدل های خوبی برای آن داریم.

And so you can put those things together

و می توانید همه این ها را کنار هم بگذارید

and start seeing why things like this happen.

و ببینید که چرا اتفاقات این چنینی می افتند.

So if I were to give you a hypothesis,

بنابراین اگر بخواهم نظریه بدهم،

it would be that a smart guy started this page,

این است که فرد باهوشی که این صفحه را ایجاد کرده است،

or maybe one of the first people who liked it

یا شاید کسی که اولین بار لایکش کرده است.

would have scored high on that test.

در آزمون امتیاز بالایی می گرفتند.

And they liked it, and their friends saw it,

و لایک کردند، و دوستانشان دیدند،

and by homophily, we know that he probably had smart friends,

و بر اساس هموفیلی، می دانیم که او احتمالا دوستان باهوشی داشته است،

and so it spread to them, and some of them liked it,

پس بین آنها منشتر شد، و بعضی از آنها هم لایک کردند،

and they had smart friends,

و دوستانشان باهوش بودند،

and so it spread to them,

and so it propagated through the network

بینشان منتقل شد،

و به همین شکل در شبکه

to a host of smart people,

بین افراد باهوش گسترش یافت،

so that by the end, the action

تا در نهایت، فعل

of liking the curly fries page

لایک کردن صفحه سیب زمینی پیچان

is indicative of high intelligence,

مشخص کننده هوش بالاست،

not because of the content,

نه به دلیل محتوای آن،

but because the actual action of liking

بلکه فقط به خاطر اینکه لایک کردنش

reflects back the common attributes

ویژگیهای مشابه افرادی را که

of other people who have done it.

آن را لایک کرده اند بازتاب می دهد.

So this is pretty complicated stuff, right?

این خیلی موضوع پیچیده ای است، نه؟

It's a hard thing to sit down and explain

نشستن و توضیح دادنش برای

to an average user, and even if you do,

یک کاربر معمولی کار سختی است، و حتی اگر چنین کاری بکنیم،

what can the average user do about it?

یک کاربر معمولی چه کاری از دستش بر می آید؟

How do you know that you've liked something

چطور متوجه می شوید که چیزی را لایک کرده اید

that indicates a trait for you

که نشان دهنده یک ویژگی شخصیتیست

that's totally irrelevant to the content of what you've liked?

که کاملا با محتوایی که آن را لایک کرده اید بی ارتباط است.

There's a lot of power that users don't have

برای کنترل استفاده از داده ها، قدرت زیادی لازم است،

to control how this data is used.

که کاربران ندارند.

And I see that as a real problem going forward.

و من این را به عنوان مشکلی که در حال بزرگتر شدن است می بینم.

So I think there's a couple paths

و فکر می کنم چند راه وجود دارد که

that we want to look at

باید مدنظر قرار دهیم

if we want to give users some control

اکر می خواهیم به کاربران اجازه کنترل

over how this data is used,

نحوه استفاده از اطلاعاتشان را بدهیم،

because it's not always going to be used

چرا که اطلاعات همیشه به سود آنها

for their benefit.

استفاده نمی شود.

An example I often give is that,

مثال معمول من این است که،

if I ever get bored being a professor,

اگر زمانی از استادی خسته شدم،

I'm going to go start a company

یک شرکت به راه خواهم انداخت

that predicts all of these attributes

برای پیش بینی تمام این ویژگیها

and things like how well you work in teams

و چیزهایی مثل طرز فکر در کار تیمی

and if you're a drug user, if you're an alcoholic.

و آیا معتاد هستید، آیا الکلی هستید.

We know how to predict all that.

می دانیم چطور پیش بینی کنیم.

And I'm going to sell reports

و این گونه گزارشات را

to H.R. companies and big businesses

به شرکتهای تجاری بزرگ

that want to hire you.

که قصد استخدام دارند می فروشیم.

We totally can do that now.

ما واقعا می توانیم.

I could start that business tomorrow,

می توانم همین فردا تجارت را شروع کنم،

and you would have absolutely no control

و شما هیچ کنترلی نخواهید داشت

over me using your data like that.

که من از داده های شما این گونه استفاده کنم.

That seems to me to be a problem.

این از نظر من یک مشکل است.

So one of the paths we can go down

یکی از راه های پبش روی ما

is the policy and law path.

راه قانون و خط مشی است.

And in some respects, I think that that would be most effective,

و به دلایلی، فکر می کنم این کاربردی ترین راه است.

but the problem is we'd actually have to do it.

اما مشکل اینجاست که که ما واقعا باید این کار را انجام دهیم.

Observing our political process in action

در نظر گرفتن پروسه سیاسی مان در عمل

makes me think it's highly unlikely

به من این حس را می دهد که خیلی بعید است

that we're going to get a bunch of representatives

که ما چند نفر نماینده پیدا کنیم

to sit down, learn about this,

که بنشینند، در این باره آموزش ببینند،

and then enact sweeping changes

و شروع به انجام تغییرات در

to intellectual property law in the U.S.

قوانین مالکیت عمومی آمریکا کنند،

so users control their data.

تا کاربران قدرت کنترل داده هایشان را داشته باشند.

We could go the policy route,

می توان راه خط مشی را رفت،

where social media companies say,

که رسانه های اجتماعی بگویند،

you know what? You own your data.

اختیار اطلاعاتتان را دارید.

You have total control over how it's used.

و بر نحوه استفاده از آن کنترل دارید.

The problem is that the revenue models

مشکل این جاست که مدل درآمد در

for most social media companies

بیشتر شبکه های اجتماعی

rely on sharing or exploiting users' data in some way.

به نوعی بر پایه اشتراک و بهره برداری از اطلاعات کاربران بنا شده است.

It's sometimes said of Facebook that the users

گاهی درباره فیس بوک گفته می شود که

aren't the customer, they're the product.

کاربران مشتری نیستند، بلکه کالا هستند.

And so how do you get a company

و خب شما چطور می توانید شرکتی را وادار کنید

to cede control of their main asset

که کنترل مهمترین داراییشان را

back to the users?

به کاربران برگردانند؟

It's possible, but I don't think it's something

ممکن است، ولی من فکر نمی کنم که

that we're going to see change quickly.

به این زودی تغییری ببینیم.

So I think the other path

پس فکر می کنم که راه دیگری

that we can go down that's going to be more effective

که می توان رفت و کارآمد تر خواهد بود

is one of more science.

راه علم است.

It's doing science that allowed us to develop

این علم است که به ما اجازه طراحی

all these mechanisms for computing

مکانیزم هایی برای محاسبه

this personal data in the first place.

اطلاعات شخصی را داد.

And it's actually very similar research

و در واقع ما باید

that we'd have to do

تحقیقات مشابهی انجام دهیم

if we want to develop mechanisms

تا مکانیزم هایی طراحی کنیم

that can say to a user,

که بتوانند به کاربران بگویند،

"Here's the risk of that action you just took."

«این ریسک کاری است که تو انجام دادی.»

By liking that Facebook page,

با لایک آن صفحه فیس بوک،

or by sharing this piece of personal information,

یا به اشتراک گذاری آن تکه از اطلاعات شخصی،

you've now improved my ability

تو قابلیت مرا برای پیش بینی

to predict whether or not you're using drugs

این که معتاد هستی یا نه افزایش دادی

or whether or not you get along well in the workplace.

یا این که شرایطتت در محل کار خوب است یا بد.

And that, I think, can affect whether or not

و فکر می کنم این، بر روی تمایل افراد

people want to share something,

برای اشتراک گذاری یک چیز،

keep it private, or just keep it offline altogether.

خصوصی کردن، یا حتی فقط ذخیره کردن در کامپیوترشان موثر است.

We can also look at things like

همچنین می توان روی کارهایی مثل

allowing people to encrypt data that they upload,

اجازه رمزنگاری اطلاعاتی که آپلود می کنند کار کنیم،

so it's kind of invisible and worthless

تا اطلاعات برای سایت هایی مثل فیس بوک

to sites like Facebook

یا هر سرویس دیگری

or third party services that access it,

مخفی و غیرقابل استفاده باشد،

but that select users who the person who posted it

اما کاربرانی که شخص آپلود کننده انتخاب می کند،

want to see it have access to see it.

اجازه دسترسی به اطلاعات را داشته باشند.

This is all super exciting research

با یک نگاه عقلانی

from an intellectual perspective,

این تحقیقات خیلی هیجان آور هستند،

and so scientists are going to be willing to do it.

و دانشمندان تمایل به انجام آن را دارند.

So that gives us an advantage over the law side.

و این یک مزیت نسبت به راه قانون است.

One of the problems that people bring up

یکی از مشکلاتی که مردم هنگام صحبت در

when I talk about this is, they say,

این رابطه بیان می کنند این است که

you know, if people start keeping all this data private,

می گویند اگر افراد شروع به مخفی کردن این اطلاعات کنند،

all those methods that you've been developing

تمامی روشهایی که شما برای پیش بینی

to predict their traits are going to fail.

شخصیتشان طراحی کردید، از کار خواهند افتاد.

And I say, absolutely, and for me, that's success,

و من می گویم، کاملا درسته، و برای من، این یعنی موفقیت،

because as a scientist,

چرا که به عنوان یک دانشمند،

my goal is not to infer information about users,

هدف من کشف اطلاعات درباره مردم نیست،

it's to improve the way people interact online.

بلکه بهبود روش تعاملشان در اینترنت است.

And sometimes that involves inferring things about them,

و گاهی این کار با کسب اطلاعات، درباره آنها انجام می شود،

but if users don't want me to use that data,

اما اگر کاربران نخواهند که از اطلاعاتشان استفاده کنم،

I think they should have the right to do that.

به نظرم باید این حق را داشته باشند.

I want users to be informed and consenting

من می خواهم کاربران ابزارهایی که ما طراحی می کنیم

users of the tools that we develop.

مطلع و راضی باشند.

And so I think encouraging this kind of science

و یه همین دلیل فکر می کنم ترغیب کردن این نوع علم

and supporting researchers

و پشتیبانی از محققینی که

who want to cede some of that control back to users

قصد دارند بخشی از کنترل را به کاربران برگردانند،

and away from the social media companies

و جلوی شرکت های رسانه های اجتماعی را بگیرند،

means that going forward, as these tools evolve

به معنی پیشرفت است، همچنان که این ابزارها بهتر

and advance,

و پیشرفته تر می شوند،

means that we're going to have an educated

به این معنی است که کاربرانی

and empowered user base,

تحصیل کرده و قدرتمند خواهیم داشت،

and I think all of us can agree

و فکر می کنم که همه

that that's a pretty ideal way to go forward.

می پذیریم که این هدف ایده آلی است برای دنبال کردن.

Thank you.

متشکرم.

(Applause)

(تشویق حضار)