Beware online "filter bubbles" | Eli Pariser

1,593,210 views ・ 2011-05-02

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Sebastian Misiewicz Korekta: Marek Kasiak
00:15
Mark Zuckerberg,
0
15260
2000
Markowi Zuckerbergowi
00:17
a journalist was asking him a question about the news feed.
1
17260
3000
dziennikarz zadał pytanie o kanały informacyjne.
00:20
And the journalist was asking him,
2
20260
2000
Zapytał go:
00:22
"Why is this so important?"
3
22260
2000
"Dlaczego są one takie istotne?"
00:24
And Zuckerberg said,
4
24260
2000
Zuckerberg powiedział:
00:26
"A squirrel dying in your front yard
5
26260
2000
"Wiewiórka umierająca w twoim ogródku
00:28
may be more relevant to your interests right now
6
28260
3000
może być bardziej dla ciebie istotna
00:31
than people dying in Africa."
7
31260
3000
niż ludzie umierający w Afryce."
00:34
And I want to talk about
8
34260
2000
Chciałbym powiedzieć, jak
00:36
what a Web based on that idea of relevance might look like.
9
36260
3000
może wyglądać Internet bazujący na takiej idei.
00:40
So when I was growing up
10
40260
2000
Kiedy dorastałem
00:42
in a really rural area in Maine,
11
42260
2000
na wsi w stanie Maine,
00:44
the Internet meant something very different to me.
12
44260
3000
Internet oznaczał dla mnie coś bardzo odmiennego.
00:47
It meant a connection to the world.
13
47260
2000
Był połączeniem ze światem.
00:49
It meant something that would connect us all together.
14
49260
3000
Czymś, co połączyłoby nas razem.
00:52
And I was sure that it was going to be great for democracy
15
52260
3000
Byłem pewien, że będzie wspaniały dla demokracji
00:55
and for our society.
16
55260
3000
i naszego społeczeństwa.
00:58
But there's this shift
17
58260
2000
Jednak jest zmiana
01:00
in how information is flowing online,
18
60260
2000
w przepływie informacji online,
01:02
and it's invisible.
19
62260
3000
która jest niewidoczna.
01:05
And if we don't pay attention to it,
20
65260
2000
Jeżeli nie zwrócimy na nią uwagi
01:07
it could be a real problem.
21
67260
3000
może stać się problemem.
01:10
So I first noticed this in a place I spend a lot of time --
22
70260
3000
Pierwszy raz to zobaczyłem na swoim profilu na Facebook.
01:13
my Facebook page.
23
73260
2000
Pierwszy raz to zobaczyłem na swoim profilu na Facebook.
01:15
I'm progressive, politically -- big surprise --
24
75260
3000
Jestem nowoczesny, politycznie (wielka niespodzianka)
01:18
but I've always gone out of my way to meet conservatives.
25
78260
2000
jednak zawsze wychodzę naprzeciw konserwatystom.
01:20
I like hearing what they're thinking about;
26
80260
2000
Lubię słuchać tego, co mają do powiedzenia,
01:22
I like seeing what they link to;
27
82260
2000
widzieć, do czego się odnoszą,
01:24
I like learning a thing or two.
28
84260
2000
uczyć się paru rzeczy.
01:26
And so I was surprised when I noticed one day
29
86260
3000
Zaskoczyło mnie pewnego dnia,
01:29
that the conservatives had disappeared from my Facebook feed.
30
89260
3000
konserwatyści zniknęli z mojego Facebooka.
01:33
And what it turned out was going on
31
93260
2000
Okazało się, że Facebook
01:35
was that Facebook was looking at which links I clicked on,
32
95260
4000
sprawdzał, co klikałem
01:39
and it was noticing that, actually,
33
99260
2000
i zauważał, właściwie, że
01:41
I was clicking more on my liberal friends' links
34
101260
2000
klikałem więcej na linki liberalnych znajomych
01:43
than on my conservative friends' links.
35
103260
3000
od linków konserwatywnych kolegów.
01:46
And without consulting me about it,
36
106260
2000
Bez mojej konsultacji
01:48
it had edited them out.
37
108260
2000
odrzucał je.
01:50
They disappeared.
38
110260
3000
One zniknęły.
01:54
So Facebook isn't the only place
39
114260
2000
Facebook nie jest jedynym miejscem,
01:56
that's doing this kind of invisible, algorithmic
40
116260
2000
gdzie dokonywana jest ta niewidoczna,
01:58
editing of the Web.
41
118260
3000
algorytmiczna selekcja Internetu.
02:01
Google's doing it too.
42
121260
2000
Google też to robi.
02:03
If I search for something, and you search for something,
43
123260
3000
Jeżeli będziemy szukali tego samego,
02:06
even right now at the very same time,
44
126260
2000
nawet teraz w tym samym czasie
02:08
we may get very different search results.
45
128260
3000
to możemy otrzymać różne wyniki.
02:11
Even if you're logged out, one engineer told me,
46
131260
3000
Nawet, gdy nie jesteś zalogowany, powiedział mi jeden inżynier,
02:14
there are 57 signals
47
134260
2000
jest 57 sygnałów
02:16
that Google looks at --
48
136260
3000
na które patrzy Google.
02:19
everything from what kind of computer you're on
49
139260
3000
Poczynając od komputera,
02:22
to what kind of browser you're using
50
142260
2000
używanej przeglądarki,
02:24
to where you're located --
51
144260
2000
po lokację, które
02:26
that it uses to personally tailor your query results.
52
146260
3000
kroją pod osobę wyniki wyszukiwania.
02:29
Think about it for a second:
53
149260
2000
Pomyśl przez chwilę,
02:31
there is no standard Google anymore.
54
151260
4000
nie ma już standardowego Google.
02:35
And you know, the funny thing about this is that it's hard to see.
55
155260
3000
Śmieszne jest to, że tego nie widać.
02:38
You can't see how different your search results are
56
158260
2000
Nie widać, jak różne są twoje
02:40
from anyone else's.
57
160260
2000
wyniki od czyichś.
02:42
But a couple of weeks ago,
58
162260
2000
Parę tygodnie temu,
02:44
I asked a bunch of friends to Google "Egypt"
59
164260
3000
poprosiłem znajomych o wyszukanie "Egipt"
02:47
and to send me screen shots of what they got.
60
167260
3000
i przesłanie screenów z wynikami.
02:50
So here's my friend Scott's screen shot.
61
170260
3000
To jest screen Scotta.
02:54
And here's my friend Daniel's screen shot.
62
174260
3000
A to screen Daniela.
02:57
When you put them side-by-side,
63
177260
2000
Układając je koło siebie
02:59
you don't even have to read the links
64
179260
2000
nawet nie trzeba czytać linków
03:01
to see how different these two pages are.
65
181260
2000
by zobaczyć różnicę.
03:03
But when you do read the links,
66
183260
2000
Jeżeli przeczytasz linki
03:05
it's really quite remarkable.
67
185260
3000
to znajdziesz coś niezwykłego.
03:09
Daniel didn't get anything about the protests in Egypt at all
68
189260
3000
Daniel nic nie otrzymał na temat protestów w Egipcie
03:12
in his first page of Google results.
69
192260
2000
na pierwszej stronie wyników.
03:14
Scott's results were full of them.
70
194260
2000
Strona Scotta była w nie obfita.
03:16
And this was the big story of the day at that time.
71
196260
2000
To było niezła historia swego czasu.
03:18
That's how different these results are becoming.
72
198260
3000
Tak różne stały się teraz wyniki.
03:21
So it's not just Google and Facebook either.
73
201260
3000
Nie tylko Google i Facebook tak robi.
03:24
This is something that's sweeping the Web.
74
204260
2000
Ten problem pomiata całą siecią.
03:26
There are a whole host of companies that are doing this kind of personalization.
75
206260
3000
Istnieje cały szereg firm wykonujących taką personalizację.
03:29
Yahoo News, the biggest news site on the Internet,
76
209260
3000
Yahoo News, największa strona internetowa z wiadomościami,
03:32
is now personalized -- different people get different things.
77
212260
3000
jest spersonalizowana, różni ludzie otrzymują różne wyniki.
03:36
Huffington Post, the Washington Post, the New York Times --
78
216260
3000
Huffington Post, Washington Post, New York Times,
03:39
all flirting with personalization in various ways.
79
219260
3000
wszystkie bawią się z personalizacją na różne sposoby.
03:42
And this moves us very quickly
80
222260
3000
To idzie wszystko w kierunku
03:45
toward a world in which
81
225260
2000
świata, w którym Internet pokazuje
03:47
the Internet is showing us what it thinks we want to see,
82
227260
4000
wyniki, które sam myśli, że chcemy,
03:51
but not necessarily what we need to see.
83
231260
3000
ale niekoniecznie to, co powinniśmy zobaczyć.
03:54
As Eric Schmidt said,
84
234260
3000
Tak, jak Eric Schmidt powiedział:
03:57
"It will be very hard for people to watch or consume something
85
237260
3000
"Będzie bardzo trudno ludziom oglądać, czy konsumować
04:00
that has not in some sense
86
240260
2000
coś, co w pewnym sensie
04:02
been tailored for them."
87
242260
3000
nie zostało do nich dostosowane."
04:05
So I do think this is a problem.
88
245260
2000
Dlatego sądzę, że to jest problem.
04:07
And I think, if you take all of these filters together,
89
247260
3000
Sądzę, że biorąc wszystkie filtry razem,
04:10
you take all these algorithms,
90
250260
2000
wszystkie te algorytmy,
04:12
you get what I call a filter bubble.
91
252260
3000
otrzymamy coś, co nazywam bańką z filtrami.
04:16
And your filter bubble is your own personal,
92
256260
3000
Twoja bańka jest twoim własnym
04:19
unique universe of information
93
259260
2000
unikalnym informacyjnym wszechświatem,
04:21
that you live in online.
94
261260
2000
w którym żyjesz online.
04:23
And what's in your filter bubble
95
263260
3000
Zawartość bańki zależy od tego
04:26
depends on who you are, and it depends on what you do.
96
266260
3000
kim jesteś i co robisz.
04:29
But the thing is that you don't decide what gets in.
97
269260
4000
Szkopuł w tym, że nie decydujesz o tym co trafia,
04:33
And more importantly,
98
273260
2000
a co ważniejsze, co zostaje wycięte z wyników.
04:35
you don't actually see what gets edited out.
99
275260
3000
a co ważniejsze, co zostaje wycięte z wyników.
04:38
So one of the problems with the filter bubble
100
278260
2000
Pewien problem w bańkach z filtrami
04:40
was discovered by some researchers at Netflix.
101
280260
3000
odkryli naukowcy z Netflix.
04:43
And they were looking at the Netflix queues, and they noticed something kind of funny
102
283260
3000
Patrzyli na kolejki w Netflix i zauważyli coś dziwnego,
04:46
that a lot of us probably have noticed,
103
286260
2000
co wieli z nas pewnie zauważyło,
04:48
which is there are some movies
104
288260
2000
że są niektóre filmy, które
04:50
that just sort of zip right up and out to our houses.
105
290260
3000
wpadają i wypadają z naszych domów.
04:53
They enter the queue, they just zip right out.
106
293260
3000
Wchodzą do kolejki i zaraz z niej wypadają.
04:56
So "Iron Man" zips right out,
107
296260
2000
"Iron Man" tak wypada,
04:58
and "Waiting for Superman"
108
298260
2000
"Waiting for Superman" również
05:00
can wait for a really long time.
109
300260
2000
może czekać długi czas.
05:02
What they discovered
110
302260
2000
Odkryli, że w kolejkach
05:04
was that in our Netflix queues
111
304260
2000
Netflix toczy się walka
05:06
there's this epic struggle going on
112
306260
3000
pomiędzy naszymi przyszłymi
05:09
between our future aspirational selves
113
309260
3000
ambicjami, a teraźniejszymi
05:12
and our more impulsive present selves.
114
312260
3000
impulsywnymi osobowościami.
05:15
You know we all want to be someone
115
315260
2000
Wszyscy chcielibyśmy być
05:17
who has watched "Rashomon,"
116
317260
2000
kimś, kto oglądał "Rashomon",
05:19
but right now
117
319260
2000
ale w tej chwili
05:21
we want to watch "Ace Ventura" for the fourth time.
118
321260
3000
chcemy oglądać po raz czwarty "Ace Ventura".
05:24
(Laughter)
119
324260
3000
(Śmiech)
05:27
So the best editing gives us a bit of both.
120
327260
2000
Najlepsze dopasowanie daje nam coś z ich obu.
05:29
It gives us a little bit of Justin Bieber
121
329260
2000
Trochę Justina Biebera
05:31
and a little bit of Afghanistan.
122
331260
2000
i trochę Afganistanu.
05:33
It gives us some information vegetables;
123
333260
2000
Daje nam trochę warzyw,
05:35
it gives us some information dessert.
124
335260
3000
tak jak i trochę deseru.
05:38
And the challenge with these kinds of algorithmic filters,
125
338260
2000
Wyzwaniem tych algorytmów w filtrach,
05:40
these personalized filters,
126
340260
2000
personalizujących filtrów,
05:42
is that, because they're mainly looking
127
342260
2000
jest to, ponieważ patrzą one
05:44
at what you click on first,
128
344260
4000
na co się najpierw kliknie
05:48
it can throw off that balance.
129
348260
4000
co może wytrącić je z równowagi.
05:52
And instead of a balanced information diet,
130
352260
3000
Zamiast zbalansowanej diety,
05:55
you can end up surrounded
131
355260
2000
możesz skończyć otoczonym
05:57
by information junk food.
132
357260
2000
przez śmieci informacyjne.
05:59
What this suggests
133
359260
2000
Sugeruje to, że rzeczywiście
06:01
is actually that we may have the story about the Internet wrong.
134
361260
3000
możemy mieć trop, że Internet idzie w złym kierunku.
06:04
In a broadcast society --
135
364260
2000
W rozgłaszającym społeczeństwie,
06:06
this is how the founding mythology goes --
136
366260
2000
tak brzmi podstawowa mitologia,
06:08
in a broadcast society,
137
368260
2000
w takim społeczeństwie,
06:10
there were these gatekeepers, the editors,
138
370260
2000
byli strażnicy, redaktorzy,
06:12
and they controlled the flows of information.
139
372260
3000
którzy kontrolowali przepływ informacji.
06:15
And along came the Internet and it swept them out of the way,
140
375260
3000
Przyszedł internet i ich wymiótł,
06:18
and it allowed all of us to connect together,
141
378260
2000
co pozwoliło nam się nawzajem połączyć,
06:20
and it was awesome.
142
380260
2000
a to jest niesamowite.
06:22
But that's not actually what's happening right now.
143
382260
3000
Jednak nie to teraz się dzieje.
06:26
What we're seeing is more of a passing of the torch
144
386260
3000
Widzimy podawanie sobie pochodni
06:29
from human gatekeepers
145
389260
2000
od strażników do ich
06:31
to algorithmic ones.
146
391260
3000
algorytmicznych odpowiedników.
06:34
And the thing is that the algorithms
147
394260
3000
Z algorytmami jest tak, że
06:37
don't yet have the kind of embedded ethics
148
397260
3000
nie posiadają wbudowanej etyki,
06:40
that the editors did.
149
400260
3000
którą mieli redaktorzy.
06:43
So if algorithms are going to curate the world for us,
150
403260
3000
Jeżeli algorytmy będą naszymi kuratorami,
06:46
if they're going to decide what we get to see and what we don't get to see,
151
406260
3000
będą decydowały o tym co widzimy, a co nie,
06:49
then we need to make sure
152
409260
2000
to musimy się upewnić,
06:51
that they're not just keyed to relevance.
153
411260
3000
że nie steruje ich związek.
06:54
We need to make sure that they also show us things
154
414260
2000
Upewnijmy się, że również pokazują nam rzeczy,
06:56
that are uncomfortable or challenging or important --
155
416260
3000
które są niewygodnie, wyzywające, czy ważne,
06:59
this is what TED does --
156
419260
2000
to co robi TED,
07:01
other points of view.
157
421260
2000
inne punkty widzenia.
07:03
And the thing is, we've actually been here before
158
423260
2000
Już tu byliśmy jako społeczność, taka prawda.
07:05
as a society.
159
425260
2000
Już tu byliśmy jako społeczność, taka prawda.
07:08
In 1915, it's not like newspapers were sweating a lot
160
428260
3000
W 1915, gazety nie przejmowały się za bardzo
07:11
about their civic responsibilities.
161
431260
3000
obywatelskimi obowiązkami.
07:14
Then people noticed
162
434260
2000
Potem ludzie zauważyli, że
07:16
that they were doing something really important.
163
436260
3000
one robiły coś bardzo ważnego.
07:19
That, in fact, you couldn't have
164
439260
2000
Naprawdę nie można
07:21
a functioning democracy
165
441260
2000
mieć funkcjonującej demokracji,
07:23
if citizens didn't get a good flow of information,
166
443260
4000
jeżeli obywatele nie mają dobrego przepływu informacji.
07:28
that the newspapers were critical because they were acting as the filter,
167
448260
3000
Gazety były istotne, bo działały jak filtr,
07:31
and then journalistic ethics developed.
168
451260
2000
a potem etyka dziennikarska się rozwinęła.
07:33
It wasn't perfect,
169
453260
2000
Nie było to perfekcyjne,
07:35
but it got us through the last century.
170
455260
3000
ale przetrwaliśmy dzięki temu poprzedni wiek.
07:38
And so now,
171
458260
2000
Teraz, wróciliśmy
07:40
we're kind of back in 1915 on the Web.
172
460260
3000
tak jakby do 1915 w sieci.
07:44
And we need the new gatekeepers
173
464260
3000
Potrzebujemy nowych strażników
07:47
to encode that kind of responsibility
174
467260
2000
by zawarli tą odpowiedzialność
07:49
into the code that they're writing.
175
469260
2000
w kodzie, który piszą.
07:51
I know that there are a lot of people here from Facebook and from Google --
176
471260
3000
Wiem, że jest tu wiele ludzi z Facebooka i Google,
07:54
Larry and Sergey --
177
474260
2000
Larry i Sergiej,
07:56
people who have helped build the Web as it is,
178
476260
2000
ludzie, którzy pomogli zbudować sieć taką, jaką jest,
07:58
and I'm grateful for that.
179
478260
2000
za to jestem im wdzięczny.
08:00
But we really need you to make sure
180
480260
3000
Potrzebujemy, abyście upewnili się,
08:03
that these algorithms have encoded in them
181
483260
3000
że te algorytmy zawierają w sobie
08:06
a sense of the public life, a sense of civic responsibility.
182
486260
3000
wyczucie publicznego życia, obywatelskiego obowiązku.
08:09
We need you to make sure that they're transparent enough
183
489260
3000
Upewnijcie się, że są wystarczająco przezroczyste
08:12
that we can see what the rules are
184
492260
2000
byśmy mogli dostrzec reguły,
08:14
that determine what gets through our filters.
185
494260
3000
które decydują, co przepuszcza filtr.
08:17
And we need you to give us some control
186
497260
2000
Musicie dać nam trochę kontroli,
08:19
so that we can decide
187
499260
2000
byśmy sami zdecydowali,
08:21
what gets through and what doesn't.
188
501260
3000
co przechodzi, a co nie.
08:24
Because I think
189
504260
2000
Ponieważ myślę,
08:26
we really need the Internet to be that thing
190
506260
2000
że potrzebujemy by Internet był tym czymś
08:28
that we all dreamed of it being.
191
508260
2000
o czym marzyliśmy, że będzie.
08:30
We need it to connect us all together.
192
510260
3000
Musi nas ze sobą łączyć.
08:33
We need it to introduce us to new ideas
193
513260
3000
Musi nam przedstawiać nowe idee,
08:36
and new people and different perspectives.
194
516260
3000
nowych ludzi i różne perspektywy.
08:40
And it's not going to do that
195
520260
2000
Nie uda się to, jeżeli
08:42
if it leaves us all isolated in a Web of one.
196
522260
3000
zostaniemy wyobcowani w sieci do jednostki.
08:45
Thank you.
197
525260
2000
Dziękuję.
08:47
(Applause)
198
527260
11000
(Oklaski)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7