Отвораш едно видео, а два часа подоцна гледаш нешто што никогаш не си го побарал — и не се сеќаваш точно кога темата се промени. Тоа искуство, познато како „заечка дупка”, е најчесто раскажуваната приказна за штетата од алгоритмите. Вистината, покажуваат истражувањата, е и полесна за докажување и потешка за поедноставување отколку што звучи во таа приказна.
Како почнува дупката
Академска студија од 2024 (Social Science Computer Review) го „реверзно-инженерираше” алгоритамот на TikTok со тестни профили: профил што комуницирал само со трансфобична содржина, за кратко време почнал да добива и содржини од крајнодесничарски профили — без корисникот воопшто да пребарувал нешто такво. Механизмот не бара „лоша намера” на платформата: системот е оптимизиран да го максимизира времето на гледање, а интензивната, поларизирачка содржина статистички генерира подолго задржување од умерената. Алгоритмот не избира екстреми затоа што сака да радикализира — тој едноставно ја следи истата метрика насекаде.
Најголемото досега мерење на овој ефект доаѓа од Mozilla Foundation, преку нивната алатка RegretsReporter: илјадници волонтери пријавувале видеа на YouTube што ги „пожалиле” што ги гледале. Наодот беше недвосмислен — огромното мнозинство такви видеа не биле побарани, туку активно понудени од алгоритмот.
од пожалените видеа на YouTube биле активно препорачани од алгоритмот — не пронајдени преку пребарување
Извор: Mozilla Foundation, YouTube Regrets Report
Кои копчиња навистина помагаат
Истата студија на Mozilla тестираше нешто практично корисно: кои од копчињата што YouTube ѝ ги нуди на публиката — „не ми се допаѓа”, „не ме интересира”, „отстрани од историјата”, „не препорачувај го каналот” — реално ја менуваат идната содржина. Резултатите се движат надолу низ скролителинг-графиконот подолу.
Чекор 1 · Контролите постојат
YouTube нуди четири начини публиката да каже „не сакам вакви видеа”. Прашањето што Mozilla го тестираше: дали некое од нив реално работи — или само создава чувство на контрола.
Чекор 2 · Плитките контроли речиси не помагаат
„Не ми се допаѓа” го намалува бројот на слични препораки за само 12%. „Не ме интересира” — уште помалку, 11%. Копчињата што ги користиме најчесто се токму најслабите.
Чекор 3 · Длабоките контроли навистина помагаат
„Отстрани од историјата на гледање” ги намалува несаканите препораки за 29%. Најмоќно е „Не препорачувај го каналот” — намалување од 43%. Овие се двете најмалку користени опции, скриени подлабоко во менијата.
Колку успешно секоја контрола ги намалува несаканите препораки
намалување во проценти, YouTube · Mozilla Foundation
Прикажи табела
| Контрола | Намалување |
|---|---|
| Не препорачувај канал | 43% |
| Отстрани од историја | 29% |
| Не ми се допаѓа | 12% |
| Не ме интересира | 11% |
Извор: Mozilla Foundation, YouTube Regrets Report
Практичната порака е директна: ако сакате навистина да го промените фидот на дете (или свој), копчето „не ми се допаѓа” е слаб алат. „Не препорачувај го каналот” е бавен, здосаден, но многукратно поефикасен избор.
Спротивно мислење
Интелектуалната чесност бара да се каже и другата страна. Популарната приказна — дека алгоритамот секого систематски го „радикализира” чекор по чекор кон екстреми — е потешка за докажување на ниво на просечен корисник отколку што сугерираат поединечните студии со тест-профили.
Спротивно мислење: што вели поновото истражување
Студија од Универзитетот во Пенсилванија (2025), со поинаква методологија од претходните тест-профили, најде дека алгоритамот на YouTube не ја носи „огромното мнозинство” корисници кон екстремистички содржини. Ефектот е поразличен, но не помалку важен: препораките постепено ги стеснуваат идеолошките рамки на гледање — te затвораат во потесен опсег, наместо систематски да те туркаат кон екстремот.
Разликата е суптилна, но клучна за јавната дебата: „алгоритмот те радикализира” е поедноставна, но помалку прецизна приказна од „алгоритмот те затвора во сè потесен балон”. Второто е она што реално го покажуваат податоците — и е доволно загрижувачко без да треба да се преувеличува.
Извори: Mozilla Foundation — YouTube Regrets · Social Science Computer Review (2024) · Brookings