Умная толпа - Говард Рейнгольд

Полчища программистов, борющихся за престиж и работу, уже привели к созданию более совершенных форм репутационных систем первого поколения. Упендра Шардананд и Патти Маес из Лаборатории информационных носителей MIT стали «прививать» к Сети систему «социальной фильтрации информации» Ringo, рекомендовавшую музыку на основе общих вкусов [2]. Исследователи MIT «автоматизировали устные рекомендации» посредством вычислительных методов. Пользователям предлагалось присылать электронный запрос на сервер Ringo. В ответ они получали список 125 музыкантов. Каждый пользователь оценивал любимых артистов. На Ringo производилась статистическая обработка, после чего каждому пользователю предлагались новые исполнители — музыканты, возможно, им незнакомые, но выбранные людьми со схожими музыкальными пристрастиями.

Сервер Ringo был открыт в июле 1994 года, а уже к сентябрю успел обзавестись более чем двумя тысячами пользователей. Сотрудники MIT образовали компанию Firefly Network для коммерциализации сервера, продав его Microsoft в 1998 году. Microsoft затем внедрила свою собственную версию технологии «цифрового паспорта» от Firefly [3]. Сервер Ringo стал родоначальником целого направления.

Поиск новых книг, кинофильмов и музыкальных произведений при всей его распространенности представляет лишь одну разновидность неисчислимого множества сетей доверия, обслуживающих рынок, научные изыскания, предпринимательство и сообщества. Рассмотрим историю систем интерактивного совместного доступа к знаниям. Одной из наиболее привлекательных сторон общественного киберпространства является то, как виртуальные сообщества делятся полезной информацией. Я помню свой восторг в 1980-х, когда непрерывные обсуждения «знатоков на узле Well» вдохновили его «обитателей», виртуальное сообщество из нескольких тысяч энтузиастов, на борьбу за самые быстрые и точные ответы на вопросы, заданные другими членами сообщества в интерактивном режиме [4]. Такой состязательный подход более сложен по сравнению с автоматизированными системами устных рекомендаций наподобие Ringo, поскольку каждому советчику надо помнить интеллектуальные предпочтения остальных, сведения о которых получены исключительно в ходе интерактивных бесед.

Обмен знаниями не нов. Создание репутации распространителя высококачественных рекомендаций — для кого-то это способ обрести общественное положение (социальный статус), а кто-то необыкновенно склонен к общественным играм. А вот обмен знаниями с жителями шести континентов в режиме реального времени коренным образом меняет совместный доступ к знаниям, весьма значительно снижая операционные издержки на согласование вопросов и ответов. При путешествии по Всемирной паутине не составляет особого труда отправить друзьям электронное послание с t/RL-адресом, указывающим на интересную страничку, как и отыскать нужный форум, чтобы задать вопрос. Недавно возникший «веб-логгинг», позволяющий тысячам посетителей Сети выставлять и обновлять собственные списки любимых узлов, привел к повальному увлечению интерактивным обменом рекомендациями.

Я не открыл ничего нового старожилам Usenet, когда написал в 1988 году, что одним из наиболее привлекательных общественных нововведений, появившихся благодаря виртуальным сообществам, явилась возможность «выступать друг для друга охотниками за информацией и ее собирателями» [5]. Спустя четыре года исследователи ЦНИПА компании Xerox предложили более систематический подход к методологии «охоты л дележа», введя в 1992 году понятие «совместная (социальная) фильтрация» для описания своей программы Information Tapestry. Данная программа позволяла исследователям комментировать прочитанные документы, так что другие исследователи могли использовать рекомендации для поиска нужных документов [6].

Неформальное общественное накопление полезных знаний восходит ко спискам часто задаваемых вопросов (FAQs), размещаемых в некоторых группах новостей с 1980-х годов; эти списки вопросов и ответов, накопленные за годы заархивированных онлайновых бесед, были собраны для того, чтобы новички не осаждали более знающих собеседников вопросами, на которые уже был получен ответ. Сказать новичку «Почитай FAQ!» для группы новостей — это способ ограничить чрезмерное потребление общественного продукта: специалисты делятся своим знанием, пока беседа сохраняет интерес, но выходят из дискуссии, если вопросы новичков начинают преобладать в разговоре. Помимо своей защитной функции, FAQs сами по себе образуют новую разновидность энциклопедии. Это коллективно собранные, подтвержденные и четко сформулированные архивы знаний по сотням предметов.

В отдельных репликах обсуждений в Usenet содержится ценная информация, далеко превосходящая изрядно процеженные сведения, которые публикуются в FAQ. Недостаток обсуждений в Usenet связан с трудностью нахождения полезных новостей среди половодья досужих разговоров и бесконечных перепалок [7]. В 1992 году Пол Резник со своими сотрудниками из Мичиганского университета создали программный продукт GroupLens, позволяющий читателям оценивать сообщения сети Usenet и предоставлять их оценки по запросу другим [8]. Резник наряду с другими учеными продолжает исследования систем репутаций на протяжении десяти лет после создания GroupLens [9]. GroupLens по-прежнему бесплатно предоставляет в Сети рекомендации по кинофильмам [10].

Автоматизированные системы совместной фильтрации хорошо работают там, где мала вероятность принятия ошибочного решения, например при покупке книги или билета в кино Amazon.com и другие узлы электронной торговли используют системы совместной фильтрации для советов постоянным покупателям. Системы, умеющие указать людям, что еще им захочется купить, — неизбежные спутники электронной торговли. С возрастанием риска и выплачиваемых сумм все более остро встает вопрос: чему можно доверять? Система репутаций интернет-аукциона eBay с завидным успехом отвечает на этот вопрос. Когда ценность системы социальной фильтрации в виде знаний или общественного признания обретает денежный эквивалент, развитие этой социальной технологии порождает две разновидности репутационных систем, одна из которых связана с рынком, а другая — с рекомендациями. Позже в этой главе я вернусь к роли системы репутаций на рынке. Обе эти системы — одна, связанная со знаниями и рекомендациями, и другая, посредничающая в сделках на финансовом рынке, — могут заявить о себе, когда поколение пользователей нательных компьютеров образует ситуативные сети в рамках того, что его представители знают друг о друге и чему доверяют.

Все то, что позволяет группам действенно делиться знаниями в ходе интерактивной беседы, может придать реальную силу научным и предпринимательским сообществам. Даже простые инструменты, позволяющие группам делиться знаниями в интерактивном режиме, рекомендуя друг другу полезные узлы и ограничиваясь установкой закладок, могут приумножить действенность самих групп.

В 1997 году Хуэй Го, Томас Крайфельтс и Ангелика Фосс из Научно-исследовательского центра информационных технологий описали свою службу социальной фильтрации SOaP, призванную снять ряд ограничений, присущих рекомендательным системам [11]. Го со своими коллегами создали программных агентов, то есть программы, умеющие вести поиск, делать запросы, собирать сведения, сообщать результаты, даже вступать в переговоры и заключать соглашения с другими программами. Агенты SOaP могут подспудно собирать рекомендательные сведения силами членов группы и посредничать между людьми, группами и в Сети. На самом неявном уровне агенты SOaP могут собирать и группировать URL-адреса, которые члены группы устанавливают в качестве закладок в ходе своей работы. Если кто-то из группы захочет отметить узел, тем самым делается неявная рекомендация. Тем, кто пожелает делать более явные комментарии, такая возможность тоже предоставляется.

В системе информацию отфильтровывают коммуникативные социальные агенты, собирающие оценки пользователей и согласующие их интересы для дачи соответствующих рекомендаций. Благодаря агентам пользователи могут в соответствии с определенной темой отыскать подобающие закладки, людей со схожими интересами, группы схожей тематики, а также создать группы для прямого сотрудничества.

Для выполнения подобных услуг агенты в нашей системе привлекают знания о пользователях, группах пользователей, интересующих отдельного пользователя темах, URL—адресах, которые пользователь считает соответствующими определенной теме, и его опенки определенного URL—адреса, в частности в связи с конкретной группой или темой. Согласно подходу создателей, это знание пользователь должен получать без всяких усилий [11].