TED2011
Eli Pariser: Beware online "filter bubbles"
Eli Pariser: Uważaj na internetowe "bańki z filtrami"
Filmed:
Readability: 3.9
5,309,238 views
Firmy internetowe dążą do dopasowywania swoich serwisów (również wiadomości i wyników wyszukiwania) do naszych gustów, co prowadzi do niebezpiecznej i niezamierzonej konsekwencji: wpadamy w pułapkę, w której nie są nam przedstawiane informacje, które mogłyby poddać w wątpliwość, albo poszerzyć nasz światopogląd. Eli Pariser dowodzi, że taki trend będzie negatywny dla nas i demokracji.
Eli Pariser - Organizer and author
Pioneering online organizer Eli Pariser is the author of "The Filter Bubble," about how personalized search might be narrowing our worldview. Full bio
Pioneering online organizer Eli Pariser is the author of "The Filter Bubble," about how personalized search might be narrowing our worldview. Full bio
Double-click the English transcript below to play the video.
00:15
Mark Zuckerberg,
0
0
2000
Markowi Zuckerbergowi
00:17
a journalist was asking him a question about the news feed.
1
2000
3000
dziennikarz zadał pytanie o kanały informacyjne.
00:20
And the journalist was asking him,
2
5000
2000
Zapytał go:
00:22
"Why is this so important?"
3
7000
2000
"Dlaczego są one takie istotne?"
00:24
And Zuckerberg said,
4
9000
2000
Zuckerberg powiedział:
00:26
"A squirrel dying in your front yard
5
11000
2000
"Wiewiórka umierająca w twoim ogródku
00:28
may be more relevant to your interests right now
6
13000
3000
może być bardziej dla ciebie istotna
00:31
than people dying in Africa."
7
16000
3000
niż ludzie umierający w Afryce."
00:34
And I want to talk about
8
19000
2000
Chciałbym powiedzieć, jak
00:36
what a Web based on that idea of relevance might look like.
9
21000
3000
może wyglądać Internet bazujący na takiej idei.
00:40
So when I was growing up
10
25000
2000
Kiedy dorastałem
00:42
in a really rural area in Maine,
11
27000
2000
na wsi w stanie Maine,
00:44
the Internet meant something very different to me.
12
29000
3000
Internet oznaczał dla mnie coś bardzo odmiennego.
00:47
It meant a connection to the world.
13
32000
2000
Był połączeniem ze światem.
00:49
It meant something that would connect us all together.
14
34000
3000
Czymś, co połączyłoby nas razem.
00:52
And I was sure that it was going to be great for democracy
15
37000
3000
Byłem pewien, że będzie wspaniały dla demokracji
00:55
and for our society.
16
40000
3000
i naszego społeczeństwa.
00:58
But there's this shift
17
43000
2000
Jednak jest zmiana
01:00
in how information is flowing online,
18
45000
2000
w przepływie informacji online,
01:02
and it's invisible.
19
47000
3000
która jest niewidoczna.
01:05
And if we don't pay attention to it,
20
50000
2000
Jeżeli nie zwrócimy na nią uwagi
01:07
it could be a real problem.
21
52000
3000
może stać się problemem.
01:10
So I first noticed this in a place I spend a lot of time --
22
55000
3000
Pierwszy raz to zobaczyłem na swoim profilu na Facebook.
01:13
my Facebook page.
23
58000
2000
Pierwszy raz to zobaczyłem na swoim profilu na Facebook.
01:15
I'm progressive, politically -- big surprise --
24
60000
3000
Jestem nowoczesny, politycznie (wielka niespodzianka)
01:18
but I've always gone out of my way to meet conservatives.
25
63000
2000
jednak zawsze wychodzę naprzeciw konserwatystom.
01:20
I like hearing what they're thinking about;
26
65000
2000
Lubię słuchać tego, co mają do powiedzenia,
01:22
I like seeing what they link to;
27
67000
2000
widzieć, do czego się odnoszą,
01:24
I like learning a thing or two.
28
69000
2000
uczyć się paru rzeczy.
01:26
And so I was surprised when I noticed one day
29
71000
3000
Zaskoczyło mnie pewnego dnia,
01:29
that the conservatives had disappeared from my Facebook feed.
30
74000
3000
konserwatyści zniknęli z mojego Facebooka.
01:33
And what it turned out was going on
31
78000
2000
Okazało się, że Facebook
01:35
was that Facebook was looking at which links I clicked on,
32
80000
4000
sprawdzał, co klikałem
01:39
and it was noticing that, actually,
33
84000
2000
i zauważał, właściwie, że
01:41
I was clicking more on my liberal friends' links
34
86000
2000
klikałem więcej na linki liberalnych znajomych
01:43
than on my conservative friends' links.
35
88000
3000
od linków konserwatywnych kolegów.
01:46
And without consulting me about it,
36
91000
2000
Bez mojej konsultacji
01:48
it had edited them out.
37
93000
2000
odrzucał je.
01:50
They disappeared.
38
95000
3000
One zniknęły.
01:54
So Facebook isn't the only place
39
99000
2000
Facebook nie jest jedynym miejscem,
01:56
that's doing this kind of invisible, algorithmic
40
101000
2000
gdzie dokonywana jest ta niewidoczna,
01:58
editing of the Web.
41
103000
3000
algorytmiczna selekcja Internetu.
02:01
Google's doing it too.
42
106000
2000
Google też to robi.
02:03
If I search for something, and you search for something,
43
108000
3000
Jeżeli będziemy szukali tego samego,
02:06
even right now at the very same time,
44
111000
2000
nawet teraz w tym samym czasie
02:08
we may get very different search results.
45
113000
3000
to możemy otrzymać różne wyniki.
02:11
Even if you're logged out, one engineer told me,
46
116000
3000
Nawet, gdy nie jesteś zalogowany, powiedział mi jeden inżynier,
02:14
there are 57 signals
47
119000
2000
jest 57 sygnałów
02:16
that Google looks at --
48
121000
3000
na które patrzy Google.
02:19
everything from what kind of computer you're on
49
124000
3000
Poczynając od komputera,
02:22
to what kind of browser you're using
50
127000
2000
używanej przeglądarki,
02:24
to where you're located --
51
129000
2000
po lokację, które
02:26
that it uses to personally tailor your query results.
52
131000
3000
kroją pod osobę wyniki wyszukiwania.
02:29
Think about it for a second:
53
134000
2000
Pomyśl przez chwilę,
02:31
there is no standard Google anymore.
54
136000
4000
nie ma już standardowego Google.
02:35
And you know, the funny thing about this is that it's hard to see.
55
140000
3000
Śmieszne jest to, że tego nie widać.
02:38
You can't see how different your search results are
56
143000
2000
Nie widać, jak różne są twoje
02:40
from anyone else's.
57
145000
2000
wyniki od czyichś.
02:42
But a couple of weeks ago,
58
147000
2000
Parę tygodnie temu,
02:44
I asked a bunch of friends to Google "Egypt"
59
149000
3000
poprosiłem znajomych o wyszukanie "Egipt"
02:47
and to send me screen shots of what they got.
60
152000
3000
i przesłanie screenów z wynikami.
02:50
So here's my friend Scott's screen shot.
61
155000
3000
To jest screen Scotta.
02:54
And here's my friend Daniel's screen shot.
62
159000
3000
A to screen Daniela.
02:57
When you put them side-by-side,
63
162000
2000
Układając je koło siebie
02:59
you don't even have to read the links
64
164000
2000
nawet nie trzeba czytać linków
03:01
to see how different these two pages are.
65
166000
2000
by zobaczyć różnicę.
03:03
But when you do read the links,
66
168000
2000
Jeżeli przeczytasz linki
03:05
it's really quite remarkable.
67
170000
3000
to znajdziesz coś niezwykłego.
03:09
Daniel didn't get anything about the protests in Egypt at all
68
174000
3000
Daniel nic nie otrzymał na temat protestów w Egipcie
03:12
in his first page of Google results.
69
177000
2000
na pierwszej stronie wyników.
03:14
Scott's results were full of them.
70
179000
2000
Strona Scotta była w nie obfita.
03:16
And this was the big story of the day at that time.
71
181000
2000
To było niezła historia swego czasu.
03:18
That's how different these results are becoming.
72
183000
3000
Tak różne stały się teraz wyniki.
03:21
So it's not just Google and Facebook either.
73
186000
3000
Nie tylko Google i Facebook tak robi.
03:24
This is something that's sweeping the Web.
74
189000
2000
Ten problem pomiata całą siecią.
03:26
There are a whole host of companies that are doing this kind of personalization.
75
191000
3000
Istnieje cały szereg firm wykonujących taką personalizację.
03:29
Yahoo News, the biggest news site on the Internet,
76
194000
3000
Yahoo News, największa strona internetowa z wiadomościami,
03:32
is now personalized -- different people get different things.
77
197000
3000
jest spersonalizowana, różni ludzie otrzymują różne wyniki.
03:36
Huffington Post, the Washington Post, the New York Times --
78
201000
3000
Huffington Post, Washington Post, New York Times,
03:39
all flirting with personalization in various ways.
79
204000
3000
wszystkie bawią się z personalizacją na różne sposoby.
03:42
And this moves us very quickly
80
207000
3000
To idzie wszystko w kierunku
03:45
toward a world in which
81
210000
2000
świata, w którym Internet pokazuje
03:47
the Internet is showing us what it thinks we want to see,
82
212000
4000
wyniki, które sam myśli, że chcemy,
03:51
but not necessarily what we need to see.
83
216000
3000
ale niekoniecznie to, co powinniśmy zobaczyć.
03:54
As Eric Schmidt said,
84
219000
3000
Tak, jak Eric Schmidt powiedział:
03:57
"It will be very hard for people to watch or consume something
85
222000
3000
"Będzie bardzo trudno ludziom oglądać, czy konsumować
04:00
that has not in some sense
86
225000
2000
coś, co w pewnym sensie
04:02
been tailored for them."
87
227000
3000
nie zostało do nich dostosowane."
04:05
So I do think this is a problem.
88
230000
2000
Dlatego sądzę, że to jest problem.
04:07
And I think, if you take all of these filters together,
89
232000
3000
Sądzę, że biorąc wszystkie filtry razem,
04:10
you take all these algorithms,
90
235000
2000
wszystkie te algorytmy,
04:12
you get what I call a filter bubble.
91
237000
3000
otrzymamy coś, co nazywam bańką z filtrami.
04:16
And your filter bubble is your own personal,
92
241000
3000
Twoja bańka jest twoim własnym
04:19
unique universe of information
93
244000
2000
unikalnym informacyjnym wszechświatem,
04:21
that you live in online.
94
246000
2000
w którym żyjesz online.
04:23
And what's in your filter bubble
95
248000
3000
Zawartość bańki zależy od tego
04:26
depends on who you are, and it depends on what you do.
96
251000
3000
kim jesteś i co robisz.
04:29
But the thing is that you don't decide what gets in.
97
254000
4000
Szkopuł w tym, że nie decydujesz o tym co trafia,
04:33
And more importantly,
98
258000
2000
a co ważniejsze, co zostaje wycięte z wyników.
04:35
you don't actually see what gets edited out.
99
260000
3000
a co ważniejsze, co zostaje wycięte z wyników.
04:38
So one of the problems with the filter bubble
100
263000
2000
Pewien problem w bańkach z filtrami
04:40
was discovered by some researchers at Netflix.
101
265000
3000
odkryli naukowcy z Netflix.
04:43
And they were looking at the Netflix queues, and they noticed something kind of funny
102
268000
3000
Patrzyli na kolejki w Netflix i zauważyli coś dziwnego,
04:46
that a lot of us probably have noticed,
103
271000
2000
co wieli z nas pewnie zauważyło,
04:48
which is there are some movies
104
273000
2000
że są niektóre filmy, które
04:50
that just sort of zip right up and out to our houses.
105
275000
3000
wpadają i wypadają z naszych domów.
04:53
They enter the queue, they just zip right out.
106
278000
3000
Wchodzą do kolejki i zaraz z niej wypadają.
04:56
So "Iron Man" zips right out,
107
281000
2000
"Iron Man" tak wypada,
04:58
and "Waiting for Superman"
108
283000
2000
"Waiting for Superman" również
05:00
can wait for a really long time.
109
285000
2000
może czekać długi czas.
05:02
What they discovered
110
287000
2000
Odkryli, że w kolejkach
05:04
was that in our Netflix queues
111
289000
2000
Netflix toczy się walka
05:06
there's this epic struggle going on
112
291000
3000
pomiędzy naszymi przyszłymi
05:09
between our future aspirational selves
113
294000
3000
ambicjami, a teraźniejszymi
05:12
and our more impulsive present selves.
114
297000
3000
impulsywnymi osobowościami.
05:15
You know we all want to be someone
115
300000
2000
Wszyscy chcielibyśmy być
05:17
who has watched "Rashomon,"
116
302000
2000
kimś, kto oglądał "Rashomon",
05:19
but right now
117
304000
2000
ale w tej chwili
05:21
we want to watch "Ace Ventura" for the fourth time.
118
306000
3000
chcemy oglądać po raz czwarty "Ace Ventura".
05:24
(Laughter)
119
309000
3000
(Śmiech)
05:27
So the best editing gives us a bit of both.
120
312000
2000
Najlepsze dopasowanie daje nam coś z ich obu.
05:29
It gives us a little bit of Justin Bieber
121
314000
2000
Trochę Justina Biebera
05:31
and a little bit of Afghanistan.
122
316000
2000
i trochę Afganistanu.
05:33
It gives us some information vegetables;
123
318000
2000
Daje nam trochę warzyw,
05:35
it gives us some information dessert.
124
320000
3000
tak jak i trochę deseru.
05:38
And the challenge with these kinds of algorithmic filters,
125
323000
2000
Wyzwaniem tych algorytmów w filtrach,
05:40
these personalized filters,
126
325000
2000
personalizujących filtrów,
05:42
is that, because they're mainly looking
127
327000
2000
jest to, ponieważ patrzą one
05:44
at what you click on first,
128
329000
4000
na co się najpierw kliknie
05:48
it can throw off that balance.
129
333000
4000
co może wytrącić je z równowagi.
05:52
And instead of a balanced information diet,
130
337000
3000
Zamiast zbalansowanej diety,
05:55
you can end up surrounded
131
340000
2000
możesz skończyć otoczonym
05:57
by information junk food.
132
342000
2000
przez śmieci informacyjne.
05:59
What this suggests
133
344000
2000
Sugeruje to, że rzeczywiście
06:01
is actually that we may have the story about the Internet wrong.
134
346000
3000
możemy mieć trop, że Internet idzie w złym kierunku.
06:04
In a broadcast society --
135
349000
2000
W rozgłaszającym społeczeństwie,
06:06
this is how the founding mythology goes --
136
351000
2000
tak brzmi podstawowa mitologia,
06:08
in a broadcast society,
137
353000
2000
w takim społeczeństwie,
06:10
there were these gatekeepers, the editors,
138
355000
2000
byli strażnicy, redaktorzy,
06:12
and they controlled the flows of information.
139
357000
3000
którzy kontrolowali przepływ informacji.
06:15
And along came the Internet and it swept them out of the way,
140
360000
3000
Przyszedł internet i ich wymiótł,
06:18
and it allowed all of us to connect together,
141
363000
2000
co pozwoliło nam się nawzajem połączyć,
06:20
and it was awesome.
142
365000
2000
a to jest niesamowite.
06:22
But that's not actually what's happening right now.
143
367000
3000
Jednak nie to teraz się dzieje.
06:26
What we're seeing is more of a passing of the torch
144
371000
3000
Widzimy podawanie sobie pochodni
06:29
from human gatekeepers
145
374000
2000
od strażników do ich
06:31
to algorithmic ones.
146
376000
3000
algorytmicznych odpowiedników.
06:34
And the thing is that the algorithms
147
379000
3000
Z algorytmami jest tak, że
06:37
don't yet have the kind of embedded ethics
148
382000
3000
nie posiadają wbudowanej etyki,
06:40
that the editors did.
149
385000
3000
którą mieli redaktorzy.
06:43
So if algorithms are going to curate the world for us,
150
388000
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
391000
3000
będą decydowały o tym co widzimy, a co nie,
06:49
then we need to make sure
152
394000
2000
to musimy się upewnić,
06:51
that they're not just keyed to relevance.
153
396000
3000
że nie steruje ich związek.
06:54
We need to make sure that they also show us things
154
399000
2000
Upewnijmy się, że również pokazują nam rzeczy,
06:56
that are uncomfortable or challenging or important --
155
401000
3000
które są niewygodnie, wyzywające, czy ważne,
06:59
this is what TED does --
156
404000
2000
to co robi TED,
07:01
other points of view.
157
406000
2000
inne punkty widzenia.
07:03
And the thing is, we've actually been here before
158
408000
2000
Już tu byliśmy jako społeczność, taka prawda.
07:05
as a society.
159
410000
2000
Już tu byliśmy jako społeczność, taka prawda.
07:08
In 1915, it's not like newspapers were sweating a lot
160
413000
3000
W 1915, gazety nie przejmowały się za bardzo
07:11
about their civic responsibilities.
161
416000
3000
obywatelskimi obowiązkami.
07:14
Then people noticed
162
419000
2000
Potem ludzie zauważyli, że
07:16
that they were doing something really important.
163
421000
3000
one robiły coś bardzo ważnego.
07:19
That, in fact, you couldn't have
164
424000
2000
Naprawdę nie można
07:21
a functioning democracy
165
426000
2000
mieć funkcjonującej demokracji,
07:23
if citizens didn't get a good flow of information,
166
428000
4000
jeżeli obywatele nie mają dobrego przepływu informacji.
07:28
that the newspapers were critical because they were acting as the filter,
167
433000
3000
Gazety były istotne, bo działały jak filtr,
07:31
and then journalistic ethics developed.
168
436000
2000
a potem etyka dziennikarska się rozwinęła.
07:33
It wasn't perfect,
169
438000
2000
Nie było to perfekcyjne,
07:35
but it got us through the last century.
170
440000
3000
ale przetrwaliśmy dzięki temu poprzedni wiek.
07:38
And so now,
171
443000
2000
Teraz, wróciliśmy
07:40
we're kind of back in 1915 on the Web.
172
445000
3000
tak jakby do 1915 w sieci.
07:44
And we need the new gatekeepers
173
449000
3000
Potrzebujemy nowych strażników
07:47
to encode that kind of responsibility
174
452000
2000
by zawarli tą odpowiedzialność
07:49
into the code that they're writing.
175
454000
2000
w kodzie, który piszą.
07:51
I know that there are a lot of people here from Facebook and from Google --
176
456000
3000
Wiem, że jest tu wiele ludzi z Facebooka i Google,
07:54
Larry and Sergey --
177
459000
2000
Larry i Sergiej,
07:56
people who have helped build the Web as it is,
178
461000
2000
ludzie, którzy pomogli zbudować sieć taką, jaką jest,
07:58
and I'm grateful for that.
179
463000
2000
za to jestem im wdzięczny.
08:00
But we really need you to make sure
180
465000
3000
Potrzebujemy, abyście upewnili się,
08:03
that these algorithms have encoded in them
181
468000
3000
że te algorytmy zawierają w sobie
08:06
a sense of the public life, a sense of civic responsibility.
182
471000
3000
wyczucie publicznego życia, obywatelskiego obowiązku.
08:09
We need you to make sure that they're transparent enough
183
474000
3000
Upewnijcie się, że są wystarczająco przezroczyste
08:12
that we can see what the rules are
184
477000
2000
byśmy mogli dostrzec reguły,
08:14
that determine what gets through our filters.
185
479000
3000
które decydują, co przepuszcza filtr.
08:17
And we need you to give us some control
186
482000
2000
Musicie dać nam trochę kontroli,
08:19
so that we can decide
187
484000
2000
byśmy sami zdecydowali,
08:21
what gets through and what doesn't.
188
486000
3000
co przechodzi, a co nie.
08:24
Because I think
189
489000
2000
Ponieważ myślę,
08:26
we really need the Internet to be that thing
190
491000
2000
że potrzebujemy by Internet był tym czymś
08:28
that we all dreamed of it being.
191
493000
2000
o czym marzyliśmy, że będzie.
08:30
We need it to connect us all together.
192
495000
3000
Musi nas ze sobą łączyć.
08:33
We need it to introduce us to new ideas
193
498000
3000
Musi nam przedstawiać nowe idee,
08:36
and new people and different perspectives.
194
501000
3000
nowych ludzi i różne perspektywy.
08:40
And it's not going to do that
195
505000
2000
Nie uda się to, jeżeli
08:42
if it leaves us all isolated in a Web of one.
196
507000
3000
zostaniemy wyobcowani w sieci do jednostki.
08:45
Thank you.
197
510000
2000
Dziękuję.
08:47
(Applause)
198
512000
11000
(Oklaski)
ABOUT THE SPEAKER
Eli Pariser - Organizer and authorPioneering online organizer Eli Pariser is the author of "The Filter Bubble," about how personalized search might be narrowing our worldview.
Why you should listen
Shortly after the September 11, 2001, attacks, Eli Pariser created a website calling for a multilateral approach to fighting terrorism. In the following weeks, over half a million people from 192 countries signed on, and Pariser rather unexpectedly became an online organizer. The website merged with MoveOn.org in November 2001, and Pariser -- then 20 years old -- joined the group to direct its foreign policy campaigns. He led what the New York Times Magazine called the "mainstream arm of the peace movement" -- tripling MoveOn's member base and demonstrating how large numbers of small donations could be mobilized through online engagement.
In 2004, Pariser became executive director of MoveOn. Under his leadership, MoveOn.org Political Action has grown to 5 million members and raised over $120 million from millions of small donors to support advocacy campaigns and political candidates. Pariser focused MoveOn on online-to-offline organizing, developing phone-banking tools and precinct programs in 2004 and 2006 that laid the groundwork for Barack Obama's extraordinary web-powered campaign. In 2008, Pariser transitioned the Executive Director role at MoveOn to Justin Ruben and became President of MoveOn’s board; he's now a senior fellow at the Roosevelt Institute.
His book The Filter Bubble is set for release May 12, 2011. In it, he asks how modern search tools -- the filter by which many of see the wider world -- are getting better and better and screening the wider world from us, by returning only the search results it "thinks" we want to see.
Eli Pariser | Speaker | TED.com