Un reportero de The New York Times obtuvo un documento interno del equipo de ingeniería de TikTok en Beijing que explicaba cómo los me gusta, los comentarios, el tiempo de visualización y las acciones compartidas se incorporan a un algoritmo de recomendación, que luego califica qué tan atractivo es un video para un determinado. usuario.Además, una captura de pantalla que vio el Times implicaba que un equipo de moderadores de contenido podría ver los videos que envías a tus amigos o subes de forma privada, lo que sugiere un nivel aún más profundo de personalización. Este desglose simplificado del algoritmo ofreció “un vistazo revelador tanto del núcleo matemático de la aplicación como de la comprensión de la naturaleza humana por parte de la empresa, nuestras tendencias hacia el aburrimiento, nuestra sensibilidad a las señales culturales, que ayudan a explicar por qué es tan difícil de dejar”, escribió el Times.Pero también destacó cómo el algoritmo puede conducirlo a un pozo de contenido tóxico que “podría inducir a autolesionarse”.Los nuevos detalles se basan en una investigación realizada por The Wall Street Journal a principios de este año que utilizó 100 cuentas de “bot” automatizadas para trazar la migración de la experiencia de TikTok de un individuo desde una amplia variedad de videos populares y convencionales a contenido más dirigido y específico de intereses. Por ejemplo, un bot que el WSJ programó para tener un interés general en la política finalmente recibió videos sobre conspiraciones electorales y QAnon.
Un portavoz de TikTok rechazó el informe de WSJ y dijo que su experimento “no es representativo del comportamiento real del usuario porque los humanos tienen un conjunto diverso de intereses”.Según el documento que vio el Times, la ecuación para calificar videos en función de la actividad del usuario generalmente representa una combinación de me gusta, comentarios, reproducción y tiempo dedicado a un clip.
En algún lugar, hay una fórmula que también calcula qué tan interesantes son los creadores individuales para los espectadores. “El sistema de recomendación otorga puntajes a todos los videos en función de esta ecuación y devuelve a los usuarios los videos con los puntajes más altos”, informó el Times. El objetivo final es presentar una lista de contenido que maximice el tiempo que los usuarios pasan en la aplicación y los haga volver.
Pero los ingenieros de TikTok son conscientes de que si solo transmiten un tipo de video a un usuario, esa persona se aburrirá y dejará la aplicación. Para resolver esto, propusieron dos apéndices al algoritmo que mostraría más videos de un creador que cree que le gusta y pondría un límite diario a los videos que tienen las mismas etiquetas. Además, consideraron la posibilidad de diversificar las recomendaciones en la pestaña “Para usted”, intercalando el contenido que le podría gustar con otros que normalmente no verá.
“La idea básica es que quieren tener ojos en la página. Quiere que la gente utilice su producto ”, dice Joshua Tucker, codirector del Centro de Política y Medios Sociales de la NYU. “Creo que la genialidad de TikTok es la interfaz donde puedes dirigirte a tus seguidores, o puedes decir, TikTok, muéstrame lo que crees que me gustaría ver”, dice Tucker.
Al hacer eso, TikTok ha resuelto lo que Tucker llama “el problema del inventario” que plagaba plataformas como Facebook e inicialmente, también Twitter.
El aprendizaje automático ahora permite que las aplicaciones procesen grandes cantidades de datos y hagan inferencias sobre las preferencias personales en lugar de presentar a cada usuario las mismas opciones básicas de contenido.
Más info: Dagorret
