Algorytmy często obsługują wybór utworów na platformach muzycznych. Wykorzystuje systemy sztucznej inteligencji (AI), które uczą się na podstawie ludzkich decyzji. Naukowcy z Linz pokazują teraz, że algorytmy dostarczają bardziej trafnych i „lepszych” sugestii dla osób, które są sklasyfikowane jako niestabilne emocjonalnie. Dzieje się tak, ponieważ systemy mogą je łatwiej odczytać.
Od pewnego czasu naukowcy zastanawiają się, jakie zniekształcenia mogą wystąpić, gdy algorytmy przejmują mniej lub bardziej ludzkie decyzje. Naukowcy, kierowani przez Markusa Schedla, szefa Human-Centered Artificial Intelligence Group w LIT AI Lab na Uniwersytecie w Linzu, pokazali już w przeszłości, że systemy uczenia się wykorzystujące dane pochodzące od ludzi często prowadzą do uprzedzeń. Na przykład, gdy dostarczają wyniki, które są seksistowskie wypaczone.
Zespół był również kilkakrotnie zaangażowany w ulepszanie systemów poleceń online. Takie systemy wykorzystują wszystkie główne platformy w branży filmowej lub muzycznej, takie jak Amazon, Netflix, Spotify, YouTube i inne.
Pięć cech
W ramach badań naukowcy wraz z kolegami z Uniwersytetu w Innsbrucku zbadali już, czy cechy osobowości użytkowników platform do strumieniowego przesyłania muzyki wpływają na dopasowanie ofert do danej osoby. Podchodząc do osobowości konsumentów, Shedl i jego zespół przyjrzeli się pięciu szeroko zakrojonym cechom osobowości, które są dobrze poznane w psychologii: „otwartość na doświadczenie”, „sumienność”, „ekstrawersja”, „tolerancja” i „neurotyzm”. zwany „chwiejnością emocjonalną”.
Twitter na pół
Na podstawie swoich śladów danych z Twittera szacują, które z tych cech są wyrażane w ludziach i w jakim stopniu. Tutaj zastosowano metodę, która analizuje słowa użyte w tweetach i „wyodrębnia z nich cechy osobowości”, powiedział Sheddle w wywiadzie dla APA.
Aby zbadać mechanizmy stojące za rekomendacjami muzycznymi, wykorzystali dane dotyczące nawyków odsłuchowych z platform muzycznych takich jak Spotify czy Last.fm oraz odniesienia do preferencji z tweetów. W ten sposób naukowcy utworzyli dziesięć grup użytkowników liczących około 18 000 użytkowników (każda z mniej lub bardziej wyraźną dominującą cechą osobowości) i przyjrzeli się, jak potraktowały ich algorytmy w systemach rekomendacji. Aby to zrobić, przekazują część zebranych danych do systemów szkoleniowych AI „i dokonują przewidywań dotyczących drugiej części danych” – mówi Shedl. Gwarantuje to, że wyniki są jak najbardziej zbliżone do rzeczywistości.
wynik
Następnie naukowcy wykorzystali wspólne metody, aby zmierzyć, na ile „trafne i dobrze ocenione są odpowiednie rekomendacje dla odpowiedniej grupy użytkowników”. Dla naukowców wyniki te były zaskakująco różne: „Wydaje się, że więcej osób neurotycznych osiąga znacznie lepsze wyniki niż osoby mniej neurotyczne, niezależnie od zastosowanego algorytmu” – powiedział Shedl. Z drugiej strony osoby otwarte na nowe doświadczenia otrzymują mniej trafnych sugestii niż osoby bardzo zamknięte.
„Sugeruje to, że łatwiej jest udzielać rekomendacji, gdy użytkownik ma dość ograniczony gust muzyczny. Na przykład, jeśli dana osoba słucha tylko „Viking Metal”, stosunkowo łatwo jest tutaj przedstawić dobre rekomendacje” – powiedział Schedl. Bardziej szczegółowe analizy wykazały również, że osoby z większą neurotyzmem mają również węższe gusta muzyczne, co ogólnie ułatwia algorytmom.
Przenośny
Wyniki te z dużym prawdopodobieństwem zostaną przeniesione do innych obszarów, takich jak automatycznie wyświetlane oferty pracy, podróży lub partnerów. Aby uniemożliwić takim osobom pozostawanie szczególnie silnymi w tak reklamowanych komorach echa, dostawcy powinni również uwzględnić konkretne zalecenia dla innych grup, aby utrzymać zniekształcenia spowodowane przez algorytm na niższym poziomie, a także otworzyć inne „światy” dla użytkowników, według badacza, który zaprezentuje badanie na najważniejszym spotkaniu specjalistycznym, konferencji ACM Recommender Systems Conference, która odbędzie się we wrześniu.