A digitális világban nap mint nap találkozunk olyan jelenségekkel, amelyek első ránézésre véletlenszerűnek tűnnek: miért pont ezt a videót ajánlja a YouTube, miért ezt a hírt látjuk a közösségi oldalon, vagy miért tűnik úgy, hogy a reklámok „tudják”, mire gondolunk? A háttérben valójában jól felépített, logikusan működő algoritmusok dolgoznak, amelyek adatainkból, szokásainkból és viselkedésünkből következtetnek arra, mi érdekelhet minket. De mik is ezek az algoritmusok, és hogyan döntik el, mit látunk?
Az algoritmus egy lépéssor, egy előre meghatározott utasításrendszer, amely egy adott problémára ad megoldást. Nem új találmány: a matematikában és informatikában évszázadok óta használják. Ami megváltozott, az a méret és a komplexitás. Ma már nem egyszerű számításokat végző programokról beszélünk, hanem olyan rendszerekről, amelyek több milliárd adatpontból következtetnek preferenciákra, és folyamatosan tanulnak is ezekből. Ezeket nevezzük gépi tanulási algoritmusoknak, melyek minden egyes kattintásból, megállításból, görgetésből vagy reakcióból új információt szereznek.
A közösségi média algoritmusai például azt igyekeznek eldönteni, milyen tartalmak tartanak minket a felületen a leghosszabb ideig. Ehhez megfigyelik, mit néztünk meg korábban, mely bejegyzésekkel töltöttünk több időt, kinek a posztjaira reagáltunk. Ezután megpróbálnak olyan új tartalmat ajánlani, amely ezekhez hasonló. Nem feltétlenül azt mutatják tehát, ami a legfontosabb vagy legfrissebb, hanem azt, amiről úgy gondolják, hogy a legnagyobb eséllyel leköt minket. Így alakulnak ki az úgynevezett „buborékok”: egyre inkább csak azt látjuk, ami kifejezetten hozzánk és a szokásainkhoz illeszkedik.
A keresőmotoroknál is hasonló elv érvényesül. Bár a találati lista alapját továbbra is az adott weboldalak tartalmi és technikai minősége adja, a személyes viselkedési adatok finomhangolják a sorrendet. Ha gyakran keresünk bizonyos témákra, vagy bizonyos oldalakat kedvelünk, a kereső nagyobb valószínűséggel teszi ezeket előre a következő alkalommal. Így az, hogy mit látunk egy-egy keresésre, részben univerzális szabályokon, részben viszont rólunk gyűjtött információkon alapul.
A streamingplatformok ajánlórendszerei még összetettebbek: egyszerre vizsgálják a saját nézési szokásainkat, más felhasználók viselkedését, illetve a tartalmak közötti hasonlóságokat. Ha olyan filmet nézünk, amit mások is láttak, akik egy bizonyos műfajt kedvelnek, a rendszer nagy valószínűséggel azt a műfajt ajánlja majd nekünk is. Ezeket a kapcsolatokat ember már nem tudná manuálisan feltérképezni, a gép viszont pillanatok alatt felismeri a mintákat.
Az algoritmusok tehát nem titokzatos, misztikus mechanizmusok, hanem rendkívül logikus rendszerek. Annyit tudnak rólunk, amennyit mi közvetve vagy közvetlenül megmutatunk nekik. A kérdés inkább az, hogy tudatosak vagyunk-e ebben a folyamatban. Megértjük-e, hogy a látott tartalmak nem a teljes valóságot mutatják, hanem egy rólunk készített digitális profilhoz igazodnak? A digitális közegben való tájékozódáshoz ezért egyre fontosabb a médiatudatosság: annak felismerése, hogy az online tér nem semleges, és azt, amit látunk, sokszor nem a világ teljes képe, csupán az, amit az algoritmus szerint látni szeretnénk.
Az algoritmusok működése egyszerre elképesztő technológiai teljesítmény és komoly felelősség. A felhasználók oldaláról tudatosságot igényel, a platformok oldaláról pedig átláthatóságot és etikát. Ha értjük, mit miért látunk, kevésbé leszünk kiszolgáltatva a láthatatlan szűrőknek, és tudatosabban navigálhatunk a digitális világban.