1.9. Топология вкуса

1.9. Топология вкуса

1.9.1. Клубные рекомендации и любовь к чтению

Анализируя разнообразные практики и институты, вырастающие из коллаборативной фильтрации, не мешало бы лишний раз убедиться в том, что они опираются на прочный фундамент. Поэтому мы не вправе обойти вниманием проблему, бросающую вызов самой коллаборативной технологии, — это рекомендации в условиях меняющегося вкуса. В базовом алгоритме расчета рекомендаций используется профиль, составленный из оценок объектов, которые человек потребил в разные периоды жизни. За это время вкус мог измениться, и давние суждения его уже не отражают, и, наоборот, оценки, проставленные сегодня, не соответствуют некогда полученному впечатлению. Плюс могли поменяться интересы. Если не предпринять специальных мер, это будет приводить к ляпам в рекомендациях. Для пользователей с устоявшимся вкусом данная проблема относительно легко решается: устаревшие оценки отсекаются от актуальных. Однако если вкус быстро эволюционирует, как это происходит в детстве, юности, да нередко и во взрослом возрасте, то расчет рекомендаций становится более чем не тривиальным делом. Сегодняшним алгоритмам эти нюансы не по зубам — ни коллаборативным (пока), ни каким-либо еще. Более того, нигде в мире задача так не ставилась. Чтобы решить ее, требуется подобрать пользователю не просто визави со схожими оценками, но еще и вычленить из этой выборки тех, кто находится на той же ступеньке вкуса. В терминах психологии речь идет о попадании в ближний круг развития — т. е. желательно, чтобы рекомендуемое оказалось для него не слишком простым, иначе заскучает, и не настолько сложным, чтобы опустились руки. Подогревание мотивации и интереса — наиболее тонкий момент в личностном развитии, и сегодня он чересчур зависим от квалификации наставника и удачи.

Возьмем, для примера, нелюбовь подростков к чтению — эта проблема постоянно обсуждается, но без особых видимых результатов. В большинстве своем дети читают из-под палки, потому что им не интересно. Книги, которые подсовывают им взрослые, — это то, что их самих захватывало в юности. Но сейчас они мало кого способны отвлечь от монитора. Школьные списки для чтения содержат блестящий, отполированный корпус текстов, но и их не читают взахлеб.

С помощью коллаборативной технологии можно сгенерировать качественно иное предложение литературы. Для этого необходимо вычленить пользователей (лучше сверстников), которые прочли те же книжки в той же последовательности и сделали следующий шаг. Произведения, которые увлекли их на этом чуть опережающем этапе развития, — вот что нужно советовать почитать. Ставка должна делаться не только на то, что книга хороша (этого недостаточно), но и на удачный контекст восприятия, о чем свидетельствует положительный опыт советчиков. Математически задача сводится к расчету близости траекторий, по которым прогрессировал вкус, а это сложней, чем установить сходство между наборами чисел, характеризующими вкусы пользователей. Необходимо выявить сходство между рядами оценок. Задача не банальная, но многообещающая, ее решение приведет к прорыву как в области рекомендательных алгоритмов, так и в технологиях образования. Не только литература и вся сфера культуры, но и математика, естественные дисциплины, история, шахматы и прочие области остро нуждаются в маршрутизации задач, сбалансированных в координатах «интересность — посильность». Всюду принципиально важно попасть в ближний круг развития. Автоматизированный подбор соответствующего учебного материала позволит смягчить одну из острейших проблем системы — уравнительный подход в учебе. Это актуально не только для школьного образования, но и для самообразования зрелых людей, которым бывает ох как непросто освоить какую-то новую область.

Эксперименты с прогрессирующим вкусом помогут подобрать ключи к одной старой-престарой проблеме: как объективно определить качество в искусстве, не опираясь при этом на авторитеты. Хотя сегодня тему иерархии художественного качества обходят стороной (в том числе из-за прививки постмодернизма), но где-то в глубине души у многих теплится надежда, что качество все же есть (так же, как и его отсутствие) и что когда-нибудь это удастся строго аргументировать. Коллаборативный механизм уже сейчас позволяет заменить вопрос «что такое качество?» на вопросы: «кто считает это качественным?» и «для кого это качественно?» «Что» превращается в «кто». Когда мы научим коллаборативную систему взвешивать, кто есть кто в символическом измерении, тогда можно будет вернуться к иерархии художественного качества. Пока же в системе искусства принято ориентироваться на табели о рангах, сложившиеся внутри профессионального сообщества. Беда в том, что эти иерархии часто оказываются политизированными либо выстроенными в соответствии с какими-то еще интересами, далекими от культуры. Рекомендательная система позволяет устранить эти перекосы.

1.9.2. Пестование вкуса

Даже краткий анализ динамики вкуса позволяет развеять опасение, которое время от времени звучит из уст критиков: будто рекомендации ведут к консервации вкусов, тормозят их развитие. При этом исходят из следующего ошибочного посыла: поскольку обмен мнениями происходит среди людей одного круга, росту неоткуда взяться. В действительности дело обстоит ровно наоборот — коллаборативная технология не выравнивает вкус по отстающим, а тянет вверх. Люди, когда им предоставлена возможность выбирать лучшее, именно лучшему и отдают предпочтение. На их месте странно было бы выбирать забракованное. (По опыту работы коллаборативных сайтов, так никто и не поступает.) Поэтому система клубной селекции работает как инкубатор вкуса.

Восприятие произведения искусства, хотя и с некоторой натяжкой, можно охарактеризовать в категориях сложности (эта сложность приблизительно того же рода, что у шахматных композиций). Решая задачу «на вкус», человек испытывает эстетическое удовольствие, а попутно тренирует вкус и нарабатывает художественную компетентность, что в свою очередь подталкивает к решению все более сложных задач и сулит новые порции удовольствия. С ростом сложности вкусовая мускулатура укрепляется, а от долгих простоев вкус растренировывается, замыливается, деградирует. Поэтому даже просто отсекание худшего и указание на лучшее благотворно влияет на вкус.

Кроме того, хотя обмен опытом и идет внутри вкусового комьюнити, но его члены не клоны и потребляют не одно и то же и не одновременно. Если кто-то из любителей фантастики высоко оценит, к примеру, русский артхаусный фильм «Облако-рай», то откроет его для своего круга. Точно так же, достаточно фанату блокбастеров получить удовольствие от очерков о жизни Древнего Рима, как это автоматически станет достоянием его вкусовых соседей, их друзей и так далее. Проблема «окукливания» надуманная. Всегда, когда люди обмениваются качественным опытом, средний уровень растет. Не будем скидывать со счетов и то, что система никого не запирает в рамках автоматически подобранной референтной группы. При желании можно внимательней приглядеться к тому, чем дышат другие клубы и другие люди, — перегородки легко проницаемы. Можно обратить внимание на выбор тех, с кем есть совпадения по знаковым произведениям, можно почитать профессиональную критику (благо, рекомендательные системы умеют выделять среди критиков тех, кто наиболее близок конкретному пользователю). Клубная фильтрация визуализирует образцы, достойные подражания, — а это важнейшее условие пестования вкуса. Нечто подобное имеет место в компьютерных играх. Не бывает так, чтобы кто-то без всякой причины съезжал с продвинутого уровня на начальный. Все карабкаются вверх, чему немало способствует возможность самостоятельно выбирать темп продвижения. Рекомендательный сервис обеспечивает ту же поступательность.

Данный текст является ознакомительным фрагментом.