我們有能力和Facebook強大的演算法對抗嗎？
「想要獲得最新的股票投資懶人包嗎？請在留言處回覆+1，小編馬上私訊給你！」
「留言tag你的三個好朋友，你就有機會獲得iphone Xs Max！」
你的Facebook動態消息是不是被諸如此類的消息佔滿了呢？
即使你不是該品牌的忠實愛好者，你還是被推播了滿滿的行銷廣告訊息，到底為什麼？
Facebook上的動態，根據你過去的使用軌跡：按讚了誰、回應了誰，這些行為的蛛絲馬跡都會成為你動態消息的產生來源。演算法此時扮演了「篩選動態訊息」的管理員，根據你的行為線索，挑選你可能喜愛的內容給你。
在一開始提到的例子中，粉專小編們知道親友的「互動率」會影響演算法的排序，間接增加自家品牌的曝光率。雖然這讓參與留言者和商家品牌呈現一個互利共生的狀態，但不想要接收到這些訊息的使用者，可以說是變成該演算法制度下的受害者，強迫接受看這些「垃圾訊息」。
為什麼了解網站背後的演算法很重要？
Facebook演算法就像是一個隱形的操作員，一般人沒辦法直覺的意識到它的存在，但它卻偷偷的幫你安排你的動態消息排序。一部份的使用者已經開始意識到它所產生的負面效果，甚至紛紛退出Facebook轉移到其他社交平台，因為他們受夠了。That’s enough!
對於此種負面現象，你或許會感到很無力、無法對抗這龐大勢力。但是，瞭解該網站背後的演算法，可以讓你更清楚該組織背後的核心目的、更有能力讓你去選擇要不要信任這個網站。舉例來說，Facebook創辦人祖克伯在2018年初表示，將會提高親友貼文曝光率、降低商業組織貼文的觸及率，目的是要鼓勵「創造更多有意義的互動」。（雖然這個演算法又被轉變成一個商業工具，如本文一開始提到的行銷手法）
來自各界的學者，也逐漸鼓勵該類型網站的提供者，讓他們的演算法「透明化」，其中一個最簡單的方式就是提供解釋 — — 描述演算法實際上做了什麼排序操作。
給予不同種類的解釋，如何影響使用者對於Facebook資訊流的觀感？
迄今，演算法對大部分的使用者而言，可能仍是「隱形」的。密西根州立大學 (Michigan State University) 的研究團隊在一項與facebook行為調查有關的研究中指出，過半數 (56%) 的人相信「Facebook會顯示我每個朋友、每個我按讚專頁的訊息」（其他18%表示中立，26％表示不同意）。而這些比較不清楚演算法存在的人，更會偏向相信、滿意Facebook所提供的服務。另外，研究團隊也發現無論哪種解釋，使用者都覺得出乎意料之外，他們似乎沒有意識到演算法已經掌控了多少資訊來源。因此，研究團隊設計了一個實驗，探討若提供使用者「四個關於演算法的不同解釋」，會如何影響他們對facebook上動態消息的觀感。研究團隊在獲得使用者同意的狀況下，收集681個Facebook活躍使用者的資訊。將這些使用者隨機分配到不同的實驗組別，請他們填寫問卷。
這四種解釋分別是：
- 告知演算法的存在 （What）: 讓使用者知道，Facebook的資訊呈現並非按照時間順序，是演算法安排的結果 。
- 告知演算法根據分數排序 （How）: 告訴使用者，Facebook在收集他們的行為資訊後，每則動態消息背後都被給予分數，根據分數高低來排序。
- 告知演算法幫忙篩選過多訊息 (Why): 告訴使用者，因為資訊量過大，所以這個演算法是必要的。
- 告知官方安排演算法的動機 （Objective)：提供Facebook官方部落格的資訊，Facebook告訴使用者，他們如何透過使用者測試收集行為資訊，並根據測試結果改善演算法。
如何讓使用者知道系統演算法安排的動機？直接告訴他們每個訊息背後被評分似乎最有效
在實驗結果當中，雖然每一種解釋方式都會讓使用者知道演算法背後的安排動機。但是，在統計數據上每個條件的比較之下，直接告訴他們每則動態消息後都被打分數，是最能讓他們瞭解為什麼系統要這麼做的。另一方面，直接告訴使用者的演算法實際上的作法，也讓他們最有能力判斷，動態消息的排序是否符合評分規則，或僅僅是系統隨機顯示。
提供Facebook官方的解釋，無法讓使用者覺得自身是影響演算法的一員
一個好的演算法系統，需要讓使用者知道他們的行為：按讚、回應、追蹤，會確實影響到他們優先收看的內容。但在實驗結果當中，研究團隊發現直接告訴使用者，Facebook官方是如何透過使用者測試來改善演算法，並無法讓使用者覺得他們有改變排序的能力。雖然並無足夠證據，但研究團隊認為其中一個原因可能是：「使用者測試」的結果是一個集體式的資料呈現，而非針對個體來做調整。 因此，受試者並不會期待演算法會給予他們客製化的調整。
結語：如何與強大演算法抗衡？讓使用者主動採取行動吧！
提供演算法的解釋之後，雖然讓使用者意識到演算法正在掌控他們的資訊來源，但同時也增強他們對於資訊「無力控制」的感受。就算在實驗當中，研究團隊提供的解釋幾乎都是幫Facebook說好話（演算法根據按讚的內容，幫你挑選適合的訊息），但這些解釋，對於使用者來說仍是破壞他們原本的預期，他們真的意識到：「Facebook演算法是不公平的。」
一個最理想的演算法系統是足夠公開透明，讓使用者瞭解其運作方法。現今的演算法系統仍掌控著大部分的力量，我們該如何與之抗衡？
身為使用者的你：在知道演算法的強大影響後，你可以多花心力，主動去管理你的動態消息來源。可能的方法包含：檢舉不適當的廣告訊息、把你最愛的粉絲專頁加入興趣清單、多多對認同的貼文按讚等等。
身為系統設計者的你：首先，你需要讓使用者意識到演算法的存在。下一步，是讓使用者有辦法「主動採取行動」去改變系統，共同面對不合理的演算法漏洞。但對於大部分的使用者來說，他們仍沒有足夠的動機，花力氣去主動管理消息來源。你可以想想如何設計互動機制，增進使用者的動機、讓他們相信能夠改變一切。
演算法原本其中一個目的是，讓使用者花少一點心力去找自己想看的內容，但若要優化個人的體驗，目前，使用者仍然需要花心力去採取行為控制資訊來源。如何權衡、設計讓使用者願意主動參與的正向回饋機制，將會是未來演算法系統開發的一大挑戰。
如果希望繼續讀到人機互動研究相關文章，請長按左方 👏 按鈕給編輯團隊一些掌聲，或者填寫回饋問卷，鼓勵「人機共生你我它」繼續致力於科普文章的撰寫！
作者：陳美伶
編輯：蘇晴
感謝楊期蘭、黃振瑋給予改善建議
Reference
Emilee Rader, Kelley Cotter, and Janghee Cho. 2018. Explanations as Mechanisms for Supporting Algorithmic Transparency. In Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems (CHI ‘18). ACM, New York, NY, USA, Paper 103, 13 pages.
