Wetenschap
Krediet:Shutterstock
Facebook is door een kritisch parlementair rapport over desinformatie en nepnieuws vergeleken met een "digitale gangster". Een getuige in het 18 maanden durende onderzoek naar de manier waarop digitale platforms de informatiestroom hebben getransformeerd, beschrijft het huidige gebruik van technologie als "het kapen van onze geest en de samenleving".
Het verslag, in opdracht van de Digitale, Cultuur, Selectiecommissie Media en Sport, concludeert dat "politieke keuzes kunnen worden beïnvloed door online-informatie". Het gaat verder met te zeggen:"We moeten technologie gebruiken, in plaats daarvan, om onze geest te bevrijden en regulering te gebruiken om de democratische verantwoordingsplicht te herstellen. We moeten ervoor zorgen dat mensen de baas blijven over de machines."
Het is een onmiskenbare conclusie. Maar er is veel minder zekerheid over hoe deze regeling eruit moet zien. Ik zou willen beweren dat de algoritmen die door Facebook en andere digitale media worden gebruikt, alleen kunnen worden gecontroleerd door algoritmische regulering.
De twee belangrijkste aanbevelingen van het rapport zijn een onderzoek naar het datagebruik van Facebook en concurrentiebeperkende praktijken. Dit volgde op conclusies dat "het Cambridge Analytica-schandaal werd vergemakkelijkt door het beleid van Facebook" en "het duidelijk is dat Facebook opzettelijk en bewust zowel gegevensprivacy- als anticoncurrentiewetten heeft geschonden". Damian Collins MP, voorzitter van de commissie achter het rapport ging zelfs zo ver om te zeggen:"Bedrijven zoals Facebook oefenen enorme marktmacht uit, waardoor ze geld kunnen verdienen door de kleinere technologiebedrijven en ontwikkelaars te pesten die op dit platform vertrouwen om hun klanten te bereiken."
Een nieuwe aanpak
Controle van de regelgeving vereist grote hoeveelheden informatie en bewijsmateriaal. Maar het tempo waarin platforms zoals die van Facebook evolueren en innoveren, is veel sneller dan de tijd die de autoriteiten nodig hebben om ze onder de loep te nemen. Vandaar, Evidence-based regelgeving is noodzakelijkerwijs niet synchroon met de algoritmen die de informatiestromen in het digitale tijdperk beheersen. Als er datalekken zijn of gebruikers worden gemanipuleerd – zoals het gevonden rapport heeft plaatsgevonden met betrekking tot stemmen – is het te laat om dit achteraf te regelen.
Een nieuwe benadering van regelgeving is noodzakelijk. Eentje die gebaseerd is op het gebruik van algoritmen om digitale platforms te monitoren. Deze regelgevende algoritmen moeten worden ontworpen om realtime informatie te verzamelen over hoe de platforms vormgeven aan wat gebruikers zien op hun nieuwsfeeds en tijdlijnen. Ze kunnen zich aanpassen zoals de algoritmen die door platforms worden gebruikt, zich aanpassen.
Dit vereist een goed begrip van de belangrijkste kenmerken van verschillende platforms, zoals de rol van specifieke, invloedrijke gebruikers die verantwoordelijk zijn voor het vormen van meningen over het hele netwerk. Als regelgevers digitale geletterdheid willen aanmoedigen en gebruikers willen vertragen (zoals het rapport aanbeveelt), algoritmen kunnen de manieren volgen waarop platforms het tegenovergestelde aanmoedigen.
Als het om concurrentie gaat, de toetredingsdrempels zijn hoog. Platforms zoals Facebook en Twitter zijn gebouwd op wat economen netwerkeffecten noemen:hoe meer mensen ze gebruiken, hoe nuttiger ze zijn. Dit maakt ze tot natuurlijke monopolies. Ze gebruiken algoritmen om hun bereik te vergroten door voortdurend nieuwe verbindingen voor te stellen aan huidige gebruikers, waardoor de overstapkosten toenemen als gebruikers naar een ander platform willen overstappen. Regelgevende algoritmen zouden kunnen worden ontworpen om in realtime de grootte van directe en indirecte verbindingen voor elke gebruiker te berekenen, en ze gebruiken als een proxy voor hun psychologische kosten van het wisselen van netwerk.
Een ander probleem voor concurrentiewaakhonden is dat de statistieken die ze traditioneel gebruiken om marktmacht te controleren, achterhaald zijn door de bedrijfsmodellen van sociale-mediaplatforms. Het is erg moeilijk om het marktaandeel van een platform te meten. Zelfs als u het aantal geregistreerde gebruikers kent, elk moet een ander gewicht hebben op basis van het aantal verbindingen, die op hun beurt moeten worden gewogen afhankelijk van het aantal van hun verbindingen.
Een manier om dit te doen is dat algoritmen synthetische metingen produceren van de relevantie van elke verbinding. Dit zou een logica volgen die vergelijkbaar is met die gebruikt door Google bij het rangschikken van de relevantie van zoeksuggesties, niet alleen rekening houdend met directe verbindingen, maar ook de volgorde van hun gewogen verbindingen, meten hoe centraal verschillende gebruikers op het netwerk staan. Dus, ze zouden een veel betere benadering van de marktaandelen kunnen bieden.
Tot nu, grote technologiebedrijven zijn grotendeels aan hun lot overgelaten. Het Britse verslag betwist dit terecht en maakt duidelijk dat er een einde moet komen aan dit tijdperk van zelfregulering. Maar, meer dan dit, er is een gezamenlijke inspanning nodig om nieuwe instrumenten te ontwikkelen om de schaal het hoofd te bieden en, kritisch, de timing van de bedreigingen van de enorme marktmacht die geconcentreerd is in de datacenters van enkele dominante platforms.
Als sociale-mediaplatforms geavanceerde algoritmen kunnen inzetten om informatie over hun gebruikers in realtime te verwerken, terwijl we tegelijkertijd leren van deze gegevens, regelgevers moeten hetzelfde doen in termen van toezicht. De prioriteit voor beleidsmakers moet verschuiven naar preventie, in plaats van misstanden te onderzoeken en te bestraffen nadat de samenleving al is beschadigd. Regelgevende algoritmen kunnen in realtime reageren op de strategieën van verschillende platforms, waardoor de kans groter wordt dat mensen de baas blijven over de machines.
Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.
Wetenschap © https://nl.scienceaq.com