アルゴリズムおすすめフィード

新しいアプリを開くと、画面にたくさんの動画や写真が並びます。このリストは偶然決まったものではありません。どの動画を最後まで見たか、どの写真に「いいね」を押したか、さらには何秒間立ち止まって読んだかまで、リアルタイムで記録されています。

こうした記録を行動データと呼びます。おすすめのしくみは、ユーザーが残したたくさんの足跡を集めて、関心のあるものを点数にしていきます。猫の動画を3秒でスキップした人と、1分間のあいだに2回見返した人とでは、次におすすめされる画面がまったく変わります。

アプリを長く使うほど、自分と好みの似た他の人たちのデータまで一緒に組み合わされていきます。たとえば料理動画をよく見ていると、同じような料理動画を見た他の人たちが好んだデザート動画まで、次々とおすすめされるという流れです。

おすすめフィードのしくみは、大きく2つに分かれます。1つ目は「コンテンツベースフィルタリング」です。ユーザーが恐竜に関する記事を読んだ場合、記事のタイトルやタグに書かれた「恐竜」という特徴を見つけて、似た記事をもっと表示する方法です。

2つ目は「協調フィルタリング」です。コンテンツの中身そのものよりも、人々の行動パターンに注目します。AさんとBさんがこれまでに好きになった映画のリストが90%一致しているなら、Aさんが面白かった新作映画を、まだ見ていないBさんにすすめる、という考え方です。

今のSNSは、この2つの方法を混ぜ合わせたうえに、AIのニューラルネットワークまで加えて動いています。そのおかげで、ユーザーが検索窓に言葉を入力しなくても、まるで心を読まれたかのように次の見どころを絶え間なく差し出せるのです。

アルゴリズムおすすめフィードは、好みにぴったりの情報だけを選んでくれるので便利ですが、思わぬ副作用も生みます。好きな種類の考えや意見ばかりが画面に出続けるため、世の中の人はたいてい自分と同じように考えている、という錯覚に陥ることがあります。

自分だけの泡の中に閉じこもって、別の視点が見えなくなる現象をフィルターバブル（Filter Bubble）と呼びます。アルゴリズムは、ユーザーを画面に長く引きとめる刺激の強いコンテンツを優先的におすすめするため、対立や偏見を強めているという指摘もあります。ただし、フィルターバブルが実際にどれほど強く現れるかは研究によって結果が異なり、さまざまな見方があります。

結局のところ、アルゴリズムが用意した食事を受け身で食べ続けるのではなく、ときには普段見ないテーマを検索したり、興味のないチャンネルをのぞいたりして視野を広げる能動的なメディア習慣が必要です。