И это заставляет обратить внимание на нечто интересное в Netflix и его рейтингах. Подчиняясь традиции, появившейся в те времена, когда наше мнение формировали в основном рецензенты, имеющие собственную систему оценок, мы можем принять рейтинг и «звездочки» за твердое мерило качества – по крайней мере для нашего вкуса. Но и на индивидуальном, и на агрегированном уровне система «звездочек» Netflix вовсе не является постоянной величиной. Оценки тут напоминают скорее свободный рынок: в их мире тоже случаются поправки, «пузыри», эффект хеджирования, инфляция и иные формы статистических «шумов».
В начале 2004 года, например, в Netflix произошло «внезапное повышение среднего кинорейтинга». Неужели голливудские фильмы внезапно улучшились? Нет, улучшилась система рекомендаций. «Пользователи стали ставить больше оценок фильмам, которые отвечали их вкусам», – писал Иегуда Корень, исследователь, участвовавший в конкурсе Netflix по улучшению алгоритмов. Другими словами, фильмы стали оцениваться выше, потому что их стало выбирать больше людей, которые считали, что это хорошие фильмы. В зависимости от точки зрения можно расценивать это как нечто вроде ошибки выборки – люди, которым с большей вероятностью понравится данный фильм, ставили более высокие оценки. Либо это было достижение рыночного равновесия в области вкусов: люди получили возможность более точно выбирать фильмы (т. е. появилось предложение), которые им с большей вероятностью придутся по вкусу (т. е. на них появился спрос).
На индивидуальном уровне все еще более запутано. Попросите кого-нибудь заново оценить просмотренный фильм, и скорее всего оценка будет другой. Как показали эксперименты, путем простого изменения исходного пользовательского рейтинга можно повлиять на то, как тот же самый человек позже повторно оценит фильм. По всей видимости, люди дают другие оценки, если оценивают массив фильмов (для «натаскивания» алгоритма), а не один фильм. Телешоу люди оценивают иначе, чем фильмы. «Средний рейтинг телешоу гораздо выше, чем у фильмов», – рассказал Елин. Телевидение лучше, чем кино? «Интуиция мне подсказывает, что дело тут в выборке», – говорит он. «Кто, скажем, оценивает «Клан Сопрано»? Явно не тот, кто посмотрел пять минут и выключил, потому что решил, что ему неинтересно тратить на это время. Оценивает тот, кто увлекся и потратил на просмотр сто часов своей жизни». С другой стороны, «кто оценивает фильм «Шопокоп»? Возможно, фильм так себе, но он идет всего девяносто минут. Ваши пороговые критерии оценки могут быть совершенно иными».
Аналогично, один и тот же фильм при просмотре онлайн и на DVD может иметь разные рейтинги. «Особенно если фильм до боли правдивый», – рассказывает Елин – например, «крайне эмоциональный» фильм Спилберга. «Он на вас повлияет, но влияние может быть мимолетным. Так что, если вы оцениваете его сразу после титров, оценка может быть выше. А спустя неделю впечатление от него уже пройдет». Просмотр кино в одиночестве может окончиться более низкой оценкой, чем просмотр в компании воодушевленных друзей.
И так далее. «Я много лет играл с рейтингами», – серьезным тоном произносит Елин, напоминая в этот момент бывалого гангстера, вспоминающего свои сомнительные уличные подвиги. Я почувствовал, что в этих рейтингах ему хотелось достичь некой идеальной чистоты, найти платонов идеал того, что нравится людям. «Знаете, почему у меня осталось так мало волос? Я вырвал их, пытаясь постичь все эти вещи!» В итоге рейтинги оказались не столь уж мощным средством понять, что будут смотреть люди. Пол и география – тоже. «Хотя и это может помочь, если больше ничего не известно. Но, как только люди просмотрят на Netflix хотя бы пять фильмов, мы уже будем знать о них на порядок больше, чем пока знали лишь их возраст, пол и местожительство», – говорит Елин. Вы – это то, что вы смотрите.
Любовь к сладкому – это любовь к самой жизни.
Все эти разговоры о том, что рейтинги имеют меньшее значение, не означают, что меньшее значение теперь придается и рекомендациям. Они находятся в самом центре всей работы Netflix по совершенствованию алгоритмов и обеспечивают порядка 75 % просмотров.
Но теперь они стали гораздо менее явными. Вместо того чтобы сказать, что вам понравится, Netflix теперь в основном демонстрирует то, что вас интересует, в виде «персонализированных» блоков, которые строятся в соответствии с вашим пользовательским поведением. «Все на свете – рекомендация!» – как любит говорить Аматриайн о новом подходе «не только пять звезд». Даже поисковые запросы говорят о том, что «у нас нет того, что пользователи хотят смотреть», и это тоже учитывается системой рекомендаций. Зная, что вы ищете, можно вычислить, что вам может понравиться. Любое действие на сайте Netflix можно рассматривать в качестве метарекомендации: сайт, как и большая часть Интернета, представляет собой один обширный и постоянно длящийся эксперимент в области предпочтений, серию «А/В-тестов», в которых вы участвуете, сами не зная об этом. Если окно поиска на сайте обувного магазина будет слева, повысятся ли продажи по сравнению с вариантом дизайна, когда окно справа? А если пустить на сайте блок с названием «Зарубежные драмы 1980-х», будете ли вы смотреть больше зарубежных драм из 1980-х?
Рекомендательные блоки отражают нечто вроде «золотой середины» между двумя экстремумами сигналов, которые сами по себе не несут особой пользы: первое – то, что, как вы говорите, вам нравится. Этот сигнал может завести во вкусовой тупик, полностью забитый малоизвестными, но интересными фильмами, которые вы будете смотреть только изредка. У создателей алгоритмов это называется «чрезмерно близкая подгонка»: система дает рекомендации, которые в некотором роде чересчур совершенны – и абсолютно стерильны.
Второе – это популярность. Данное понятие противоположно «персонализации», как говорит Аматриайн; но, опять же, если вы пытаетесь оптимизировать потребление, то «скорее всего зритель будет смотреть то, что смотрят другие». А это может привести к «проблеме «Побега из Шоушенка» или к проблеме избыточно частых рекомендаций того, что все и так видели. Фильм «Побег из Шоушенка» является самым высокорейтинговым фильмом на Netflix – он настолько расхвален на сайте, что у него не осталось никакого потенциала в аспекте прогнозирования, не считая того, что он сам всем нравится. «Да, все на сайте просто обожают этот фильм», – удивляется Елин, качая головой.
Возможно, в качестве уступки неизбежной «зашумленности» человеческих вкусов[90] Netflix при формировании рекомендаций не полагается лишь на поведение пользователей. Имеется также оплачиваемая армия людей, отвечающих за простановку информационных «тегов» и создающих лабиринты кинематографических метаданных. Чем пытаться выяснить, почему у двух человек одинаковые вкусы, зачастую проще установить, что общего у самих фильмов. А это иногда приводит к любопытным открытиям. Информация, что режиссер Педро Альмодовар может связать два совершенно разных фильма, даже когда больше ничего общего нет. Но и сами по себе метаданные могут завести не туда. Если рекомендовать «Догвилль» (фильм столь же противоречивый, как и «Наполеон Динамит») тем, кто посмотрел «Часы» или «Мулен-Руж» лишь потому, что и там и там сыграла Николь Кидман, это может привести к катастрофе.
Но метаданные также могут извлекать на свет божий то, что сами мы никогда бы не заметили. Зачастую странноватые и специфичные, надуманные жанровые подборки напоминают, как я уже отмечал, о том, что включение в некую категорию может влиять на наши предпочтения. Нам нравятся вещи, относящиеся к чему-то конкретному, даже если приходится долго думать, что это за «нечто» – как, например, фильм «Большой Лебовски». Эксцентричное деление на жанры в Netflix отражает попытку придать конкретику тому, что в ином случае выглядело бы как странный совет. «Рекомендации в таком случае могут быть не к месту. Вы скажете: «А почему это они говорят, что раз я поставил пять «звездочек» за «Зажги красный фонарь», то мне понравится этот японский детский фильм?» – задал вопрос Елин, показывая на свой лэптоп. На экране была его страничка на Netflix и массив рекомендаций: «Гоморра», «Валгалла: сага о викинге», «Вход в пустоту» и «Андалузский пес». Все эти фильмы были отнесены к жанру под названием «Галлюциногенные зарубежные драмы». «Я психологически подготовился, прочитав это, но, если бы мне показали названия без контекста, это было бы не так захватывающе», – сказал он. Как писал журналист Алексис Мадригал, «вопрос не в том, что Netflix может предложить вам то, что вам может понравиться, а в том, что он рассказывает, что это за продукция».
А то, что оба этих аспекта могут влиять друг на друга, не только одна из самых странных форм квантового сплетения, которую можно обнаружить в супермассивах данных рекомендательных систем, но и просто факт человеческого вкуса.
2. Каждый нынче критик: пусть жалуются все нытики
«Мы с мужем обнаружили это место «в стороне от проторенных дорог» вечером, когда ехали по пустынному шоссе, погруженному во тьму. Номер был слегка старомодный (на потолке зеркала, прикол!), но мы приятно удивились, что отношение оказалось отличное – в номер даже подали шампанское на льду! Но была проблема с шумом: посреди ночи нас разбудили голоса снизу из холла. Я согласилась бы с предыдущим отзывом, что «место приятное», но сомневаюсь. Ну а хуже всего оказалась процедура выселения – это совершенно неприемлемо!»
Текст выше – моя собственная смесь из двух общеизвестных произведений: песни Eagles «Отель «Калифорния» и отзыва о гостинице на веб-сайте Tripadvisor.com. «Отель «Калифорния» вы знаете, потому что вдоволь наслушались ее по радио. А если бывали на Tripadvisor.com, то после прочтения 28-го отзыва о гостинице вы уже впитали в себя все эти легкие модуляции: небрежный, доверительный тон; шуточки по отношению к другим рецензентам; образ постояльца, одновременно напоминающего и вполне обычного человека, с которым обошлись несправедливо, и оскорбленную оперную диву с завышенным чувством собственного достоинства. А затем и «но» – показательное «речевое высказывание», более известное как «жалоба». Как отметил лингвист Харви Сакс, все жалобы обычно строятся по стандартной схеме: «похвала плюс «но» и плюс что-то еще»