پلانکتون‌های چاه‌های عمیق داده نباشید!
3 مهر 00 - 00:07  | 1032 بازدید

 

گیلان فردا-شبکه‌های اجتماعی (social media) یکی از پراستفاده‌ترین ابزار ارتباطی موجود در عصر جدید است. کمتر انسان بالغ و تحصیل‌کرده‌ای را می‌توان یافت که حداقل عضو یکی از شبکه‌های اجتماعی نبوده یا از پیام‌رسان‌های مبتنی بر وب استفاده نکرده باشد. روزانه میلیون‌ها کاربر از زمانی که بیدار می‌شوند تا لحظاتی پیش از خواب، در حال چک کردن شبکه‌های اجتماعی یا برقراری ارتباط بر بستر پیام‌رسان‌ها هستند. حتی زمانی که به خواب فرومی‌روید، پست‌ها و پیام‌های جدید را دریافت می‌کنید. اما تاکنون فکر کرده‌اید، پیام‌رسان‌ها و شبکه‌های اجتماعی که روزانه میلیون‌ها تصویر، پیام، صوت، فیلم و به‌صورت کلی داده (Data) را به‌صورت رایگان ردوبدل کرده و در فضاهای ذخیره‌سازی خود نگهداری می‌کنند، از چه طریقی کسب درآمد می‌کنند؟ در حقیقت کاربران برای مدیران شبکه‌های اجتماعی نقش پلانکتون‌ها در تشکیل چاه‌های داده که نفت جدید شناخته می‌شود را دارند.

هر رکورد داده‌ای که در فضای مجازی تولید می‌کنیم برای تشکیل پروفایلی جهت شناسایی تفکرات، احساسات، علایق و حتی پیش‌بینی رفتار ما ذخیره شده و مورد سوءاستفاده قرار می‌گیرد.

ازروی لایک‌ها کامنت‌ها و پیام‌هایی که ردوبدل می‌شود و حتی سابقه جستجوی شما در وب، برای نمایش تبلیغات هوشمند استفاده شده و حتی تلاش می‌شود تا با استفاده از محتوای هدفمند مختص شخصیت شما، تفکرات شما به سمت دلخواه سوق داده شود.

این ادعا در نظر اول شاید به یک توهم توطئه شبیه باشد، اما شواهد آن‌قدر روشن هستند که نتیجه‌گیری در پایان، کار دشواری به نظر نمی‌رسد!

 

مقدمه: نحوه کسب درآمد سرویس‌های رایگان در وب

نحوه کسب درآمد در سرویس‌های مختلف مبتنی بر وب متفاوت است، برخی از سایت‌ها برای استفاده از خدمات شما را وادار به پرداخت وجه یا خرید محصولات می‌کنند و برخی دیگر نیز با نمایش تبلیغات، درج رپرتاژ، وابسته بودن به یک برند تجاری و یا ترویج سیاست‌های یک گروه و... درآمد به دست می‌آورند. اما این‌همه ماجرا نیست.

موتور جستجوی گوگل بزرگ‌ترین و محبوب‌ترین جستجوگر در جهان است، هر روز صدها میلیون نفر در سراسر جهان با زبان خود به جستجو در این سایت می‌پردازند و یا از خدمات دیگر آن مانند سیستم‌عامل اندروید، سرویس Gmail، Google play و... استفاده می‌کنند بدون اینکه هزینه‌ای را برای آن پرداخت کنند. البته گوگل نمایش تبلیغات را به‌صورت محدود در جستجوهای کاربران گنجانده و برای فضای ذخیره‌سازی ابری رایگان خود محدودیت حجمی آپلود فایل قرار داده است. اما اینها نمی‌تواند هزینه‌های این غول بزرگ نرم‌افزاری را که در سراسر دنیا مرکز داده و سرورهای گران‌قیمت با تعداد زیادی کارمند مستقر کرده است را تأمین کند.

در شبکه‌های اجتماعی و پیام‌رسان‌ها اوضاع پیچیده‌تر است، برخی از پیام‌رسان‌ها مانند تلگرام، واتس‌اپ و... حتی بخش‌های غیر رایگان و نمایش تبلیغ نیز ندارند. یا در فیسبوک، توییتر و اینستاگرام نمایش تبلیغ به حدی ناچیز است که نمی‌توانند هزینه‌های زیاد این شبکه‌های اجتماعی را جبران کند.

برخی از کاربران به‌اشتباه گمان می‌کنند هزینه‌ای که برای خرید بسته‌های اینترنتی پرداخت می‌کنند، به شبکه‌های اجتماعی ارتباط دارد که این باور کاملاً اشتباه است.

حالا این سؤال دوباره مطرح می‌شود، شبکه‌های اجتماعی از چه راهی هزینه‌های گزاف خود را جبران می‌کنند. در این جا نیاز است با مفهومی به نام داده‌کاوی که یکی از زیرشاخه‌های علم هوش مصنوعی است، آشنا شویم.

 

داده‌کاوی و شبکه‌های اجتماعی

داده‌کاوی (Data Mining ) علمی است که با استفاده از آن می‌توان دانش نهفته در میان داده‌ها را استخراج کرد. گردآوری، تجزیه‌وتحلیل و پیش‌بینی از مزیت‌های داده‌کاوی است. ما در اینجا می‌خواهیم در خصوص داده‌کاوی شبکه‌های اجتماعی یا (Social Data Mining) صحبت کنیم. {1}

با دو مثال ملموس می‌توانیم تأثیر علم داده‌کاوی را در زندگی روزمره خود بیشتر درک کنیم. آیا تاکنون فکر کرده‌اید سازمان‌های هواشناسی در جهان چگونه وضع هوا را تقریباً دقیق پیش‌بینی می‌کنند؟ میلیون‌ها رکورد از وضعیت جوی طی سال‌های مختلف و در شرایط مختلف به‌وسیله الگوریتم‌های هوش مصنوعی پردازش می‌شود تا یک سیستم تولید شود که با دادن ورودی‌های فعلی بتوان بر اساس آنچه درگذشته رخ‌داده است، شرایط جدید را پیش‌بینی کرد.

مثال دیگر می‌تواند در مورد یک شبکه اجتماعی مانند اینستاگرام باشد، اگر مدتی در قسمت اکسپلور این شبکه اجتماعی شروع به پیگیری و یا جستجو در خصوص موضوع خاصی مثل ورزش، موسیقی، حیوانات، اخبار و... کنید، توجه می‌شوید رفته‌رفته به‌صورت ناخواسته اکثر پست‌هایی که در اکسپلور برای شما نمایش داده می‌شود منطبق با سلیقه شماست، در واقع پست‌های نمایش‌داده‌شده در اکسپلور هر کاربر با کاربر دیگر متفاوت است. این یعنی شبکه اجتماعی اینستاگرام در حال بررسی و تجزیه‌وتحلیل سلایق، افکار و علاقه‌مندی‌های شماست و بر اساس داده‌هایی که از شما جمع‌آوری می‌کند، سعی می‌کند شخصیت شما را تشخیص و پست‌های مطابق میل شما، در اکسپلور به نمایش در بیاورد. روی خوش این قضیه این است که یک هدف اینستاگرام راحتی و جلب رضایت بیشتر مخاطبان است، اما این سکه روی دیگری هم دارد.

اغلب شبکه‌های اجتماعی، پیام‌رسان‌ها و حتی سایت‌های اینترنتی با تشکیل پرونده‌هایی دیجیتال برای کاربران، تمامی رفتار و حرکات آنها را زیر نظر گرفته، ذخیره کرده و تجزیه‌وتحلیل می‌کنند تا از آن برای اهداف تجاری و شخصی‌سازی به‌منظور بازگشت کاربر استفاده کنند.

وارد هر سایت اینترنتی که می‌شوید مدیر آن سایت بدون اجازه شما می‌تواند بداند آدرس ip شما چیست، از چه دستگاهی و چه مدلی استفاده می‌کنید، مرورگر اینترنتی شما کدام است، زبان و کشور شما چیست و حتی در برخی از موارد با روشن بودن مکان‌نما، محل دقیقی که حضور دارید کجاست.

این‌ها ساده‌ترین اطلاعاتی است که به‌محض ورود شما به فضای مجازی دیگر خصوصی نیست. در موتورهای جستجو اطلاعات ذخیره شده گسترده‌تر هستند. جستجوگری مثل گوگل علاوه بر همه این اطلاعات، سوابق جستجوی شما و مطالبی که به دنبال آن بوده‌اید، زمان حضور در هر سایت، فهرست کاربران شما در سیستم‌عامل اندروید، تصاویری که احتمالاً روی فضای ابری خود ذخیره کرده‌اید و... را ذخیره و پایش می‌کند.

اما در شبکه اجتماعی فیسبوک یا اینستاگرام، این فرصت فراهم است تا به‌محض ساختن یک اکانت، شرکت فیسبوک برای شما یک پرونده دیجیتالی بسازد که در آن علاوه بر نام، تاریخ تولد، عکس‌های شما، فهرست دوستان، مدت زمانی که روی هر پست درنگ می‌کنید، نوع پست‌هایی که موردعلاقه شماست و صدها رکورد اطلاعاتی دیگر را ذخیره کند.

 آیا امکان دارد ازروی پست‌هایی که یک کاربر در طی سال‌ها پسندیده، روی آن برای لحظاتی درنگ کرده، به اشتراک گذاشته و... شخصیت آن شخص را شناسایی کرد؟ پاسخ علم داده‌کاوی به این سؤال مثبت است.

پست‌ها، لایک‌ها و کامنت‌ها و... اطلاعات حاضر و آماده‌ای محسوب می‌شوند که به‌راحتی قابل ذخیره‌سازی، طبقه‌بندی و پردازش هستند و سرعت، دقت، ارزانی و ابعاد تحلیل بر مبنای آنها در مقایسه با روش‌های پیشین، مانند نظرسنجی تلفنی و حضوری و امثال آن بسیار کارآمدتر است.

در پیام‌رسان‌هایی مانند تلگرام و واتس‌اپ چطور؟ آیا آنها نیز اطلاعات شما را ذخیره می‌کنند؟ جواب این سؤال هم مثبت است. هرچند که پیام‌رسان‌ها ادعا می‌کنند پیام‌های شخصی کاربران کاملاً ایمن هستند و هیچگاه توسط شخص دیگری خوانده نمی‌شود، اما لازم نیست پیام‌های شخصی افراد تک‌تک مورداستفاده قرار بگیرد. فرض کنید در یک گروه تلگرامی شما کلیدواژه‌ای را مانند "دلار" جستجو کنید، نتایج جستجو شامل تمام پیام‌هایی است که توسط کاربران مختلف ارسال شده و حاوی این کلمه است، آنگاه شما دسترسی سریع به نظرات کاربران یک جامعه آماری کوچک در خصوص یک موضوع را دارید. این نمونه کوچک استفاده از داده‌های متنی برای کاربران است.

شبکه‌های اجتماعی و پیام‌رسان‌ها علاوه متن‌کاوی (Text Mining) ، با استفاده از ایموجی‌ها و یا شکلک‌ها می‌توانند عواطف و احساسات شما را نیز نسبت به مسائل مختلف پایش کنند و به‌صورت یک مجموعه برای اهداف تجاری، سیاسی و یا تبلیغاتی به فروش برسانند.

فرضاً می‌توان بررسی کرد واکنش مردم یک منطقه رشت نسبت به افزایش قیمت دلار در یک تاریخ مشخص چه بوده است و یا مردم منطقه دیگر معمولاً چه علایقی دارند و بیشتر از کدام کلیدواژه‌های استفاده می‌کنند و عواطف آنها نسبت به یک موضوع خاص با کدام شکلک‌ها توصیف شده است؟

داده‌کاوی و کوکی ربایی به سبک سایت‌های ایرانی

اگر از سایت‌های خرید اینترنتی کالا، خدمات، نرم‌افزار و ... ایرانی بازدید کنید و مدتی دنبال یک دسته‌بندی خاص مثل ساعت هوشمند باشید، پس از ترک آن سایت و مراجعه به سایت‌های دیگر مانند، خبری، تفریحی و... که از تبلیغات هوشمند استفاده می‌کنند به بنرهای نمایش‌داده‌شده برای شما دقت کنید، متوجه می‌شوید که این تبلیغ‌ها دقیقاً چیزی را برای شما به نمایش درآورده‌اند که شما دنبال آن بوده‌اید و یا برعکس پس از خواندن چند مقاله در مورد موضوعی خاص، کالاهایی مرتبط به آن موضوع در تبلیغات برای شما به نمایش درمی‌آید. اما این امر چگونه ممکن است؟

کوکی فایل متنی است که یک سایت توسط نرم‌افزار مرورگر بر روی کامپیوترتان ذخیره می‌کند. یک کوکی به سایت‌ها اجازه می‌دهد تا اطلاعات مربوط به فعالیت‌های شما در اینترنت را ذخیره کنند. این اطلاعات عبارت است از: صفحات و مطالبی که شما بازدید کرده‌اید، زمانی که شما از مطالب بازدید کرده‌اید، آن چیزی که شما جستجو کرده‌اید و حتی تبلیغاتی که بر روی آن کلیک کرده‌اید. داده‌هایی را که کوکی‌ها جمع‌آوری می‌کنند، با یکدیگر در یک جا جمع می‌شوند تا یک پروفایل از فعالیت‌های شما در اینترنت ایجاد شود.

نوع دیگر، کوکی‌هایی هستند که به‌جای آن که سایت مورد بازدید شما این فایل را بر روی کامپیوتر ذخیره کند، شخص دیگری این کار را انجام می‌دهد. این مدل از فایل‌ها را برخی از شرکت‌ها یا شبکه‌های تبلیغاتی می‌توانند تهیه کنند. این شرکت‌ها یا شبکه‌های تبلیغاتی به تهیۀ آگهی‌هایی که شما می‌بینید، کمک می‌کنند. آنها می‌توانند از این فایل‌ها برای تهیۀ آگهی‌های تبلیغاتی استفاده کنند که با سلیقه و ذائقۀ شما همخوانی دارند. برای مثال: اگر شما در اینترنت مقاله‌ای دربارۀ دویدن بخوانید، یک کوکی می‌تواند برای ذخیره کردن موضوع موردعلاقه شما و اضافه‌کردن این موضوع به پروفایلی که از قبل تهیه شده است، استفاده شود و شما آگهی‌های مربوط به برگه‌های تخفیف برای خرید کفش‌های مخصوص دویدن را می‌بینید.  

 

با مراجعه به بسیاری از سایت‌های خارجی متوجه نمایش پیغامی با دو گزینه می‌شوید که از شما اجازه می‌خواهد تا اطلاعات کوکی‌های شما را ذخیره و از آن استفاده کنند، در برخی از موارد می‌توانید بدون دادن این دسترسی از سایت بازدید کرده و در برخی از موارد هم بدون تأیید این پیغام امکان ادامه مطالعه مطلب موردنظر خود را ندارید. اما در سایت‌های ایرانی خصوصاً در مورد سایت‌های فروش اینترنتی بدون اطلاع کاربر کوکی‌های وی ردیابی و برای ساخت پروفایل تبلیغاتی برای او مورداستفاده قرار می‌گیرد.

 این بار اگر احساس کردید تبلیغات نمایش‌داده‌شده در سایت‌های ایرانی و خارجی مطابق سلیقه شماست و یا کالایی را تبلیغ می‌کنند که به آن نیاز دارید بدانید، مورد رصد و پایش اطلاعاتی قرار گرفته‌اید.

 

پژوهش‌های علمی برای تبلیغات هدفمند مبتنی بر داده‌کاوی در توییتر

امروزه از ترکیب داده‌های کلان (big data) به‌دست‌آمده از شبکه‌های اجتماعی برای تبلیغات هدفمند و اختصاصی استفاده می‌شود که به آن شبکه اجتماعی کاوی (Social Media Mining) می‌گویند.

به عبارت ساده‌تر، استخراج رسانه‌های اجتماعی هنگامی اتفاق می‌افتد که یک شرکت یا سازمان داده‌هایی را در مورد کاربران شبکه‌های اجتماعی جمع‌آوری کرده و آنها را برای پیداکردن الگوهای خاص، تجزیه‌وتحلیل کند.

نتایج این کار اغلب برای فعالیت‌های بازاریابی هدفمند برای بخش‌های خاص بازار استفاده می‌شود.

یک مطالعه که در نشریه Journal of Advertising  منتشر شده است، از روش‌های استخراج رسانه‌های اجتماعی برای اندازه‌گیری درک کاربران از انواع نام‌های تجاری رایج استفاده کرده است. {2}

این مطالعه به طور خاص شبکه اجتماعی توییتر را مورد هدف قرارداد و توییت‌های مربوط به برندهای مختلفی را در پنج صنعت را بررسی کرد: رستوران‌ها، فروشگاه‌های بزرگ، شرکت‌های مخابراتی، محصولات الکترونیکی مصرفی و شرکت‌های تولید کفش. محققان از ابزاری به نام  Twitter Streaming Application Programming Interface (API) استفاده کردند. این ابزار که توسط توییتر ارائه شده است، به کاربران امکان می‌دهد توییت‌ها را باتوجه‌به کلمات کلیدی خاصی از توییتر استخراج کنند.

در این مورد، محققان از نام شرکت‌ها به‌عنوان کلمات کلیدی برای ترسیم حدود ده میلیون توییت در مورد هر یک از شرکت موردمطالعه در یک دوره شش‌ماهه استفاده کردند و نتایجی که به‌دست‌آمده بود بسیار جالب بود و نشان می‌داد احساس منفی و مثبت کاربران نسبت به محصولات و برندها به چه دلیل و در کجا بیشتر یا کمتر است.

مطالعه‌ای دیگر که در نشریه Annals of GIS منتشر شد {3} ، درصدد تعیین نحوه استفاده بهینه از تبلیغات دیجیتال خارج از خانه (DOOH) در مترو لندن بود. یک نمونه از تبلیغات DOOH می‌تواند یک بیلبورد دیجیتالی با تبلیغات متغیر باشد که برای نمایش در زمان خاص برنامه‌ریزی‌شده است.

محققان برای دستیابی به هدف خود از همان API پخش جریانی Twitter که در مطالعه قبلی توصیف شده استفاده کردند. بااین‌حال، این بار آنها از عملکرد برچسب‌گذاری جغرافیایی توییتر استفاده کردند قابلیتی که به کاربران توییتر اجازه می‌دهد هنگام ارسال توییت مکان خود را برچسب‌گذاری کنند. محققان با جمع‌آوری بیش از 10.5 میلیون توییت، این عمل را برای مدت یک سال ادامه دادند. این داده‌ها جمع‌آوری و پردازش شد تا مشخص شود مردم در هر ایستگاه مترو لندن در ساعات مشخصی از روز و در روزهای هفته و آخر هفته در مورد چه چیزی توییت می‌کنند. به‌عنوان‌مثال، تقریباً 35 درصد از توییت‌های ایستگاه جاده هالووی مربوط به ورزش بود و تقریباً 40 درصد از توییت‌های منتشر شده بین آخر هفته تا نیمه‌شب در ایستگاه North Greenwich  مربوط به موسیقی بود.

نتایج این مطالعه طی سال‌های گذشته برای تبلیغات هدفمند DOOH استفاده می‌شود. به‌عنوان‌مثال، یک تبلیغ مربوط به موسیقی در یک بیلبورد دیجیتالی متغیر شب‌ها آخر هفته در ایستگاه North Greenwich  احتمالاً موفقیت بیشتری نسبت به تبلیغ برای یک تیم ورزشی خواهد داشت.

 

داده‌کاوی فیسبوک چگونه پیروزی ترامپ و برگزیت را رقم زد

در سال ۲۰۱۴ فیسبوک یک مسابقه طراحی کرد که در طی آن از کاربران خواسته بود تا با پاسخگویی به سؤالات شخصی در مورد خود و دوستانشان به روان‌شناسی شخصیتشان دست یابند. موارد زیادی ازاین‌قبیل مسابقات و بازی‌ها از سوی فیسبوک ارائه می‌شوند، اما فیسبوک موظف به حفظ اسرار کاربران و همچنین نابود کردن آنها پس از پایان زمان این قبیل مسابقات و بازی‌ها است.

کریستوفر وایلی، یکی از کارمندان کمبریج آنالیتیکا فاش کرد که فیسبوک اطلاعات کسانی را که در این مسابقه شرکت داشته‌اند، بدون اجازه آنان به شرکت کمبریج آنالیتیکا فروخته و بدین ترتیب این شرکت موفق شده است تا از طریق این اطلاعات به خصوصیات شخصی و روانی ۵۰ میلیون کاربر فیسبوکی دست یابد.

کمبریج آنالیتیکا (Cambridge Analytica) یک شرکت فناور سیاسی است که با ترکیب داده‌کاوی و تحلیل داده‌ها در فرایندهای انتخاباتی و سیاسی، خدماتی مربوط به ارتباطات راهبردی ارائه می‌دهد. این شرکت در سال ۲۰۱۳ به‌عنوان زیرمجموعه شرکت لابراتوارهای ارتباطات راهبردی گروه اس‌سی‌ال و با هدف شرکت در انتخابات آمریکا تأسیس شد. از سال ۲۰۱۴ کمبریج آنالیتیکا در ۴۴ انتخابات در آمریکا دخالت داشت.

نکته جالب در مورد این شرکت این است که استیو بنن، مشاور سابق دونالد ترامپ، زمانی معاون مدیرعامل در این شرکت بوده است. در سال ۲۰۱۵ مشخص شد که سناتور جمهوری‌خواه آمریکا "تد کروز" در کارزار انتخاباتی‌اش برای ریاست‌جمهوری آمریکا از خدمات تحلیل داده این شرکت استفاده کرده است. در سال ۲۰۱۶ و پس از آنکه ترامپ گزینه جمهوری خواهان شد، شرکت کمبریج آنالیتیکا به خدمت کارزار انتخاباتی دونالد ترامپ درآمد و پیروزی او در انتخابات را رقم زد.

این شرکت تجزیه‌وتحلیل داده که با تیم انتخاباتی دونالد ترامپ و مبارزات انتخاباتی Brexit کارکرده است میلیون‌ها پروفایل فیسبوک از رأی دهندگان آمریکایی را در یکی از بزرگ‌ترین نقض داده‌های این غول فناوری جمع‌آوری کرده و از آنها برای ساخت یک برنامه نرم‌افزاری قدرتمند برای پیش‌بینی و تأثیرگذاری بر انتخاب‌ها استفاده کرده است. از این سیستم برای هدف قراردادن کاربران با استفاده از سلایق و افکار آنها و فرستادن تبلیغات هدفمند برای وادارکردنشان برای رأی دادن به یک نامزد خاص استفاده شده است. {4}

جمع‌آوری داده‌ها از طریق برنامه‌ای به نام thisisyourdigitallife ، با اهداف به‌ظاهر پژوهشی انجام شد ولی در واقع اطلاعات به شرکت کمبریج آنتالیکا داده شد تا در انتخابات اثرگذار باشد. {5}

در آن زمان، بیش از 50 میلیون نمایه یعنی تقریباً یک‌سوم کاربران فعال آمریکای شمالی در فیسبوک و حدود یک‌چهارم رأی دهندگان بالقوه ایالات متحده جمع‌آوری‌شده بود که در نهایت بر اساس تفکرات و ویژگی‌های هر شخصی، وی در گروه‌های خاصی دسته‌بندی و اطلاعاتی مرتبط با دونالد ترامپ که مختص همان گروه فکری بود برای کاربر به نمایش درمی‌آمد تا در جهت‌گیری فکری وی مؤثر باشد.

کمبریج آنالیتیکا تنها دانش‌پژوهی نمی‌کرد، بلکه تیمی از روان‌شناسان، طراحان گرافیک، عکاسان، فیلمسازان، روزنامه‌نگاران و نویسندگان داشت که پس از شناسایی مخاطب هدف، انبوهی از محتوا را تولید می‌کردند که می‌توانست این مخاطب را در جهت موردنظر تحت تأثیر قرار دهد و این محتوا را بدون آنکه در ظاهر ارتباطی با تبلیغات ترامپ داشته باشد منتشر می‌کردند.

کمبریج آنالیتیکا و فیسبوک یکی از محورهای تحقیق در مورد اطلاعات و سیاست‌های دفتر کمیساریای اطلاعات انگلیس هم بودند. این شرکت علاوه بر انتخابات آمریکا در همه‌پرسی جدایی انگلیس از اتحادیه اروپا (برگزیت) به‌صورت جدی وارد عمل شد و کمپین برگزیت در نهایت موفق شد جدایی انگلستان را از اتحادیه اروپا رقم بزند.

 

نتیجه‌گیری:

به‌طورکلی حضور شما در شبکه‌های اجتماعی امکان شناسایی، تحلیل و پیش‌بینی رفتار شما را فراهم می‌کند. ازروی لایک‌ها، کامنت‌ها، کسانی که دنبال می‌کنید و پست‌هایی که می‌بینید و روی آنها تأمل می‌کنید و برای کسی ارسال می‌کنید، در ترکیب با جستجوهای شما در وب و پیام‌های شما در پیام‌رسان‌ها، می‌توان شما را ترغیب به خرید یک کالا، دریافت یک خدمات و یا تفکر منفی و یا مثبت در خصوص یک شخص یا گروه کرد. داده کاوان تنها با بررسی لایک‌ها قادرند حدود بسیار دقیق سن، جنسیت، نژاد، گرایش سیاسی و تمایلات جنسی کاربران را با دقت بالا پیش‌بینی کنند.

در یک پژوهش دانشگاه کمبریج حتی اینکه والدین یک کاربر پیش از ۲۱ سالگی او طلاق گرفته‌اند یا نه، در نزدیک به نیمی از موارد به‌درستی قابل تشخیص بود!

اینکه از لایک‌های ما گرفته تا سوابق جستجوها در گوگل و پیام‌های خصوصی ردوبدل شده‌مان برای تشکیل یک پروفایل از شخصیت ما استفاده و انباشت می‌شود، یک واقعیت ناگفته برای عموم را آشکار می‌کند که در دنیای آینده، داده مهم‌ترین و ارزشمندترین چیز در دنیا خواهد بود. سرمایه گذرانی درگذشته به دنبال استخراج نفت، معادن، ساخت تکنولوژی‌های جدید، جمع‌آوری ارز دیجیتال و... رفته‌اند، اما افراد باهوش‌تری مانند مارک زاکربرگ (مالک فیسبوک، اینستاگرام و واتس‌اپ) و پاول دروف (مالک تلگرام) به‌جای استخراج نفت به دنبال استخراج داده‌ها از اعماق پلتفرم‌های ظاهراً رایگانی رفته‌اند که کاربران ذوق‌زده پلانکتون‌های آن هستند.

شبکه‌های اجتماعی کاربران خود را وارد رقابت زیبایی، تجمل، خاص بودن، و... می‌کنند تا وادار شوند اطلاعات بیشتری تولید کرده و چاه داده خود را با رسوب زمان و شخصیت آنها پر کنند. اگر از خواندن این مقاله شوک زده و دلسرد هستید باید بدانید موضوع این مقاله در خصوص یک توطئه برای بشریت نیست! آنچه گفته شد تنها مباحث علمی است که سال‌هاست حول محور هوش مصنوعی مطرح بوده اما در دایره دانش عموم مردم، بالأخص مردم ایران جای نگرفته است.

قرار نیست در پایان این مقاله نتیجه بگیریم که استفاده از شبکه‌های اجتماعی خوب یا بد و یا مضر و یا مفید است، هدف تنها آگاهی‌بخشی نسبت به واقعیتی است که پشت پرده وجود داشته و کمتر کسی به آن می‌پردازد. اینکه تصمیم بگیرید بیشتر در دنیای واقعی باشید یا در شبکه‌های اجتماعی محتاط‌تر عمل کنید هم یک انتخاب شخصی است. اما اینکه چگونه می‌توان در عین استفاده از فضای مجازی، حریم خصوصی خود را حفظ کرده و مورد سوءاستفاده اطلاعاتی قرار نگیریم، می‌تواند موضوع مقاله‌ای مفصل در شماره‌های بعدی این مجله باشد. در پایان تنها توصیه این است: همیشه به یاد داشته باشید در دنیای فناوری، هیچ گربه‌ای محض رضای خدا موش نمی‌گیرد!

 

 *مهندس الیاس بشری

کارشناس ارشد هوش مصنوعی و ژورنالیست

مهم‌ترین مراجع:

1.REZA ZAFARANI ET AL., SOCIAL MEDIA MINING: AN INTRODUCTION 16 (2014).

2.  Xia Liu et al., An Investigation of Brand-Related User-Generated Content on Twitter, 46 J. ADVERT. 236 (2017).
3. Juntao Lai et al., Improved Targeted Outdoor Advertising Based on Geotagged Social Media Data, 23 ANNALS GIS 237 (2017).
4. Abby McCourt ., Social Media Mining: The Effects of Big Data In the Age of Social Media, Yale Law School(April 3, 2018)
5. Carole Cadwalladr & Emma Graham-Harrison, Revealed: 50 Million Facebook Profiles Harvested for Cambridge Analytica in Major Data Breach, GUARDIAN (Mar. 3, 2018)