Soziale Beziehungen neu definieren?

Der COVID-19-Ausbruch im Jahr 2019 isolierte die ursprünglich vernetzte Welt. Die Menschen reduzierten unnötige Reisen und entschieden sich dafür, von zu Hause aus zu arbeiten. Die COVID-19-Pandemie scheint ein öffentlicher Test der sozialen Konnektivität zu sein, bei dem die Notwendigkeit und der Wert der Verbindung zwischen Menschen neu bewertet werden. Den Menschen wird allmählich klar, dass Bartreffen, Filme schauen, KTV und andere Aktivitäten, die zu einem wichtigen Teil des Lebens geworden sind, nicht existieren müssen. Die Konnektivität des Internets gleicht die Isolation des physischen Raums aus, und soziale Plattformen wie WeChat sind zum wichtigsten Mittel für Menschen geworden, um Kontakte zu knüpfen und sich zu unterhalten. #原创 #香港web3嘉年华 #crypto2023 
Mit der rasanten Entwicklung von Big Data und Algorithmen ist die soziale Online-Interaktion zunehmend zum Produkt der Integration von Menschen und Maschinen geworden. Soziale Plattformen wie WeChat und Weibo bieten Menschen nicht nur einen Cloud-Ort zum geselligen Beisammensein, sondern prägen auch den sozialen Stil und die Denkgewohnheiten der Menschen und definieren sogar die Freundschaft zwischen Menschen neu. Dieser Artikel bezeichnet die Reaktion sozialer Medien auf Menschen als technische Sozialität sozialer Medien. Die technische Sozialität sozialer Medien hat viele negative Auswirkungen mit sich gebracht, wie z. B. die negative Auswirkung und falsche Gestaltung des menschlichen Denkens, der Wahrnehmung und des Verhaltens durch soziale Medien usw. In den letzten Jahren wurde zunehmend über die negativen Auswirkungen von Web-2.0-Plattformen diskutiert, und viele Regionen und Länder haben Maßnahmen ergriffen, um soziale Medien einzuschränken, wie beispielsweise den jüngsten US-Vorschlag, Tiktok zu verbieten. Rückblickend auf Web 3.0 beschränken sich die meisten Diskussionen über soziale Netzwerke immer noch auf Zensurwiderstand, Eigentum, Schöpferökonomie und andere alltägliche Themen, die bei der Öffentlichkeit keinen Anklang finden. Daher möchte der Autor die negativen Auswirkungen traditioneller sozialer Medien und ihre Auswirkungen auf Web3.0 aus verschiedenen Perspektiven untersuchen und anhand konkreter Projekte diskutieren.
Soziale Web3.0-Projekte erkunden verschiedene Wege, wie z. B. verschlüsselte Kommunikation, die Einführung der ZK-Technologie zum Schutz der Privatsphäre der Benutzer, die Datensouveränitätsbewegung, die Daten und Plattformen entkoppelt, und so weiter. Unter ihnen interessiert mich am meisten das soziale Diagramm, auf das ich mich in diesem Artikel konzentrieren möchte. Es gab viele Diskussionen über Social Graphs im Internet. Die Mainstream-Perspektive konzentriert sich darauf, wie Social Graphs Entwickler stärken und das Benutzererlebnis verbessern, aber es gibt nicht viel Diskussion über die technische Sozialität von Social Graphs. Daher wird der Autor dies zum Mittelpunkt dieses Artikels machen und es mit den drei derzeit entwickelten Projekten CyberConnect, Lens und Farcaster (Warpcast) kombinieren, um die Bedeutung der Existenz sozialer Diagramme und die Herausforderungen, denen sie gegenüberstehen, zu analysieren und zu lösen einige denken unter den Lesern.
soziales Diagramm
Der Social Graph bündelt die zwischenmenschlichen Beziehungen auf sozialen Plattformen. Die häufigste Beziehung im Internet sind heute „Freunde“, die einander folgen. Das Wort „Freund“ entspricht hier nicht mehr der ursprünglichen Bedeutung von „Freund“. Die sozialen Medien haben die Bedeutung des Wortes „Freund“ erweitert. Die primitivste soziale Interaktion der Menschen ist aufgrund der geografischen Zeit- und Raumbeschränkungen auf einen kleinen Kreis um uns herum beschränkt. Die Beziehung, die wir zu den Menschen um uns herum aufbauen, ist eine starke Beziehung, und die Struktur dieser starken Beziehung ist sehr eng . Wenn wir beispielsweise mit Freunden kommunizieren, die schon seit vielen Jahren bei uns sind, brauchen wir die Freunde nicht, um mich regelmäßig mit interessanten Themen zu versorgen. Es handelt sich eher um einen Informationsaustausch unter Gleichgesinnten. Es gibt einen grundlegenden Unterschied zwischen den „Freunden“, die schon seit vielen Jahren hier sind, und den „Freunden“, die durch soziale Medien entstehen. Die durch Algorithmusempfehlungen hergestellte Beziehung ist sehr schwach, daher ist es notwendig, „Inhalte“ zu verwenden, um diese Beziehung zu stärken. Wenn Freunde mit schwachen Bindungen Kontakte knüpfen, geht es bei der Kommunikation daher weniger um Kommunikation als vielmehr um den Konsum von Inhalten.
Im Web2.0 spiegelt sich die Aufteilung der Beziehungen in der großen sozialen Software wider. WeChat baut starke Beziehungen auf, während andere soziale Medien wie Weibo, Douban und Momo schwache Beziehungen aufbauen. Tatsächlich ist WeChat keine soziale Plattform mehr, sondern eher ein Adressbuch. Das erste, was ein Benutzer tut, nachdem er Freunde hinzugefügt hat, ist, zu chatten, ohne dass Inhalte produziert oder konsumiert werden. Bei anderer sozialer Software laden die Leute jedoch definitiv Avatare hoch, geben Informationen ein, posten ein paar Updates, erstellen Inhalte und stellen dann Verbindungen zu anderen Menschen her. Der Hauptzweck besteht darin, die Kosten für das Vertrauen zwischen Menschen zu senken. Denn niemand möchte mit einem Fremden in Kontakt treten, der kein Profilbild und keine Updates hat.
Von starken Bindungen zu schwachen Bindungen schwächt sich die Motivation für den Konsum von Inhalten allmählich ab. Wir mögen zum Beispiel die langweiligen täglichen Likes, die wir in WeChat Moments an unsere Freunde senden, aber nur wenige Menschen interessieren sich für die zufälligen Gedanken von Fremden. Um die Instabilität schwacher Bindungen und mangelnder Konsummotivation auszugleichen, verfolgen soziale Medien im Allgemeinen zwei Wege. Der erste besteht darin, sich auf qualitativ hochwertige Inhalte zu verlassen, und der zweite darin, die durch Algorithmen geschaffene Konnektivität zu verbessern (siehe). nächsten Abschnitt). Völlig gegensätzlich verläuft die Entwicklung der sozialen Medien, die zwei unterschiedliche Wege eingeschlagen haben. BBSs wie Tieba, Tianya, Douban usw., die auf qualitativ hochwertige Inhalte und Community-Operationen angewiesen sind, sind zu „Tränen der Zeit“ geworden. SNS-Plattformen wie Facebook, Twitter, Instagram usw. dominieren die Social-Media-Rangliste. YouTube, das mit Community-Videos begann, spielte das Konzept der Community in der mittleren und späteren Phase schnell herunter und nutzte Algorithmen und Empfehlungsmechanismen, um schnell zu expandieren und in den sozialen Medien Fuß zu fassen.
Warum gewinnen soziale Plattformen umso weniger an Wert, je mehr sie auf qualitativ hochwertige Inhalte angewiesen sind? Erstens müssen soziale Medien Wert aus Benutzerdaten ziehen. Je mehr Verbindungen Menschen herstellen, desto größer ist der wirtschaftliche Wert, den die Plattform generieren kann. Daher ist die Gemeinschafts- oder Kleinkreiskultur nicht die förderlichste Form der sozialen Interaktion für die Plattformmonetarisierung. Zweitens: Je stärker sich Nutzer auf Inhalte verlassen, desto höher sind die Anforderungen an den Content-Discovery-Mechanismus der Plattform. Im Zeitalter von Big Data ist die genaue Übertragung von Inhalten eine äußerst kostspielige Angelegenheit. Infolgedessen tendiert der Algorithmus zu viralen, auffälligen Inhalten, anstatt qualitativ hochwertige Inhalte zu fördern. Schließlich wird der Inhaltskonsum irgendwann in starke Beziehungsnetzwerke fließen. Wenn wir beispielsweise einen interessanten Inhalt auf Weibo sehen, besteht die übliche Operation darin, ihn mit einem Klick für den Inhaltskonsum zu teilen Die von Plattformen produzierten Inhalte, die auf Inhalte angewiesen sind, gehen auf anderen Plattformen verloren. Oder neue Freunde, die Sie auf Weibo treffen, fügen WeChat hinzu, nachdem Sie sich mit ihnen vertraut gemacht haben, und gewöhnen sich an die starke Beziehungsnetzwerkplattform. Daher neigen soziale Plattformen mit schwacher Bindung dazu, hochwertige Inhalte und die echten sozialen Erfahrungen der Menschen zu ignorieren.
Welche Auswirkungen hat das oben erwähnte Web2.0-Social-Media-Phänomen auf Web3.0? Erstens gibt es Unterschiede in den „Freundschaftsbeziehungen“ in verschiedenen Szenarien. Der Aufbau einer Beziehung wurzelt im Kontext. Zweitens sollte der Inhaltsverteilungsmechanismus, also der Algorithmus, innoviert werden. Als nächstes wird der Autor diese beiden Aspekte diskutieren und die unterschiedlichen Wege der neuen Generation dezentraler sozialer Protokolle in diese beiden Richtungen vergleichen und vorstellen.
Szenariobasierter sozialer Graph
Wie bereits erwähnt, haben soziale Diagramme ihren Ursprung in Szenen. Die Freunde der Menschen auf Momo und ihre Freunde auf DingTalk sind höchstwahrscheinlich nicht von der gleichen Natur. Wenn der zukünftige soziale Graph nicht Szenarien für alle „Verbindungen“ differenziert, wird es äußerst schwierig sein, das soziale Beziehungsnetzwerk zu migrieren. Es gibt viele Beispiele, die belegen, dass Tencent Tencent Weibo auf der Grundlage der im QQ-Bereich gesammelten Benutzer etablieren wollte. Die von Benutzern im QQ-Bereich geposteten Updates werden automatisch mit Tencent Weibo synchronisiert. Was Tencent jedoch nicht berücksichtigt hat, ist, dass der QQ-Raum voller Bekanntschaften und sozialer Beziehungen ist. Die „dunkle Geschichte“ der Internetnutzer wäre nicht sehr peinlich, wenn sie Familie, Freunden und anderen vertrauten Personen gezeigt würde, aber wenn sie Fremden auf Weibo gepostet würde, könnte sie als „groß angelegte soziale Todesszene“ beschrieben werden. Das Endergebnis ist vorhersehbar: Tencent Weibo wurde von Sina Weibo besiegt.
Daher muss der Social Graph szenariobasiert sein. Wenn Sie Entwickler unterstützen möchten, reicht es nicht aus, nur eine Wallet-Beobachtungsliste bereitzustellen. Dies erfordert, dass die Daten eine geringere Granularität aufweisen und umfangreichere Informationen enthalten. CyberConnect, Lens und Farcaster gehen dieses Problem in unterschiedlichen Dimensionen an. CyberConnect wird das Szenario nicht auf traditionelle soziale Medien beschränken, sondern auch das „Social +“-Modell übernehmen und hofft, den sozialen Graphen in Anwendungen in verschiedenen Bereichen wie DeFi, GameFi, Kredit, Catering, Musikproduktion usw. integrieren zu können. Daher kooperiert CyberConnect überwiegend mit Drittprojekten, anstatt sich ausschließlich auf die eigene Inkubation ökologischer Projekte zu verlassen. Gleichzeitig bringt CyberConnect auch die in der Web2.0-Szene gesammelten sozialen Vermögenswerte in Web3.0 ein und verbindet die beiden Szenen von Web2.0 und Web3.0 über Link 3. Daher schneidet CyberConnect hinsichtlich der Tiefe und Breite der Daten besser ab.
Der szenariobasierte Ansatz von Lens basiert auf Inhalten, da Lens Folgebeziehungen und Inhalte in NFTs modularisiert und in der Kette speichert. Daher können die Beziehungen der Personen nicht vom Inhalt getrennt werden Geposteter Inhalt. Einer anderen Person gefolgt. Modulare Inhalte und Beziehungen erleichtern die Erstellung von Szenarien. Und Lens konzentriert sich hauptsächlich auf den sozialen Bereich, und die verschiedenen ökologischen Projekte, die auf Lens gebaut werden, haben größtenteils einen sozialen Bezug. Da Farcaster über ein sehr spezifisches Szenario (Twitter-ähnliche Anwendung) verfügt, sind der Reichtum und die Universalität des auf dieser Plattform generierten sozialen Diagramms ebenfalls begrenzt. Der Autor ist der Ansicht, dass dies ein großes Problem im Farcaster-Ökosystem darstellt.
Algorithmen basierend auf sozialen Graphen
Algorithmen sind die wichtigste Komponente bei der Ermöglichung der Konnektivität, die den Grundstein für das Gedeihen sozialer Medien im Web 2.0 darstellt und dazu beitragen kann, dass soziale Medien Netzwerkeffekte maximieren. Algorithmen verändern uns leise. Auf sozialen Plattformen wird die Autonomie der Nutzer zu einem äußerst komplexen Konzept. Autonomie umfasst sowohl bewusstes menschliches Handeln als auch das „technologische Unbewusste“. Inwieweit basieren die sozialen Beziehungen, die wir auf sozialen Plattformen herstellen, auf bewussten menschlichen Aktivitäten, und inwieweit werden Verbindungen aufgrund der „technischen Unbewusstheit“ der Menschen subtil durch Algorithmen hergestellt? Diese Frage ist heute schwer zu beantworten. Da soziale Medien die „technische Unbewusstheit“ so weit wie möglich fördern, werden sie zunächst das Konzept des „Teilens“ verzerren und „Verletzung der Privatsphäre der Nutzer“ mit „einer offenen und transparenten Welt“ gleichsetzen und dann die Verweildauer der Nutzer auf sozialen Plattformen erhöhen Durch eine Reihe codierter Verhaltensweisen wird viel Zeit damit verbracht, Benutzerdaten zu sammeln und Benutzer schließlich entsprechend ihren Vorlieben von sozialen Netzwerken zu Geschäftsaktivitäten zu leiten.
Beispielsweise verwischen Mark Zuckerbergs Versprechen, „das Web sozialer zu machen“, und sein selbsternannter Wunsch, „die Welt transparenter zu machen“, auf subtile Weise die Grenzen zwischen einem offenen Internet und der Privatsphäre der Nutzer. Netflix hat zuvor einen Dokumentarfilm mit dem Titel Surveillance Capitalism: The Smart Trap veröffentlicht. Der Dokumentarfilm lädt Führungskräfte von Google, Facebook, Twitter und anderen Unternehmen dazu ein, dem Publikum eine Reihe „süchtig machender“ Designs vorzuführen, die mithilfe von Netzwerktechnologie erstellt wurden, darunter: Inhaltsempfehlungen, Likes, „Eintippen…“ und andere Vorgänge. Der einzige Zweck dieser Designreihe besteht darin, die Verweildauer der Benutzer auf der Plattform zu verlängern und so viel Benutzerverhalten wie möglich zu erfassen. Dem Nutzerverhalten liegen ähnliche soziale Normen und kulturelle Logiken zugrunde. Der Algorithmus hinter „Likes“ misst beispielsweise den Wunsch von Menschen nach etwas oder ihre Zustimmung zu bestimmten Ideen. Und dieser quantifizierte Wunsch kann zugrunde liegende Verbrauchertrends vorantreiben. Gleichzeitig ist der Prozess der Konsumförderung sehr unsichtbar. Wenn ein Benutzer beispielsweise über einen von einem Freund geteilten Link auf Douyin klickt, auf den Produktlink am unteren Bildschirmrand klickt und das Produkt über Alipay kauft, wird es angezeigt Es sind nur drei Klicks erforderlich, um das Sharing-Verhalten auf den Konsum auszurichten.
Es ist ersichtlich, dass die Auswirkungen von Algorithmen auf Menschen subtil und für Benutzer schwer zu erkennen sind. Da es für den Algorithmus oberste Priorität hat, Aufmerksamkeit zu erregen, spielt es keine Rolle, ob qualitativ hochwertige Inhalte verbreitet werden. Algorithmen lenken den Datenverkehr auf virale, auffällige Inhalte. Durch diese auffälligen fragmentierten Inhalte können Benutzer so lange wie möglich auf der Plattform bleiben und so die Aufmerksamkeit erregen (wie Douyin). Darüber hinaus können personalisierte Empfehlungen und die Anpassung von Algorithmen dazu führen, dass Menschen in Informations-„Filterblasen“ geraten und nur Informationen erhalten, die mit ihren bestehenden Positionen übereinstimmen, ohne dass sie durch unterschiedliche Standpunkte stimuliert und herausgefordert werden, was zu kognitiven Verzerrungen und Informationsängsten führt. und blinde Konformität (Informationskokoneffekt). Soziale Medien im Web 2.0-Zeitalter nutzen Algorithmen, um eine schnelle Expansion zu erreichen, ignorieren jedoch die negativen Auswirkungen von Algorithmen auf Menschen.
In Web3.0 sollten neben der Empfehlung von Long-Tail-Inhalten auch Algorithmen basierend auf Social Graphen vielfältig sein. Vitalik hat das Konzept der Pluralen Intelligenz im Artikel „Dezentralisierte Gesellschaft“ vorgeschlagen. Im Vergleich zur künstlichen Intelligenz weist der Algorithmusmechanismus unter multipler Intelligenz mehrere wesentliche Verbesserungen auf. Erstens sollte die Datenerhebung im sozialen Hintergrund verankert sein und nicht auf den Verhaltensmerkmalen der Nutzer auf einer bestimmten Plattform basieren. Zweitens sollten die Datenersteller, d. h. die Nutzer, das Recht behalten, über ihre Daten zu entscheiden, und zwar in gewissem Umfang ist der Kampf gegen die „technologische Unbewusstheit“. Mit anderen Worten: Verschiedene Algorithmen machen den Algorithmus nicht intelligenter, sondern menschlicher. Der Social Graph bietet tatsächlich die Grundlage für mehrdimensionale Algorithmen. Mit umfangreichen Identitätsinformationen kann der Algorithmus verschiedene Merkmale und soziale Hintergründe von Benutzern verfolgen, anstatt sie anhand spezifischer Verhaltensweisen auf einer Plattform zu analysieren. Wenn der Benutzer gleichzeitig bestimmte Identitätsinformationen oder zwischenmenschliche Beziehungen offenlegen oder verbergen möchte, kann das Modell diese Datenpunkte nicht zur Anpassung des Algorithmus verwenden.
Aus algorithmischer Sicht ist es schwierig, die oben genannten Probleme grundsätzlich nur mit Social Graph zu lösen, da die Wurzel des Problems im Wirtschaftsmodell von Web2.0-Social-Networking-Sites, Werbeeinnahmen oder im Wesentlichen in der Aufmerksamkeitsökonomie liegt. Daher müssen soziale Web3.0-Plattformen Token und andere Medien verwenden, um vielfältigere Monetarisierungsmethoden zu erkunden und diese Situation grundlegend umzukehren. Der Social Graph kann diese Situation möglicherweise auf andere Weise verbessern. Zum Beispiel die Genauigkeit des Long-Tail-Content-Push des Algorithmus und die Kontrolle des Benutzers über den Algorithmus.
Algorithmen-Engines sind in die Infrastruktur von CyberConnect integriert. Da die Datenbank Informationen über das Benutzerverhalten in verschiedenen Anwendungen und Szenarien enthält, ist diese Engine höherdimensional. Wenn Sie beispielsweise eine Empfehlungs-Engine für ein soziales Projekt erstellen, können Sie im Algorithmus auch die Kreditwürdigkeit des Benutzers auf der DeFi-Plattform, die Leistung der Spieleplattform usw. analysieren, was im geschlossenen Hintergrund von Web2 nur schwer zu erreichen ist. 0. Das Lens Protocol verfügt derzeit über kein Algorithmusdesign, bietet aber auch eine API, damit Entwickler ihre eigenen Modelle über die Datenbank trainieren können. Der von Farcaster eingeführte Warpcast verfügt als spezifisches Produkt über einen Empfehlungsmechanismus, dieser Empfehlungsmechanismus basiert jedoch nur auf dem Benutzerverhalten des eigenen Produkts. Obwohl Warpcast über eine Schnittstelle verfügt, die direkt mit Benutzern interagiert und als Ausgangspunkt für die Kundenakquise und das Benutzerwachstum verwendet werden kann, sind seine Flexibilität und Vorstellungskraft aufgrund der zu spezifischen Produktform ebenfalls begrenzt.