El brote de COVID-19 en 2019 aisló al mundo originalmente conectado: las personas redujeron los viajes innecesarios y optaron por trabajar desde casa. La pandemia de COVID-19 parece ser una prueba pública de conectividad social, en la que se reevalúa la necesidad y el valor de la conexión entre las personas. La gente se está dando cuenta gradualmente de que las reuniones en bares, ver películas, KTV y otras actividades que se han convertido en una parte importante de la vida no tienen por qué existir. La conectividad de Internet compensa el aislamiento del espacio físico y las plataformas sociales como WeChat se han convertido en el principal vehículo para que las personas se conecten y se entretengan. #原创 >#香港web3嘉年华 >#crypto2023

Con el vigoroso desarrollo de big data y algoritmos, la interacción social en línea se ha convertido cada vez más en producto de la integración de humanos y máquinas. Las plataformas sociales como WeChat y Weibo no solo brindan a las personas un lugar en la nube para socializar, sino que también moldean los estilos sociales y los hábitos de pensamiento de las personas e incluso redefinen la amistad entre las personas. Este artículo llama a la reacción de las redes sociales sobre las personas la socialidad de ingeniería de las redes sociales. La socialidad de ingeniería de las redes sociales ha provocado muchos impactos negativos, como el impacto negativo y la configuración incorrecta del pensamiento, la cognición y el comportamiento humanos por parte de las redes sociales, etc. En los últimos años, ha habido un debate cada vez mayor sobre el impacto negativo de las plataformas Web 2.0, y muchas regiones y países han tomado medidas para restringir las redes sociales, como la reciente propuesta estadounidense de prohibir Tiktok. Si echamos la vista atrás a la Web 3.0, la mayoría de los debates en las redes sociales todavía se limitan a la resistencia a la censura, la propiedad, la economía de los creadores y otras cuestiones comunes que no pueden resonar en el público. Por lo tanto, el autor quiere explorar el impacto negativo de las redes sociales tradicionales y sus implicaciones para la Web3.0 desde diferentes perspectivas, y discutirlo en base a proyectos reales.

Los proyectos sociales Web3.0 están explorando diferentes caminos, como la comunicación cifrada, la introducción de la tecnología ZK para proteger la privacidad del usuario, el movimiento de soberanía de datos que desacopla datos y plataformas, etc. Entre ellos, el que más me interesa y en el que quiero centrarme en este artículo es el gráfico social. Ha habido muchas discusiones sobre los gráficos sociales en Internet. La perspectiva general se centra en cómo los gráficos sociales empoderan a los desarrolladores y mejoran la experiencia del usuario, pero no hay mucha discusión sobre la socialidad de ingeniería de los gráficos sociales. Por lo tanto, el autor tomará esto como centro de este artículo, lo combinará con tres proyectos actualmente en desarrollo, CyberConnect, Lens y Farcaster (Warpcast), para analizar la importancia de la existencia de gráficos sociales y los desafíos que enfrentan, con la esperanza de desencadenar algo de reflexión entre los lectores.

gráfico social

El gráfico social reúne las relaciones interpersonales en las plataformas sociales. La relación más común en Internet hoy en día es la de "amigos" que se siguen. El "amigo" aquí ya no es el mismo que el significado original de amigo. Las redes sociales han ampliado el significado de la palabra "amigo". La interacción social más primitiva de los seres humanos se limita a un pequeño círculo que nos rodea debido a las limitaciones del tiempo y el espacio geográficos. La relación que establecemos con las personas que nos rodean es una relación fuerte, y la estructura de esta relación fuerte es muy estrecha. . Por ejemplo, cuando nos comunicamos con amigos que han estado con nosotros durante muchos años, no necesitamos que los amigos me brinden temas interesantes con regularidad. Es más bien un intercambio de información entre pares. Hay una diferencia fundamental entre los "amigos" que están aquí desde hace muchos años y los "amigos" creados por las redes sociales. La relación establecida por las recomendaciones de algoritmos es muy débil, por lo que es necesario utilizar "contenido" para fortalecer esta relación. Por lo tanto, cuando amigos con vínculos débiles socializan, la comunicación se trata menos de comunicación y más de consumo de contenido.

En la Web2.0, la división de relaciones se ha reflejado en los principales software sociales. WeChat acumula relaciones sólidas, mientras que otras redes sociales como Weibo, Douban y Momo acumulan relaciones débiles. De hecho, WeChat ya no es una plataforma social, sino más bien una libreta de direcciones. Lo primero que hace un usuario después de agregar amigos es chatear, sin producir ni consumir contenido. Sin embargo, en otro software social, la gente definitivamente cargará avatares, completará información, publicará algunas actualizaciones, creará contenido y luego establecerá conexiones con otras personas. El objetivo principal de hacer esto es reducir el costo de la confianza entre las personas. Porque nadie querría socializar con un extraño que no tiene foto de perfil ni actualizaciones.

De vínculos fuertes a vínculos débiles, la motivación para el consumo de contenidos se debilita gradualmente. Por ejemplo, nos gustan los aburridos me gusta diarios que enviamos a nuestros amigos en WeChat Moments, pero pocas personas están interesadas en los pensamientos aleatorios de extraños. Para compensar la inestabilidad de los vínculos débiles y la falta de motivación para el consumo, las redes sociales generalmente adoptan dos caminos: el primero es confiar en contenido de alta calidad y el segundo es mejorar la conectividad brindada por algoritmos (que se analizan en el artículo). Siguiente sección). El desarrollo de las redes sociales, que ha elegido dos caminos diferentes, es totalmente opuesto. BBS como Tieba, Tianya, Douban, etc. que dependen de contenido de alta calidad y operaciones comunitarias se han convertido en "lágrimas de los tiempos". Las plataformas SNS como Facebook, Twitter, Instagram, etc. dominan la lista de clasificación de redes sociales. YouTube, que comenzó con videos comunitarios, rápidamente minimizó el concepto de comunidad en las etapas intermedia y posterior, utilizando algoritmos y mecanismos de recomendación para expandirse rápidamente y ganar un punto de apoyo firme en las redes sociales.

¿Por qué las plataformas sociales ganan menos valor cuanto más dependen de contenido de calidad? En primer lugar, las redes sociales necesitan extraer valor de los datos de los usuarios. Cuantas más conexiones generen las personas, más valor económico puede generar la plataforma. Por lo tanto, la cultura comunitaria o de círculos pequeños no es la forma más propicia de interacción social para la monetización de la plataforma. En segundo lugar, cuanto mayor sea el grado en que los usuarios confían en el contenido, mayores serán los requisitos para el mecanismo de descubrimiento de contenido de la plataforma. En la era del big data, la transmisión precisa de contenidos es una cuestión extremadamente costosa. Como resultado, el algoritmo se inclina hacia contenido viral llamativo en lugar de impulsar contenido de calidad. Finalmente, el consumo de contenido eventualmente fluirá hacia redes de relaciones sólidas. Por ejemplo, cuando vemos un contenido interesante en Weibo, la operación común es compartirlo con amigos en WeChat con un clic para el consumo de contenido. producido por plataformas que dependen del contenido se perderá en otras plataformas. O los nuevos amigos que conozca en Weibo también agregarán WeChat después de familiarizarse con ellos y se instalarán en la sólida plataforma de red de relaciones. Por lo tanto, las plataformas sociales con vínculos débiles tienden a ignorar el contenido de alta calidad y las experiencias sociales reales de las personas.

Entonces, ¿qué implicaciones tiene el fenómeno de las redes sociales Web2.0 antes mencionado para la Web3.0? En primer lugar, existen diferencias en las "relaciones de amistad" en diferentes escenarios. La formación de relaciones tiene sus raíces en el contexto. En segundo lugar, se debe innovar el mecanismo de distribución de contenidos, es decir, el algoritmo. A continuación, el autor discutirá estos dos aspectos y comparará e introducirá los diferentes caminos de la nueva generación de protocolos sociales descentralizados en estas dos direcciones.

Gráfico social basado en escenarios

Como se mencionó anteriormente, los gráficos sociales se basan en escenas. Lo más probable es que los amigos de las personas en Momo y sus amigos en DingTalk no sean de la misma naturaleza. Si el futuro gráfico social no diferencia escenarios para todas las "conexiones", será extremadamente difícil migrar la red de relaciones sociales. Hay muchos ejemplos que demuestran que Tencent quería establecer Tencent Weibo basándose en los usuarios acumulados en el espacio QQ. Las actualizaciones publicadas por los usuarios en el espacio QQ se sincronizarán automáticamente con Tencent Weibo. Pero lo que Tencent no tuvo en cuenta es que el espacio QQ está lleno de conocidos y relaciones sociales. La "historia oscura" de los internautas no sería muy vergonzosa si se la mostraran a familiares, amigos y otras personas conocidas, pero si se publicara a extraños en Weibo, podría describirse como una "escena de muerte social a gran escala". El resultado final es predecible: Tencent Weibo fue derrotado por Sina Weibo.

Por lo tanto, el gráfico social debe basarse en escenarios. Si desea empoderar a los desarrolladores, no basta con proporcionar una lista de vigilancia de billetera. Esto requiere que los datos tengan una granularidad más pequeña y contengan información más rica. CyberConnect, Lens y Farcaster abordan este problema en diferentes dimensiones. CyberConnect no limitará el escenario a las redes sociales tradicionales, sino que también adoptará el modelo "social +", con la esperanza de integrar gráficos sociales en aplicaciones de diversos campos, como DeFi, GameFi, crédito, catering, creación musical, etc. Por lo tanto, CyberConnect coopera principalmente con proyectos de terceros en lugar de depender exclusivamente de su propia incubación de proyectos ecológicos. Al mismo tiempo, CyberConnect también lleva los activos sociales acumulados en la escena Web2.0 a Web3.0, conectando las dos escenas de Web2.0 y Web3.0 a través del Enlace 3. Por lo tanto, en términos de profundidad y amplitud de datos, CyberConnect tiene el mejor desempeño entre los tres.

El enfoque basado en escenarios de Lens se basa en el contenido, porque Lens modulariza las relaciones de seguimiento y el contenido en NFT y los almacena en la cadena. Por lo tanto, las relaciones de las personas no están separadas del contenido. Puede inferir en qué tipo de escena se encuentra una persona. contenido publicado. Seguí a otra persona. El contenido modular y las relaciones facilitan la creación de escenarios. Y Lens se centra principalmente en el campo social, y los diversos proyectos ecológicos construidos en Lens están en su mayoría relacionados con lo social. Debido a que Farcaster tiene un escenario muy específico (aplicación similar a Twitter), la riqueza y universalidad de los gráficos sociales generados en esta plataforma también son limitadas. El autor cree que este es un gran problema en el ecosistema de Farcaster.

Algoritmos basados ​​en gráficos sociales.

Los algoritmos son el componente más importante para permitir la conectividad, que es la piedra angular del florecimiento de las redes sociales Web 2.0 y puede ayudar a las redes sociales a maximizar los efectos de la red. Los algoritmos nos cambian silenciosamente. En las plataformas sociales, la autonomía del usuario se convierte en un concepto extremadamente complejo. La autonomía abarca tanto la actividad humana consciente como el "inconsciente tecnológico". ¿En qué medida las relaciones sociales que creamos en las plataformas sociales se basan en actividades humanas conscientes y en qué medida las conexiones se crean sutilmente mediante algoritmos debido a la "inconsciencia técnica" de las personas? Esta pregunta es difícil de responder hoy. Debido a que las redes sociales fomentarán la "inconsciencia técnica" tanto como sea posible, primero distorsionarán el concepto de "compartir" y equipararán la "violación de la privacidad del usuario" con "un mundo abierto y transparente", y luego aumentarán la permanencia de los usuarios en las plataformas sociales. A través de una serie de comportamientos codificados, dedica mucho tiempo a recopilar datos de los usuarios y, finalmente, guía a los usuarios desde las redes sociales hacia las actividades comerciales de acuerdo con sus preferencias.

Por ejemplo, la promesa de Mark Zuckerberg de "hacer la Web más social" y su autoproclamado deseo de "hacer el mundo más transparente" desdibujan sutilmente los límites entre una Internet abierta y la privacidad del usuario. Netflix lanzó anteriormente un documental llamado Surveillance Capitalism: The Smart Trap. El documental invita a ejecutivos de Google, Facebook, Twitter y otras empresas a desmantelar ante la audiencia una serie de diseños "adictivos" construidos utilizando tecnología de red, que incluyen: recomendaciones de contenido, me gusta, "escribir..." y otras operaciones. El único propósito detrás de esta serie de diseños es aumentar el tiempo que los usuarios permanecen en la plataforma y recopilar la mayor cantidad posible de comportamiento de los usuarios. Existen normas sociales y una lógica cultural similares detrás del comportamiento del usuario. Por ejemplo, el algoritmo detrás de los "me gusta" mide el deseo de las personas por algo o su acuerdo con determinadas ideas. Y este deseo cuantificado puede impulsar tendencias subyacentes de consumo. Al mismo tiempo, el proceso de promoción del consumo es muy invisible. Por ejemplo, cuando un usuario ingresa a Douyin desde un enlace compartido por un amigo, hace clic en el enlace del producto en la parte inferior de la pantalla y compra el producto a través de Alipay. Solo se necesitan tres clics para dirigir el comportamiento de compartir al consumo.

Se puede ver que el impacto de los algoritmos en las personas es sutil y difícil de notar para los usuarios. Dado que llamar la atención es la primera prioridad del algoritmo, no importa si se distribuye contenido de calidad. Los algoritmos inclinan el tráfico hacia contenido viral y llamativo. A través de estos llamativos contenidos fragmentados, los usuarios pueden permanecer en la plataforma el mayor tiempo posible, atrayendo así la atención (como Douyin). Además, las recomendaciones personalizadas y la personalización de los algoritmos pueden hacer que las personas caigan en "burbujas de filtro" de información y sólo reciban información que sea coherente con sus posiciones actuales, sin la estimulación y el desafío de diferentes puntos de vista, lo que genera sesgos cognitivos, ansiedad informativa, y conformidad ciega (efecto capullo de información). Las redes sociales en la era Web 2.0 utilizan algoritmos para lograr una rápida expansión, pero ignoran el impacto negativo de los algoritmos en las personas.

En la Web3.0, además de la recomendación de contenidos de cola larga, los algoritmos basados ​​en gráficos sociales deberían ser diversos. Vitalik propuso el concepto de inteligencia plural en el artículo Sociedad descentralizada. En comparación con la inteligencia artificial, el mecanismo de algoritmo bajo inteligencia múltiple tiene varias mejoras principales. En primer lugar, la recopilación de datos debe basarse en el entorno social y no en las características de comportamiento de los usuarios en una determinada plataforma; en segundo lugar, los creadores de datos, es decir, los usuarios, deben conservar el derecho a controlar sus datos, lo que hasta cierto punto; es La lucha contra la "inconsciencia tecnológica". En otras palabras, diversos algoritmos no hacen que el algoritmo sea más inteligente, sino que lo hacen más humano. En realidad, el gráfico social proporciona el terreno para algoritmos multidimensionales. Con información de identidad rica, el algoritmo puede rastrear diversas características y orígenes sociales de los usuarios, en lugar de analizar en función de comportamientos específicos en una plataforma. Al mismo tiempo, si el usuario elige revelar u ocultar cierta información de identidad o relaciones interpersonales, el modelo no puede utilizar estos puntos de datos para personalizar el algoritmo.

Desde un punto de vista algorítmico, es difícil resolver fundamentalmente los problemas anteriores solo con gráficos sociales, porque la raíz del problema radica en el modelo económico de los sitios de redes sociales Web2.0, los ingresos por publicidad o, esencialmente, la economía de la atención. Por lo tanto, las plataformas sociales Web3.0 necesitan utilizar tokens y otros medios para explorar métodos de monetización más diversos para revertir fundamentalmente esta situación. El gráfico social puede mejorar esta situación de otras maneras. Por ejemplo, la precisión del envío de contenido de cola larga del algoritmo y el control del usuario sobre el algoritmo.

Los motores de algoritmos están integrados en la infraestructura de CyberConnect. Debido a que la base de datos contiene información sobre el comportamiento de los usuarios en diferentes aplicaciones y escenarios, este motor tiene dimensiones superiores. Por ejemplo, al crear un motor de recomendación para un proyecto social, también puede analizar el crédito del usuario en la plataforma DeFi, el rendimiento de la plataforma de juego, etc. en el algoritmo, lo cual es difícil de lograr en el fondo cerrado de Web2. 0. Lens Protocol actualmente no tiene diseño de algoritmo, pero también proporciona una API para que los desarrolladores puedan entrenar sus propios modelos a través de la base de datos. Warpcast lanzado por Farcaster tiene un mecanismo de recomendación como producto específico, pero este mecanismo de recomendación solo se basa en el comportamiento del usuario en su propio producto. Por lo tanto, aunque Warpcast tiene una interfaz que interactúa directamente con los usuarios y puede usarse como punto de partida para la adquisición de clientes y el crecimiento de usuarios, su flexibilidad e imaginación también son limitadas debido a su forma de producto demasiado específica.