L’epidemia di COVID-19 nel 2019 ha isolato il mondo originariamente connesso e le persone hanno ridotto i viaggi non necessari e hanno scelto di lavorare da casa. La pandemia di COVID-19 sembra essere un test pubblico di connettività sociale, in cui viene rivalutata la necessità e il valore della connessione tra le persone. Le persone si stanno gradualmente rendendo conto che non è necessario che esistano riunioni nei bar, visione di film, KTV e altre attività che sono diventate una parte importante della vita. La connettività di Internet compensa l’isolamento dello spazio fisico e le piattaforme sociali come WeChat sono diventate il veicolo principale con cui le persone possono connettersi e divertirsi. #原创 >#香港web3嘉年华 >#crypto2023

Con il vigoroso sviluppo dei big data e degli algoritmi, l’interazione sociale online è diventata sempre più il prodotto dell’integrazione tra uomo e macchina. Le piattaforme social come WeChat e Weibo non solo forniscono alle persone un luogo cloud in cui socializzare, ma modellano anche gli stili sociali, le abitudini di pensiero delle persone e persino ridefiniscono l'amicizia tra le persone. Questo articolo definisce la reazione dei social media sulle persone la socialità ingegneristica dei social media. La socialità ingegneristica dei social media ha prodotto molti impatti negativi, come l’impatto negativo e la formazione errata del pensiero umano, della cognizione e del comportamento da parte dei social media, ecc. Negli ultimi anni si è discusso sempre più dell’impatto negativo delle piattaforme Web 2.0 e molte regioni e paesi hanno adottato misure per limitare i social media, come la recente proposta degli Stati Uniti di vietare Tiktok. Guardando indietro al Web 3.0, la maggior parte delle discussioni sui social network sono ancora limitate alla resistenza alla censura, alla proprietà, all’economia dei creatori e ad altre questioni comuni che non riescono a entrare in risonanza con il pubblico. Pertanto, l'autore vuole esplorare l'impatto negativo dei social media tradizionali e le sue implicazioni per il Web 3.0 da diverse prospettive e discuterne sulla base di progetti reali.

I progetti sociali Web3.0 stanno esplorando percorsi diversi, come la comunicazione crittografata, l’introduzione della tecnologia ZK per proteggere la privacy degli utenti, il movimento per la sovranità dei dati che disaccoppia dati e piattaforme e così via. Tra questi, quello che mi interessa di più, e su cui voglio concentrarmi in questo articolo, è il grafico sociale. Ci sono state molte discussioni sui grafici sociali su Internet. La prospettiva tradizionale si concentra su come i grafici sociali danno potere agli sviluppatori e migliorano l'esperienza dell'utente, ma non si discute molto sulla socialità ingegneristica dei grafici sociali. Pertanto, l'autore prenderà questo al centro di questo articolo, combinandolo con tre progetti attualmente in via di sviluppo, CyberConnect, Lens e Farcaster (Warpcast), per analizzare il significato dell'esistenza dei grafici sociali e le sfide che devono affrontare, sperando di innescare qualche pensiero tra i lettori.

grafico sociale

Il grafico sociale riunisce le relazioni interpersonali sulle piattaforme sociali La relazione più comune oggi su Internet è quella degli "amici" che si susseguono. L'"amico" qui non è più lo stesso del significato originale di amico. I social media hanno esteso il significato della parola "amico". L'interazione sociale più primitiva degli esseri umani è limitata a un piccolo cerchio intorno a noi a causa dei limiti geografici di tempo e spazio. La relazione che stabiliamo con le persone intorno a noi è una relazione forte e la struttura di questa relazione forte è molto stretta . Ad esempio, quando comunichiamo con amici che sono con noi da molti anni, non abbiamo bisogno che gli amici mi forniscano regolarmente argomenti interessanti. Si tratta più di uno scambio di informazioni peer-to-peer. C'è una differenza fondamentale tra gli "amici" che sono qui da tanti anni e gli "amici" creati dai social media. La relazione messa insieme dalle raccomandazioni dell'algoritmo è molto debole, quindi è necessario utilizzare il "contenuto" per rafforzare questa relazione. Pertanto, quando gli amici con legami deboli socializzano, la comunicazione riguarda meno la comunicazione e più il consumo di contenuti.

Nel Web2.0, la divisione delle relazioni si è riflessa nei principali software sociali. WeChat accumula relazioni forti, mentre altri social media come Weibo, Douban e Momo accumulano relazioni deboli. WeChat, infatti, non è più una piattaforma social, ma più simile a una rubrica. La prima cosa che fa un utente dopo aver aggiunto gli amici è chattare, senza alcuna produzione o consumo di contenuti. Tuttavia, su altri software sociali, le persone caricheranno sicuramente avatar, inseriranno informazioni, pubblicheranno alcuni aggiornamenti, creeranno contenuti e quindi stabiliranno connessioni con altre persone. Lo scopo principale di ciò è ridurre il costo della fiducia tra le persone. Perché nessuno vorrebbe socializzare con uno sconosciuto che non ha una foto del profilo e non ha aggiornamenti.

Dai legami forti ai legami deboli, la motivazione al consumo di contenuti si indebolisce gradualmente. Ad esempio, ci piacciono i noiosi Mi piace quotidiani che inviamo ai nostri amici in WeChat Moments, ma poche persone sono interessate ai pensieri casuali degli estranei. Per compensare l’instabilità dei legami deboli e la mancanza di motivazione al consumo, i social media adottano generalmente due percorsi: il primo è quello di affidarsi a contenuti di alta qualità, il secondo è quello di potenziare la connettività portata dagli algoritmi (discusso nel capitolo). sezione successiva). Lo sviluppo dei social media, che hanno scelto due strade diverse, è completamente opposto. BBS come Tieba, Tianya, Douban, ecc. che si basano su contenuti di alta qualità e operazioni di comunità sono diventati "lacrime del tempo". Le piattaforme SNS come Facebook, Twitter, Instagram, ecc. dominano la classifica dei social media. YouTube, che ha iniziato con i video della comunità, ha rapidamente minimizzato il concetto di comunità nelle fasi intermedie e successive, utilizzando algoritmi e meccanismi di raccomandazione per espandersi rapidamente e acquisire una solida posizione nei social media.

Perché le piattaforme social acquistano meno valore quanto più si affidano a contenuti di qualità? Innanzitutto, i social media devono estrarre valore dai dati degli utenti. Più connessioni le persone generano, maggiore valore economico può generare la piattaforma. Pertanto, la cultura comunitaria o ristretta non è la forma più favorevole di interazione sociale per la monetizzazione della piattaforma. In secondo luogo, maggiore è il grado in cui gli utenti fanno affidamento sui contenuti, maggiori saranno i requisiti per il meccanismo di scoperta dei contenuti della piattaforma. Nell’era dei big data, la trasmissione accurata dei contenuti è una questione estremamente costosa. Di conseguenza, l’algoritmo si orienta verso contenuti virali accattivanti invece di spingere contenuti di qualità. Infine, il consumo di contenuti finirà per fluire verso reti di relazioni forti. Ad esempio, quando vediamo un contenuto interessante su Weibo, l'operazione comune è condividerlo con gli amici su WeChat con un clic per il consumo di contenuto prodotto dalle piattaforme che fanno affidamento sui contenuti andrà perso su altre piattaforme. Oppure i nuovi amici che incontri su Weibo aggiungeranno anche WeChat dopo aver acquisito familiarità con loro e si stabiliranno nella forte piattaforma di rete di relazioni. Pertanto, le piattaforme social con legami deboli tendono a ignorare i contenuti di alta qualità e le reali esperienze sociali delle persone.

Quindi quali implicazioni ha il suddetto fenomeno dei social media Web2.0 per il Web3.0? Prima di tutto, ci sono differenze nelle "relazioni di amicizia" in diversi scenari. La formazione delle relazioni è radicata nel contesto. In secondo luogo, andrebbe innovato il meccanismo di distribuzione dei contenuti, cioè l’algoritmo. Successivamente, l’autore discuterà questi due aspetti e confronterà e presenterà i diversi percorsi della nuova generazione di protocolli sociali decentralizzati in queste due direzioni.

Grafico sociale basato su scenari

Come accennato in precedenza, i grafici sociali sono radicati nelle scene. Gli amici delle persone su Momo e i loro amici su DingTalk molto probabilmente non sono della stessa natura. Se il futuro grafo sociale non differenzia gli scenari per tutte le “connessioni”, sarà estremamente difficile migrare la rete di relazioni sociali. Ci sono molti esempi che dimostrano che Tencent voleva fondare Tencent Weibo sulla base degli utenti accumulati nello spazio QQ. Gli aggiornamenti pubblicati dagli utenti nello spazio QQ verranno automaticamente sincronizzati con Tencent Weibo. Ma ciò che Tencent non ha considerato è che lo spazio QQ è pieno di conoscenze e relazioni sociali. La "storia oscura" dei netizen non sarebbe molto imbarazzante se venisse mostrata a familiari, amici e altre persone familiari, ma se fosse pubblicata per sconosciuti su Weibo, potrebbe essere descritta come una "grande scena di morte sociale". Il risultato finale è prevedibile: Tencent Weibo è stato sconfitto da Sina Weibo.

Pertanto, il grafico sociale deve essere basato su scenari. Se si desidera dare maggiore potere agli sviluppatori, non è sufficiente fornire semplicemente una lista di controllo del portafoglio. Ciò richiede che i dati abbiano una granularità inferiore e contengano informazioni più ricche. CyberConnect, Lens e Farcaster affrontano questo problema in diverse dimensioni. CyberConnect non limiterà lo scenario ai social media tradizionali, ma abbraccerà anche il modello "social +", sperando di integrare il social graph in applicazioni in vari campi, come DeFi, GameFi, Credito, ristorazione, creazione musicale, ecc. aspetta. Pertanto, CyberConnect collabora principalmente con progetti di terzi invece di affidarsi interamente alla propria incubazione di progetti ecologici. Allo stesso tempo, CyberConnect porta anche le risorse sociali accumulate nella scena Web2.0 nel Web3.0, collegando le due scene del Web2.0 e del Web3.0 tramite Link 3. Pertanto, in termini di profondità e ampiezza dei dati, CyberConnect è il migliore tra i tre.

L'approccio basato su scenari di Lens si basa sul contenuto, perché Lens modularizza le relazioni e i contenuti in NFT e li memorizza nella catena. Pertanto, le relazioni delle persone non sono separate dal contenuto contenuto pubblicato. Contenuti e relazioni modulari semplificano la creazione di scenari. E Lens si concentra principalmente sul campo sociale, e i vari progetti ecologici costruiti su Lens sono per lo più legati al sociale. Poiché Farcaster ha uno scenario molto specifico (applicazione simile a Twitter), anche la ricchezza e l'universalità del grafico sociale generato su questa piattaforma sono limitate. L'autore ritiene che questo sia un grosso problema nell'ecosistema Farcaster.

Algoritmi basati su grafi sociali

Gli algoritmi sono la componente più importante per abilitare la connettività, che è la pietra angolare del fiorire dei social media del Web 2.0 e può aiutare i social media a massimizzare gli effetti della rete. Gli algoritmi ci cambiano silenziosamente. Sulle piattaforme social l’autonomia dell’utente diventa un concetto estremamente complesso. L'autonomia comprende sia l'attività umana cosciente che l'"inconscio tecnologico". In che misura le relazioni sociali che creiamo sulle piattaforme sociali sono basate su attività umane consapevoli, e in che misura le connessioni sono create sottilmente da algoritmi a causa dell'"inconscio tecnico" delle persone? A questa domanda è difficile rispondere oggi. Poiché i social media incoraggeranno il più possibile l'"incoscienza tecnica", distorceranno prima il concetto di "condivisione" e equiparano la "violazione della privacy degli utenti" a "un mondo aperto e trasparente", per poi aumentare la permanenza degli utenti sulle piattaforme social attraverso una serie di comportamenti codificati, dedica molto tempo alla raccolta dei dati degli utenti, e infine guida gli utenti dai social network alle attività commerciali in base alle loro preferenze.

Ad esempio, la promessa di Mark Zuckerberg di “rendere il web più sociale” e il suo autoproclamato desiderio di “rendere il mondo più trasparente” sfumano sottilmente i confini tra un’Internet aperta e la privacy degli utenti. Netflix aveva precedentemente pubblicato un documentario intitolato Surveillance Capitalism: The Smart Trap. Il documentario invita i dirigenti di Google, Facebook, Twitter e altre società a smontare davanti al pubblico una serie di progetti "avvincenti" costruiti utilizzando la tecnologia di rete, tra cui: consigli sui contenuti, Mi piace, "digitazione..." e altre operazioni. L'unico scopo dietro questa serie di progetti è aumentare il tempo in cui gli utenti rimangono sulla piattaforma e raccogliere quanto più comportamento possibile degli utenti. Esistono norme sociali e logiche culturali simili dietro il comportamento degli utenti. Ad esempio, l'algoritmo dietro i "Mi piace" misura il desiderio delle persone per qualcosa o il loro accordo con determinate idee. E questo desiderio quantificato può guidare le tendenze di fondo dei consumatori. Allo stesso tempo, il processo di promozione del consumo è molto invisibile. Ad esempio, quando un utente accede a Douyin da un collegamento condiviso da un amico, fa clic sul collegamento del prodotto nella parte inferiore dello schermo e acquista il prodotto tramite Alipay. bastano tre clic per indirizzare il comportamento di condivisione al consumo.

Si può vedere che l’impatto degli algoritmi sulle persone è sottile e difficile da notare per gli utenti. Poiché attirare l’attenzione è la prima priorità dell’algoritmo, non importa se vengono distribuiti contenuti di qualità. Gli algoritmi indirizzano il traffico verso contenuti virali e accattivanti. Attraverso questi accattivanti contenuti frammentati, gli utenti possono rimanere sulla piattaforma il più a lungo possibile, attirando così l'attenzione (come Douyin). Inoltre, le raccomandazioni personalizzate e la personalizzazione degli algoritmi possono far sì che le persone cadano in “bolle di filtro” informative e ricevano solo informazioni coerenti con le loro posizioni esistenti, prive della stimolazione e della sfida di diversi punti di vista, portando così a pregiudizi cognitivi, ansia da informazione, e conformità cieca (effetto bozzolo informativo). I social media nell’era del Web 2.0 utilizzano algoritmi per ottenere una rapida espansione, ma ignorano l’impatto negativo degli algoritmi sulle persone.

Nel Web3.0, oltre alla raccomandazione di contenuti a coda lunga, gli algoritmi basati sui grafici sociali dovrebbero essere diversi. Vitalik ha proposto il concetto di Intelligenza Plurale nell'articolo Società Decentralizzata Rispetto all'intelligenza artificiale, il meccanismo dell'algoritmo nell'intelligenza multipla presenta diversi miglioramenti principali. Innanzitutto, la raccolta dei dati dovrebbe essere radicata nel contesto sociale e non in base alle caratteristiche comportamentali degli utenti su una determinata piattaforma; in secondo luogo, i creatori di dati, cioè gli utenti, dovrebbero mantenere il diritto di gestire i propri dati, il che in una certa misura è La lotta all'“incoscienza tecnologica”. In altre parole, algoritmi diversi non rendono l’algoritmo più intelligente, ma lo rendono più umano. Il grafo sociale fornisce in realtà il terreno per algoritmi multidimensionali. Con ricche informazioni sull’identità, l’algoritmo può tracciare varie caratteristiche e background sociali degli utenti, anziché analizzarli in base a comportamenti specifici su una piattaforma. Allo stesso tempo, se l’utente sceglie di rivelare o nascondere determinate informazioni sull’identità o sulle relazioni interpersonali, il modello non può utilizzare questi punti dati per personalizzare l’algoritmo.

Da un punto di vista algoritmico, è difficile risolvere fondamentalmente i problemi di cui sopra solo con il grafico sociale, perché la radice del problema risiede nel modello economico dei siti di social networking Web2.0, nelle entrate pubblicitarie o essenzialmente nell’economia dell’attenzione. Pertanto, le piattaforme social Web3.0 devono utilizzare token e altri media per esplorare metodi di monetizzazione più diversificati per invertire radicalmente questa situazione. Il grafico sociale potrebbe essere in grado di migliorare questa situazione in altri modi. Ad esempio, l'accuratezza del push del contenuto a coda lunga dell'algoritmo e il controllo dell'utente sull'algoritmo.

I motori algoritmici sono integrati nell'infrastruttura di CyberConnect. Poiché il database contiene informazioni sul comportamento degli utenti in diverse applicazioni e scenari, questo motore ha una dimensione superiore. Ad esempio, quando si crea un motore di raccomandazione per un progetto sociale, è possibile analizzare nell'algoritmo anche il credito dell'utente sulla piattaforma DeFi, le prestazioni della piattaforma di gioco, ecc., cosa difficile da ottenere nello sfondo chiuso di Web2. 0. Lens Protocol attualmente non ha una progettazione di algoritmi, ma fornisce anche un'API in modo che gli sviluppatori possano addestrare i propri modelli attraverso il database. Warpcast lanciato da Farcaster ha un meccanismo di raccomandazione come prodotto specifico, ma questo meccanismo di raccomandazione si basa solo sul comportamento dell'utente sul proprio prodotto. Pertanto, sebbene Warpcast abbia un'interfaccia che interagisce direttamente con gli utenti e può essere utilizzata come punto di partenza per l'acquisizione e la crescita dei clienti, anche la sua flessibilità e immaginazione sono limitate a causa della forma del prodotto troppo specifica.