Focarul de COVID-19 din 2019 a izolat lumea conectată inițial Oamenii au redus călătoriile inutile și au ales să lucreze de acasă. Pandemia COVID-19 pare a fi un test public al conectivității sociale, în care necesitatea și valoarea conexiunii dintre oameni este reevaluată. Oamenii realizează treptat că adunările la bar, vizionarea de filme, KTV și alte activități care au devenit o parte importantă a vieții nu trebuie să existe. Conectivitatea internetului compensează izolarea spațiului fizic, iar platformele sociale precum WeChat au devenit principalul vehicul pentru a se conecta și a se distra. #原创 #香港web3嘉年华 #crypto2023

Odată cu dezvoltarea viguroasă a datelor mari și a algoritmilor, interacțiunea socială online a devenit din ce în ce mai mult produsul integrării oamenilor și mașinilor. Platformele sociale precum WeChat și Weibo nu numai că oferă oamenilor un loc în cloud pentru a socializa, dar și modelează stilurile sociale ale oamenilor, obiceiurile de gândire și chiar redefinește prietenia dintre oameni. Acest articol numește reacția social media asupra oamenilor socialitatea inginerească a social media. Socialitatea inginerească a rețelelor sociale a adus multe impacturi negative, cum ar fi impactul negativ și modelarea incorectă a gândirii, cunoașterii și comportamentului uman de către rețelele sociale etc. În ultimii ani, au existat tot mai multe discuții despre impactul negativ al platformelor Web 2.0, iar multe regiuni și țări au luat măsuri pentru a restricționa rețelele sociale, cum ar fi recenta propunere a SUA de a interzice Tiktok. Privind înapoi la Web 3.0, majoritatea discuțiilor despre rețelele sociale sunt încă limitate la rezistența la cenzură, proprietatea, economia creatorilor și alte probleme banale care nu pot rezona cu publicul. Prin urmare, autorul dorește să exploreze impactul negativ al rețelelor sociale tradiționale și implicațiile acestuia pentru Web3.0 din diferite perspective și să-l discute pe baza unor proiecte reale.

Proiectele sociale Web3.0 explorează căi diferite, cum ar fi comunicarea criptată, introducerea tehnologiei ZK pentru a proteja confidențialitatea utilizatorilor, mișcarea de suveranitate a datelor care decuplă datele și platformele și așa mai departe. Dintre acestea, cel care mă interesează cel mai mult și pe care vreau să mă concentrez în acest articol este graficul social. Au existat multe discuții despre graficele sociale pe Internet. Perspectiva curentă se concentrează asupra modului în care graficele sociale împuternicesc dezvoltatorii și îmbunătățesc experiența utilizatorului, dar nu există prea multe discuții despre socialitatea grafică a graficelor sociale. Prin urmare, autorul va lua acest lucru drept centrul acestui articol, îl va combina cu trei proiecte în curs de dezvoltare, CyberConnect, Lens și Farcaster (Warpcast), pentru a analiza semnificația existenței graficelor sociale și provocările cu care se confruntă, sperând să le declanșeze unele gânduri printre cititori.

graficul social

Graficul social reunește relațiile interpersonale de pe platformele sociale. Cea mai comună relație de pe Internet astăzi este „prietenii” care se urmăresc. „Prietenul” de aici nu mai este același cu sensul original al cuvântului „prieten”. Cea mai primitivă interacțiune socială a ființelor umane este limitată la un cerc restrâns în jurul nostru din cauza limitărilor de timp și spațiu geografic Relația pe care o stabilim cu oamenii din jurul nostru este o relație puternică, iar structura acestei relații puternice este foarte strânsă . De exemplu, când comunicăm cu prietenii care ne sunt alături de mulți ani, nu avem nevoie ca prietenii să-mi ofere în mod regulat subiecte interesante. Este mai degrabă un schimb de informații de la egal la egal. Există o diferență fundamentală între „prietenii” care sunt aici de mulți ani și „prietenii” creați de social media. Relația reunită prin recomandările de algoritm este foarte slabă, așa că este necesar să folosim „conținut” pentru a consolida această relație. Prin urmare, atunci când prietenii cu legături slabe socializează, comunicarea este mai puțin despre comunicare și mai mult despre consumul de conținut.

În Web2.0, împărțirea relațiilor a fost reflectată în software-ul social major. WeChat acumulează relații puternice, în timp ce alte rețele sociale, cum ar fi Weibo, Douban și Momo, acumulează relații slabe. De fapt, WeChat nu mai este o platformă socială, ci mai degrabă o agendă de adrese. Primul lucru pe care îl face un utilizator după ce a adăugat prieteni este să discute, fără nicio producție sau consum de conținut. Cu toate acestea, pe alte software-uri sociale, oamenii vor încărca cu siguranță avatare, vor completa informații, vor posta câteva actualizări, vor crea conținut și apoi vor stabili conexiuni cu alte persoane. Scopul principal al acestui lucru este de a reduce costul încrederii între oameni. Pentru că nimeni nu și-ar dori să socializeze cu un străin care nu are nicio poză de profil și nicio actualizare.

De la legături puternice la legături slabe, motivația pentru consumul de conținut slăbește treptat. De exemplu, ne plac like-urile plictisitoare zilnice pe care le trimitem prietenilor noștri în WeChat Moments, dar puțini oameni sunt interesați de gândurile întâmplătoare ale străinilor. Pentru a compensa instabilitatea legăturilor slabe și lipsa motivației de consum, rețelele sociale adoptă, în general, două căi. secțiunea următoare). Dezvoltarea rețelelor sociale, care a ales două căi diferite, este complet opusă. BBS-uri precum Tieba, Tianya, Douban etc. care se bazează pe conținut de înaltă calitate și operațiuni ale comunității au devenit „lacrimile vremurilor”. Platformele SNS precum Facebook, Twitter, Instagram etc. domină lista de clasare a rețelelor sociale. YouTube, care a început cu videoclipuri ale comunității, a minimizat rapid conceptul de comunitate în etapele mijlocii și ulterioare, folosind algoritmi și mecanisme de recomandare pentru a se extinde rapid și a câștiga un loc ferm în rețelele sociale.

De ce platformele sociale câștigă mai puțină valoare cu cât se bazează mai mult pe conținut de calitate? În primul rând, rețelele sociale trebuie să extragă valoarea din datele utilizatorilor. Cu cât oamenii generează mai multe conexiuni, cu atât mai multă valoare economică poate genera platforma. Prin urmare, cultura comunității sau a cercului mic nu este cea mai favorabilă formă de interacțiune socială pentru monetizarea platformei. În al doilea rând, cu cât este mai mare gradul în care utilizatorii se bazează pe conținut, cu atât sunt mai mari cerințele pentru mecanismul de descoperire de conținut al platformei. În era datelor mari, transmiterea exactă a conținutului este o chestiune extrem de costisitoare. Ca rezultat, algoritmul se înclină spre conținut viral care atrage atenția în loc să împingă conținut de calitate. În cele din urmă, consumul de conținut va curge în cele din urmă către rețele de relații puternice. De exemplu, când vedem o bucată de conținut interesant pe Weibo, operațiunea comună este să o partajăm cu prietenii pe WeChat cu un singur clic pentru consumul de conținut produs de platforme care se bazează pe conținut se va pierde pe alte platforme. Sau prietenii noi pe care îi întâlniți pe Weibo vor adăuga și WeChat după ce s-au familiarizat cu ei și se vor stabili în platforma de rețea de relații puternice. Prin urmare, platformele sociale cu legături slabe tind să ignore conținutul de înaltă calitate și experiențele sociale reale ale oamenilor.

Deci, ce implicații are fenomenul social media Web2.0 menționat mai sus pentru Web3.0? În primul rând, există diferențe în „relațiile de prieteni” în diferite scenarii. Formarea relațiilor este înrădăcinată în context. În al doilea rând, mecanismul de distribuție a conținutului, adică algoritmul, ar trebui inovat. În continuare, autorul va discuta aceste două aspecte și va compara și introduce diferitele căi ale noii generații de protocoale sociale descentralizate în aceste două direcții.

Grafic social bazat pe scenarii

După cum am menționat mai devreme, graficele sociale sunt înrădăcinate în scene, prietenii oamenilor de pe Momo și prietenii lor de pe DingTalk nu sunt cel mai probabil de aceeași natură. Dacă viitorul grafic social nu diferențiază scenarii pentru toate „conexiunile”, va fi extrem de dificil să migrezi rețeaua de relații sociale. Există multe exemple care demonstrează că Tencent a vrut să înființeze Tencent Weibo pe baza utilizatorilor acumulați în spațiul QQ. Actualizările postate de utilizatori în spațiul QQ vor fi sincronizate automat cu Tencent Weibo. Dar ceea ce Tencent nu a reușit să ia în considerare este că spațiul QQ este plin de cunoștințe și relații sociale. „Istoria întunecată” a internauților nu ar fi foarte jenantă dacă ar fi arătate familiei, prietenilor și altor persoane cunoscute, dar dacă ar fi postată unor străini pe Weibo, ar putea fi descrisă ca o „scenă a morții sociale la scară largă”. Rezultatul final este previzibil: Tencent Weibo a fost învins de Sina Weibo.

Prin urmare, graficul social trebuie să fie bazat pe scenarii Dacă doriți să împuterniciți dezvoltatorii, nu este suficient să furnizați doar o listă de urmărire a portofelului. Acest lucru necesită ca datele să fie mai mici ca granularitate și să conțină informații mai bogate. CyberConnect, Lens și Farcaster abordează această problemă în diferite dimensiuni. CyberConnect nu va limita scenariul la rețelele de socializare tradiționale, ci îmbrățișează și modelul „social +”, în speranța de a integra graficul social în aplicații din diverse domenii, precum DeFi, GameFi, Credit, catering, creație muzicală etc. Prin urmare, CyberConnect cooperează în mare parte cu proiecte terțe, în loc să se bazeze în întregime pe propria incubație a proiectelor ecologice. În același timp, CyberConnect aduce și activele sociale acumulate în scena Web2.0 la Web3.0, conectând cele două scene Web2.0 și Web3.0 prin Link 3. Prin urmare, în ceea ce privește profunzimea și amploarea datelor, CyberConnect este cel mai performant dintre cele trei.

Abordarea bazată pe scenarii a lui Lens se bazează pe conținut, deoarece Lens modularizează relațiile și conținutul în NFT și le stochează în lanț. Prin urmare, relațiile oamenilor nu sunt separate de conținut conținut postat. A urmărit o altă persoană. Conținutul modular și relațiile facilitează crearea de scenarii. Și Lens se concentrează în principal pe domeniul social, iar diferitele proiecte ecologice construite pe Lens sunt în mare parte legate de social. Deoarece Farcaster are un scenariu foarte specific (aplicație asemănătoare Twitter), bogăția și universalitatea graficului social generat pe această platformă sunt, de asemenea, limitate. Autorul consideră că aceasta este o mare problemă în ecosistemul Farcaster.

Algoritmi bazați pe grafice sociale

Algoritmii sunt cea mai importantă componentă în activarea conectivității, care este piatra de temelie a înfloririi rețelelor sociale Web 2.0 și pot ajuta rețelele sociale să maximizeze efectele rețelei. Algoritmii ne schimbă în liniște. Pe platformele sociale, autonomia utilizatorului devine un concept extrem de complex. Autonomia cuprinde atât activitatea umană conștientă, cât și „inconștientul tehnologic”. În ce măsură relațiile sociale pe care le creăm pe platformele sociale se bazează pe activități umane conștiente și în ce măsură conexiunile sunt create subtil de algoritmi din cauza „inconștienței tehnice” a oamenilor? La această întrebare este greu de răspuns astăzi. Deoarece rețelele de socializare vor încuraja pe cât posibil „inconștiența tehnică”, ele vor distorsiona mai întâi conceptul de „partajare” și vor echivala „încălcarea confidențialității utilizatorilor” cu „o lume deschisă și transparentă”, iar apoi vor crește șederea utilizatorilor pe platformele sociale. printr-o serie de comportamente codificate Petrece mult timp culegând datele utilizatorilor și, în cele din urmă, ghidează utilizatorii de pe rețelele sociale către activitățile de afaceri în funcție de preferințele acestora.

De exemplu, promisiunea lui Mark Zuckerberg de a „face web-ul mai social” și dorința lui autoproclamată de a „face lumea mai transparentă” estompează subtil granițele dintre un internet deschis și confidențialitatea utilizatorilor. Netflix a lansat anterior un documentar numit Surveillance Capitalism: The Smart Trap. Documentarul invită directori de la Google, Facebook, Twitter și alte companii să demonteze publicului o serie de design-uri „de dependență” construite folosind tehnologia de rețea, inclusiv: recomandări de conținut, aprecieri, „dactilografiere...” și alte operațiuni. Singurul scop din spatele acestei serii de modele este de a crește timpul pe care utilizatorii stau pe platformă și de a colecta cât mai mult comportament al utilizatorilor. Există norme sociale și o logică culturală similară în spatele comportamentului utilizatorului. De exemplu, algoritmul din spatele „like-urilor” măsoară dorința oamenilor pentru ceva sau acordul lor cu anumite idei. Și această dorință cuantificată poate conduce tendințele de bază ale consumatorilor. În același timp, procesul de promovare a consumului este foarte invizibil. De exemplu, atunci când un utilizator intră în Douyin dintr-un link distribuit de un prieten, face clic pe linkul de produs din partea de jos a ecranului și cumpără produsul prin Alipay. sunt necesare doar trei clicuri pentru a direcționa comportamentul de partajare către consum.

Se poate observa că impactul algoritmilor asupra oamenilor este subtil și greu de observat de către utilizatori. Deoarece atragerea atenției este prima prioritate a algoritmului, nu contează dacă este distribuit conținut de calitate. Algoritmii înclină traficul către conținut viral, atrăgător. Prin aceste conținuturi fragmentate atrăgătoare, utilizatorii pot rămâne pe platformă cât mai mult timp posibil, strângând astfel atenția (cum ar fi Douyin). În plus, recomandările personalizate și personalizarea algoritmilor pot determina oamenii să cadă în „bulele de filtrare” de informații și să primească doar informații care sunt în concordanță cu pozițiile lor existente, lipsind stimularea și provocarea diferitelor puncte de vedere, conducând astfel la prejudecăți cognitive, anxietate informațională, și conformitatea oarbă (efectul cocon informațional). Rețelele sociale în era Web 2.0 utilizează algoritmi pentru a obține o expansiune rapidă, dar ignoră impactul negativ al algoritmilor asupra oamenilor.

În Web3.0, pe lângă recomandarea conținutului cu coadă lungă, algoritmii bazați pe grafice sociale ar trebui să fie diverși. Vitalik a propus conceptul de inteligență plurală în articolul Societatea descentralizată, în comparație cu inteligența artificială, mecanismul algoritmului în cadrul inteligenței multiple are câteva îmbunătățiri principale. În primul rând, colectarea datelor ar trebui să fie înrădăcinată în fundalul social și nu pe baza caracteristicilor comportamentale ale utilizatorilor pe o anumită platformă, în al doilea rând, creatorii de date, adică utilizatorii ar trebui să-și păstreze dreptul de a-și guverna datele, care într-o anumită măsură; este Lupta împotriva „inconștienței tehnologice”. Cu alte cuvinte, diverși algoritmi nu fac algoritmul mai inteligent, ci îl fac mai uman. Graficul social oferă de fapt soluția pentru algoritmi multidimensionali Cu informații bogate de identitate, algoritmul poate urmări diferite caracteristici și medii sociale ale utilizatorilor, mai degrabă decât să analizeze pe baza comportamentelor specifice pe o platformă. În același timp, dacă utilizatorul alege să dezvăluie sau să ascundă anumite informații de identitate sau relații interpersonale, modelul nu poate folosi aceste puncte de date pentru a personaliza algoritmul.

Din punct de vedere algoritmic, este dificil să rezolvi problemele de mai sus doar cu ajutorul graficului social, deoarece rădăcina problemei se află în modelul economic al site-urilor de rețele sociale Web2.0, veniturile din publicitate sau, în esență, economia atenției. Prin urmare, platformele sociale Web3.0 trebuie să folosească jetoane și alte medii pentru a explora metode mai diverse de monetizare pentru a inversa în mod fundamental această situație. Graficul social poate îmbunătăți această situație în alte moduri. De exemplu, acuratețea conținutului cu coadă lungă a algoritmului și controlul utilizatorului asupra algoritmului.

Motoarele de algoritm sunt încorporate în infrastructura CyberConnect. Deoarece baza de date conține informații despre comportamentul utilizatorilor în diferite aplicații și scenarii, acest motor are o dimensiune mai mare. De exemplu, atunci când construiți un motor de recomandare pentru un proiect social, puteți analiza și creditul utilizatorului pe platforma DeFi, performanța platformei de joc etc. în algoritm, ceea ce este greu de realizat în fundalul închis al Web2. 0. Lens Protocol nu are în prezent un design de algoritm, dar oferă și un API, astfel încât dezvoltatorii să își poată antrena propriile modele prin baza de date. Warpcast lansat de Farcaster are un mecanism de recomandare ca produs specific, dar acest mecanism de recomandare se bazează doar pe comportamentul utilizatorului pe propriul produs. Prin urmare, deși Warpcast are o interfață care interacționează direct cu utilizatorii și poate fi folosită ca punct de plecare pentru achiziția de clienți și creșterea utilizatorilor, flexibilitatea și imaginația sa sunt, de asemenea, limitate din cauza formei sale prea specifice de produs.