Вспышка COVID-19 в 2019 году изолировала изначально подключенный мир. Пандемия COVID-19 кажется публичным испытанием социальных связей, в ходе которого переоценивается необходимость и ценность связей между людьми. Люди постепенно осознают, что посиделки в барах, просмотр фильмов, КТВ и другие занятия, которые стали важной частью жизни, не обязательно должны существовать. Возможность подключения к Интернету компенсирует изоляцию физического пространства, а социальные платформы, такие как WeChat, стали основным средством общения и развлечения людей. #原创 #香港web3嘉年华 #crypto2023

Благодаря бурному развитию больших данных и алгоритмов социальное взаимодействие в Интернете все чаще становится продуктом интеграции людей и машин. Социальные платформы, такие как WeChat и Weibo, не только предоставляют людям облачное пространство для общения, но также формируют их социальные стили, привычки мышления и даже переосмысливают дружбу между людьми. В этой статье реакция социальных сетей на людей называется инженерной социальностью социальных сетей. Инженерная социальность социальных сетей привела к множеству негативных последствий, таких как негативное воздействие и неправильное формирование человеческого мышления, познания и поведения со стороны социальных сетей и т. д. В последние годы растет дискуссия о негативном влиянии платформ Web 2.0, и многие регионы и страны приняли меры по ограничению социальных сетей, например, недавнее предложение США запретить Tiktok. Оглядываясь назад на Web 3.0, большинство дискуссий о социальных сетях по-прежнему ограничиваются сопротивлением цензуре, собственностью, экономикой создателей и другими банальными вопросами, которые не могут найти отклика у общественности. Поэтому автор хочет изучить негативное влияние традиционных социальных сетей и его последствия для Web3.0 с разных точек зрения и обсудить это на основе реальных проектов.

Социальные проекты Web3.0 исследуют различные пути, такие как шифрованная связь, внедрение технологии ZK для защиты конфиденциальности пользователей, движение за суверенитет данных, которое отделяет данные и платформы, и так далее. Среди них тот, который меня больше всего интересует и на котором я хочу сосредоточиться в этой статье, — это социальный граф. В Интернете было много дискуссий о социальных графах. Основная точка зрения сосредоточена на том, как социальные графы расширяют возможности разработчиков и улучшают взаимодействие с пользователем, но мало обсуждается инженерная социальность социальных графов. Поэтому автор возьмет это в центр статьи, объединит его с тремя разрабатываемыми в настоящее время проектами: CyberConnect, Lens и Farcaster (Warpcast), чтобы проанализировать значимость существования социальных графов и проблемы, с которыми они сталкиваются, надеясь вызвать некоторые размышления среди читателей.

социальный граф

Социальный граф объединяет межличностные отношения на социальных платформах. Наиболее распространенными сегодня отношениями в Интернете являются «друзья», которые следят друг за другом. «Друг» здесь уже не то же самое, что первоначальное значение слова «друг». Социальные сети расширили значение слова «друг». Самое примитивное социальное взаимодействие людей ограничено небольшим кругом вокруг нас из-за ограничений географического времени и пространства. Отношения, которые мы устанавливаем с окружающими нас людьми, представляют собой прочные отношения, и структура этих прочных отношений очень тесная. . Например, когда мы общаемся с друзьями, которые с нами уже много лет, нам не нужно, чтобы друзья регулярно рассказывали мне интересные темы. Это скорее одноранговый обмен информацией. Существует фундаментальная разница между «друзьями», которые живут здесь уже много лет, и «друзьями», созданными в социальных сетях. Связь, которую соединяют рекомендации алгоритма, очень слаба, поэтому необходимо использовать «контент», чтобы усилить эту связь. Поэтому, когда общаются друзья со слабыми связями, общение заключается не столько в общении, сколько в потреблении контента.

В Web2.0 разделение отношений нашло отражение в основном социальном программном обеспечении. WeChat накапливает крепкие отношения, в то время как другие социальные сети, такие как Weibo, Douban и Momo, накапливают слабые отношения. Фактически, WeChat больше не является социальной платформой, а больше похож на адресную книгу. Первое, что делает пользователь после добавления друзей, — это чат, без какого-либо производства или потребления контента. Однако в другом социальном ПО люди обязательно будут загружать аватары, заполнять информацию, публиковать несколько обновлений, создавать контент, а затем устанавливать связи с другими людьми. Основная цель этого — снизить стоимость доверия между людьми. Потому что никто не захочет общаться с незнакомцем, у которого нет изображения профиля и обновлений.

От сильных связей к слабым мотивация потребления контента постепенно ослабевает. Например, нам нравятся скучные ежедневные лайки, которые мы отправляем друзьям в WeChat Moments, но мало кого интересуют случайные мысли незнакомцев. Чтобы компенсировать нестабильность слабых связей и отсутствие мотивации к потреблению, социальные сети обычно выбирают два пути: первый — полагаться на высококачественный контент, а второй — расширять возможности взаимодействия, обеспечиваемые алгоритмами (обсуждается в статье). следующий раздел). Развитие социальных сетей, выбравших два разных пути, совершенно противоположно. Такие BBS, как Tieba, Tianya, Douban и т. д., которые полагаются на высококачественный контент и работу сообщества, стали «слезой времени». Платформы социальных сетей, такие как Facebook, Twitter, Instagram и т. д., доминируют в рейтинге социальных сетей. YouTube, который начинал с видеороликов сообщества, быстро преуменьшил значение концепции сообщества на средней и более поздних стадиях, используя алгоритмы и механизмы рекомендаций для быстрого расширения и прочного закрепления в социальных сетях.

Почему социальные платформы приобретают меньшую ценность, чем больше они полагаются на качественный контент? Прежде всего, социальные сети должны извлекать выгоду из пользовательских данных. Чем больше связей создают люди, тем большую экономическую ценность может создать платформа. Таким образом, культура сообщества или узкого круга не является наиболее благоприятной формой социального взаимодействия для монетизации платформы. Во-вторых, чем выше степень зависимости пользователей от контента, тем выше требования к механизму обнаружения контента платформы. В эпоху больших данных точная передача контента становится чрезвычайно дорогостоящим делом. В результате алгоритм склоняется к вирусному, привлекательному контенту, а не к качественному контенту. Наконец, потребление контента в конечном итоге перейдет в сети с сильными связями. Например, когда мы видим фрагмент интересного контента на Weibo, обычно мы делимся им с друзьями в WeChat одним щелчком мыши для потребления контента. произведенные платформами, использующими контент, будут потеряны на других платформах. Или новые друзья, которых вы встретите на Weibo, также добавят WeChat после знакомства с ними и перейдут на платформу прочной сети взаимоотношений. Поэтому социальные платформы со слабыми связями склонны игнорировать высококачественный контент и реальный социальный опыт людей.

Итак, какое значение имеет вышеупомянутый феномен социальных сетей Web2.0 для Web3.0? Прежде всего, существуют различия в «дружеских отношениях» в разных сценариях. Формирование отношений основано на контексте. Во-вторых, механизм распространения контента, то есть алгоритм, должен быть обновлен. Далее автор обсудит эти два аспекта, а также сравнит и представит различные пути нового поколения децентрализованных социальных протоколов в этих двух направлениях.

Социальный граф на основе сценариев

Как упоминалось ранее, социальные графы основаны на сценах. Друзья людей на Momo и их друзья на DingTalk, скорее всего, не имеют одной и той же природы. Если будущий социальный граф не будет дифференцировать сценарии для всех «связей», мигрировать сеть социальных отношений будет крайне сложно. Есть много примеров, доказывающих, что Tencent хотела создать Tencent Weibo на основе пользователей, накопленных в пространстве QQ. Обновления, публикуемые пользователями в пространстве QQ, будут автоматически синхронизироваться с Tencent Weibo. Но Tencent не учла то, что пространство QQ наполнено знакомствами и социальными связями. «Темная история» пользователей сети не вызвала бы большого смущения, если бы ее показали семье, друзьям и другим знакомым людям, но если бы ее разместили среди незнакомцев на Weibo, ее можно было бы охарактеризовать как «большую социальную сцену смерти». Итоговый результат предсказуем: Tencent Weibo потерпела поражение от Sina Weibo.

Следовательно, социальный граф должен быть основан на сценариях. Если вы хотите расширить возможности разработчиков, недостаточно просто предоставить список наблюдения за кошельком. Для этого требуется, чтобы данные были меньше по степени детализации и содержали более полную информацию. CyberConnect, Lens и Farcaster решают эту проблему в разных аспектах. CyberConnect не будет ограничивать сценарий традиционными социальными сетями, но также будет использовать модель «социальный +», надеясь интегрировать социальный граф в приложения в различных областях, таких как DeFi, GameFi, кредит, общественное питание, создание музыки и т. д. подождите. Таким образом, CyberConnect в основном сотрудничает со сторонними проектами, а не полностью полагается на собственную инкубацию экологических проектов. В то же время CyberConnect также переносит социальные ресурсы, накопленные в сцене Web2.0, в Web3.0, соединяя две сцены Web2.0 и Web3.0 через ссылку 3. Таким образом, с точки зрения глубины и широты данных CyberConnect является лучшим среди всех трех.

Сценарный подход Lens основан на контенте, поскольку Lens объединяет отношения отслеживания и контент в NFT и сохраняет их в цепочке. Таким образом, отношения людей не отделены от контента. Вы можете сделать вывод, в какой сцене находится человек. опубликовал контент. Подписался на другого человека. Модульное содержимое и связи упрощают создание сценариев. А Ленс в основном фокусируется на социальной сфере, и различные экологические проекты, построенные на Ленсе, в основном связаны с социальной сферой. Поскольку у Farcaster очень специфический сценарий (приложение, похожее на Twitter), богатство и универсальность социального графа, генерируемого на этой платформе, также ограничены. Автор считает, что это большая проблема в экосистеме Farcaster.

Алгоритмы на основе социальных графов

Алгоритмы являются наиболее важным компонентом обеспечения возможности взаимодействия, что является краеугольным камнем процветания социальных сетей Web 2.0 и может помочь социальным сетям максимизировать сетевой эффект. Алгоритмы меняют нас незаметно. На социальных платформах автономия пользователей становится чрезвычайно сложной концепцией. Автономия охватывает как сознательную деятельность человека, так и «технологическое бессознательное». В какой степени социальные отношения, которые мы создаем на социальных платформах, основаны на сознательной человеческой деятельности, и в какой степени связи создаются тонкими алгоритмами из-за «технической бессознательности» людей? На этот вопрос сегодня сложно ответить. Поскольку социальные сети будут максимально поощрять «техническую бессознательность», они сначала исказят концепцию «совместного использования» и приравняют «нарушение конфиденциальности пользователей» к «открытому и прозрачному миру», а затем увеличат время пребывания пользователей на социальных платформах. посредством ряда закодированных действий он тратит много времени на сбор пользовательских данных и, наконец, направляет пользователей из социальных сетей к бизнес-деятельности в соответствии с их предпочтениями.

Например, обещание Марка Цукерберга «сделать Интернет более социальным» и его самопровозглашенное желание «сделать мир более прозрачным» слегка стирают границы между открытым Интернетом и конфиденциальностью пользователей. Ранее Netflix выпустил документальный фильм под названием Surveillance Capitalism: The Smart Trap. Документальный фильм предлагает руководителям Google, Facebook, Twitter и других компаний демонтировать зрителям серию «захватывающих» конструкций, построенных с использованием сетевых технологий, включая: рекомендации контента, лайки, «набор текста…» и другие операции. Единственная цель этой серии проектов — увеличить время пребывания пользователей на платформе и собрать как можно больше информации о поведении пользователей. За поведением пользователей стоят схожие социальные нормы и культурная логика. Например, алгоритм «лайков» измеряет желание людей чего-либо или их согласие с определенными идеями. И это количественное желание может определять основные потребительские тенденции. В то же время процесс стимулирования потребления очень незаметен. Например, когда пользователь заходит в Douyin по ссылке, которой поделился друг, нажимает на ссылку продукта внизу экрана и покупает продукт через Alipay. требуется всего три клика, чтобы направить поведение обмена на потребление.

Видно, что влияние алгоритмов на людей незаметно и его трудно заметить пользователям. Поскольку привлечение внимания является первоочередной задачей алгоритма, не имеет значения, распространяется ли качественный контент. Алгоритмы направляют трафик в сторону вирусного, привлекательного контента. Благодаря этому привлекательному фрагментированному контенту пользователи могут оставаться на платформе как можно дольше, тем самым привлекая внимание (например, Douyin). Кроме того, персонализированные рекомендации и настройка алгоритмов могут привести к тому, что люди попадут в информационные «пузыри фильтров» и будут получать только ту информацию, которая соответствует их существующим позициям, без стимулирования и вызова различных точек зрения, что приводит к когнитивным предубеждениям, информационной тревоге, и слепое соответствие (эффект информационного кокона). Социальные сети в эпоху Web 2.0 используют алгоритмы для быстрого расширения, но игнорируют негативное влияние алгоритмов на людей.

В Web3.0, помимо рекомендации длиннохвостого контента, должны быть разнообразными алгоритмы, основанные на социальных графах. Виталик предложил концепцию множественного интеллекта в статье «Децентрализованное общество». По сравнению с искусственным интеллектом, механизм алгоритма при множественном интеллекте имеет несколько основных улучшений. Во-первых, сбор данных должен быть основан на социальном фоне, а не на поведенческих характеристиках пользователей на определенной платформе, во-вторых, создатели данных, то есть пользователи, должны сохранять право управлять своими данными, что в определенной степени; Борьба с «технологическим бессознательным». Другими словами, разнообразие алгоритмов не делает алгоритм более интеллектуальным, но делает его более гуманным. Социальный граф фактически обеспечивает основу для многомерных алгоритмов. Благодаря богатой идентификационной информации алгоритм может отслеживать различные характеристики и социальное происхождение пользователей, а не анализировать их на основе конкретного поведения на платформе. В то же время, если пользователь решит раскрыть или скрыть определенную идентификационную информацию или межличностные отношения, модель не сможет использовать эти точки данных для настройки алгоритма.

С алгоритмической точки зрения сложно фундаментально решить вышеуказанные проблемы только с помощью социального графа, поскольку корень проблемы лежит в экономической модели сайтов социальных сетей Web2.0, доходах от рекламы или, по сути, в экономике внимания. Поэтому социальным платформам Web3.0 необходимо использовать токены и другие средства массовой информации для изучения более разнообразных методов монетизации, чтобы коренным образом изменить эту ситуацию. Социальный граф может улучшить эту ситуацию и другими способами. Например, точность алгоритма длинной передачи контента и контроль пользователя над алгоритмом.

Алгоритмические механизмы встроены в инфраструктуру CyberConnect. Поскольку база данных содержит информацию о поведении пользователей в различных приложениях и сценариях, этот механизм является многомерным. Например, при построении рекомендательного механизма для социального проекта в алгоритме также можно анализировать кредит пользователя на платформе DeFi, производительность игровой платформы и т. д., чего сложно добиться в закрытом фоне Web2. 0. В Lens Protocol в настоящее время нет разработки алгоритмов, но он также предоставляет API, позволяющий разработчикам обучать свои собственные модели с помощью базы данных. Warpcast, запущенный Farcaster, имеет механизм рекомендаций как отдельный продукт, но этот механизм рекомендаций основан только на поведении пользователей в отношении его собственного продукта. Поэтому, хотя Warpcast имеет интерфейс, который напрямую взаимодействует с пользователями и может использоваться в качестве отправной точки для привлечения клиентов и роста пользователей, его гибкость и воображение также ограничены из-за слишком специфической формы продукта.