tiktok|内部文件披露抖音/TikTok是如何让你上瘾的( 二 ) 算法

对于那些认为算法推荐对社会构成威胁的分析人士来说， TikTok的文件证实了他们的怀疑。
“这种系统意味着观看时长才是重点。它的算法是为了让人上瘾，而不是给人们真正想要的东西， ”“算法透明”的创始人纪尧姆·查斯洛特说，这一位于巴黎的组织研究过YouTube推荐系统，并对该产品给人——特别是儿童——的影响持悲观态度。应我的要求，查斯洛特查看了这份TikTok文件。
“我认为，让TikTok的算法控制孩子们的生活太疯狂了， ”他说。 “孩子每看一条视频， TikTok就会获得一点关于他的信息。几个小时内，它的算法就能测出他的音乐喜好、他的外形喜好、他是否抑郁、是否药物上瘾还有其他许多敏感信息。其中一些信息很可能会对他自己造成不利。可能被用来向他精准投放内容，或是让他更沉迷于这个平台。 ”
这份文件声称，观看时长并不是TikTok考虑的唯一因素。它提供了一个简略的视频评分公式，在这个公式中，根据机器学习和实际用户行为得出的预测结果可以用三种数据概括：点赞、评论和播放时长，以及视频被播放的痕迹：
【tiktok|内部文件披露抖音/TikTok是如何让你上瘾的】P点赞*V点赞+P评论*V评论+E播放时长*V播放时长+P播放*V播放
“推荐系统会根据这个公式给所有视频打分，并将得分最高的视频反馈给用户， ”文件中写道。 “为简洁起见，本文档所示的公式经过了高度简化。实际使用的公式要复杂得更多，但背后的逻辑是一样的。 ”
这份文件详细说明了该公司如何通过微调算法系统来识别和打击“求赞”内容——即通过明确请求受众点赞来欺骗算法的视频——以及该公司对更加微妙的问题是如何进行思考的。
文件中的另一份图表显示， “创作者变现”是该公司的目标之一，这表明TikTok可能会在一定程度上偏爱有利可图的视频，而不仅仅考虑其娱乐性。

看过该文件的加州大学圣地亚哥分校计算机科学教授朱利安·麦考利在一封电子邮件中表示，它没有详细说明TikTok是如何做出准确预测的，但对其推荐引擎的描述“完全合理但并不新鲜” 。他说，该公司的优势来自于将机器学习与“巨大的数据量、高度参与的用户以及用户愿意消费算法推荐内容的环境相结合（想想看，很少有其他环境具备所有这些特征！），而不是什么算法奇迹。 ”
科技公司经常把推荐系统说得让批评者和监管者根本无法理解，这种神秘感很大程度上被这份文件消解了，它基本专注于一些普通用户都可以理解的功能上。例如，从《华尔街日报》对泄露的Facebook文件的报道，可以看到Facebook给评论加权的决定是如何帮助分裂性内容传播的。虽然模型可能很复杂，但文件中概述的TikTok推荐算法并非本质邪恶或令人费解。
但该文件也明确表示， TikTok并未采取任何措施来切断与中国母公司字节跳动的关系。在2020年特朗普总统执政末期，字节跳动的所有权不时成为焦点，当时特朗普试图强制将TikTok出售给甲骨文公司——一家与他的政府结盟的美国公司。
在这份TikTok文件中，回答提问的是一位工程经理，他的领英(LinkedIn)自我介绍称他同时为TikTok和抖音工作，后者是字节跳动在中国运营的、与TikTok类似的应用程序，这让我们得以一瞥日益分化的科技行业中剩余的全球元素，即工程人才。该文件称，这位工程经理曾就读于北京大学，在哥伦比亚大学获得计算机科学硕士学位， 2017年加入北京字节跳动之前在Facebook工作了两年。这份文件英语清晰，但并非撰写者的母语，而且文件是从中国科技行业的角度叙述的。例如，它没有提及Facebook和谷歌等美国竞争对手，而是讨论了“如果今日头条/快手/微博已经做了类似的事情，我们是否还能推出与他们相同的策略” 。