Suhtlusvõrgustikus Facebook jagavad kasutajad enda kohta väga palju informatsiooni pelgalt selle kaudu, mida nad peavad meeldivaks.
Meie käitumine internetis võimaldab teha väga mitmesuguseid järeldusi, nii pakub Google otsimootor juba aastaid kasutajaprofiiliga klapitatud otsitulemusi ja võrgupoed soovitavad eelmiste ostude või vaatamiste põhjal järgmisi kaupu. Mõnikord läheb asi äärmuslikuks – suur USA poekett ennustas oma naiskundede ostuajalugu analüüsides, kas naine on rasestunud ning saatis ainuüksi ennustusele tuginedes sooduspakkumisi rasedate toidulisanditele ja beebikaupadele.
Kuid meist jääb internetti maha palju rohkem tähenduslikke jälgi. Facebookist on võimalik meie kohta teada saada väga palju informatsiooni, analüüsides vaid seda, mida oleme pidanud meeldivaks.
Äsja ajakirjas PNAS avaldatud uuringus näitlikustavad Cambridge’i ülikooli teadlased Michal Kosinski juhtimisel, et arvuti suudab vaid “meeldib” nupu kasutamise põhjal vägagi edukalt ära arvata Facebooki kasutaja kohta informatsiooni, mida üldiselt peetakse delikaatseks: seksuaalset orientatsiooni, rahvust, sugu, vanust, poliitilisi vaateid, isiksuseomadusi, intelligentsust, mõnuainete tarvitamist ning isegi seda, kas kasutaja vanemad on lahutatud.
Töö aluseks on uuringus vabatahtlikult osalenud 58 000 Facebooki ameeriklasest kasutaja profiilid, millele lisati samade inimeste poolt täidetud isiksuse- ja intelligentsustestide andmed.
Nende andmete põhjal koostati masinõppe algoritm, mis asus kogutud info põhjal tegema järeldusi kasutajate kohta, kelle kohta oli teada vaid see, milliseid Facebooki sissekandeid nad olid meeldivaks pidanud.
Nii tegi programm 95-protsendilise täpsusega vahet, kas Facebooki kasutaja oli valge- või mustanahaline. 90-protsendilise täpsusega eristas programm mehi ja naisi, hetero- ja geimehi ning vabariiklasi ja demokraate.
Pisut väiksema täpsusastmega oskas see vaid “meeldib” nupu kasutamise põhjal öelda, kas inimene tarvitab narkootikume. Kõige ebatäpsem (vaid 60-protsendil juhtudest õige) oli programmi otsus, kas kasutaja vanemad elasid tema 21-aastaseks saamiseni koos või lahutasid varem.
Isiksuseomaduste testides mõõdetavat avatust suutis arvuti suhtlusvõrgu kasutusmustrite järgi ennustada sama täpselt nagu spetsiaalselt selleks otstarbeks väljatöötatud isiksusetest. Samamoodi klappisid intelligentsustesti tulemused ja masina otsus kasutaja intelligentsuse kohta, mis oli langetatud vaid meeldivusotsuseid analüüsides.
Mis siis olid kõige reetlikumad leheküljed, millele vajutatud “meeldib” põhjal olid masina ennustused kõige täpsemad?
Kõrge IQga Facebooki kasutajad pidasid meeldivaks “Ristiisa” ja “Sõrmuste Isanda” saagasid, heliloojat Mozart, sarkastilist telesarja “The Colbert Report”, neile meeldisid teadusteemalised leheküljed.
Madala IQ tunnusteks olid “meeldib” nupuvajutused Harley Davidsoni, ilutoodete kaupluse Sephora, samuti tele-ja muusikatäht Bret Michaelsi, ansambel Lady Antebellumi ning kommuuni “I Love Being A Mom” lehel.
Isikuomaduste ennustamisel olid avatuse tunnuseks “meeldib”-nupu vajutused Oscar Wilde’i, Leonardo da Vinci, Leonard Coheni ja Charles Bukowski lehekülgedel. Neurootikud pidasid meeldivaks Kurt Cobaini, Addams Familyt ja kommuuni “Sometimes I Hate Myself” (mõnikord ma vihkan iseennast).
Homoseksuaalsed mehed olid meeldivate sekka lisanud vihkamisvastase kampaania No H8 Campaign, telesarja Glee tegelase Kurt Hummeli, kosmeetikapoe Mac Cosmetics ja muusikali “Wicked”. Suhteliselt täpselt võimaldas geimehi ära tunda ka see, kui meeldivaks peetakse Britney Spearsi või telesarja “Meeleheitel koduperenaised”.
Heteromehe tunnusteks olid räpipunt Wu Tang Clan, filmitäht Bruce Lee, Nike’i kossuketsid ja tossupood Foot Locker.
Suitsetajatele meeldivad ansamblid Slayer, Cradle Of Filth ning kommuun, mille kreedoks on “Suvel on elu parem”. Mittesuitsetajad laikisid Hondat ja Rocky filme.
Facebook on hiljaaegu löönud käed andmeanalüüsifirmadega Epsilon, Acxiom ja Datalogix, eesmärgiga jõuda hiiglasliku suhtlusvõrgu kasutajate käitumise analüüsis uuele tasemele.
Kosinski pakub välja, et kuigi selline isiklikes andmetes kaevamine võib tunduda ebameeldiv, tõuseb sellest teatud olukordades ka kasu, näiteks saab nende andmete abil paremini luua paremaid nutiautosid ning abi võib olla ka karjääri kavandamisel.
