عنوان: شبکههای اجتماعی به کاربران اختیار میدهند: شخصیسازی الگوریتمهای توصیهگر با کمک هوش مصنوعی
خلاصه: پلتفرمهای اجتماعی بزرگ در حال واگذاری بخشهایی از کنترل فیدهای کاربران به خودِ کاربران هستند. بهجای تصمیمگیری صرفاً مبتنی بر الگوریتمهای یکسویه، حالا ابزارهایی برای «شخصیسازی الگوریتم» و تنظیم اولویتها با کمک هوش مصنوعی عرضه شده است که تجربه کاربری را هدفمندتر، شفافتر و قابل کنترلتر میکند.
تحول در سیستمهای توصیهگر
سالها، فیدهای شبکههای اجتماعی مانند یک کانال تلویزیونی یکنواخت عمل میکردند: الگوریتم تصمیم میگرفت چه محتواهایی نشان داده شود و کاربران فقط میتوانستند حسابی را فالو، پست را لایک یا مخفی کنند. اما اکنون روندِ طراحی سیستمهای توصیهگر تغییر کرده و به سمت الگوریتمهای قابل تنظیم حرکت میکند؛ دقیقا همانطور که سرویسهای پخش جریانی به کاربران امکان تنظیم سلیقه محتوایی را میدهند. این تغییر حاصل ترکیب الگوریتمهای توصیهگر سنتی با امکانات جدید هوش مصنوعی و مدلهای زبان بزرگ است که شفافیت و قابلیت تعامل بیشتری فراهم میکنند.
چه پلتفرمهایی امکانات شخصیسازی ارائه کردهاند؟
– Threads (16 ژوئن 2026): Threads پس از معرفی ابزار «Dear Algo» در فوریه، ویژگی جدید «Your Algo» را راهاندازی کرد. در حالی که «Dear Algo» کاربران را تشویق میکرد با پستهای عمومی (مثلاً «Dear Algo، میخواهم پستهای مربوط به پادکست ببینم») اولویتهای خود را اعلام کنند، «Your Algo» این امکان را به شکل خصوصی و بدون نیاز به انتشار عمومی فراهم میسازد. کاربران میتوانند موضوعات مورد علاقه یا نامطلوب را مشخص کرده و مدت زمان اعمال تغییر را (یک، سه یا هفت روز) انتخاب کنند — برای مثال، «نمایش بیشتر محتوای بیسبال و کمتر اخبار استرسزا».
-
اینستاگرام (اوایل ژوئن 2026): اینستاگرام ابزار «Your Algorithm» را که پیشتر برای ریلز از دسامبر 2025 عرضه شده بود، به فید، اکسپلور و ریلز توسعه داد. کاربر پس از ورود به تنظیمات میتواند فهرستی از موضوعاتی را ببیند که اینستاگرام فرض میکند برای او مهم است و بهراحتی علاقهمندیها را افزایش یا کاهش دهد تا توصیهها با سلیقه واقعی او تطبیق پیدا کند. آدام موسری، رئیس اینستاگرام، اشاره کرده که مدلهای رتبهبندی سابق اغلب برای کاربران شفاف نبودند؛ اما مدلهای زبان بزرگ (LLM) میتوانند با توضیح دلایل نمایش محتوا و دریافت خواستههای صریح کاربران، شفافیت و فهمپذیری سیستمهای توصیهگر را افزایش دهند.
-
تیکتاک (از 2024 و توسعه در 2025): تیکتاک با ابزار «Manage Topics» به کاربران امکان میدهد موضوعات مختلف (مانند ورزش، سفر، طنز، اخبار و غذا) را با استفاده از یک اسلایدر کم یا زیاد کنند تا تاثیر آن روی فید «For You» تنظیم شود. دکمهٔ اطلاعات کنار هر موضوع، مثالهایی از محتوای شامل آن دسته را نشان میدهد (برای نمونه، «هنرهای خلاق» شامل نقاشی، طراحی گرافیک و آموزشهای مرتبط است). در 2025، تیکتاک فیلترهای هوشمند مبتنی بر هوش مصنوعی را اضافه کرد که بهطور خودکار کلمات کلیدی مرتبط و مترادفها را نیز فیلتر میکنند؛ مثلاً فیلتر کردن «بازسازی» بهطور خودکار «نوسازی» را هم محدود میکند.
مزایا و پیامدها
– تجربه شخصیتر و مرتبطتر: کاربران فیدهایی دریافت میکنند که بهتر با علایق لحظهای و بلندمدت آنها هماهنگ است و زمان صرفشده برای دیدن محتوای نامرتبط کاهش مییابد.
– افزایش تعامل برای پلتفرمها: نشان دادن محتوای مرتبطتر معمولاً منجر به افزایش بازدید، تعامل و احتمال حضور ماندگارتر کاربر در اپ میشود.
– شفافیت و کنترل: امکان مشاهده و تغییر موضوعات و دلایل نمایش محتوا، اعتماد کاربران را افزایش میدهد و حس کنترل بر تجربهشان را تقویت میکند.
– ریسکها و چالشها: شخصیسازی بیش از حد میتواند به حبابهای اطلاعاتی (filter bubbles) منجر شود که دید کاربر را نسبت به دیدگاههای متنوع محدود میکند. همچنین جمعآوری تنظیمات و دادههای بیشتر پرسشهایی درباره حریم خصوصی و استفاده احتمالی از دادهها ایجاد میکند. از طرفی، کیفیت پیادهسازی هوش مصنوعی و روشهای شفافسازی اهمیت زیادی دارد تا سوءبرداشت یا تبعیضهای ناخواسته رخ ندهد.
نتیجهگیری
حرکت شبکههای اجتماعی به سمت ابزارهای شخصیسازی الگوریتمی، گامی مهم در بازپسگیری کنترل تجربه دیجیتال توسط کاربر است. این روند، متکی بر توانمندسازی از طریق هوش مصنوعی و مدلهای زبان بزرگ، میتواند تجربه کاربری را بهبود بخشد و همزمان چالشهای جدیدی در حوزه حریم خصوصی و تنوع محتوا مطرح کند. کاربران و توسعهدهندگان هر دو باید با دقت مزایا و مخاطرات این ابزارها را بسنجند تا شخصیسازی واقعاً به نفع تجربه کاربری و سلامت اکوسیستم اطلاعات باشد.