Zastanawiasz się, co nowego przeczytać? Zapytaj bibliotekarza. Uzbrojonego w algorytmy

Giganci internetowego świata zbierają mnóstwo informacji na nasz temat. Profilują nas, badają gusta oraz zainteresowania. Oczywiście nie z dobroci serca. Są w tym grube pieniądze. Wchodząc w obszar big data i analizując zachowania użytkowników można nie tylko usprawnić działanie swojej usługi online, ale też zaoferować coś bardzo cennego reklamodawcom. Na szczęście często z analizy tych danych pojawia się też wartość dodana dla użytkownika.

Algorytmy polecające treści i produkty analizują teraz nie tylko zachowanie użytkownika, ale często starają się znaleźć jego internetowego bliźniaka pod względem gustu i zachowań. Dzięki takiemu znajdowaniu zależności oraz składowaniu historii na temat użytkownika predykcje dotyczące tego, co faktycznie może zainteresować użytkownika, są tak trafne. To wszystko już działa i nie jest tylko snem futurysty. Facebook ma swój edgerank i dobiera dla nas najlepsze (w swoim mniemaniu) wiadomości. Istnieje też masa serwisów kurujących treści typowo newsowe, jak np. Flipboard.

Po ocenieniu setek filmów zaufałem poleceniom IMDb.com, a Trakt.tv wie już chyba lepiej ode mnie, jaki następny serial mi się faktycznie spodoba. Netflix bazuje na wypełnianych przez użytkowników szczegółowych ankietach i historii odtworzeń, by zaproponować kolejny film lub serial. Mechanizmy rekomendacji to też jeden z najważniejszych elementów serwisów do streamingu muzyki, takich jak Spotify, Deezer i WiMP. Podobnie działają sklepy infernetowe oferujące podpowiedzi produktów. Algorytmy się różnią zaawansowaniem, ale cel jest ten sam: podpowiedzieć, na co użytkownik powinien zwrócić uwagę - a najlepiej, jakby udało się go zachęcić też od razu do zakupu.

Z rekomendacji Amazonu korzystają użytkownicy na całym świecie. Sam kupiłem tam do tej pory niewiele książek ze względu na brak polskich tytułów, ale te kilka zakupów wystarczyło, żeby system trafnie podpowiadał, co następnego mi się spodoba. Ponieważ Amazon ma za mało wiedzy na temat tego co czytałem do tej pory, trafiają się tam książki, które… dawno już kupiłem i przeczytałem. Mogę jednak określić system Amazonu jako trafny.

W celu zdobycia lepszej i kompleksowej rekomendacji algorytmów połączonych z poleceniami znajomych korzystam za to z Goodreads (kupionego swoją drogą przez… Amazon). Serwis ten na podstawie tego, jak oceniłem przeczytane już książki proponuje kolejne pozycje i nie promuje nachalnie pozycji tylko i wyłącznie do kupienia w największym internetowym supermarkecie świata. Mi to wystarcza i godzę się, że Jeff Bezos wykorzystuje dane, jakie mu w Goodreads na swój temat zostawiam.

Idąc do biblioteki możemy porozmawiać z panią lub panem za ladą, który doradzi jaką następną książkę powinniśmy wziąć do ręki. W dzisiejszych zalatanych czasach mało kto ma na to czas. Dla osób, które nie ufają bezdusznym maszynom przygotowano ciekawą usługę, o której pisał portal fastcoexist.com. To system BookMatch stworzony przez Brooklyn Public Library.

Użytkownik sieci może wygodnie ze swojego fotela zgłosić się do do BookMatch i poprosić o bezpłatną rekomendację książki od zawodowego bibliotekarza. Wystarczy wypełnić krótki formularz, a w odpowiedzi wróci mailem lista pięciu książek, które powinny zainteresować użytkownika.

Usługa cieszy się sporym zainteresowaniem, ale rekomendacje powinny wrócić do użytkownika w przeciągu tygodnia. Użytkownik dostaje w zwrotce spersonalizowaną wiadomość od konkretnego, podpisanego bibliotekarza. Usługa ma charakter osobisty, czuć kontakt z drugim człowiekiem. Idealne rozwiązanie dla osób, które nie chcą “gadać” z algorytmem.

Book Match z brooklińskiej biblioteki nie jest też pierwszą usługą tego typu, a mieszkańcy Stanów Zjednoczonych z innych miast widywali już podobne programy. Możliwe, że coś podobnego działa też u nas w Polsce, ale nie trafiłem (jeszcze) na podobną usługę. Spytałem o to Google na kilka sposobów, ale nie wrócił do mnie żaden sensowny rezultat, a sam nie jestem w grupie docelowej takiej usługi. Wiem jednak, że wiele osób doceni możliwość rozmowy z drugim człowiekiem.

Z poleceniami bibliotekarza mam ten problem, że nawet pracownik biblioteki z wieloletnim doświadczeniem nie przeczytał przecież sam wszystkich książek świata. Trudno oczekiwać też, że jedna osoba będzie w stanie polecić dobrą fantastykę, książkę dokumentalną i poradnik z dziedziny psychologii. Okazuje się, że tak też to nie działa w przypadku Book Match, a bibliotekarze wbrew różnym stereotypom wcale nie są zacofani lub przeciwni komputerom.

Polecenia Book Match to wypadkowa wiedzy i doświadczenia żywego człowieka oraz właśnie… algorytmów. Wielu z bibliotekarzy korzysta z systemów komputerowych w postaci np. NoveList, które pomagają im znaleźć najbardziej relewantne wyniki. Dzięki temu pracownik biblioteki może opierać się na wskazaniach komputerów, ale potem w ostatnim kroku przed wysłaniem informacji do czytelnika samodzielnie ocenić, czy te wyniki są dobre, czy nie.

Jestem dużym zwolennikiem automatyzacji i widzę potencjał w analizach Big Data, ale rekomendacje systemu komputerowego nie bazują na pełnych danych. Za nawet najlepszym silnikiem stoi programista, a nie sztuczna inteligencja - przynajmniej na razie. Nie stawiałbym jednak poleceń Amazonu i Goodreads po przeciwnej stronie barykady do Book Match. Każdy może wybrać rozwiązanie dla siebie lub korzystać z obu jednocześnie. Aktywny użytkownik Goodreads też może przecież pójść ze smartfonem w ręku i Kindle pod pachą do księgarni lub biblioteki, prawda?

*Grafiki pochodzą z serwisu Shutterstock.