لینکدین و جنجال الگوریتم مردانهاش
در هفتههای اخیر لینکدین بیش از آنکه بهعنوان یک شبکه حرفهای برای ارتباطات شغلی مطرح باشد به کانون یک بحث جدی درباره الگوریتم، عدالت و سوگیری تبدیل شده است. ماجرا از جایی آغاز شد که گروهی از کاربران حرفهای این پلتفرم متوجه افت محسوس در سطح دیده شدن پستهای خود شدند؛ افتی که نه به کیفیت محتوا مربوط میشد و نه به کاهش فعالیت، بلکه به نظر میرسید ریشه در تغییرات تازه الگوریتمی داشته باشد.
به گزارش تککرانچ، جرقه اصلی این بحث زمانی زده شد که چند کاربر زن در قالب یک آزمایش غیررسمی جنسیت پروفایل خود را از زن به مرد تغییر دادند. نتیجه برای بسیاری از آنها غافلگیرکننده بود؛ افزایش ناگهانی تعداد نمایش پستها، رشد تعاملات و بازگشت محتوا به فید مخاطبان. یکی از این کاربران که استراتژیست محصول است توضیح داده است که با وجود بیش از ۱۰ هزار دنبالکننده، پستهایش تقریبا همان میزان نمایش را ثبت میکند که پستهای همسرش با حدود ۲ هزار دنبالکننده. اما پس از تغییر جنسیت پروفایل سطح دیدهشدن محتوا بهطور محسوسی افزایش یافت.
این تجربه بهسرعت در لینکدین و دیگر شبکههای اجتماعی بازنشر شد و کاربران بیشتری نتایج مشابهی گزارش کردند. برخی از آنها از افزایش بیش از ۲۰۰ درصدی تعداد نمایش پستها در مدت کوتاه سخن گفتند. هشتگهایی که حول این موضوع شکل گرفت تنها بیان یک نارضایتی فردی نبود؛ بلکه نشانهای از بحران اعتماد به الگوریتم یکی از مهمترین شبکههای حرفهای جهان محسوب میشد.
در پسزمینه این ماجرا یک تغییر فنی مهم قرار دارد. لینکدین در ماههای اخیر اعلام کرده بود که الگوریتمهای رتبهبندی محتوا را با استفاده از مدلهای زبانی بزرگ و سیستمهای پیشرفته هوش مصنوعی بهروزرسانی کرده است. هدف رسمی این تغییر نمایش محتوای مفیدتر و مرتبطتر به کاربران عنوان شد. اما در عمل بسیاری از تولیدکنندگان محتوا معتقدند این تغییرات باعث کاهش چشمگیر میزان دیدهشدن پستها شده است.
لینکدین در واکنش به این انتقادات هرگونه تبعیض جنسیتی در الگوریتم را رد کرده است. سخنگوی این شرکت تاکید کرده که سیستمهای توصیهگر لینکدین از دادههای جمعیتشناختی مانند جنسیت، سن یا نژاد برای تصمیمگیری درباره میزان نمایش محتوا استفاده نمیکنند. به گفته این شرکت الگوریتم بر پایه صدها سیگنال رفتاری از جمله میزان تعامل، ارتباط حرفهای کاربران و مرتبط بودن محتوا با علایق مخاطب عمل میکند و اطلاعات جمعیتشناختی صرفا برای آزمونهای داخلی و ارزیابی عدالت سیستم به کار میرود.
با این حال متخصصان حوزه داده و اخلاق هوش مصنوعی معتقدند نبود استفاده مستقیم از جنسیت لزوما به معنای نبود سوگیری نیست. الگوریتمهای مبتنی بر مدلهای زبانی بزرگ بر اساس دادههایی آموزش میبینند که بازتابدهنده ساختارهای اجتماعی موجود هستند. اگر در این دادهها الگوهای گفتاری مردانه بیشتر دیده شده یا بهعنوان حرفهایتر تفسیر شده باشند الگوریتم میتواند بهطور غیرمستقیم همان سوگیری را بازتولید کند؛ سوگیری که در نهایت خود را در تفاوت سطح دیده شدن محتوا نشان میدهد.
از نگاه این کارشناسان، مساله اصلی نه یک خطای ساده فنی، بلکه پیچیدگی و شفافنبودن سازوکار تصمیمگیری الگوریتمها است. در پلتفرمی مانند لینکدین، دیدهشدن محتوا صرفا یک شاخص آماری نیست؛ بلکه مستقیما با فرصتهای شغلی، برند شخصی، جذب مشتری و حتی درآمد کاربران گره خورده است. به همین دلیل، هر تغییری که به کاهش تعداد نمایش پستها منجر شود، میتواند پیامدهای اقتصادی واقعی برای گروهی از کاربران داشته باشد.
بهویژه برای زنان و گروههایی که پیشتر نیز در فضای حرفهای با موانع ساختاری روبهرو بودهاند، این موضوع حساسیت دوچندانی پیدا میکند. حتی اگر تبعیضی عامدانه در کار نباشد، نتیجه نهایی میتواند نابرابری در دیدهشدن و دسترسی به فرصتها باشد.
در نهایت، ماجرای الگوریتم لینکدین بار دیگر این پرسش کلیدی را مطرح میکند: پلتفرمهای مبتنی بر هوش مصنوعی تا چه اندازه باید درباره منطق تصمیمگیری خود شفاف باشند؟ در عصری که الگوریتمها نقش واسطه میان افراد و فرصتهای حرفهای را بازی میکنند، مطالبه شفافیت، پاسخگویی و عدالت، دیگر یک دغدغه حاشیهای نیست؛ بلکه به یکی از محورهای اصلی اعتماد کاربران تبدیل شده است.