Bạn nghĩ gì về Community Notes?
(archive.md)- Community Notes là một công cụ kiểm chứng thông tin bổ sung ngữ cảnh cho tweet để đính chính thông tin sai lệch; lần đầu được giới thiệu vào tháng 1/2021 dưới dạng thử nghiệm Birdwatch rồi dần được mở rộng
- Không phải do một nhóm chuyên gia, mà bất kỳ ai cũng có thể viết và bỏ phiếu; việc ghi chú nào được hiển thị hoàn toàn do thuật toán mã nguồn mở quyết định
- Điểm cốt lõi không phải là trung bình đơn giản mà là ưu tiên những ghi chú đồng thời nhận được đánh giá tích cực từ người dùng có quan điểm đa dạng, nên các ghi chú đạt được đồng thuận vượt qua ranh giới phe phái sẽ có điểm cao
- Trục chính trị tả-hữu không bị hardcode mà được phát hiện một cách emergent từ phân tích người dùng và ghi chú; có thể tải dữ liệu và mã về để tự kiểm chứng kết quả
- Mục tiêu không phải sửa mọi tweet sai lệch, mà là một công cụ mang tính giáo dục nhắc người dùng nhớ rằng luôn tồn tại nhiều góc nhìn, và nhờ đó tiến gần tới lý tưởng "credible neutrality"
Bối cảnh: một tính năng lớn lên giữa biến động dữ dội của Twitter X
- Trong 2 năm qua, sau thương vụ Elon Musk mua lại Twitter với giá 44 tỷ USD, nền tảng này đã trải qua những thay đổi lớn trên toàn diện về nhân sự, kiểm duyệt nội dung và mô hình kinh doanh
- Ở chính giữa những thay đổi gây tranh cãi đó, một tính năng mới đã nhanh chóng trở nên quan trọng và được đánh giá cao bất kể khuynh hướng chính trị
- Thời điểm mua lại trùng với giai đoạn mở rộng mạnh nhất
- Nó thường xuất hiện trên các tweet tiếp cận lượng lớn khán giả, đặc biệt là các chủ đề nhạy cảm về chính trị
- Khi một ghi chú được gắn vào, đánh giá rằng nó hữu ích và có giá trị được chia sẻ giữa những người có xu hướng chính trị khác nhau
- Dù không phải một "dự án crypto", đây vẫn được xem là ví dụ trong thế giới mainstream gần nhất với "crypto values"
- Không phải chuyên gia do trung tâm chỉ định, mà ai cũng có thể viết và bỏ phiếu
- Việc có được hiển thị hay không hoàn toàn do thuật toán mã nguồn mở quyết định
Cách thuật toán Community Notes vận hành
-
Bất kỳ tài khoản Twitter nào đáp ứng một số điều kiện nhất định (hoạt động trên 6 tháng, không có vi phạm quy định gần đây, xác minh số điện thoại) đều có thể đăng ký tham gia
- Hiện tại việc phê duyệt vẫn diễn ra chậm và ngẫu nhiên, nhưng kế hoạch cuối cùng là cho phép toàn bộ tài khoản đủ điều kiện tham gia
- Ban đầu chỉ có thể đánh giá các ghi chú sẵn có, và nếu tích lũy đủ đánh giá tốt thì sẽ được tự viết ghi chú
-
Các ghi chú sau khi được viết sẽ nhận điểm dựa trên đánh giá từ những người tham gia khác
- Đánh giá là thang 3 mức
HELPFUL,SOMEWHAT_HELPFUL,NOT_HELPFUL, kèm thêm các thẻ bổ sung - Nếu điểm lớn hơn 0.40 thì ghi chú được hiển thị, nếu không thì không hiển thị
- Đánh giá là thang 3 mức
-
Tính độc đáo trong cách tính điểm
- Không phải cộng hay lấy trung bình đơn giản, mà thuật toán ưu tiên rõ ràng những ghi chú được đánh giá tích cực từ những người có quan điểm khác nhau
- Nếu những người vốn thường bất đồng trong đánh giá lại cùng đồng ý về một ghi chú nào đó, ghi chú ấy sẽ nhận điểm đặc biệt cao
- Tạo một ma trận người dùng × ghi chú M, trong đó mỗi ô Mi,j biểu diễn người dùng thứ i đã đánh giá ghi chú thứ j như thế nào
- Đa số người dùng không đánh giá đa số ghi chú nên phần lớn ma trận là 0, nhưng điều đó không thành vấn đề
- Dùng mô hình 4 cột để dự đoán ma trận, trong đó người dùng có "friendliness" và "polarity", còn ghi chú có "helpfulness" và "polarity"
- Không phải cộng hay lấy trung bình đơn giản, mà thuật toán ưu tiên rõ ràng những ghi chú được đánh giá tích cực từ những người có quan điểm khác nhau
-
Ý nghĩa của các biến
- μ là tham số "bầu không khí chung của công chúng" phản ánh xu hướng người dùng nói chung chấm điểm cao tới mức nào
- iu là xu hướng một người dùng cụ thể thường chấm điểm cao hơn (friendliness)
- in là xu hướng một ghi chú cụ thể được đánh giá cao hơn (helpfulness), và đây là biến cuối cùng được quan tâm nhất
- fu/fn là vị trí trên trục chi phối của phân cực chính trị (polarity), trong đó số âm gần với cánh tả, số dương gần với cánh hữu
- Tuy nhiên, khái niệm tả-hữu không bị hardcode mà được phát hiện emergent từ quá trình phân tích
-
Ý tưởng cốt lõi
- Tối ưu dự đoán ma trận bằng gradient descent tiêu chuẩn, và độ hữu ích gán cho ghi chú chính là điểm cuối cùng
- Thành phần polarity hấp thụ những thuộc tính chỉ hấp dẫn một bộ phận, còn thành phần helpfulness chỉ đo những thuộc tính được mọi người cùng đánh giá tích cực
- Vì vậy việc chọn theo helpfulness sẽ nhận diện được sự tán thành vượt qua phe phái, đồng thời loại bỏ các ghi chú chỉ được một phe hoan nghênh
-
Các cơ chế bổ sung được chồng lên trên lõi thuật toán
- Bổ sung ngẫu nhiên các "phiếu bầu tương tự" cực đoan rồi chạy nhiều lần, sau đó đối chiếu cận dưới của khoảng tin cậy với ngưỡng 0.32
- Nếu nhiều người dùng có polarity tương tự cùng gắn
Not Helpfulvới một thẻ giống nhau (như "cách diễn đạt gây tranh cãi hoặc thiên lệch", "nguồn không hỗ trợ cho ghi chú"), ngưỡng đăng sẽ tăng từ 0.4 lên 0.5 (trên thực tế là thay đổi rất lớn) - Sau khi một ghi chú đã được chấp thuận, muốn bị gỡ xuống thì helpfulness của nó phải giảm xuống thấp hơn 0.01 điểm so với ngưỡng phê duyệt
- Thuật toán còn chạy thêm rất nhiều lần với đa mô hình, nên những ghi chú ban đầu có điểm từ 0.3 đến 0.4 đôi khi vẫn được đẩy lên
- Kết quả là 6.282 dòng mã Python phức tạp trải trên 22 tệp, tất cả đều được công khai để ai cũng có thể tự chạy và kiểm chứng
Cách nó vận hành trong thực tế
-
Khái niệm quan trọng nhất giúp phân biệt với việc lấy trung bình đơn giản là giá trị polarity, dùng chữ f trong factor vì đó là hai hạng tử được nhân với nhau (fu, fn)
- Polarity được gán cho cả người dùng lẫn ghi chú; liên kết giữa user ID và tài khoản thực được giữ kín có chủ đích, còn polarity của ghi chú thì được công khai
- Trong bộ dữ liệu tiếng Anh, polarity tương ứng rất gần với phổ chính trị tả-hữu
-
Ví dụ ghi chú quanh mức polarity -0.8
- Nội dung cho rằng các nghị sĩ bảo thủ Colorado như Lauren Boebert đã khuếch đại luận điệu chống người chuyển giới (-0.800)
- Nội dung cho rằng Trump đã công khai làm xói mòn niềm tin của người Mỹ vào kết quả bầu cử trước cuộc bầu cử năm 2020 (-0.825)
- Nội dung cho rằng cuộc bầu cử năm 2020 là tự do và công bằng (-0.818)
- Ba mục trên không phải chọn ngẫu nhiên mà là ba dòng đầu tiên có polarity (
coreNoteFactor1) nhỏ hơn -0.8 khi chạy cục bộ
-
Ví dụ ghi chú quanh mức polarity +0.8
- Đa số liên quan đến chính trị Brazil bằng tiếng Bồ Đào Nha hoặc phản bác chỉ trích Tesla nên chỉ chọn ra một số ví dụ
- Nội dung cho rằng vào năm 2021, 64% trẻ em "da đen" sống trong gia đình đơn thân (+0.809)
- Nội dung cho rằng nạn buôn người trẻ em là vấn đề có thật và nghiêm trọng, và Operation Underground Railroad đang đối phó với nó (+0.840)
- Nội dung cho rằng sách thiếu nhi LGBTQ+ bị cấm là khiêu dâm và không được bảo vệ theo quyền tự do ngôn luận trong hiến pháp (+0.806)
- Vì sự phân cực tả-hữu không bị hardcode mà được phát hiện emergent, khi áp dụng sang nền văn hóa khác, hệ thống cũng có thể tự động phát hiện và liên kết với các rạn nứt chính trị chủ đạo của xã hội đó
-
Những ghi chú có helpfulness cao nhất
- Chúng thực sự được hiển thị trên Twitter và có thể tự chụp màn hình xác nhận
- Ví dụ thứ hai trực diện hơn với chủ đề đảng phái, nhưng vẫn được đánh giá cao vì rõ ràng, chất lượng tốt và hữu ích
- Có vẻ như thuật toán đang hoạt động, và khả năng xác minh đầu ra bằng cách chạy mã cũng đang hoạt động đúng như mong đợi
Đánh giá về thuật toán
-
Điều gây ấn tượng nhất trong phân tích này là độ phức tạp: tồn tại cả phiên bản trong bài báo học thuật (gradient descent cho phương trình vector-ma trận 5 hạng tử) lẫn phiên bản triển khai thực tế với nhiều hệ số tùy ý
- Ngay cả phiên bản học thuật cũng che giấu sự phức tạp bên trong: do hạng bậc hai fu∗fn và hàm chi phí sai số bình phương, đây là một phương trình bậc bốn
- Phương trình bậc bốn có thể có nhiều nghiệm, nên gradient descent mỗi lần có thể đi tới một đáp án khác nhau
- Những thay đổi nhỏ ở đầu vào có thể lật từ cực tiểu cục bộ này sang cực tiểu cục bộ khác và làm thay đổi mạnh đầu ra
-
Thuật toán của nhà kinh tế vs thuật toán của kỹ sư
- So với những thứ như quadratic funding, sự khác biệt tạo cảm giác như ranh giới giữa thuật toán của nhà kinh tế và thuật toán của kỹ sư
- Thuật toán của nhà kinh tế: đơn giản, dễ phân tích, có thể chứng minh các tính chất toán học về tính tối ưu và giới hạn thiệt hại khi bị khai thác, không sụp đổ hoàn toàn trong những tình huống bất ngờ
- Thuật toán của kỹ sư: sản phẩm của quá trình thử sai lặp đi lặp lại, thực dụng và làm được việc
- "theorycel aesthetic" của crypto là thứ cần thiết để phân biệt giữa những giao thức thực sự không cần niềm tin với những cấu trúc trông có vẻ ổn nhưng bên trong vẫn phải tin vào một thực thể tập trung hoặc chỉ là lừa đảo
- Deep learning thì khi hoạt động sẽ hoạt động, nhưng lại dễ tổn thương trước các cuộc tấn công adversarial machine learning; vì vậy một câu hỏi là liệu có thể khiến Community Notes tiến gần hơn tới dạng thuật toán của nhà kinh tế hay không
- So với những thứ như quadratic funding, sự khác biệt tạo cảm giác như ranh giới giữa thuật toán của nhà kinh tế và thuật toán của kỹ sư
-
Trường hợp pairwise-bounded quadratic funding
- Đây là một thiết kế nhằm bịt lỗ hổng của quadratic funding thông thường, nơi chỉ cần hai người tham gia thông đồng là có thể rút cạn cả quỹ vào một dự án giả
- Với mỗi cặp người tham gia sẽ được cấp một ngân sách giới hạn M; khoản trợ cấp cho dự án được cả A và B cùng ủng hộ sẽ bị trừ vào ngân sách của cặp (A,B) đó
- Ngay cả khi có k người thông đồng, số tiền tối đa chiếm đoạt được cũng bị giới hạn ở k∗(k−1)∗M
- Tuy nhiên trong Community Notes, số phiếu mỗi người dùng bỏ là rất ít nên hai người dùng thường hầu như không có phiếu chung, vì vậy không thể áp dụng y nguyên
- Mục tiêu của mô hình machine learning chính là điền đầy ma trận từ dữ liệu thưa, và nếu muốn kết quả không trở nên bất ổn trước một lượng nhỏ phiếu xấu thì sẽ cần thêm nhiều nỗ lực
-
Community Notes có thực sự làm giảm phân cực không
- Cả cách bỏ phiếu ngây thơ cũng phần nào làm giảm phân cực (một bài có 200 người ủng hộ và 100 người phản đối sẽ thấp hơn một bài có 200 người ủng hộ và không ai phản đối)
- Xét ở mức trừu tượng thì khó đánh giá, nên đã tự chạy một triển khai đơn giản hóa trong 100 vòng
- Nhóm 1 (tốt): 0.300, nhóm 2 (tốt nhưng phân cực hơn): 0.217, nhóm 3 (trung lập): 0.094, nhóm 4 (xấu): -0.152
- "Tốt" nghĩa là cùng phe +2, phe đối lập +0; còn "tốt nhưng phân cực hơn" là +4, -2 nên có cùng trung bình nhưng độ phân cực khác
- Trên thực tế, ghi chú "tốt" có helpfulness trung bình cao hơn ghi chú "tốt nhưng phân cực hơn"
- Càng tiến gần tới kiểu thuật toán của nhà kinh tế thì càng có lợi thế là nguyên lý phạt phân cực được giải thích rõ ràng hơn
Tính hữu ích trong các tình huống rủi ro cao
-
Khoảng một tháng trước, Ian Bremmer đã nêu vấn đề rằng một ghi chú chỉ trích gắn vào tweet của quan chức chính phủ Trung Quốc đã bị xóa
- Khác với những thử nghiệm nhỏ trong cộng đồng Ethereum, đây là vấn đề chính trị và địa chính trị ảnh hưởng tới hàng triệu người nên ai cũng sẽ giả định mức ác ý cao nhất
- Vì Elon có nhiều lợi ích kinh doanh tại Trung Quốc nên có cơ sở để dấy lên nghi ngờ về sự can thiệp mang tính tập trung
-
Tự kiểm chứng bằng mã nguồn mở
- Dùng tweet ID gốc
1676157337109946369để tìm dòng ghi chú tương ứng trong dữ liệu tải về và lấy được note ID1676391378815709184 - Tra trong
scored_notes.tsvvànote_status_history.tsvcho thấy trạng thái hiện tại làNEEDS_MORE_RATINGS, còn trước đó làCURRENTLY_RATED_HELPFUL- Điều này cho thấy thuật toán ban đầu đã cho hiển thị ghi chú rồi sau đó gỡ xuống khi điểm giảm, chứ chưa thấy dấu hiệu can thiệp tập trung
- Sắp xếp
ratings-00000.tsvtheo thời gian và xem 50 phiếu đầu tiên thì có 40 phiếuHELPFULvà 9 phiếuNOT_HELPFUL- Khán giả ban đầu thiện cảm hơn khán giả về sau, nên điểm lúc đầu cao rồi sau đó giảm xuống
- Diễn biến thay đổi trạng thái không phải chỉ vì vượt ngưỡng đơn giản, mà vì nhiều phiếu
NOT_HELPFULđã kích hoạt điều kiện outlier làm tăng mức helpfulness cần thiết- Nếu một thuật toán trung lập đáng tin thực sự muốn được tin tưởng, nó cần giữ được sự đơn giản và phải có lời giải thích đơn giản, rõ ràng cho các thay đổi trạng thái
- Dùng tweet ID gốc
-
Mức độ dễ tổn thương trước brigading
- Những người ghét một ghi chú có thể huy động một cộng đồng hoạt động mạnh hoặc nhiều tài khoản giả để dồn phiếu
NOT_HELPFUL, tức brigading- Có thể không cần quá nhiều phiếu để kéo một ghi chú từ trạng thái "hữu ích" xuống thành "phân cực"
- Một đề xuất cải tiến là không cho phép mọi người tùy ý bỏ phiếu cho bất kỳ ghi chú nào, mà thay vào đó phân ghi chú ngẫu nhiên qua feed "For you" để người dùng chỉ đánh giá các ghi chú được giao
- Những người ghét một ghi chú có thể huy động một cộng đồng hoạt động mạnh hoặc nhiều tài khoản giả để dồn phiếu
-
Community Notes có chưa đủ "can đảm" không
- Phê bình chính là nó làm chưa đủ nhiều, và hai bài báo gần đây cũng nêu đúng điểm đó
- Để một ghi chú được công khai, cần có đồng thuận ý thức hệ trên toàn phổ chính trị; trong môi trường ngày càng đảng phái, gần như không thể có "đồng thuận lưỡng đảng về sự thật"
- Dù vậy, quan điểm ở đây là thà bỏ sót mười tweet sai còn hơn gắn một ghi chú không công bằng
- Kiểu kiểm chứng thông tin "can đảm" theo hướng "chúng ta biết sự thật và một bên nói dối nhiều hơn" cuối cùng sẽ tạo ra sự mất niềm tin rộng khắp vào chính hoạt động fact-check
- Việc xây dựng một thiết chế vượt phe phái mà mọi bên đều phần nào tôn trọng là có giá trị, và như châm ngôn của William Blackstone, một hệ thống muốn giữ được sự tôn trọng phải phạm lỗi do bỏ sót nhiều hơn lỗi do hành động quá tay
- Mục tiêu không phải là gắn ghi chú đính chính cho mọi, hay phần lớn, tweet sai lệch
- Ngay cả khi dưới 1% tweet sai nhận được ghi chú, dịch vụ này vẫn rất có giá trị như một công cụ giáo dục
- Mục tiêu là nhắc người dùng rằng luôn có nhiều góc nhìn, rằng những bài viết trông có vẻ thuyết phục vẫn có thể sai, và có thể tự kiểm tra bằng tìm kiếm trực tiếp
- Đây không phải thuốc chữa bách bệnh cho mọi vấn đề của nhận thức luận công cộng; vẫn còn chỗ cho các cơ chế khác như prediction markets hay các tổ chức có đội ngũ chuyên trách để lấp các khoảng trống
- Phê bình chính là nó làm chưa đủ nhiều, và hai bài báo gần đây cũng nêu đúng điểm đó
Kết luận
- Community Notes là một thử nghiệm mạng xã hội thú vị, đồng thời là một ví dụ thuộc thể loại thiết kế cơ chế mới ưu tiên nhận diện sự phân cực và nối lại các rạn nứt
- Những ví dụ khác cùng nhóm có pairwise quadratic funding dùng trong Gitcoin Grants, và Polis, công cụ thảo luận dùng clustering để tìm ra các phát biểu được hưởng ứng rộng rãi
- Hy vọng sẽ có thêm nhiều nghiên cứu học thuật trong lĩnh vực này
- Tính minh bạch thuật toán của Community Notes không đồng nghĩa với một mạng xã hội hoàn toàn phi tập trung; nếu không đồng ý với thuật toán này, bạn vẫn không có cách nào khác để xem cùng nội dung bằng một thuật toán khác
- Dù vậy, đây có lẽ là hình thức gần nhất mà các ứng dụng siêu quy mô có thể đạt tới trong vài năm tới, và nó đã mang lại giá trị lớn cả ở khía cạnh ngăn can thiệp tập trung lẫn giúp những nền tảng không thao túng được đánh giá đúng mức
1 bình luận
Ý kiến trên Hacker News
Bài viết thú vị. Community Notes trông có vẻ được xây dựng trên một mô hình khá vững chắc về mặt toán học
So với hệ thống bỏ phiếu tán thành/phản đối truyền thống, nó có vẻ ít dễ bị tổn thương hơn nhiều trước hành vi tập thể mang tính thiên lệch, nhưng có lẽ không hoàn toàn miễn nhiễm với kiểu hành vi đó. “Thiên lệch” thay đổi tùy theo góc nhìn của người xem, nên kỳ vọng bất kỳ hệ thống đánh giá nội dung nào hoàn toàn không thiên lệch là điều phi thực tế
Community Notes và tiền mã hóa có điểm chung là “rất mạnh nhờ toán học phức tạp, nhưng hoàn toàn mù mờ với 95% mọi người”. Tuy vậy, so với dung lượng bài viết dành cho mối liên hệ đó thì quan hệ này có vẻ khá yếu. Có lẽ vì Vitalik là người viết blog về tiền mã hóa nên ông điều chỉnh cho phù hợp với độc giả của mình, nhưng dù sao đây vẫn là một bài viết hay
Tôi rất thích Community Notes. Ở Brazil, nó đã được dùng một thời gian để kiểm chứng các bài đăng của những chính trị gia luôn nói dối hoặc cố viết lại lịch sử
Nó giống như một dấu bêu xấu nhỏ gắn vào bài đăng, và cho đến nay dường như được áp dụng với các chính trị gia trên khắp phổ chính trị
“Deep learning so với crypto là sự phân tách rõ rệt giữa rotator và wordcel. Cái trước đi ngược lại gu thẩm mỹ của theorycel nhưng về mặt thực nghiệm lại tạo ra những phép màu phi lý. Cái sau là chuỗi liên tiếp các nerd trap điên rồ và những bậc thang trừu tượng cao vút, nhưng phần lớn là lừa đảo”
Có ai dịch câu đầy meme này sang tiếng Anh được không?
Hơn nữa, với một bài do Vitalik đăng thì cách diễn đạt này trông khá chống tiền mã hóa
Nếu người dùng phổ thông có thể bằng cách kỳ diệu nào đó biết công nghệ tiền mã hóa nào thực sự bổ sung giá trị cho lĩnh vực này và cái nào không, thì toàn bộ hệ sinh thái hẳn đã lành mạnh hơn nhiều
Phần còn lại của câu đó giống một kiểu tự trào hài hước. Chẳng hạn, có vẻ bản thân ông cũng ý thức được những “hang thỏ” nghiên cứu và các trừu tượng toán học mà đội ngũ Ethereum đã sa vào để làm cho staking hoạt động
Nếu Ethereum không nằm trong nhóm dẫn đầu trên mọi sàn giao dịch tiền mã hóa và Vitalik không phải là một nhân vật phần nào nổi tiếng, thì tôi tự hỏi một người quan tâm tiền mã hóa trung bình sẽ khó đến mức nào để phân biệt “nerd trap điên rồ và những bậc thang trừu tượng cao vút” của Ethereum với lừa đảo
“Cái trước đi ngược lại gu thẩm mỹ của theorycel nhưng về mặt thực nghiệm lại tạo ra những phép màu phi lý” nghĩa là với những người chìm sâu trong lý thuyết, deep learning trông như thể sẽ không hoạt động, nhưng dù sao nó vẫn tạo ra kết quả xuất sắc
“Cái sau là chuỗi liên tiếp các nerd trap điên rồ và những bậc thang trừu tượng cao vút, nhưng phần lớn là lừa đảo” nghĩa là tiền mã hóa đầy những bài toán kỹ thuật thú vị, nhưng sản phẩm cuối cùng phần lớn là lừa đảo
Shape rotator là người có thể xoay hình khối trong đầu, tức được dùng như một chỉ báo thay thế cho trí thông minh. Đó là người giỏi toán hoặc STEM nhưng cảm thấy giá trị của mình không được công nhận
Wordcel là người giỏi lời nói hoặc tu từ, nhưng cảm thấy năng lực đó không được công nhận đầy đủ hoặc không giúp ích nhiều cho cuộc sống
Community Notes nhiều khả năng có phần nào những ưu và nhược điểm tương tự Wikipedia
Community Notes không do một nhóm chuyên gia được tuyển chọn tập trung viết hoặc biên tập, mà ai cũng có thể viết và bỏ phiếu. Nó không hoàn hảo, nhưng gần với lý tưởng về tính trung lập đáng tin cậy một cách đáng ngạc nhiên
Nếu đó là mặt tích cực lạc quan, thì nhược điểm là khi một nhóm dân số nhất định bị thu hút hơn vào việc viết các note như vậy, hoặc áp đảo chính Twitter, có thể nảy sinh vấn đề thiên lệch giống như ta thấy ở các chủ đề xã hội và văn hóa trên Wikipedia. Dù kết quả là gì, nó cũng sẽ không phải “tính trung lập đáng tin cậy”
Với Community Notes, ai cũng có thể xem xét và đánh dấu hữu ích/không hữu ích
Một vài Community Notes tôi từng thấy khá tốt. Tôi thích việc chúng cũng có thể gắn vào quảng cáo
Hiện có nhiều quảng cáo trên Twitter được gắn Community Notes, vì quảng cáo nói một đằng còn sản phẩm thực tế lại làm một nẻo
Ngược lại, Community Notes được gắn đúng chỗ, khá giàu thông tin, và trong một số trường hợp còn chi tiết đến mức đáng ngạc nhiên
Community Notes là điều tốt đẹp duy nhất xuất hiện trên X trong toàn bộ chuyện này
Như có người cũng đã ám chỉ trong phần bình luận ở đây, điều này rất giống một phiên bản tinh vi hơn nhiều của cơ chế kiểm duyệt của Slashdot
Đó từng là cơ chế kiểm duyệt trang web mà tôi thích nhất. Việc gắn phán xét meta hay diễn giải cho một thứ gì đó không có cảm giác như một quyền đương nhiên, mà giống một đặc quyền hơn
Tôi nghĩ vấn đề lớn nhất là việc xử lý “tính cực” như một trục duy nhất. Thực tế nhiều chủ đề đúng là được sắp xếp theo cách đó, nhưng những chủ đề không như vậy mới quan trọng
Thật tốt khi thấy nỗ lực hướng tới kiểm duyệt phân tán, nhưng để hiện thực hóa giấc mơ đó thì hiện tại nó vẫn còn quá tập trung
Bài viết nhiều lần cố trấn an độc giả rằng lưỡng phân trái/phải không được hard-code mà xuất hiện một cách “tự phát”, nhưng lại không đi vào chi tiết chuyện đó chính xác diễn ra như thế nào
Việc phân chia trái/phải xuất hiện khiến tôi thấy kỳ lạ. Tại sao lại là trái/phải, chứ không phải dựa trên đức tin/không dựa trên đức tin, chuyên chế/tự do? Có dữ liệu công khai nào để kiểm chứng điều này không, hay ta chỉ phải tin lời tổ chức?
Vì thế, khi nói trái/phải, chúng ta không chỉ đến các giá trị cố định hay chính những giá trị nền tảng. Mọi thứ liên tục dịch chuyển, và thường thay đổi theo cả những cách tự mâu thuẫn. Do đó các thuật ngữ này trở thành cách nói đại diện cho những đường nứt liên tục biến đổi trong xã hội. Theo nghĩa này, nếu lấy mẫu xã hội một cách công bằng thì cuối cùng việc nó bị chia theo các thuật ngữ đó gần như là một phép lặp thừa
Nếu có hệ thống chính trị lưỡng đảng thì đây gần như là kết quả có thể dự đoán được. Vì mỗi đảng cố gắng căn chỉnh với càng nhiều cử tri càng tốt, nên hoàn toàn có thể kỳ vọng ranh giới Cộng hòa/Dân chủ trở thành một mặt cắt “tốt” để chia không gian căn chỉnh
Về cơ bản, thuật toán chủ động tìm trục tính cực “tối ưu” chứa nhiều thông tin nhất về việc người dùng sẽ thấy nội dung nào đáng đồng thuận, còn hệ thống chính trị lưỡng đảng thì ngầm căn chỉnh theo trục đó như một thuộc tính tự phát của sự dịch chuyển trong chính trị đảng phái
http://politics.beasts.org/scripts/eigenvectors
Sẽ rất thú vị nếu lặp lại việc này ngày nay với cùng các câu hỏi hoặc những câu hỏi khác
Twitter cũng là một phần của thế giới thực, nên người dùng có thể đã bước vào với sẵn xu hướng tự gom mình vào các bộ lạc trái/phải, rồi sau đó cơ chế hình thành bong bóng của mạng xã hội có thể đã đẩy nhanh quá trình phân cực
Dữ liệu ghi chú và đánh giá cũng được công khai hằng ngày: https://twitter.com/i/communitynotes/download-data
Bạn chỉ cần tự chạy mã phân rã ma trận trên dữ liệu và tự diễn giải các chiều tiềm ẩn được phát hiện trong kết quả. Và nếu đọc mã, bạn cũng có thể xác nhận rằng thực tế nó không hard-code một phân chia trái/phải cụ thể nào, mà thực hiện phân rã ma trận
Tóm tắt một cách hơi khắt khe thì là thế này: phần lớn mọi người thích Community Notes, và Vitalik muốn tiền mã hóa nhận được một phần thiện cảm đó. Vì tiền mã hóa đang thiếu thiện cảm ấy một cách trầm trọng, nên ông ấy khăng khăng rằng hai thứ có chung một phả hệ triết học hoặc chức năng
Theo tôi thì điều đó vô lý, giống như cố buộc một con bò đã chết vào một con bò còn sống. Dù sao đó cũng là blog của ông ấy nên ông ấy muốn làm gì thì làm
Tôi là người hoàn toàn hoài nghi về tiền mã hóa, nhưng không cảm thấy đoạn nhắc thoáng qua đến tiền mã hóa làm giảm giá trị phần còn lại của bài viết
Phần lớn bài viết hoàn toàn không liên quan gì đến tiền mã hóa
Phân bổ vốn bậc hai tự thân nó cũng thú vị, và không nhất thiết phải dùng tiền mã hóa để triển khai
Blog vitalik.ca nhìn chung bàn về tiền mã hóa và các chủ đề lân cận, vì đó là trọng tâm hiện tại trong nghiên cứu và phát triển của Vitalik. Ông ấy đã viết về tiền mã hóa hơn 10 năm
Nếu ông ấy muốn thu hút sự chú ý tới Community Notes trên blog của mình, nhiều khả năng chủ yếu là vì ông ấy thấy thú vị khi suy nghĩ và viết về nó. Tuy vậy, nếu như một tác dụng phụ tốt đẹp là các nhà phát triển tiền mã hóa lấy cảm hứng từ Community Notes, đặc biệt khi xây dựng mạng xã hội crypto-native, thì chắc ông ấy cũng không ghét điều đó