Community Notes hakkında ne düşünüyorsunuz?

• Community Notes, tweet’lere bağlam bilgisi ekleyerek yanlış bilgileri düzeltmeye yarayan bir fact-checking aracı; ilk olarak Ocak 2021’de Birdwatch adlı bir pilot olarak tanıtıldıktan sonra kademeli olarak genişletildi
• Uzman bir grup yerine herkesin yazıp oy verebildiği, hangi notların gösterileceğine ise tamamen açık kaynaklı bir algoritmanın karar verdiği bir yapı
• Temel nokta basit ortalama değil; farklı bakış açılarındaki kullanıcılardan aynı anda olumlu değerlendirme alan notlara öncelik veren bir yöntem; kampları aşan uzlaşmaya sahip notlar yüksek puan alıyor
• Sol-sağ siyasi ekseni hard-code edilmemiş; kullanıcı ve not analizinde ortaya çıkan bir örüntü olarak keşfediliyor; veri ve kod indirilerek sonuçlar doğrudan doğrulanabiliyor
• Amaç tüm yanlış tweet’leri düzeltmek değil; çoklu bakış açılarının varlığını hatırlatan eğitici bir araç olarak değer taşıyor ve “güvenilir tarafsızlık (credible neutrality)” idealine yaklaşıyor

---

Arka plan: Twitter X’in çalkantıları içinde büyüyen bir özellik

• Son 2 yılda Elon Musk’ın 44 milyar dolarlık satın almasının ardından Twitter, personel, içerik moderasyonu ve iş modeli genelinde büyük değişimler yaşadı
• Bu tartışmalı değişimlerin ortasında yeni bir özellik hızla önem kazandı ve siyasi eğilimlerden bağımsız olarak övgü aldı
  • Satın alma zamanı ile en hızlı genişleme aşaması çakıştı
  • Büyük kitlelere ulaşan tweet’lerde, özellikle siyasi açıdan hassas konularda sıkça görülüyor
• Bir not eklendiğinde bunun faydalı ve değerli olduğu yönündeki değerlendirme, farklı siyasi eğilimlerden insanlar arasında paylaşılıyor
• Bir “kripto projesi” olmamasına rağmen ana akım dünyada “kripto değerlerine (crypto values)” en çok yaklaşan örnek olarak değerlendiriliyor
  • Merkezi olarak seçilmiş uzmanlar yerine herkes yazıp oy verebiliyor
  • Gösterilip gösterilmeyeceğine tamamen açık kaynaklı algoritma karar veriyor

Community Notes algoritması nasıl çalışıyor?

• Belirli kriterleri karşılayan Twitter hesabı olanlar katılım başvurusu yapabiliyor: en az 6 aydır aktif olmak, yakın zamanda kural ihlali yapmamış olmak, telefon numarası doğrulaması

  • Şu anda rastgele ve yavaş şekilde onay veriliyor; nihai hedef kriterleri karşılayan herkesin kabul edilmesi
  • Başta yalnızca mevcut notları değerlendirmek mümkün; yeterince iyi değerlendirme biriktirildiğinde doğrudan not yazma imkânı açılıyor

• Yazılan notlar diğer katılımcıların incelemelerine göre puan alıyor

  • İncelemeler, ek etiketlerle birlikte HELPFUL, SOMEWHAT_HELPFUL, NOT_HELPFUL şeklinde 3 puanlı ölçek oylaması olarak yapılıyor
  • Puan 0,40’ın üzerindeyse not gösteriliyor, değilse gösterilmiyor

• Puan hesaplamanın özgünlüğü

  • Basit toplam veya ortalama yerine farklı bakış açılarındaki kişilerden olumlu değerlendirme alan notlara açıkça öncelik veriliyor
    • Normalde değerlendirmeleri birbirinden ayrışan kişiler belirli bir notta uzlaşıyorsa, o not özellikle yüksek puan alıyor
  • Kullanıcı×not matrisi M oluşturuluyor; her Mi,j hücresi i’inci kullanıcının j’inci notu nasıl değerlendirdiğini ifade ediyor
    • Kullanıcıların çoğu notların çoğunu değerlendirmediği için matrisin büyük kısmı 0 olsa da bu sorun değil
  • Kullanıcılara “yakınlık (friendliness)”·“kutupsallık (polarity)”, notlara ise “faydalılık (helpfulness)”·“kutupsallık (polarity)” atayan 4 sütunlu bir modelle matris tahmin ediliyor

• Değişkenlerin anlamı

  • μ, kullanıcıların genel olarak ne kadar yüksek puan verdiğini yansıtan “genel kamu havası” parametresi
  • iu, belirli bir kullanıcının yüksek puan verme eğilimi (yakınlık)
  • in, belirli bir notun yüksek değerlendirilme eğilimi (faydalılık); nihai olarak ilgilenilen değişken
  • fu/fn, siyasi kutuplaşmanın baskın eksenindeki konumu (kutupsallık); negatif değer kabaca sola, pozitif değer sağa yakınlığı ifade ediyor
    • Ancak sol-sağ kavramı hard-code edilmiş değil, analizde ortaya çıkan bir örüntü olarak keşfediliyor

• Temel fikir

  • Matris tahmini standart gradient descent ile optimize ediliyor; notlara atanan faydalılık nihai puan oluyor
  • Kutupsallık terimi, yalnızca bazılarına cazip gelen özellikleri absorbe ediyor; faydalılık terimi ise sadece herkese cazip gelen özellikleri ölçüyor
    • Bu nedenle faydalılık seçimi kamplar arası onayı tespit ediyor ve yalnızca bir kampın alkışladığı notları dışarıda bırakıyor

• Temelin üzerine eklenen mekanizmalar

  • Rastgele uç “sözde oylar” eklenerek birkaç kez çalıştırılıyor; bu aralığın alt güven aralığı 0,32 eşiğiyle karşılaştırılıyor
  • Benzer kutupsallıktaki çok sayıda kullanıcı aynı etiketle (“tartışmalı·taraflı ifade”, “kaynak notu desteklemiyor” vb.) Not Helpful verirse yayınlama eşiği 0,4’ten 0,5’e çıkıyor (pratikte çok büyük bir fark)
  • Bir not onaylandıktan sonra kaldırılması için faydalılığının onay eşiğinden 0,01 puan daha aşağı düşmesi gerekiyor
  • Birçok modelle çok daha fazla kez çalıştırılarak, başlangıç puanı 0,3~0,4 arasında olan notlar da yükseltilebiliyor
  • Sonuçta 22 dosyaya yayılmış 6.282 satırlık karmaşık Python kodu ortaya çıkıyor; tamamı açık ve doğrudan çalıştırılıp doğrulanabiliyor

Gerçekte nasıl işliyor?

• Basit ortalamadan ayrışan en önemli kavram kutupsallık (polarity) değeri; çarpılan iki terim (fu, fn) olduğu için factor’ın f’si kullanılıyor

  • Kutupsallık hem kullanıcılara hem notlara atanıyor; kullanıcı ID’leri ile gerçek hesaplar arasındaki bağlantı bilinçli olarak gizli tutulurken notlar açık
  • İngilizce veri kümesinde kutupsallık sol-sağ siyasi spektruma çok yakın şekilde karşılık geliyor

• Kutupsallığı -0,8 civarında olan not örnekleri

  • Lauren Boebert gibi Colorado’lu muhafazakâr vekillerin trans karşıtı söylemi büyüttüğünü belirten içerik (-0,800)
  • Trump’ın 2020 başkanlık seçimi öncesinde Amerikalıların seçim sonucuna güvenini açıkça zedelediğini belirten içerik (-0,825)
  • 2020 başkanlık seçiminin özgür ve adil şekilde yapıldığını belirten içerik (-0,818)
  • Bu üç madde rastgele seçilmiş değil; yerel çalıştırmada kutupsallığı (coreNoteFactor1) -0,8’in altında olan ilk üç satır

• Kutupsallığı +0,8 civarında olan not örnekleri

  • Çoğu Portekizce Brezilya siyaseti veya Tesla eleştirilerine yanıt olduğu için bazıları seçildi
  • 2021 itibarıyla “siyah” çocukların %64’ünün tek ebeveynli hanelerde yaşadığını belirten içerik (+0,809)
  • Çocuk insan ticaretinin gerçek ve büyük bir sorun olduğunu, Operation Underground Railroad’un buna karşı çalıştığını belirten içerik (+0,840)
  • Yasaklanan LGBTQ+ çocuk kitaplarının müstehcen olduğu ve anayasal ifade özgürlüğü kapsamında korunmadığını belirten içerik (+0,806)
  • Sol-sağ ayrımı hard-code edilmemiş, ortaya çıkan bir örüntü olarak keşfedilmiş olduğundan, başka kültürlere uygulandığında o toplumun başlıca siyasi ayrışmasını da otomatik olarak tespit edip ilişkilendirebilir

• Faydalılığı en yüksek notlar

  • Gerçekten Twitter’da gösteriliyor ve doğrudan ekran görüntüsü alınabiliyor
  • İkinci örnek partizan bir konuyu daha doğrudan ele alsa da açık, yüksek kaliteli ve faydalı olduğu için yüksek değerlendiriliyor
  • Algoritmanın çalıştığı; kodu çalıştırarak çıktıları doğrulama imkânının da işlediği görülüyor

Algoritmaya dair değerlendirme

• Analizde en etkileyici nokta karmaşıklık; akademik makale versiyonu (5 öğeli vektör·matris denklemlerinde gradient descent) ve çok sayıda keyfi katsayı içeren gerçek sürüm mevcut

  • Akademik versiyon bile içeride karmaşıklık saklıyor: fu∗fn’nin ikinci dereceden terimi ve kare hata maliyet fonksiyonu nedeniyle dördüncü dereceden denklem
  • Dördüncü dereceden denklemin birden fazla çözümü olabilir; bu yüzden gradient descent her seferinde farklı bir yanıta ulaşabilir
    • Girdideki küçük değişimler yerel minimumlar arasında tersine dönüş yaratarak çıktıyı büyük ölçüde değiştirebilir

• Ekonomistin algoritması vs mühendisin algoritması

  • quadratic funding gibi çalışmalarla fark, ekonomistin algoritması ile mühendisin algoritması ayrımını andırıyor
    • Ekonomistin algoritması: basit, analizi kolay, optimalliği gösteren matematiksel özellikleri ve kötüye kullanımdan doğabilecek zarar sınırlarını kanıtlıyor; beklenmedik durumlarda tamamen çökmüyor
    • Mühendisin algoritması: yinelemeli deneme-yanılmanın ürünü; pratik ve işini yapıyor
  • Kriptonun “teorici estetiği (theorycel aesthetic)”, gerçekten güven gerektirmeyen protokoller ile düzgün görünen ama içeride merkezi aktörlere güvenmeyi gerektiren ya da dolandırıcılık olan yapıları ayırt etmek için gerekli
  • Derin öğrenme çalıştığında çalışır; ancak adversarial machine learning saldırılarına hassastır. Bu yüzden Community Notes’u daha çok ekonomistin algoritmasına yaklaştırmanın mümkün olup olmadığı bir soru

• pairwise-bounded quadratic funding örneği

  • Genel quadratic funding’de yalnızca iki katılımcının bile gizli anlaşmayla sahte bir proje üzerinden tüm havuzu çekebilmesi açığını kapatmaya yönelik bir tasarım
  • Her katılımcı çifti için sınırlı bir M bütçesi atanıyor; A ve B’nin birlikte desteklediği proje teşviki, (A,B) çiftinin bütçesinden düşülüyor
    • k kişi gizli anlaşma yapsa bile ele geçirilebilecek azami miktar k∗(k−1)∗M ile sınırlı
  • Ancak Community Notes’ta kullanıcı başına oy sayısı çok az olduğu için iki kullanıcının ortak oy kullandığı not neredeyse yok; bu yüzden aynen uygulanamaz
    • Makine öğrenimi modelinin hedefi zaten seyrek verilerle matrisi doldurmak; az sayıdaki kötü niyetli oyun sonucu istikrarsızlaştırmaması için ek çaba gerekiyor

• Community Notes gerçekten kutuplaşmayı azaltıyor mu?

  • Naif oylama da bir ölçüde kutuplaşmayı azaltır (200 lehte·100 aleyhte olan bir yazı, yalnızca 200 lehte olan bir yazıdan daha düşük olur)
  • Soyut düzeyde değerlendirmek zor olduğundan basitleştirilmiş bir uygulamayla 100 tur doğrudan çalıştırıldı
    • Grup1 (iyi): 0,300; Grup2 (iyi ama daha kutuplaştırıcı): 0,217; Grup3 (nötr): 0,094; Grup4 (kötü): -0,152
    • “İyi” aynı kamp için +2, karşı kamp için +0; “iyi ama daha kutuplaştırıcı” +4·-2 alıyor; ortalama aynı ama kutupsallık farklı
  • Gerçekten de “iyi” notun ortalama faydalılığı, “iyi ama daha kutuplaştırıcı” nottan daha yüksek çıkıyor
  • Ekonomistin algoritmasına ne kadar yaklaşılırsa, kutuplaşma cezası ilkesine dair açıklama o kadar netleşiyor

Yüksek riskli durumlarda kullanışlılık

• Yaklaşık bir ay önce Ian Bremmer, Çinli hükümet yetkilisinin tweet’ine eklenen eleştirel notun silindiğini gündeme getirdi

  • Ethereum topluluğundaki küçük ölçekli deneylerden farklı olarak milyonlarca kişiyi etkileyen siyasi·jeopolitik bir mesele olduğu için herkes en yüksek düzeyde kötü niyet varsayımı yapıyor
  • Elon’ın Çin’de çok sayıda ticari çıkarı olduğundan merkezi manipülasyon şüphesi doğabilir

• Açık kaynakla doğrudan doğrulama

  • Orijinal tweet ID’si 1676157337109946369 ile indirilen veride ilgili not satırı bulunup not ID’si 1676391378815709184 elde edildi
  • scored_notes.tsv·note_status_history.tsv içinde arandığında mevcut durum NEEDS_MORE_RATINGS, önceki durum ise CURRENTLY_RATED_HELPFUL
    • Algoritma önce notu göstermiş, puanlar düşünce kaldırmış; merkezi müdahale görünmüyor
  • ratings-00000.tsv zaman sırasına göre sıralanıp ilk 50 oya bakıldığında HELPFUL 40 oy, NOT_HELPFUL 9 oy görülüyor
    • İlk kitle sonraki kitleden daha olumlu olduğu için puan başlangıçta yüksekken sonra düşmüş
  • Durum değişiminin nedeni basit eşik geçişi değil; çok sayıdaki NOT_HELPFUL oyunun aykırı değer (outlier) koşulunu tetikleyerek gereken faydalılık puanını yükseltmesi
    • Güvenilir tarafsız bir algoritmanın gerçekten güvenilir olması için basitliğini koruması ve durum değişimlerine sade, net açıklamalar getirmesi gerekiyor

• Brigading zafiyeti

  • Bir nottan hoşlanmayan kişilerin, katılımı yüksek toplulukları veya çok sayıda sahte hesabı seferber ederek NOT_HELPFUL oylarını yığması, yani brigading, mümkün
    • Bir notu “faydalı”dan “kutuplaştırıcı”ya düşürmek için çok fazla oy gerekmeyebilir
  • İyileştirme olarak herkesin istediği nota oy verememesi; notların “For you” akışı üzerinden rastgele atanması ve yalnızca atanmış notların değerlendirilmesi öneriliyor

• Community Notes yeterince “cesur” değil mi?

  • Başlıca eleştiri yeterince şey yapmadığı yönünde; yakın tarihli iki yazı bu noktaya dikkat çekiyor
    • Bir notun kamuya açılması için siyasi spektrum genelinde ideolojik uzlaşma gerekiyor; giderek partizanlaşan bir ortamda “hakikat üzerinde partiler üstü uzlaşma” neredeyse imkânsız
  • Buna rağmen, adaletsiz tek bir nottansa on yanlış tweet’i kaçırmak daha iyidir görüşü savunuluyor
    • “Hakikati biz biliyoruz ve bir taraf daha sık yalan söylüyor” türü cesur fact-checking, sonunda fact-checking’in kendisine yönelik geniş çaplı güvensizlik doğurur
    • Herkesin bir ölçüde saygı duyduğu kamplar üstü bir kurum inşa etmenin değeri var; William Blackstone’un özdeyişi gibi, saygınlığı korumak için sistemin eylem günahlarından çok eylemsizlik günahları işlemesi gerekir
  • Amaç tüm veya çoğu yanlış tweet’e düzeltici not eklemek değil
    • Yanlış tweet’lerin %1’inden azı bile not alsa, eğitici bir araç olarak çok değerli bir hizmet olur
    • Amaç çoklu bakış açılarının varlığını hatırlatmak; ikna edici görünen bir yazının yanlış olabileceğini ve doğrudan aramayla doğrulanabileceğini göstermek
  • Kamusal epistemolojinin tüm sorunlarını çözen sihirli çözüm değil; prediction markets veya uzman kadrolu kurumlar gibi başka mekanizmalar boşlukları doldurabilir

Sonuç

• Community Notes ilginç bir sosyal medya deneyi ve kutuplaşmayı tespit edip ayrışmaları köprülemeyi önceliklendiren yeni bir mekanizma tasarımı türünün örneği
  • Aynı kategorideki diğer örnekler arasında Gitcoin Grants’ta kullanılan pairwise quadratic funding ve kümelendirme yoluyla geniş kabul gören ifadeleri bulmaya yarayan tartışma aracı Polis var
  • Bu alanda daha fazla akademik araştırma çıkması bekleniyor
• Community Notes’un algoritmik şeffaflığı, tamamen merkeziyetsiz sosyal medya anlamına gelmiyor; algoritmayla aynı fikirde olmasanız da aynı içeriği başka bir algoritmayla görmenin yolu yok
  • Yine de önümüzdeki birkaç yıl içinde dev ölçekli uygulamaların ulaşabileceği en yakın biçim bu; hem merkezi manipülasyonu önleme hem de manipülasyon yapmayan platformun hak ettiği itibarı almasını sağlama açısından şimdiden büyük değer sunuyor

[GN⁺]

Hacker News yorumları

• İlginç bir yazı. Community Notes, görünüşe göre matematiksel olarak epey sağlam bir model üzerine kurulmuş
  Mevcut olumlu/olumsuz oy sistemlerine kıyasla taraflı toplu davranışlara çok daha az açık görünüyor, ama böyle davranışlara tamamen bağışık da olmayacaktır. “Taraflılık” bakan kişinin bakış açısına göre değiştiği için herhangi bir içerik değerlendirme sisteminin tamamen tarafsız olmasını beklemek gerçekçi değil
  Community Notes ile kripto paraların ortak noktası şu: “karmaşık matematik sayesinde çok güçlüler ama insanların %95’i için tamamen opaklar.” Yine de yazıda bu bağlantıya ayrılan yere kıyasla aralarındaki ilişki oldukça zayıf görünüyor. Vitalik kripto para blogu yazan biri olduğu için okur kitlesine göre kurgulamış gibi, ama yine de iyi bir yazıydı

  • Kripto parayla bağlantı yalnızca matematikten ibaret değil; algoritmanın açık kaynak doğrulanması ve güvenilir tarafsızlık ilkeleriyle de ilgili

• Community Notes’u gerçekten seviyorum. Brezilya’da bir süredir sürekli yalan söyleyen ya da tarihi yeniden yazmaya çalışan siyasetçilerin paylaşımlarını kontrol etmek için kullanılıyor
  Paylaşıma eklenen küçük bir utanç etiketi gibi hissettiriyor ve şu ana kadar siyasi yelpazenin genelindeki siyasetçilere uygulanıyor gibi görünüyor

  • Böyle siyasetçilerin dezenformasyonu, yani “sahte haberleri” engelleme bahanesiyle her tür bilgi kaynağını düzenlemeye çalışması gerçekten üzücü

• “Derin öğrenme ile kripto para, rotator ile wordcel arasındaki net ayrımdır. İlki theorycel’in estetik duyarlılığına ters düşer ama ampirik olarak akıl almaz mucizeler üretir. İkincisi çılgın nerd trap’ler ve göğe uzanan soyutlama merdivenleri silsilesidir ama çoğunlukla dolandırıcılıktır”
  Bu meme dolu cümleyi İngilizceye çevirebilir misin?
  Üstelik Vitalik’in paylaşması için epey kripto para karşıtı bir ifade gibi görünüyor

  • Kripto para yayınlarının hatırı sayılır bir kısmının dolandırıcılık olduğu neredeyse herkesçe bilinen bir şey; Vitalik de her zaman yalnızca para koparmaya odaklı planlara karşı eleştirel oldu. Vitalik’in projesi olan Ethereum, “shit coin” denen, yalnızca para kazanma amacı taşıyan alternatif kripto paralar yüzünden çok zarar gördü
    Sıradan kullanıcı hangi kripto para teknolojisinin bu alana gerçekten değer kattığını, hangisinin katmadığını sihirli biçimde anlayabilseydi tüm ekosistem çok daha sağlıklı olurdu
    Cümlenin diğer kısmı daha çok eğlenceli bir öz eleştiri gibi. Örneğin staking’i çalıştırmak için Ethereum ekibinin daldığı araştırma tavşan deliklerinin ve matematiksel soyutlamaların kendisi de farkında gibi görünüyor
    Ethereum tüm kripto para borsalarının üst sıralarında olmasaydı ve Vitalik de bir ölçüde tanınan biri olmasaydı, ortalama bir kripto meraklısının Ethereum’un “çılgın nerd trap’lerini ve göğe uzanan soyutlama merdivenlerini” dolandırıcılıktan ayırması ne kadar zor olurdu diye düşünüyorum
  • “Derin öğrenme ile kripto para, rotator ile wordcel arasındaki net ayrımdır” ifadesi kabaca “derin öğrenme ile kripto para, matematik tipi insan ile dil tipi insan arasındaki net ayrımdır” diye görülebilir
    “İlki theorycel’in estetik duyarlılığına ters düşer ama ampirik olarak akıl almaz mucizeler üretir” demek, teoriye gömülmüş insanlara derin öğrenmenin çalışmayacakmış gibi görünmesine rağmen sonuçta harika sonuçlar verdiği anlamına gelir
    “İkincisi çılgın nerd trap’ler ve göğe uzanan soyutlama merdivenleri silsilesidir ama çoğunlukla dolandırıcılıktır” ise kripto paranın ilginç teknik problemlerle dolu olduğu ama çıktılarının çoğunun dolandırıcılık olduğu anlamına gelir
  • Neyse ki bunu açıklayan bir web sitesi var: https://knowyourmeme.com/memes/wordcel-shape-rotator-mathcel
    Shape rotator, zihninde şekilleri döndürebilen kişi; yani zekânın dolaylı bir göstergesi gibi kullanılır. Matematik ya da STEM becerisi iyi olan ama bunun değerinin teslim edilmediğini hisseden kişidir
    Wordcel ise söz veya retorikte iyi olan, ama bu becerisinin yeterince takdir edilmediğini ya da hayatında onu pek ileri taşımadığını hisseden kişidir
  • Anlamı şu: “ChatGPT, zaten inanarak gelenlerin kendini içeriden biri gibi hissetmesini sağlayacak, kolay kandırılmayanları^W^W pardon nefret edenleri ise güvenli mesafenin dışında tutacak biraz jargon üret”

• Community Notes’un Wikipedia’ya benzer bazı artı ve eksileri olması çok muhtemel
  Community Notes, merkezden seçilmiş bir uzman grubu tarafından yazılmıyor ya da kürate edilmiyor; herkes yazabiliyor ve oy verebiliyor. Kusursuz değil ama güvenilir tarafsızlık idealine şaşırtıcı derecede yakın
  Bu iyimser yanıysa, eksi tarafı da belirli demografik gruplar bu notları yazmaya daha fazla ilgi duyduğunda ya da Twitter’ın kendisine hâkim olduğunda, Wikipedia’nın sosyal ve kültürel konularında görülen türden taraflılık sorunlarının ortaya çıkabilmesi. Sonuç ne olursa olsun bu “güvenilir tarafsızlık” olmayacaktır

  • Wikipedia çok daha kötü. Çünkü belirli editörleri belirli sayfa kümeleri, özellikle de siyasetle ilgili sayfalar üzerinde fiilen kurumsallaştırıyor ve düzenlemelerin yalnızca o kişilerin istediği yöne gitmesine yol açıyor
    Community Notes’ta ise herkes inceleme yapıp faydalı/faydasız olarak işaretleyebiliyor
  • Community Notes’un bunu hesaba katıp katmadığını bilmiyorum ama katkıda bulunanların geçmişte nasıl oy verdiğine göre taraflılık ağırlığı verip çıktıyı medyanlaştırırsa, bir tarafın topluca üşüşmesini ya da organize oylamayı engelleyebilir
  • Kullanıcılar Community Notes’u değerlendirebiliyor

• Gördüğüm bazı Community Notes’lar oldukça iyiydi. Reklamlara da eklenebilmesini seviyorum
  Şu anda Twitter’daki birçok reklama Community Notes eklenmiş durumda; çünkü reklam bir şey söylüyor, gerçek ürün ise bambaşka bir şey yapıyor

  • Beklenmedik şekilde epey etkileyiciydi. Bu biçimde ilk gördüğüm şey Instagram’ın doğruluk kontrolüydü; neredeyse anında saçma sapan bir hâle geldiğini hatırlıyorum. Çünkü insanlar bariz şaka paylaşımlarına veya memelere doğruluk kontrolü yazıları bırakıyordu
    Buna karşılık Community Notes doğru yere ekleniyor, epey bilgilendirici ve bazı durumlarda şaşırtıcı derecede ayrıntılı görünüyor
  • Vay, harika. Kullanıcı reklamı görüyor, sonuna kadar izliyor ve üstüne bir de onun hakkında yazı yazıyor; reklamveren açısından rüya gibi bir durum. Eşi benzeri olmayan bir etkileşim

• Community Notes, tüm bu süreçte X’te ortaya çıkan tek iyi şey

  • Community Notes, 2021 Ocak’ta “Birdwatch” adıyla kullanıma sunuldu; yani Musk’ın satın almasından önce de vardı

• Buradaki yorumlarda da birinin ima ettiği gibi, bu Slashdot’ın moderasyon yönteminin çok daha rafine hâline güçlü biçimde benziyor.
  O yöntem, en sevdiğim site moderasyonu biçimiydi. Bir şeye meta düzeyde bir yargı ya da açıklama eklemek doğal bir hak değil, bir ayrıcalık gibi hissettiriyordu.

• En büyük sorun, “kutuplaşmayı” tek bir eksen olarak ele alması bence. Gerçekten de birçok konu bu şekilde hizalanıyor, ama hizalanmayan konular önemli.
  Dağıtık moderasyona yönelik bir çaba görmek güzel, fakat bu hayali gerçekleştirmek için hâlâ fazla merkeziyetçi.

• Yazı, sol/sağ ikiliğinin sabit kodlanmadığına, “kendiliğinden ortaya çıktığına” okuyucuyu ikna etmek için tekrar tekrar uğraşıyor; ama bunun tam olarak nasıl gerçekleştiğine hiç ayrıntılı girmiyor.
  Sol/sağ ayrımının ortaya çıkması garip geliyor. İnanç temelli/inanç temelli olmayan, otoriter/liberal gibi ayrımlar değil de neden özellikle sol-sağ? Bunun doğru olup olmadığını kontrol edebileceğimiz açık veri yok mu; sadece kurumun sözüne mi güvenmemiz gerekiyor?

  • Sol/sağın anlamının zamanla sürekli değiştiğini düşününce bu kolayca açıklanıyor. Örneğin ifade özgürlüğünden yana olan, savaşa karşı çıkan, hegemonyaya karşı olan, fırsat eşitliğini destekleyen ve ırkı dikkate almayan bir toplumu savunan birini nasıl sınıflandırırız? 20 yıl önce tamamen tipik bir liberal olurdu, ama bugün artık öyle değil.
    Dolayısıyla sol-sağ dediğimizde sabit değerleri ya da temel değerlerin kendisini kastetmiyoruz. Her şey sürekli yer değiştiriyor, çoğu zaman kendi içinde çelişkili biçimlerde de değişiyor. Bu yüzden bu terimler, toplum içinde sürekli değişen fay hatlarının yerine geçen ifadeler hâline geliyor. Bu anlamda, toplumu adil biçimde örneklediğinizde sonunda bu terimler doğrultusunda ayrışacağını söylemek neredeyse totolojiye yakın.
  • Görünüşe göre bu ayrım aslında sol/sağ değil. Benim anladığım kadarıyla algoritma, kullanıcıların/notların yüksek boyutlu “hizalanmasını” tek boyutlu bir “kutuplaşmaya” indiriyor ve bu da tesadüfen ABD’deki parti ayrımıyla bir ölçüde örtüşüyor.
    İki partili bir siyasi sistem varsa bu neredeyse beklenebilir bir sonuç. Her parti mümkün olduğunca çok seçmenle hizalanmaya çalıştığı için, Cumhuriyetçi/Demokrat ayrımının hizalanma uzayını bölen “iyi” bir kesit olması gayet beklenir.
    Temelde algoritma, kullanıcıların hangi içeriği kabul edilebilir bulacağına dair en çok bilgiyi taşıyan “en uygun” kutuplaşma eksenini açıkça arıyor; iki partili siyasi sistem de parti siyasetinin hareketiyle ortaya çıkan bir özellik olarak bu eksen boyunca örtük biçimde hizalanıyor.
  • Doğrudan cevap değil ama birkaç yıl önce bir arkadaşım benzer bir deney yapmıştı. Çeşitli tartışmalı soruları toplayıp cevaplara temel bileşen analizi uyguladı. Sonuçta iki eksen çıktı; matematiksel olarak daha fazla eksen var ama geri kalanların önemi düşüktü. En büyük eksen “sol/sağ”a çok benziyordu.
    http://politics.beasts.org/scripts/eigenvectors
    Bugün aynı sorularla ya da farklı sorularla bunu tekrarlamak ilginç olurdu.
  • Kanıt sayılır mı bilmiyorum ama sol/sağ ikiliği gerçek dünyadaki çoğu ülkede de “kendiliğinden ortaya çıktı”. Gördüğümüz tek değişim ekseni bu değil, ama baskın eksenlerden biri.
    Twitter da gerçek dünyanın bir parçası olduğundan, kullanıcılar zaten kendilerini sol/sağ kabilelere bağlama eğilimiyle gelmiş olabilir; sonrasında sosyal medyanın balon oluşturma mekanizması kutuplaşma sürecini hızlandırmış olabilir.
  • Kod açık kaynak: https://github.com/twitter/communitynotes
    Notlar ve değerlendirme verileri de her gün yayımlanıyor: https://twitter.com/i/communitynotes/download-data
    Veriler üzerinde matris ayrıştırma kodunu kendiniz çalıştırıp, sonuçta bulunan gizil boyutları kendiniz yorumlayabilirsiniz. Kodu okuduğunuzda da belirli bir sol/sağ ayrımının gerçekten sabit kodlanmadığını, matris ayrıştırma yaptığını doğrulayabilirsiniz.

• Biraz acımasızca özetlemek gerekirse şöyle: Çoğu insan Community Notes’u seviyor ve Vitalik bu sempati payının bir kısmını kriptonun elde etmesini istiyor. Kripto böyle bir sempatiden çok yoksun olduğu için, ikisinin ortak bir felsefi ya da işlevsel soy ağacına sahip olduğunu iddia ediyor.
  Bence bu mantıklı değil ve ölü bir ineği canlı bir ineğe bağlama girişimi gibi görünüyor. Yine de kendi blogu, istediğini yapabilir.

  • Daha iyi niyetli bakarsak, Vitalik’in matematik/sistemler ile yönetişimin kesiştiği alana entelektüel merakı olduğu ve bu ilginin hem kriptoya hem de bu yazıyı yazmasına yol açtığı söylenebilir.
    Ben tamamen kripto şüphecisiyim, ama kriptodan kısaca bahsedilen kısmın yazının geri kalanının değerini azalttığını hissetmedim.
  • Vitalik yıllardır teknoloji ve ekonomik sistemler üzerine felsefi yazılar yazıyor. Onun, aşırı ayrıntılı bir teknik analiz blog yazısıyla sempati devşirmeye çalışan Makyavelist bir perde arkası aktörü olduğu fikri gülünç derecede isabetsiz.
  • Bu fazla acımasız bir yorum. Kripto destekçisi değilim ama Vitalik bu alanda ilginç bulduğu fikirleri sürekli keşfeden biri ve bu yazı da “ölü ineği canlı ineğe bağlama” girişimi değil, samimi görünüyor.
    Yazının büyük kısmının kriptoyla hiç ilgisi yok.
  • Okurken kriptoyla ilgili kısımları atlayabilirsiniz; buna rağmen yazı faydalı. En azından ben Community Notes’un bu şekilde çalıştığını bilmiyordum.
    İkinci dereceden fonlama da kendi başına ilginç ve uygulamada kripto kullanmak şart değil.
  • Bu alanda çalışan biri olarak görüşüm şu: Vitalik bir düşünce lideri. Kripto geliştiricileri ona büyük saygı duyuyor.
    vitalik.ca’daki blog çoğunlukla kripto ve ona komşu konuları ele alıyor; Vitalik’in Ar-Ge’de şu anda odaklandığı nokta da bu. 10 yılı aşkın süredir kripto hakkında yazıyor.
    Kendi blogunda Community Notes’a dikkat çekmek istiyorsa, bu büyük olasılıkla esasen düşünmekten ve yazmaktan keyif aldığı içindir. Bununla birlikte, iyi bir yan etki olarak kripto geliştiricileri Community Notes’tan, özellikle kripto-yerel sosyal ağlar oluştururken ilham alırsa bundan da rahatsız olmaz.