フィルターバブル

フィルターバブルとは

フィルターバブルは、インターネット上で利用者に届く情報が、仕組みによって本人の興味・関心に合うものへ絞り込まれていく状況を指す言葉です。

総務省の令和5年版情報通信白書は、この状況を次のように説明しています。

> プラットフォーム事業者はユーザーの関心に基づいてコンテンツの推薦アルゴリズムを実施することで、ユーザーがフィルターバブルと呼ばれるような状況に陥るリスクが生じる

この記述の要点は3つです。

• 主体はプラットフォーム事業者です。SNSや動画配信、ニュース配信などのサービスを運営する事業者が当たります。
• 手段は、ユーザーの関心に基づいてコンテンツを推薦するアルゴリズムです。過去に見たものや反応したものから、そのユーザーが好みそうなコンテンツを選んで表示します。
• 結果として、ユーザーがフィルターバブルと呼ばれる状況に陥るリスクが生じる、とされています。

白書の書き方は、推薦アルゴリズムを使えば必ずこの状況になる、というものではありません。陥るリスクが生じる、という表現になっている点に注意してください。

民主主義への影響についての白書の指摘

情報通信白書は、フィルターバブルが社会に及ぼしうる影響についても触れています。

> フィルターバブルとエコーチェンバーにより、インターネット上では意見の多様性が失われ、民主主義の基礎である議論が不可能になるという課題が指摘される

ここで挙げられている懸念は、次のような流れで整理できます。

1. 利用者が自分の関心に合う情報や意見にばかり触れる
2. インターネット上で意見の多様性が失われる
3. 異なる意見を持つ人どうしの議論が成り立ちにくくなる
4. 議論は民主主義の基礎なので、民主主義の土台が揺らぐおそれがある

ただし、白書はこれを課題が指摘される、という形で紹介しています。影響がすでに確定した事実として述べているわけではありません。学ぶときも、そうした懸念が指摘されている、という位置づけで理解しておくのが適切です。

学術研究における知見(アルゴリズムと個人の選択の影響の比較)

フィルターバブルの影響が実際にどの程度あるのかは、実証研究の対象にもなっています。よく知られた研究に、Bakshy、Messing、Adamicの3人が2015年に学術誌Scienceに発表した論文 Exposure to ideologically diverse news and opinion on Facebook があります。

この研究は、Facebookのニュースフィードで、利用者が自分と異なる立場の内容にどの程度触れているかを調べました。ニュースフィードは、アルゴリズムが表示する順番を決める仕組みです。Abstract(要旨)には次のように書かれています。

> We then quantified the extent to which individuals encounter comparatively more or less diverse content while interacting via Facebook's algorithmically ranked News Feed

参考訳は、Facebookのアルゴリズムによってランク付けされたニュースフィードを通じて、個人がどの程度多様な内容に接するかを定量化した、となります。

結論にあたる部分は次のとおりです。

> Compared with algorithmic ranking, individuals' choices played a stronger role in limiting exposure to cross-cutting content.

参考訳は、アルゴリズムによるランキングよりも、個人の選択の方が、対立する視点を持つ内容への接触を制限するうえで強い役割を果たしていた、となります。cross-cutting contentは、自分とは対立する立場のコンテンツという意味です。

本文のsection 1.7には、次の数値が示されています。

> The risk ratio comparing the probability of seeing cross-cutting content relative to ideologically consistent content is 5% for conservatives and 8% for liberals.

参考訳では、対立する立場のコンテンツを見る確率のリスク比は、保守派で5%減、リベラル派で8%減とされています。比べる相手は、自分の立場と一致するコンテンツを見る確率です。

この研究から読み取れることを整理します。

• 対立する立場の内容に触れる機会が減る傾向は、数値として報告されています。
• ただし、報告された減少は保守派で5%、リベラル派で8%です。情報が完全に遮断されるような大きさではありません。
• 対立する内容への接触を狭める要因としては、アルゴリズムによるランキングよりも、利用者自身が何を選んで読むかの方が強く働いていた、と報告されています。

つまり、アルゴリズムが利用者を異なる意見から切り離してしまう、と単純に言い切ることはできません。この研究は特定の時期の特定のサービスを対象にしたものです。そのため、別のサービスや別の時期にも同じ結果になるとは限りません。フィルターバブルは、リスクとして指摘される一方で、効果の大きさについては研究による検証が続いているテーマだと理解しておきましょう。

仕組みの選択が起点か人の選択が起点かという違い(エコーチェンバーとの対比)

フィルターバブルとあわせてよく挙げられる言葉に、エコーチェンバーがあります。前述の情報通信白書も、2つを並べて取り上げています。

エコーチェンバーは、似た意見を持つ人々が自ら集まり、その中でやり取りするうちに同じ意見が響き合って増幅されていく現象を指します。閉じた部屋の中で音が反響する様子にたとえた言葉です。

2つの言葉はどちらも、利用者が触れる意見が偏る状況を表します。違いは、何が起点になっているかにあります。

フィルターバブルは、アルゴリズムという仕組みが情報を選ぶことが起点になっている点で、エコーチェンバーと異なります。

なお、前の節で見たBakshyらの研究は、アルゴリズムと個人の選択のどちらが接触を狭めていたかを比べたものでした。仕組みの選択と人の選択は、現実には同時に働きうるものです。2つの言葉は、影響を見るときにどちらの要因に注目するかを区別するための概念として理解すると整理しやすくなります。

AIとの関わり

フィルターバブルの背景にある推薦アルゴリズム(レコメンドアルゴリズム)は、AI技術の応用の1つです。閲覧や反応の履歴などのデータから利用者の興味を推定し、その興味に合わせてコンテンツを選んで表示します。

この仕組みには、多くの情報の中から利用者に合うものを見つけやすくする利点があります。一方で、利用者の興味に合わせてコンテンツを選ぶという働きそのものが、フィルターバブルと呼ばれる状況の背景にある、と考えられています。

G検定では、AIの社会実装に伴う課題の1つとして、この言葉が扱われます。推薦アルゴリズムを使うと必ず問題が起きる、と捉える必要はありません。情報の多様性にどのような影響を与えうるかという観点を持っておくことが大切です。