Apa pendapat Anda tentang Community Notes?

• Community Notes adalah alat pemeriksa fakta yang menambahkan informasi konteks pada tweet untuk mengoreksi misinformasi. Fitur ini pertama kali diperkenalkan pada Januari 2021 sebagai pilot bernama Birdwatch, lalu diperluas secara bertahap
• Bukan kelompok pakar, melainkan siapa saja dapat menulis dan memberi suara, dan note mana yang ditampilkan sepenuhnya ditentukan oleh algoritme open-source
• Intinya bukan rata-rata sederhana, melainkan memprioritaskan note yang mendapat penilaian positif secara bersamaan dari pengguna dengan beragam sudut pandang; note yang disepakati lintas kubu mendapat skor tinggi
• Sumbu politik kiri-kanan tidak di-hardcode, tetapi muncul secara emergen dari analisis pengguna dan note; data serta kode dapat diunduh untuk memverifikasi hasilnya sendiri
• Tujuannya bukan mengoreksi semua tweet palsu, melainkan bernilai sebagai alat edukatif yang mengingatkan adanya banyak sudut pandang, dan mendekati ideal "netralitas yang kredibel (credible neutrality)"

---

Latar belakang: Fitur yang tumbuh di tengah gejolak Twitter X

• Selama dua tahun terakhir, setelah akuisisi senilai 44 miliar dolar oleh Elon Musk, Twitter mengalami perubahan besar di seluruh aspek tenaga kerja, moderasi konten, dan model bisnis
• Di tengah perubahan kontroversial ini, satu fitur baru dengan cepat menjadi penting dan mendapat pujian tanpa memandang kecenderungan politik
  • Waktu akuisisi beririsan dengan fase ekspansi paling drastis
  • Sering muncul pada tweet yang menjangkau audiens besar, terutama pada topik yang sensitif secara politik
• Ketika note ditambahkan, penilaian bahwa itu berguna dan bernilai dibagikan di antara orang-orang dari berbagai kecenderungan politik
• Meski bukan "proyek kripto", fitur ini dinilai sebagai contoh di dunia arus utama yang paling mendekati "nilai-nilai kripto (crypto values)"
  • Bukan pakar yang dipilih secara terpusat, melainkan siapa saja dapat menulis dan memberi suara
  • Penentuan apakah note ditampilkan sepenuhnya ditentukan oleh algoritme open-source

Cara kerja algoritme Community Notes

• Akun Twitter yang memenuhi kriteria tertentu (aktif minimal 6 bulan, tidak ada pelanggaran aturan baru-baru ini, verifikasi nomor telepon) dapat mengajukan partisipasi

  • Saat ini persetujuan dilakukan perlahan secara acak, dengan rencana akhirnya mengizinkan semua yang memenuhi kriteria
  • Pada awalnya hanya bisa menilai note yang ada; setelah mengumpulkan cukup penilaian baik, pengguna dapat menulis note secara langsung

• Note yang ditulis mendapat skor berdasarkan ulasan dari peserta lain

  • Ulasan berupa vote dengan skala 3 poin HELPFUL, SOMEWHAT_HELPFUL, NOT_HELPFUL, ditambah tag tambahan
  • Jika skor lebih dari 0,40, note ditampilkan; jika tidak, tidak ditampilkan

• Keunikan perhitungan skor

  • Bukan jumlah atau rata-rata sederhana, melainkan secara eksplisit memprioritaskan note yang mendapat penilaian positif dari orang-orang dengan sudut pandang berbeda
    • Jika orang-orang yang biasanya berbeda penilaian menyetujui note tertentu, note itu mendapat skor sangat tinggi
  • Membuat matriks pengguna×note M; setiap sel Mi,j merepresentasikan bagaimana pengguna ke-i menilai note ke-j
    • Sebagian besar pengguna tidak menilai sebagian besar note, sehingga mayoritas matriks berisi 0, tetapi itu tidak menjadi masalah
  • Memprediksi matriks dengan model 4 kolom yang memberi pengguna "keramahan (friendliness)"·"polaritas (polarity)", dan memberi note "kegunaan (helpfulness)"·"polaritas (polarity)"

• Makna variabel

  • μ adalah parameter "suasana publik secara umum" yang mencerminkan seberapa tinggi rating yang diberikan pengguna secara keseluruhan
  • iu adalah kecenderungan pengguna tertentu untuk memberi rating tinggi (keramahan)
  • in adalah kecenderungan note tertentu untuk dinilai tinggi (kegunaan), dan merupakan variabel yang pada akhirnya menjadi fokus
  • fu/fn adalah posisi pada sumbu dominan polarisasi politik (polaritas), dengan nilai negatif kira-kira mengarah ke kiri dan positif ke kanan
    • Namun, konsep kiri-kanan tidak di-hardcode, melainkan ditemukan secara emergen dari analisis

• Ide utama

  • Mengoptimalkan prediksi matriks dengan gradient descent standar, dan kegunaan yang diberikan pada note menjadi skor akhir
  • Komponen polaritas menyerap atribut yang hanya disukai sebagian orang, sementara komponen kegunaan hanya mengukur atribut yang disukai semua orang
    • Karena itu, pemilihan berdasarkan kegunaan mengidentifikasi persetujuan lintas kubu dan mengecualikan note yang hanya dielu-elukan satu kubu

• Mekanisme tambahan di atas inti tersebut

  • Menambahkan "vote semu" ekstrem acak lalu menjalankannya beberapa kali, dan membandingkan batas bawah interval kepercayaan dari rentang tersebut dengan ambang 0,32
  • Jika banyak pengguna dengan polaritas serupa memberi Not Helpful dengan tag yang sama (mis. "ungkapan kontroversial/berpihak", "sumber tidak mendukung note"), ambang publikasi naik dari 0,4 menjadi 0,5 (sangat besar dalam praktik)
  • Setelah sebuah note disetujui, untuk dicabut kegunaannya harus turun 0,01 poin lebih rendah dari ambang persetujuan
  • Dijalankan jauh lebih banyak kali dengan banyak model, sehingga note yang skor awalnya berada di antara 0,3~0,4 kadang dipromosikan
  • Hasilnya adalah 6.282 baris kode Python yang kompleks tersebar di 22 file, semuanya terbuka sehingga dapat dijalankan dan diverifikasi sendiri

Bentuk kerja di dunia nyata

• Konsep paling penting yang membedakannya dari rata-rata sederhana adalah nilai polaritas (polarity); karena merupakan dua komponen yang dikalikan (fu, fn), digunakan f dari factor

  • Polaritas diberikan pada pengguna maupun note; hubungan antara ID pengguna dan akun nyata sengaja dirahasiakan, sedangkan note bersifat publik
  • Dalam dataset bahasa Inggris, polaritas berkorelasi sangat dekat dengan spektrum politik kiri-kanan

• Contoh note di sekitar polaritas -0,8

  • Isi yang menyatakan bahwa anggota parlemen konservatif Colorado seperti Lauren Boebert memperkuat retorika anti-trans (-0,800)
  • Isi yang menyatakan bahwa Trump secara eksplisit merusak kepercayaan warga AS terhadap hasil pemilu sebelum Pilpres 2020 (-0,825)
  • Isi yang menyatakan bahwa Pilpres 2020 berlangsung bebas dan adil (-0,818)
  • Tiga item di atas bukan dipilih secara acak, melainkan tiga baris pertama dengan polaritas (coreNoteFactor1) di bawah -0,8 saat dijalankan secara lokal

• Contoh note di sekitar polaritas +0,8

  • Banyak yang terkait politik Brasil berbahasa Portugis atau bantahan atas kritik terhadap Tesla, sehingga sebagian diseleksi
  • Isi yang menyatakan bahwa pada 2021, 64% anak-anak "kulit hitam" tinggal dalam keluarga orang tua tunggal (+0,809)
  • Isi yang menyatakan bahwa perdagangan anak adalah masalah besar yang nyata dan Operation Underground Railroad menanganinya (+0,840)
  • Isi yang menyatakan bahwa buku anak LGBTQ+ yang dilarang bersifat cabul dan tidak dilindungi sebagai kebebasan berekspresi menurut konstitusi (+0,806)
  • Karena pembelahan kiri-kanan ditemukan secara emergen, bukan di-hardcode, jika diterapkan pada budaya lain, pembelahan politik utama masyarakat tersebut juga dapat terdeteksi dan terhubung secara otomatis

• Note dengan kegunaan tertinggi

  • Benar-benar ditampilkan di Twitter dan dapat ditangkap langsung
  • Contoh kedua membahas topik partisan secara lebih langsung, tetapi karena jelas, berkualitas tinggi, dan berguna, ia mendapat penilaian tinggi
  • Algoritmenya tampak bekerja, dan kemampuan untuk memverifikasi output dengan menjalankan kode juga tampak bekerja

Evaluasi terhadap algoritme

• Hal paling mengesankan dalam analisis adalah kompleksitasnya; ada versi makalah akademik (vektor 5 komponen dan gradient descent pada persamaan matriks) serta versi nyata dengan banyak koefisien arbitrer

  • Bahkan versi akademiknya menyembunyikan kompleksitas di dalamnya: karena komponen kuadrat fu∗fn dan fungsi biaya galat kuadrat, ia menjadi persamaan derajat empat
  • Persamaan derajat empat dapat memiliki banyak solusi, sehingga gradient descent bisa mencapai jawaban berbeda setiap kali
    • Perubahan kecil pada input dapat membalik di antara minimum lokal dan mengubah output secara besar

• Algoritme ekonom vs algoritme insinyur

  • Perbedaannya dengan pekerjaan seperti quadratic funding terasa seperti pembedaan antara algoritme ekonom dan algoritme insinyur
    • Algoritme ekonom: sederhana, mudah dianalisis, membuktikan sifat matematis yang menunjukkan optimalitas dan batas kerugian akibat penyalahgunaan, serta tidak runtuh total dalam situasi tak terduga
    • Algoritme insinyur: produk dari coba-coba berulang, praktis, dan menyelesaikan pekerjaan
  • "Estetika theorycel" kripto diperlukan untuk membedakan protokol yang benar-benar tidak membutuhkan kepercayaan dari struktur yang tampak baik-baik saja tetapi secara internal harus memercayai pihak terpusat atau merupakan penipuan
  • Deep learning bekerja ketika bekerja, tetapi rentan terhadap serangan machine learning adversarial, sehingga salah satu pertanyaannya adalah apakah Community Notes dapat dibuat lebih dekat dengan algoritme ekonom

• Kasus pairwise-bounded quadratic funding

  • Desain untuk menutup celah dalam quadratic funding biasa, di mana dua peserta saja dapat berkolusi dan menguras seluruh pool melalui proyek palsu
  • Setiap pasangan peserta diberi anggaran terbatas M; subsidi proyek yang didukung bersama oleh A dan B dikurangkan dari anggaran pasangan (A,B)
    • Bahkan jika k orang berkolusi, maksimum yang dapat dicuri dibatasi hingga k∗(k−1)∗M
  • Namun, di Community Notes, vote per pengguna sangat sedikit sehingga dua pengguna hampir tidak memiliki vote yang sama, sehingga metode ini tidak bisa diterapkan apa adanya
    • Tujuan model machine learning justru mengisi matriks dengan data yang jarang, dan diperlukan upaya tambahan agar hasil tidak menjadi tidak stabil akibat segelintir vote jahat

• Apakah Community Notes benar-benar mengurangi polarisasi

  • Voting naif pun sampai tingkat tertentu mengurangi polarisasi (tulisan dengan 200 setuju dan 100 menolak lebih rendah daripada tulisan dengan hanya 200 setuju)
  • Secara abstrak sulit dinilai, sehingga dilakukan sendiri 100 ronde dengan implementasi yang disederhanakan
    • Grup1 (baik): 0,300, Grup2 (baik tetapi lebih polar): 0,217, Grup3 (netral): 0,094, Grup4 (buruk): -0,152
    • "Baik" berarti +2 dari kubu yang sama dan +0 dari kubu lawan; "baik tetapi lebih polar" berarti +4 dan -2, sehingga rata-ratanya sama tetapi polaritasnya berbeda
  • Dalam praktik, note "baik" memiliki kegunaan rata-rata lebih tinggi daripada note "baik tetapi lebih polar"
  • Semakin dekat ke algoritme ekonom, semakin jelas keuntungan dalam menjelaskan prinsip penalti polarisasi

Kegunaan dalam situasi berisiko tinggi

• Sekitar sebulan lalu, Ian Bremmer mempermasalahkan bahwa note kritis yang ditempelkan pada tweet pejabat pemerintah China dihapus

  • Berbeda dari eksperimen kecil komunitas Ethereum, ini menyangkut isu politik dan geopolitik yang memengaruhi jutaan orang, sehingga semua orang mengasumsikan niat buruk semaksimal mungkin
  • Karena Elon memiliki banyak kepentingan bisnis di China, ada ruang bagi dugaan manipulasi terpusat

• Verifikasi langsung lewat open source

  • Dengan ID tweet asli 1676157337109946369, baris note terkait ditemukan dalam data unduhan, dan ID note 1676391378815709184 diperoleh
  • Hasil pencarian di scored_notes.tsv dan note_status_history.tsv menunjukkan status saat ini NEEDS_MORE_RATINGS, sebelumnya CURRENTLY_RATED_HELPFUL
    • Ini menunjukkan algoritme lebih dulu menampilkan note lalu menghapusnya ketika rating turun, tanpa terlihat intervensi terpusat
  • Jika ratings-00000.tsv diurutkan secara kronologis dan 50 vote pertama dilihat, terdapat 40 vote HELPFUL dan 9 vote NOT_HELPFUL
    • Audiens awal lebih bersimpati daripada audiens berikutnya, sehingga rating awalnya tinggi lalu turun
  • Rincian perubahan status bukan sekadar melewati ambang sederhana, melainkan akibat banyak NOT_HELPFUL yang memicu kondisi outlier, sehingga skor kegunaan yang diperlukan naik
    • Agar algoritme netral yang kredibel benar-benar dipercaya, ia perlu tetap sederhana, dan perubahan status memerlukan penjelasan yang sederhana serta jelas

• Kerentanan terhadap brigading

  • Ada kemungkinan brigading, yaitu orang yang tidak menyukai note mengerahkan komunitas dengan partisipasi tinggi atau banyak akun palsu untuk membanjiri dengan NOT_HELPFUL
    • Mungkin tidak diperlukan terlalu banyak vote untuk menjatuhkan note dari "berguna" menjadi "polar"
  • Sebagai perbaikan, diusulkan agar siapa pun tidak bisa memilih note mana saja sesuka hati, tetapi note dibagikan secara acak melalui feed "For you" dan pengguna hanya menilai note yang ditugaskan kepadanya

• Apakah Community Notes tidak cukup "berani"

  • Kritik utama adalah bahwa ia tidak melakukan cukup banyak, dan dua artikel terbaru menunjukkan hal ini
    • Agar note dipublikasikan, diperlukan konsensus ideologis di seluruh spektrum politik, dan dalam lingkungan yang makin partisan, "konsensus bipartisan atas kebenaran" hampir mustahil
  • Meski demikian, posisinya adalah lebih baik melewatkan sepuluh tweet palsu daripada menerbitkan satu note yang tidak adil
    • Pemeriksaan fakta yang berani dengan klaim "kami tahu kebenarannya dan satu pihak lebih sering berbohong" pada akhirnya menimbulkan ketidakpercayaan luas terhadap pemeriksaan fakta itu sendiri
    • Ada nilai dalam membangun institusi lintas kubu yang dihormati semua orang sampai tingkat tertentu, dan seperti maksim William Blackstone, sistem harus lebih banyak melakukan dosa kelalaian daripada dosa tindakan agar rasa hormat tetap terjaga
  • Tujuannya bukan agar semua, atau sebagian besar, tweet palsu mendapat note koreksi
    • Bahkan jika kurang dari 1% tweet palsu menerima note, layanan ini sangat bernilai sebagai alat edukatif
    • Tujuannya adalah mengingatkan bahwa banyak sudut pandang ada, bahwa tulisan yang tampak meyakinkan bisa saja salah, dan bahwa hal itu dapat dicek langsung lewat pencarian
  • Ini bukan obat mujarab untuk semua masalah epistemologi publik, dan ada ruang bagi mekanisme lain seperti prediction markets atau organisasi dengan staf profesional untuk mengisi celah

Kesimpulan

• Community Notes adalah eksperimen media sosial yang menarik sekaligus contoh dari genre baru desain mekanisme yang mengidentifikasi polarisasi dan memprioritaskan menjembatani perpecahan
  • Contoh lain dalam kategori yang sama adalah pairwise quadratic funding yang digunakan di Gitcoin Grants, serta alat diskusi Polis yang menggunakan clustering untuk menemukan pernyataan yang mendapat dukungan luas
  • Diharapkan ada lebih banyak riset akademik di bidang ini
• Transparansi algoritme Community Notes bukanlah media sosial terdesentralisasi sepenuhnya; jika tidak setuju dengan algoritmenya, tidak ada cara melihat konten yang sama dengan algoritme lain
  • Namun, ini adalah bentuk terdekat yang mungkin dicapai aplikasi berskala sangat besar dalam beberapa tahun mendatang, dan sudah memberikan nilai besar dalam dua hal: mencegah manipulasi terpusat serta membuat platform yang tidak memanipulasi mendapatkan penilaian yang layak

[GN⁺]

Pendapat di Hacker News

• Tulisan yang menarik. Community Notes tampaknya dibuat di atas model yang secara matematis cukup solid
  Dibandingkan sistem voting pro/kontra yang ada, sistem ini terlihat jauh lebih tidak rentan terhadap perilaku kelompok yang bias, meski tentu tidak sepenuhnya kebal terhadapnya. Karena “bias” bergantung pada sudut pandang orang yang melihatnya, tidak realistis mengharapkan sistem penilaian konten apa pun sepenuhnya tanpa bias
  Community Notes dan mata uang kripto punya kesamaan: “sangat kuat berkat matematika yang kompleks, tetapi sepenuhnya tidak transparan bagi 95% orang.” Namun dibandingkan porsi tulisan yang membahas keterkaitan itu, hubungannya tampak cukup lemah. Mungkin karena Vitalik adalah orang yang menulis blog kripto dan menyesuaikan dengan pembacanya, tetapi tetap saja ini tulisan yang bagus

  • Keterkaitannya dengan mata uang kripto bukan semata karena matematika, tetapi juga karena prinsip verifikasi open source atas algoritme dan netralitas yang dapat dipercaya

• Saya sangat menyukai Community Notes. Di Brasil, fitur ini sudah cukup lama digunakan untuk memeriksa unggahan para politisi yang terus-menerus berbohong atau mencoba menulis ulang sejarah
  Rasanya seperti label malu kecil yang ditempelkan pada unggahan, dan sejauh ini tampaknya diterapkan pada politisi di seluruh spektrum politik

  • Yang benar-benar menyedihkan adalah para politisi seperti itu berusaha meregulasi berbagai sumber informasi dengan dalih mencegah disinformasi, alias “berita palsu”

• “Deep learning vs kripto adalah pemisahan yang jelas antara rotator vs wordcel. Yang pertama menentang selera estetika theorycel, tetapi secara empiris menghasilkan keajaiban yang tidak masuk akal. Yang kedua adalah rangkaian nerd trap gila-gilaan dan tangga abstraksi setinggi langit, tetapi sebagian besar adalah penipuan”
  Bisa terjemahkan kalimat penuh meme ini ke bahasa Inggris?
  Selain itu, untuk diunggah oleh Vitalik, ungkapan ini terlihat cukup anti-kripto

  • Bahwa sebagian besar publikasi di dunia kripto secara umum adalah penipuan sudah mendekati pengetahuan umum, dan Vitalik selalu kritis terhadap skema yang hanya mengejar uang. Proyek Vitalik, Ethereum, banyak dirugikan oleh “shit coin”, yaitu mata uang kripto alternatif yang semata-mata bertujuan menghasilkan uang
    Jika pengguna biasa bisa secara ajaib mengetahui teknologi kripto mana yang benar-benar menambah nilai nyata di bidang ini dan mana yang tidak, seluruh ekosistem akan jauh lebih sehat
    Bagian lain dari kalimat itu lebih seperti sindiran diri yang lucu. Misalnya, ia tampaknya juga sadar akan lubang kelinci riset dan abstraksi matematis yang dimasuki tim Ethereum agar staking bisa berjalan
    Kalau Ethereum tidak berada di jajaran atas semua bursa kripto dan Vitalik bukan sosok yang cukup dikenal, saya bertanya-tanya betapa sulitnya bagi peminat kripto rata-rata membedakan “nerd trap gila-gilaan dan tangga abstraksi setinggi langit” milik Ethereum dari penipuan
  • “Deep learning vs kripto adalah pemisahan yang jelas antara rotator vs wordcel” kira-kira bisa dipahami sebagai “deep learning vs kripto adalah pemisahan yang jelas antara orang bertipe matematis vs orang bertipe bahasa”
    “Yang pertama menentang selera estetika theorycel, tetapi secara empiris menghasilkan keajaiban yang tidak masuk akal” berarti bagi orang yang sangat terpaku pada teori, deep learning tampak seperti tidak akan bekerja, tetapi bagaimanapun menghasilkan hasil yang hebat
    “Yang kedua adalah rangkaian nerd trap gila-gilaan dan tangga abstraksi setinggi langit, tetapi sebagian besar adalah penipuan” berarti kripto penuh dengan masalah teknis yang menarik, tetapi hasil akhirnya sebagian besar adalah penipuan
  • Untungnya ada situs web yang menjelaskannya: https://knowyourmeme.com/memes/wordcel-shape-rotator-mathcel
    Shape rotator adalah orang yang bisa memutar bentuk di dalam kepala, yang dipakai seperti indikator proksi kecerdasan. Mereka adalah orang yang bagus dalam matematika atau STEM, tetapi merasa nilainya tidak diakui
    Wordcel adalah orang yang mahir berbicara atau retorika, tetapi merasa kemampuan itu tidak cukup diakui atau tidak banyak mendorong hidupnya maju
  • Maksudnya adalah “ChatGPT, buatkan beberapa jargon yang membuat orang-orang yang sudah percaya sejak awal merasa seperti orang dalam, sementara orang-orang yang tidak mudah tertipu^W^W maksudnya para pembenci tetap berada di luar jarak aman”

• Community Notes kemungkinan besar sampai batas tertentu akan memiliki kelebihan dan kekurangan yang mirip dengan Wikipedia
  Community Notes tidak ditulis atau dikurasi oleh kelompok pakar yang dipilih secara terpusat; siapa pun bisa menulis dan memberi suara. Tidak sempurna, tetapi secara mengejutkan mendekati ideal netralitas yang dapat dipercaya
  Jika itu sisi positif yang optimistis, sisi negatifnya adalah ketika kelompok demografis tertentu lebih tertarik menulis note semacam ini atau mendominasi Twitter itu sendiri, bisa muncul masalah bias seperti yang terlihat pada topik sosial dan budaya di Wikipedia. Apa pun hasilnya, itu bukan “netralitas yang dapat dipercaya”

  • Wikipedia jauh lebih buruk. Sebab, Wikipedia pada dasarnya melembagakan editor-editor tertentu di atas kumpulan halaman tertentu, terutama halaman terkait politik, sehingga penyuntingan hanya bergerak ke arah yang diinginkan orang-orang itu
    Community Notes dapat ditinjau siapa saja dan ditandai sebagai berguna/tidak berguna
  • Saya tidak tahu apakah Community Notes mempertimbangkan hal ini, tetapi jika memberi bobot bias berdasarkan bagaimana kontributor memberi suara di masa lalu dan memusatkan keluarannya pada median, itu bisa mencegah serbuan massa dari satu kubu atau voting terorganisasi
  • Pengguna dapat menilai Community Notes

• Beberapa Community Notes yang saya lihat cukup bagus. Saya suka bahwa fitur ini juga bisa ditempelkan pada iklan
  Banyak iklan yang sekarang muncul di Twitter mendapat Community Notes, karena iklannya mengatakan satu hal sementara produk sebenarnya melakukan hal yang sama sekali berbeda

  • Di luar dugaan, ini cukup mengesankan. Pertama kali saya melihat bentuk seperti ini adalah fact-checking di Instagram, dan saya ingat fitur itu hampir langsung menjadi tidak masuk akal. Orang-orang meninggalkan tulisan fact-check pada unggahan lelucon atau meme yang sudah jelas
    Sebaliknya, Community Notes ditempatkan di posisi yang tepat, cukup informatif, dan dalam beberapa kasus tampak sangat mendetail
  • Wah, hebat juga. Pengguna melihat iklan, menontonnya sampai selesai, lalu bahkan menulis tentangnya; dari sudut pandang pengiklan, itu situasi impian. Engagement yang tiada bandingnya

• Community Notes adalah satu-satunya hal baik yang muncul di X dalam seluruh proses ini

  • Community Notes diperkenalkan pada Januari 2021 dengan nama “Birdwatch”, jadi fitur ini sudah ada sebelum akuisisi Musk

• Seperti yang juga disiratkan seseorang di komentar di sini, ini sangat mirip dengan cara moderasi Slashdot yang dibuat jauh lebih canggih
  Itu adalah cara moderasi situs yang paling saya sukai. Memberi penilaian meta atau penjelasan pada sesuatu terasa seperti privilese, bukan hak yang sudah sewajarnya

• Menurut saya masalah terbesarnya adalah memperlakukan “polaritas” sebagai satu sumbu tunggal. Memang banyak topik dalam praktiknya tersusun seperti itu, tetapi topik-topik yang tidak demikian justru penting
  Senang melihat ada upaya menuju moderasi terdistribusi, tetapi untuk mewujudkan mimpi itu, sistem ini masih terlalu tersentralisasi

• Tulisan itu berulang kali berusaha meyakinkan pembaca bahwa dikotomi kiri/kanan tidak di-hardcode, melainkan muncul secara “emergen”, tetapi sama sekali tidak masuk ke detail tentang bagaimana persisnya hal itu terjadi
  Rasanya aneh bahwa yang muncul adalah pemisahan kiri/kanan. Mengapa harus kiri-kanan, bukan berbasis iman/non-iman, otoritarian/libertarian, atau pemisahan lain? Apakah tidak ada data publik untuk memverifikasi ini, dan kita hanya harus percaya pada pernyataan organisasinya?

  • Ini mudah dijelaskan kalau mengingat bahwa makna kiri/kanan terus berubah seiring waktu. Misalnya, bagaimana kita mengelompokkan orang yang mendukung kebebasan berekspresi, menentang perang, menentang hegemoni, mendukung kesetaraan kesempatan, dan mendukung masyarakat yang tidak melihat ras? Dua puluh tahun lalu ia akan menjadi liberal yang sangat tipikal, tetapi sekarang tidak lagi
    Jadi ketika kita mengatakan kiri-kanan, kita tidak menunjuk pada nilai yang tetap atau nilai dasar itu sendiri. Semuanya terus bergeser, sering kali juga dengan cara yang saling bertentangan. Karena itu, istilah-istilah tersebut menjadi proksi untuk garis retakan yang terus berubah dalam masyarakat. Dalam pengertian ini, jika masyarakat diambil sampelnya secara adil, pada akhirnya ia akan terbagi mengikuti istilah-istilah itu; hampir seperti tautologi
  • Dari luar, pemisahan itu tampaknya sebenarnya bukan kiri/kanan. Sejauh pemahaman saya, algoritmanya mereduksi “penyelarasan” berdimensi tinggi antara pengguna/catatan menjadi “polaritas” 1 dimensi, dan itu kebetulan cukup tumpang tindih dengan pemisahan partai di AS
    Jika ada sistem politik dua partai, hasil seperti itu hampir bisa diprediksi. Karena setiap partai berusaha selaras dengan sebanyak mungkin pemilih, cukup masuk akal jika pemisahan Republik/Demokrat menjadi bidang potong yang “baik” untuk membagi ruang penyelarasan
    Pada dasarnya, algoritma secara eksplisit mencari sumbu polaritas “optimal” yang memuat informasi paling banyak tentang konten apa yang kemungkinan disetujui pengguna, sementara sistem politik dua partai secara implisit terselaraskan di sepanjang sumbu seperti itu sebagai sifat emergen dari pergeseran politik kepartaian
  • Ini bukan jawaban langsung, tetapi beberapa tahun lalu seorang teman melakukan eksperimen serupa. Ia mengumpulkan berbagai pertanyaan kontroversial dan menerapkan analisis komponen utama pada jawabannya. Hasilnya muncul dua sumbu; secara matematis ada lebih banyak sumbu, tetapi sisanya kurang penting. Sumbu terbesar sangat mirip dengan “kiri/kanan”
    http://politics.beasts.org/scripts/eigenvectors
    Akan menarik jika eksperimen ini diulang hari ini dengan pertanyaan yang sama atau pertanyaan lain
  • Entah ini bukti atau bukan, tetapi dikotomi kiri/kanan juga “muncul secara emergen” di sebagian besar negara dunia nyata. Itu bukan satu-satunya sumbu variasi yang kita lihat, tetapi merupakan salah satu sumbu dominan
    Twitter juga bagian dari dunia nyata, jadi para pengguna mungkin sudah masuk dengan kecenderungan mengelompokkan diri ke dalam suku kiri/kanan, lalu mekanisme pembentukan bubble di media sosial mempercepat proses polarisasi tersebut
  • Kodenya open source: https://github.com/twitter/communitynotes
    Data catatan dan penilaian juga dirilis setiap hari: https://twitter.com/i/communitynotes/download-data
    Anda bisa menjalankan kode faktorisasi matriks langsung pada datanya, lalu menafsirkan sendiri dimensi laten yang ditemukan sebagai hasilnya. Dan jika membaca kodenya, Anda juga bisa memastikan bahwa sistem ini memang menjalankan faktorisasi matriks, bukan meng-hardcode pemisahan kiri/kanan tertentu

• Jika diringkas agak keras, begini: kebanyakan orang menyukai Community Notes, dan Vitalik ingin sebagian dari rasa suka itu mengalir ke kripto. Karena kripto sangat kekurangan rasa suka semacam itu, ia bersikeras bahwa keduanya memiliki silsilah filosofis atau fungsional yang sama
  Menurut saya itu tidak masuk akal, dan terlihat seperti upaya mengikat sapi mati ke sapi hidup. Tapi ini blognya sendiri, jadi ia bebas melakukan apa pun

  • Jika dilihat lebih positif, Vitalik punya rasa ingin tahu intelektual pada bidang pertemuan antara matematika/sistem dan tata kelola, dan minat itu mengarah baik ke kripto maupun ke penulisan artikel ini
    Saya sepenuhnya skeptis terhadap kripto, tetapi bagian yang sekilas menyebut kripto tidak terasa mengurangi nilai bagian tulisan lainnya
  • Vitalik sudah bertahun-tahun menulis esai filosofis tentang sistem teknologi dan ekonomi. Gagasan bahwa ia adalah dalang Machiavellian yang mencoba menyedot simpati lewat posting blog analisis teknis yang kelewat rinci itu sangat tidak akurat sampai terasa lucu
  • Ini penafsiran yang terlalu keras. Saya bukan pendukung kripto, tetapi Vitalik adalah orang yang secara konsisten mengeksplorasi ide-ide yang ia anggap menarik di bidang ini, dan tulisan kali ini juga terasa tulus, bukan upaya “mengikat sapi mati ke sapi hidup”
    Sebagian besar tulisannya sama sekali tidak terkait dengan kripto
  • Saat membaca, bagian terkait kripto bisa saja dilewati, dan tulisannya tetap berguna. Setidaknya saya sebelumnya tidak tahu bahwa Community Notes bekerja dengan cara seperti ini
    Pendanaan kuadratik juga menarik dengan sendirinya, dan implementasinya tidak harus memakai kripto
  • Sebagai orang yang bekerja di bidang ini, pandangan saya begini: Vitalik adalah pemimpin pemikiran. Para developer kripto sangat menghormatinya
    Blog vitalik.ca umumnya membahas kripto dan topik-topik yang berdekatan dengannya, dan itulah fokus Vitalik saat ini dalam riset dan pengembangan. Ia sudah menulis tentang kripto selama lebih dari 10 tahun
    Jika ia ingin menarik perhatian pada Community Notes di blognya sendiri, kemungkinan besar alasannya terutama karena ia suka memikirkan dan menulis tentangnya. Namun sebagai efek samping yang baik, jika para developer kripto terinspirasi oleh Community Notes, terutama ketika membangun jejaring sosial kripto-native, ia tentu tidak akan keberatan