在Netflix點浪漫劇卻變動作片?從更動縮圖看演算法如何「單一化」你的觀影品味
在Netflix點浪漫劇卻變動作片?從更動縮圖看演算法如何「單一化」你的觀影品味

Netflix 會把觀影偏好相近的用戶,分類進相同的「品味社群」裡。這樣的「品味社群」共有多達兩千多個。此外,Netflix 也會幫影片做分組。Netflix 的演算法一共可以識別七萬七千種次類別。每個次類別,都代表著一小群用戶會喜歡的片種,像是「燒腦的法國藝術電影」、「一九七○年代以非裔美國人為主角的動作冒險電影」,還有「真實故事改編的感人戰爭片」等等。

但通常,Netflix 的用戶不會知道自己早已被演算法分組對待了,也不會曉得Netflix 上有著那麼多、那麼細的影片分類,因為他們從未有機會選擇要看哪種次類別的片子。在Netflix 的首頁上,用戶唯一能看到的,就是演算法系統認為最有可能吸引他們點進去看的一小撮影片而已。

更為驚人的是,Netflix 演算法還會依照個別用戶的喜好,更改每檔節目的縮圖。這項技術從二○一七年下半年開始啟用,官方將之稱作「個人化的封面圖片」。帕科維奇也在他的假帳號實驗中發現了這個現象。在為期兩週的實驗期程結束後,在每個假帳號的頁面裡,不同影片的縮圖,看起來卻都非常相似。

帕科維奇說道:「在浪漫主義者的頁面上,最上頭的兩排,Netflix 一共為他推薦了十檔節目。這十檔節目中,有五檔的縮圖都是一對戀人正在摟抱的畫面(他們有的正在接吻,有的互相含情凝視)。」同樣的情況也發生在體育迷的身上。在他的首頁裡,每檔節目的縮圖,幾乎都是男性角色正在進行高張力動作的畫面,例如揮舞拳頭、飛身撲救即將破門的足球、跨坐騎在牛背上等等。

在帕科維奇提供的螢幕截圖中,這些縮圖連番上陣,看得令人頗感噁心。那種感覺,就好像去到一家餐廳,卻發現菜單上滿滿都只有漢堡,沒有其他。

這些縮圖有時還會誤導觀眾。例如,Netflix 製作過一檔叫《外灘探秘》(Outer Banks)的影集。在體育迷的頁面上,這檔影集的縮圖是兩個人拿著衝浪板走向水邊的畫面;而在浪漫主義者的頁面上,縮圖卻是兩個人準備接吻的特寫鏡頭。這兩張縮圖,無疑都是演算法分析了他們的觀看紀錄後,為他們量身訂製的。但問題是,這兩張縮圖都不能代表這檔節目真正在演什麼。事實上,它是一部充滿動作情節的懸疑劇,探討的主題是失蹤和謀殺。

不少Netflix 訂戶都注意到一個令人不安的現象:雖然Netflix 宣稱不會將用戶的種族納入分析,但其首頁上的縮圖,卻似乎只會呈現和用戶膚色相同的角色。

二○一八年,Netflix 的這種做法,便引來了一番爭議,起因是有人發現在他的Netflix 上,浪漫愛情喜劇《愛是您.愛是我》(Love Actually)的影片縮圖用的是黑人演員艾吉佛(Chiwetel Ejiofor)的劇照,並且將他呈現得有如該片主角一般,但艾吉佛在片中實際上只是個次要的角色。這種迎合用戶喜好變更縮圖的做法,扭曲了影片真正的內容,試圖讓用戶誤以為那些節目符合他們的口味;因為如果縮圖都老老實實呈現出節目內容的話,有的節目你可能就不會點開了。

而 Netflix 演算法正在做的事,就是盡可能誘導你點開影片,賭賭看你會不會把它看到完。由此可見,Netflix 從頭到尾都在試圖操縱使用者的行為。儘管Netflix號稱會提供你符合個人品味的影片,但事實上光靠Netflix演算法,你根本無從培養個人品味。

在實驗期間,帕科維奇還創了一個控制組帳號,用它隨機觀看Netflix 上的內容。結果帕科維奇發現,這支帳號竟然也被Netflix 推薦了特定的內容:《玩命關頭》系列的全八部電影。事實上,帕科維奇創的每支假帳號,都曾被推薦過《玩命關頭》系列電影,縱使這幾個帳號並不是都對這類片子感興趣。不過也有可能單純是因為Netflix 花了高額的費用才引進了《玩命關頭》系列。

帕科維奇寫道:Netflix 演算法「名義上是在做個人化推薦,但實際上只不過是把用戶較有可能點開的影片推給他們而已」。如果只是因為大多數觀眾都喜歡《玩命關頭》,所以就把它推薦給你,那這根本稱不上是個人化推薦。

所以說到底,Netflix 並不會真的替你找出最符合你偏好的影片,而是只會把廣受歡迎或者當下正好有播映權的影片推薦給你,並創造出一種符合你品味的幻覺。

在實體出租店面倒光以前,任何一家稍具規模的百視達,至少都會有六千部以上的影片;但在二○二三年,Netflix 上所有的影片,才只有不到四千部而已。透過演算法推薦機制,Netflix讓人產生了各種影片都有的幻覺,但那其實都是假象。

Netflix 演算法評判內容的方式,就是看它能否瞬間取得人們的喜愛,這點和社群平臺的做法並無不同。然而,這種方法卻和「品味」的意涵背道而馳。過去,人們相信藉由培養個人品味,可以幫助我們建構出更好的社會和文化環境;但這套理念卻已經逐漸式微,取而代之的則是某種形式的消費主義:你購買了什麼東西、看了什麼影片,就定義了你是個什麼樣的人,同時也決定了你該要消費什麼樣的文化產品。

誠然,帕科維奇做的實驗,和正常的使用情境不會一樣。現實中很少有人會只看特定類別的作品,所以多數訂戶在Netflix 首頁上看到的內容,很可能會比那幾個假帳號所看到的更多樣化一點。

但即使如此,Netflix 的推薦機制和更動縮圖的做法,確實會使我們的品味朝單一化的方向發展,並限縮了我們接觸異質事物的機會。Netflix 的身段雖然柔軟,但它仍舊不斷將特定的影片強迫推銷給我們,使得我們的品味變得僵化,甚至變得只能欣賞某個窄小範圍內的作品。

縱使演算法推薦的準確度提升了,但這樣的推薦系統仍舊對用戶的視野造成了限制。正如帕科維奇說的:「Netflix 會透過演算法系統,不斷鞏固訂戶原有的偏好,減少他們接觸到不一樣文化產品的機會,並因而削弱了藝術、美學和文化具有反抗性質的社會角色。」這個現象,著實令人憂慮。

並不是說偉大的作品都一定得要冒犯社會大眾才行;而是說,當你身邊的一切事物都循規蹈矩時,我們就不會再有機會看到真正前衛的作品。如今,網路世界多的是符合種種細緻規格的作品,但大膽挑戰常規的作品,卻極為罕見。

(衛城)扁平時代_立體書封_有書腰_300dpi.jpg
圖/ 衛城出版

延伸閱讀:你也會「效率追劇」嗎?85%的人會開倍速看影片,他們究竟在急什麼?
Spotify用「假音樂」降低版權支出?「幽靈音樂家」正在入侵你的播放清單

本文授權節錄自:《扁平時代:演算法如何限縮我們的品味與文化》,衛城出版

往下滑看下一篇文章
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦

ChatGPT、Gemini、Claude 等 AI 通用工具問世後,「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用,多數卻仍停留在文書輔助、單一聊天機器人(Chatbot)運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻,企業需要的不再只是一個會回答問題的對話框,而是具備「自主決策與行動執行」能力的「代理式 AI」(Agentic AI)。

Going Cloud 和 IDC 合作發布的《多代理系統崛起 打造敏捷韌性企業》報告便指出,如今「AI First」時代來臨,企業的 AI 應用正從輔助性質走向自主營運,有 80% 的企業期望藉此提升生產力,70% 的企業希望能更輕鬆處理複雜任務,還有 66% 的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多,必須納入組織管理

但究竟什麼是「代理式 AI」?

「過去人們使用生成式 AI 時,需要一步步下達明確指令,但現在使用者只要賦予代理式 AI(Agentic AI)明確目標,它就能自己理解前因後果、進行推演,甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加,比方說,人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI,跨部門協作的複雜度也隨之飆升,「如果你是管理者,你就會意識到,必須把 AI 當成一個人,納入組織裡來管理。」黃柏淞強調,能統籌、指揮多個 AI 代理協作的「多代理系統」(Multi-Agent System, MAS),正是為了解決這個痛點而生。

簡單來說,MAS 就像虛擬的企業總部,負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時,各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性,企業可以依照業務需求,隨時新增、更改 AI 代理,能大幅提升營運韌性。

雖然企業普遍意識到,代理式 AI 已經蔚為風潮,但實際部署時,仍面臨諸多挑戰。《多代理系統崛起 打造敏捷韌性企業》報告便顯示,資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題,「企業最擔心串聯多個 AI 代理時,要是權限沒控管好,很容易有機敏資料外洩的風險。」黃柏淞提到,在此情形下,Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」(Supervisor Agent)作為主要決策層,底層則串聯了各個負責單一任務的「任務代理」(Task Agents)。

以 Going Cloud 服務的大型金融企業為例,假設一位 VIP 客戶登入銀行 APP,詢問 AI 客服:「我想申請房貸,請問現在利率多少?另外,請幫我評估把我目前的科技股基金贖回當作頭期款適不適合?」如果是傳統的聊天機器人,可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡,「主管代理」接收到任務後,會先拆解再指派負責「房貸利率」的「任務代理」,去後台抓取客戶的信用評分和最新房貸專案。同時,這位虛擬主管還會指派「理財分析」的「任務代理」,去檢視客戶最近科技股基金的績效並預測市場。最後,再由「主管代理」統整資訊,一併給出一份完整且客製的財務建議,「分層式 MAS 能確保整個過程的指令被清楚傳遞,而且因為權限分層管理,房貸 Agent 不會碰到不該碰的理財資料,符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看,多代理客服平台能降低 50% 以上的人工客服工作負擔,並讓回覆使用者問題的平均時間減少 60% 以上;FAQ 知識導向與 API 資料調用的正確率,在調用得當的情況下,也都達到9成以上的成功率。黃柏淞指出,金融、製造、顧問等有複雜跨部門協作需求的大型企業,都是亟需採用代理式 AI 的產業。

#0 AI同事愈來愈多怎麼管?Going Cloud用「多代理系統」,助企業打造最強營運大腦
提到目前與台灣領先金融集團的合作進程,黃柏淞表示因為金融機構的特殊性,需要縝密的全方位服務,從前期討論到技術導入,大約需要半年到九個月的時間。
圖/ 數位時代

懂雲也懂企業痛點,助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構?一方面,Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技(KKCompany Technologies),奠定具備理解和服務大型企業的經驗,且自 2022 年創立起,就鎖定服務架構最複雜的大型企業市場。同時,Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家,此成就彰顯 Going Cloud 在堅實的資訊安全基礎上,深化了對個人資料保護的承諾,為客戶提供符合國際標準的資料保障,強化雲端服務領導地位。另外,Going Cloud 還能為企業量身打造底層 AI 平台,提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業,黃柏淞建議,釐清應用場景,比追求最新技術更重要,「唯有清晰定義痛點,才能讓強大的 MAS 平台真正落地。」
他特別提到,導入 MAS 系統不只是 IT 部門的責任,其實更像企業的升級轉型,「未來的知識工作者,不能只是單純『接球就打』,每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表,應該要學著指派手下的「數位同事」去執行。員工的核心價值,將從過去繁瑣、重複性任務的執行,轉移到前期的目標定義、流程規劃,以及後期的決策判斷和審核把關。

AI 技術飛速推進,企業間的競爭已從「要不要用 AI?」,升級成「如何管理與協作多個 AI?」。透過建構靈活、安全且具高擴展性的多代理系統,企業不僅能解放員工的生產力,更能在瞬息萬變的市場中,打造敏捷、韌性兼具的營運大腦。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓