จริงๆ ไม่ใช่เรื่องใหม่ แต่เผอิญมาเจอประสบการณ์ตรงอีกรอบเลยมาจดไว้กันลืม เช่นเคย

เรื่องเริ่มจากว่า Bloglines ซึ่งผมใช้อ่าน feed มานมนาน ใกล้ถึงภาวะล่มสลาย (ถึงขนาด TechCrunch เอาไปลงข่าว) เลยคิดว่าได้เวลาต้องเปลี่ยนเสียที

ผมไม่ค่อยถูกใจกับ Google Reader นักเพราะ UI มันกินที่ (มีเนื้อที่แสดงเนื้อหาน้อยกว่า Bloglines เพราะพี่แกเล่นเอาไปใส่ฟีเจอร์ไร้สาระซะเยอะ) แต่ตอนนี้ดูไม่มีทางเลือกอื่น (Bloglines Beta ตัวใหม่ก็ห่วย) เลยตัดสินใจย้าย ซึ่งก็ทำได้ไม่ยากเพราะผ่าน OPML ได้ ไหนๆ ย้ายแล้วก็ไล่ลบ feed ที่ไม่อัพเดตเสียหน่อย จัดระเบียบให้เข้าที่ แล้วเริ่มต้นกับชีวิตใหม่

ประเด็นคือฟีเจอร์อันหนึ่งของ Google Reader คือการแชร์เรื่องที่เราสนใจให้คนอื่นอ่าน (เข้าใจว่าเพื่อนที่เห็น shared items เอามาจาก GTalk contact) ทดลองเล่นดูก็สนุกดีทีเดียว

ผมพบว่าเราสามารถวัดความนิยมของเนื้อหาชิ้นใดชิ้นหนึ่ง (หมายถึงแต่ละเอนทรีในบล็อกของแต่ละคน) ผ่านจำนวนครั้งในการแชร์ได้ เอาง่ายๆ ว่าจำนวนคนแชร์ข่าวเรื่อง คำพูดของพระเทพ มีเยอะมากแบบถล่มทลาย (คงไม่ต้องบอกเหตุผลว่าทำไม)

ถ้าใครตามอ่านเรื่อง Mollom มาบ้าง น่าจะผ่านตาว่า Dries ย้ำเสมอว่า Mollom ไม่ใช่แค่บริการบล็อคสแปม แต่มันคือบริการคัดแยกเนื้อหาดีและร้ายออกจากเนื้อหาธรรมดา เนื้อหาร้ายคือสแปม ส่วนเนื้อหาดีก็คือเนื้อหาที่คนชอบและมีคุณภาพ

ผมเข้าใจ (เอาเอง) ว่าอัลกอริทึมในการดักสแปมของ Mollom จะใช้ machine learning + collective intelligence เหมือนกับบริการบล็อกสแปมอื่นๆ (เช่น ของ Hotmail/Gmail) เมื่อคนจำนวนมากบอกว่าข้อความนี้เป็นสแปม (collective intelligence) ตัวโปรแกรมก็จะจดจำรูปแบบของข้อความทำนองนี้ไว้ เพื่อดักข้อความแบบเดียวกันในอนาคต (machine learning)

ส่วนการคัดแยกเนื้อหาที่โดดเด่นออกจากเนื้อหาทั่วไปนั้น ผมยังคิดไม่ออกว่า machine learning จะช่วยได้ขนาดไหน (เพราะเนื้อหาดีไม่จำเป็นต้องมีลิงก์เอา PageRank เหมือนกับสแปมคอมเมนต์ ทำให้การวิเคราะห์โครงสร้างทำได้ยากขึ้น) ทางออกเดียวที่เป็นไปได้คือการใช้ collective intelligence คัดแยก

และ shared items ใน Google Reader เป็นหนึ่งใน implementation แบบง่ายๆ สำหรับเรื่องนี้

อย่างที่บอกว่ามันไม่ใช่เรื่องใหม่ มีงานวิจัยออกมาพอสมควร ตัวอย่างอื่นๆ ที่โดดเด่นคือ Delicious, CiteULike และ Digg เพียงมันยังดูกระจัดกระจายอยู่ ด้วยเหตุผลด้านธุรกิจ (และอื่นๆ ที่ไม่ทราบสาเหตุ) เราจึงยังไม่เห็นการนำเอา "คลังปัญญารวมหมู่" ที่มีอยู่แล้วเหล่านี้ไปใช้ต่อเท่าไรนัก เห็น Yahoo! ลองเพิ่มลิงก์ Delicious ในผลค้นหา แต่ก็เงียบหายไป ไม่แน่ใจว่าในแง่เทคนิคแล้ว มันมีปัญหาอะไรหรือเปล่า

คำถามที่น่าสนใจคือ Collective Recommendation/Ranking แบบนี้โดยลำพัง จะสามารถสู้กับ PageRank ได้แค่ไหน ปั่นได้ง่ายกว่า-ยากกว่า PageRank (ในโดเมนของความเป็นไปได้ทางคณิตศาสตร์) หรือไม่

เชื่อว่ามีงานวิจัยเรื่องนี้ตรงๆ ออกมาหลายชิ้นแล้วด้วย แต่ง่วงล่ะ ขี้เกียจหา