Лента «Для вас» в TikTok, рекомендации Instagram* и главная страница YouTube выглядят как бесконечный поток роликов и постов, но порядок публикаций давно определяет не время выхода. Платформы оценивают сотни и тысячи потенциальных материалов и пытаются предсказать, какой пользователь посмотрит, пропустит, лайкнет, сохранит или сочтёт интересным. Алгоритм не читает мысли и не знает человека так, как его знает близкий друг. Зато рекомендательная система постоянно наблюдает за поведением и очень быстро учится предсказывать следующий клик.
Главная проблема начинается там, где прогноз превращается в обратную связь. Пользователь задержался на определённом ролике, система показала похожий. Пользователь снова задержался, тема получила больший вес. Через несколько циклов лента уже заметно отличается от ленты человека с другими привычками. Поэтому две учетные записи одной платформы способны довольно быстро оказаться в разных информационных мирах.
Как на самом деле работает рекомендательная система
Современный рекомендательный алгоритм обычно не выбирает один «идеальный» пост из всего интернета. Система сначала формирует набор кандидатов, а затем ранжирует публикации по множеству прогнозируемых показателей. Подобную архитектуру давно применяет YouTube, а Meta описывает собственные системы как набор моделей, которые отбирают и ранжируют контент по прогнозируемой полезности и вероятным действиям пользователя.
Сигналы при этом вполне земные. TikTok учитывает взаимодействия с роликами, подписки, комментарии, репосты, информацию о видео и ряд параметров устройства. YouTube использует историю просмотров и поиска, подписки, лайки, дизлайки, команды «Не интересует» и «Не рекомендовать канал», а также опросы об удовлетворённости. Для Shorts учитываются, среди прочего, доля роликов, которые пользователь решил посмотреть, средняя длительность и процент просмотра.
Поэтому распространённая фраза «алгоритм знает, что вам нравится» описывает ситуацию слишком грубо. Модель скорее непрерывно вычисляет вероятности. Например, насколько вероятен просмотр ролика до конца, лайк, переход к следующему видео или положительная оценка после просмотра.
Не совсем верно и утверждение, что современные платформы оптимизируют ленту только ради максимального времени перед экраном. В промышленных рекомендательных системах одновременно учитываются несколько целей. Google описывал модели YouTube, которые совмещают показатели вовлечённости и удовлетворённости, а Meta использует набор прогнозов для разных действий и признаков качества. Время просмотра остаётся сильным сигналом, но формула давно сложнее команды «удержать любой ценой».
Правда ли алгоритмы специально кормят нас гневом
Утверждение, что соцсети всегда предпочитают страх и гнев радости и спокойствию, звучит убедительно, но научные данные не позволяют превратить его в универсальный закон. Высокоэмоциональный контент действительно может распространяться активнее, причём исследования находят подобный эффект для гнева, страха, возмущения и других возбуждающих эмоций. Связь зависит от платформы, темы, аудитории и того действия, которое измеряют исследователи.
Более того, повышенная вовлечённость не обязательно означает преимущество негатива. Исследование поведения зрителей YouTube обнаружило связь положительной тональности комментариев с более долгим просмотром, а отрицательной тональности с более коротким. Другая работа показала, что позитивные и негативные реакции распространяются по социальным сетям по-разному, причём положительные эмоции в некоторых условиях оказываются более «заразными».
Проблема поэтому не сводится к заговору платформ с целью разозлить аудиторию. Опаснее другой механизм. Если конкретный человек устойчиво реагирует на скандалы, тревожные новости или конфликты, модель обнаружит закономерность и начнёт чаще предлагать материалы, которые с высокой вероятностью вызовут похожую реакцию.
Как хронологическая лента превратилась в персональную
Переход произошёл не в один день. Facebook* запустил News Feed ещё в 2006 году, а затем постепенно усложнял ранжирование. К концу 2000-х годов появился подход, получивший название EdgeRank, где учитывались отношения между пользователями, тип публикации и её свежесть. Кнопка Like, появившаяся в 2009 году, дала системе дополнительный и очень удобный сигнал о предпочтениях.
Twitter двигался медленнее. В феврале 2016 года сервис официально добавил алгоритмический блок с наиболее интересными твитами, который нарушил строгую обратную хронологию. Именно поэтому фраза «до 2009 года Facebook и Twitter были полностью хронологическими» вводит в заблуждение. У каждой платформы была собственная траектория перехода к ранжированию.
Параллельно исчезла ещё одна естественная граница потребления контента, конец страницы. Дизайнер Аза Раскин разработал бесконечную прокрутку в середине 2000-х, а позже публично критиковал последствия интерфейса, который убирает момент, когда человеку приходится сознательно решать, продолжать ли просмотр.
Бесконечная прокрутка сама по себе не заставляет человека проводить часы в приложении. Однако сочетание непрерывной выдачи, автозапуска, уведомлений и персональных рекомендаций уменьшает число естественных точек остановки. В феврале 2026 года Еврокомиссия даже включила бесконечный скролл, автоплей, push-уведомления и сильно персонализированные рекомендации в перечень элементов TikTok, которые, по предварительной оценке регулятора, создают риск компульсивного использования. TikTok оспаривает выводы, а решение Еврокомиссии пока остаётся предварительным.
Создаёт ли алгоритм информационный пузырь
Персонализация действительно меняет набор информации, которую видит человек. Но популярная схема «поставил два лайка, через неделю стал радикалом» слишком примитивна.
Один из крупнейших полевых экспериментов провели во время президентских выборов в США 2020 года. Часть пользователей Facebook* и Instagram* получила обратную хронологическую ленту вместо обычной алгоритмической. Люди стали проводить на платформах меньше времени, однако исследователи не обнаружили сопоставимого изменения политических установок. Результат оказался значительно слабее популярных представлений о всемогуществе рекомендательных алгоритмов.
Но из результата нельзя сделать обратный вывод, будто алгоритмы вообще не влияют на убеждения. Опубликованный в 2026 году рандомизированный эксперимент с почти пятью тысячами пользователей X показал другую картину. Алгоритмическая лента чаще показывала консервативный политический контент и реже публикации традиционных СМИ, а несколько недель такого воздействия сдвинули ряд политических мнений участников в консервативную сторону.
Ещё один эксперимент показал, что небольшое изменение количества враждебного партийного контента способно менять отношение пользователей к политическим противникам. Когда такой контент искусственно понижали в выдаче, поляризация уменьшалась. Когда повышали, росла. Получается более интересная картина, чем привычный миф о «пузыре». Один и тот же механизм ранжирования способен как усиливать конфликт, так и ослаблять его, всё зависит от того, что именно система предпочитает поднимать выше.
Алгоритм поэтому лучше представлять не как гипнотизёра, а как редактора с гигантской скоростью работы. Редактор не обязательно заставит человека изменить убеждения, но способен сильно изменить набор аргументов, событий и собеседников, которые попадут в поле зрения.
Что происходит с психикой
Здесь особенно легко перейти от научных данных к страшилкам. Исследования действительно связывают проблемное использование коротких видео и социальных сетей с тревожностью, депрессивными симптомами, ухудшением внимания и другими неблагоприятными показателями. Однако систематические обзоры одновременно показывают большую неоднородность результатов. Многое зависит от возраста, исходного психического состояния, характера контента, режима использования и того, заменяет ли соцсеть сон, физическую активность и живое общение.
Поэтому нельзя уверенно написать, что «TikTok вызывает комплексы неполноценности» или что определённое количество роликов неизбежно меняет психику. Исследования подростков действительно находят связи между социальным сравнением, негативным опытом в соцсетях, неудовлетворённостью внешностью и психическим благополучием. Но простое количество минут перед экраном объясняет далеко не всё. В некоторых работах характер сравнения себя с другими предсказывал эмоциональные проблемы лучше общего времени использования.
Подростки требуют отдельного внимания. Американская психологическая ассоциация подчёркивает, что влияние соцсетей нельзя считать автоматически хорошим или плохим, а американский Surgeon General указывает на недостаток оснований считать нынешнюю среду социальных платформ достаточно безопасной для детей и подростков. Риск зависит от возраста, содержания ленты, интенсивности использования и индивидуальной уязвимости.
Что не так с «дофаминовой зависимостью»
Популярное объяснение выглядит красиво. Пользователь получает лайк, мозг выбрасывает дозу дофамина, возникает зависимость, после чего обычная жизнь перестаёт радовать. Нейробиология устроена сложнее.
Эксперименты с функциональной МРТ действительно показывали, что социальное одобрение и популярные публикации связаны с активностью областей системы вознаграждения, включая прилежащее ядро. Обзоры исследований функции Like подтверждают, что положительная социальная обратная связь задействует мозговые сети, связанные с наградой и социальным обучением.
Но сигнал фМРТ в прилежащем ядре не равен измеренной «дозе дофамина», а сам факт активации системы вознаграждения не доказывает зависимость. Те же мозговые системы участвуют во множестве обычных приятных и мотивирующих действий. Современные обзоры поэтому осторожнее связывают соцсети с чувствительностью к социальной награде и формированием привычек, а не описывают каждый лайк как маленькую дозу наркотика.
Более полезная модель выглядит проще. Пользователь совершает действие, иногда получает социальное или информационное вознаграждение, повторяет действие и постепенно формирует привычку. Непредсказуемость следующего результата дополнительно поддерживает цикл. Для объяснения бесконечной прокрутки такого механизма вполне достаточно, без нейромифологии.
Алгоритмы способны не только вредить
Персонализация усиливает не только раздражение, дезинформацию или недовольство внешностью. Рекомендательная система способна поднимать образовательные материалы, профессиональные сообщества, полезные инструкции и контент, который помогает человеку почувствовать поддержку.
Показательный пример связан с образом тела. Метаанализ исследований body-positive контента обнаружил краткосрочное улучшение удовлетворённости телом и настроения после просмотра подобных публикаций, хотя долгосрочный эффект изучен намного хуже. Другие исследования показывают, что социальная поддержка и возможность делиться жизненными событиями через социальные платформы в некоторых обстоятельствах связаны со снижением негативных эмоций.
Поэтому спор «алгоритмы хорошие или плохие» почти бесполезен. Гораздо содержательнее спрашивать, какие сигналы оптимизирует система, какой контент получает преимущество и что происходит с конкретной группой пользователей после нескольких недель или месяцев такого отбора.
Можно ли перевоспитать свою ленту
Да, хотя не существует магического срока вроде «ровно две недели». TikTok позволяет отмечать ролики как неинтересные и сбрасывать рекомендации ленты «Для вас». Instagram* также внедрил возможность сбросить рекомендованный контент в Feed, Reels и Explore. После сброса платформы заново обучают персонализацию на дальнейших действиях пользователя.
Практические меры выглядят довольно прозаично.
- Активно нажимать «Не интересует» и «Не рекомендовать», а не просто раздражённо досматривать нежелательный ролик.
- Отписаться от источников, которые регулярно провоцируют бессмысленный скроллинг.
- Чаще открывать нужные каналы и сайты напрямую, а не полагаться только на главную ленту.
- Отключить ненужные уведомления и автозапуск там, где платформа позволяет.
- Ограничить соцсети перед сном и пользоваться системными таймерами, если время начинает незаметно растягиваться.
- Периодически сбрасывать рекомендации, если лента ушла в тему, которую больше не хочется видеть.
- Разделять разные интересы между подписками, плейлистами или отдельными учетными записями, когда смешанная активность постоянно сбивает рекомендации.
Полный «цифровой детокс» подходит не всем. Рандомизированное исследование недельного отказа от соцсетей выявило улучшение некоторых показателей благополучия, тревоги и депрессии, но более поздние метаанализы получили намного менее однозначную картину. У части людей сокращение времени помогает, у других заметного эффекта нет. Поэтому разумнее подбирать режим под проблему, а не считать один день без телефона универсальным лекарством.
Что объяснять детям
Запрет «не сиди в телефоне» мало рассказывает ребёнку о механике платформы. Полезнее показать, почему два человека могут открыть один сервис и получить совершенно разные ленты, почему большое число лайков не превращает утверждение в факт и почему ролик, вызвавший сильную эмоцию, стоит проверить до репоста.
Рекомендации специалистов по подростковому использованию соцсетей сводятся не только к экранному времени. Родителям советуют учитывать содержание, сон, возраст ребёнка, признаки компульсивного поведения и влияние социальных сравнений. Совместный просмотр и разговор о том, почему система предложила конкретный ролик, дают ребёнку модель критического отношения к ленте вместо представления о ней как о нейтральном окне в мир.
Китай выбрал жёсткий контроль, но миф о 40 минутах требует поправки
Китай действительно стал одной из первых стран, которая ввела специальные правила для алгоритмических рекомендаций. Нормы, вступившие в силу 1 марта 2022 года, требуют от сервисов раскрывать базовую информацию о рекомендательных механизмах и дают пользователям возможность отказаться от алгоритмических рекомендаций или получить вариант, не основанный на персональном профиле.
Однако часто встречающееся утверждение о государственном лимите «40 минут TikTok в день для всех китайских подростков» неверно. Ограничение в 40 минут появилось у Douyin ещё в 2021 году в специальном youth mode для подтверждённых пользователей младше 14 лет. Режим также ограничивал часы доступа. Позже Китай расширил регулирование детских режимов и требований к защите несовершеннолетних, но 40 минут нельзя описывать как единый законодательный лимит для всех подростков и всех коротких видеосервисов.
Европа требует прозрачности и альтернативы персонализации
Европейский Digital Services Act пошёл другим путём. Статья 27 требует от платформ объяснять основные параметры рекомендательных систем и предоставлять пользователю предусмотренные сервисом способы менять такие параметры. Для очень крупных платформ и поисковиков статья 38 добавляет отдельное требование, должна существовать как минимум одна версия рекомендательной системы, которая не опирается на профилирование пользователя.
Поэтому фраза «DSA даёт каждому право потребовать хронологическую ленту» слишком широкая. Закон говорит именно об альтернативе без профилирования для крупнейших сервисов. Хронологический порядок может использоваться как такой вариант, но DSA не предписывает всем платформам единственный конкретный интерфейс.
В феврале 2026 года регулирование вышло далеко за пределы формальной прозрачности. Еврокомиссия предварительно сочла дизайн TikTok нарушающим DSA из-за рисков компульсивного использования и отдельно назвала бесконечную прокрутку, автоплей, push-уведомления и сильно персонализированную рекомендательную систему. TikTok получил возможность оспорить выводы до окончательного решения.
Как рекомендательные алгоритмы регулируют в России
В России специальные нормы заработали 1 октября 2023 года после принятия Федерального закона № 408-ФЗ, который добавил в закон № 149-ФЗ статью 10.2-2. Закон охватывает владельцев сайтов, информационных систем и программ, которые предоставляют пользователям из России информацию с применением рекомендательных технологий, основанных на сборе, систематизации и анализе сведений о предпочтениях пользователей.
Владелец такого ресурса должен уведомить пользователей о применении рекомендательных технологий, опубликовать правила их работы на русском языке и описать применяемые процессы и методы, виды данных о предпочтениях и источники получения таких сведений. Закон также запрещает использовать рекомендательные технологии способом, который нарушает права и законные интересы граждан либо российское законодательство.
Механизм надзора устроен немного сложнее, чем иногда пересказывают. При признаках нарушения Роскомнадзор вправе запросить информацию и доступ к программно-техническим средствам рекомендательной системы, а владелец должен выполнить такой запрос в течение десяти дней. После подтверждения нарушения регулятор требует устранить проблему. Если требование не выполнено, Роскомнадзор может потребовать прекратить применение рекомендательной технологии, после чего владелец должен сделать это в течение 24 часов. Дальнейшее неисполнение может привести к ограничению доступа к ресурсу.
Практика уже стала заметной на самих площадках. «Яндекс», Ozon и Wildberries публикуют отдельные правила применения рекомендательных технологий, где описывают используемые категории данных и общие принципы формирования выдачи. Такие документы не раскрывают исходный код модели или точные веса признаков, но дают пользователю намного больше информации, чем формулировка «рекомендации подобраны специально для вас».
Что будет дальше
Рекомендательные алгоритмы вряд ли превратятся в системы, которые буквально читают скрытые желания человека. Для влияния подобная способность и не требуется. Большого массива обычных поведенческих сигналов уже хватает, чтобы всё точнее оценивать вероятность следующего действия.
Главный риск возникает не в момент, когда алгоритм однажды ошибся или показал неприятный ролик. Риск появляется в длинной цепочке. Система выбирает контент, человек реагирует, реакция становится новым сигналом, следующая выдача меняется, а изменённая выдача влияет на новое поведение. Через сотни циклов пользователь и рекомендательная модель фактически обучают друг друга.
Исследования последних лет одновременно разрушили два удобных мифа. Первый говорит, что алгоритмы почти гипнотизируют людей и неизбежно загоняют каждого в радикальный информационный пузырь. Второй утверждает, что рекомендации всего лишь отражают уже существующие вкусы и поэтому ни на что существенное не влияют. Полевые эксперименты с Facebook*, Instagram* и X показывают промежуточную картину. Эффект может быть слабым в одном контексте и измеримым в другом, а результат зависит от содержания ленты, платформы, политической среды и времени воздействия.
Поэтому лучший способ сохранить контроль над лентой довольно скучен. Не воспринимать рекомендации как объективную картину мира, сознательно давать алгоритму отрицательную обратную связь, регулярно выходить за пределы персональной выдачи и проверять особенно эмоциональные утверждения через независимые источники.
Алгоритм решает, что поставить перед глазами следующим. Решение, считать ли предложенный фрагмент реальностью целиком, пока остаётся за человеком.
* Деятельность Meta Platforms Inc., которой принадлежат Facebook и Instagram, признана экстремистской и запрещена на территории России. WhatsApp под решение о запрете деятельности Meta Platforms Inc. не подпадает.
