Informatieovervloed? Eigen schuld!

*) Jay Rosen is universitair hoofddocent journalistiek aan de New York University. Dit artikel komt uit de bundel ‘Wetenschappelijk onkruid – 179 hardnbekkige ideeën die vooruitgang blokkeren’ van Maven Publishing, een even vermakelijke en inspirerende als discutabele verzameling van wetenschappelijke ideeën en gewoonten die belangrijke denkers naar de prullenbak verwijzen. Het is een vertaling van This Idea Must Die van Edge.org (Zie ook het vermakelijke artikel over Statistische significantie van Charles Seife)

Wat van mij in de prullenbak mag, is het idee dat ‘informatieovervloed’ wordt genoemd. Dat heeft namelijk geen nut meer. De internetdeskundige Clay Shirky zegt het fraai: ‘Informatieovervloed bestaat niet. Er bestaan alleen slecht functionerende filters.’

Als je filters slecht zijn, is er te veel om je mee bezig te houden en nooit genoeg tijd. Dat is geen trend die door technologie is veroorzaakt, maar een levensomstandigheid. In een digitale wereld werken filters niet door weg te halen wat weggehaald moet worden, maar door het simpelweg niet te selecteren. Het niet-geselecteerde materiaal is er nog, klaar om te worden doorgelaten door het filter van iemand anders. Intelligente filters, het soort dat we nodig hebben, zijn er in drie vormen:

– Een slim persoon die van alles in zich opneemt en jou vertelt wat je moet weten. De oude term hiervoor is ‘redacteur’. De voorpagina van The New York Times werkt daar nog steeds mee.

– Een algoritme dat de keuzes die andere slimme mensen hebben gemaakt bekijkt, ze rangschikt en jou alleen de hoogst genoteerde resultaten laat zien. Dat is min of meer hoe Google werkt.

– Een systeem voor machinaal leren dat in de loop van de tijd jouw interesses en prioriteiten leert kennen en de wereld op een steeds slimmere manier voor je filtert. Amazon gebruikt dergelijke systemen.

Hier volgt de beste definitie van informatie die ik ken: informatie is een maat van gereduceerde onzekerheid. Deze definitie is bedrieglijk eenvoudig. Om informatie te hebben moet je twee dingen hebben: een onzekerheid die van belang is (we gaan morgen picknicken, gaat het regenen?) en iets wat die onzekerheid oplost (het weerbericht). Sommige informatie creëert echter juist de onzekerheid die ze moet oplossen.

Stel dat je op het nieuws hoort dat de National Security Agency encryptie op internet heeft gekraakt. Dat is informatie. Het vermindert de onzekerheid over hoe ver de Amerikaanse regering bereid was te gaan (heel ver). Hetzelfde nieuwsbericht vergroot echter de onzekerheid of er voortaan nog wel één enkel internet zal zijn en bereidt je voor op meer informatie tegen de tijd dat dat grotere geheel duidelijk wordt.

Informatie is dus een maat van verminderde onzekerheid, maar ook van gecreëerde onzekerheid. Dat is waarschijnlijk wat we bedoelen als we zeggen: ‘Nou, dat werpt meer vragen op dat het beantwoordt.’ Dat filters falen komt niet door te veel informatie, maar door te veel inkomende zaken die én geen bestaande onzekerheden verminderen, én geen belangrijke vragen opwerpen.

Het voor de hand liggende antwoord is de drie soorten filters te combineren: slimme mensen die het voor je doen, slimme groepen mensen en hun beslissingen, slimme systemen die leren van interactie met jou als individu. Op dit moment roept meestal iemand: ‘En hoe zit het dan met serendipiteit?’

Dat is een terechte vraag. We hebben behoefte aan filters die niet alleen doen wat we vragen, maar bovendien doorlaten wat we nog niet kunnen vragen omdat we het nog niet weten. Filters falen wanneer ze je te goed kennen, én wanneer ze je niet goed genoeg kennen.