Wracasz z imprezy, na której poznałeś kogoś przelotnie – może zamieniliście kilka słów, może tylko staliście obok siebie przez chwilę. Następnego ranka otwierasz Facebooka i widzisz tę osobę w sekcji “Osoby, które możesz znać”. Nie ma żadnych wspólnych znajomych. Nikt jej nie szukał w wyszukiwarce. A jednak tam jest. To nie zbieg okoliczności – to algorytm, który prawdopodobnie często wie o nas więcej, niż nasi najbliżsi przyjaciele.

Czym jest system People You May Know (PYMK)?

People You May Know, w polskiej wersji “Osoby, które możesz znać”, to jeden z najstarszych i najskuteczniejszych mechanizmów Facebooka służących do rozbudowywania sieci społecznej użytkowników.

Głównym celem tego mechanizmu jest zwiększanie zaangażowania użytkownika – im więcej znajomych, tym więcej treści w aktualnościach, i tym dłużej użytkownik pozostaje na platformie. Meta nie ukrywa, że to narzędzie biznesowe, choć oficjalne wyjaśnienia działania algorytmu są dość ogólnikowe.

System PYMK (Osoby które możesz znać) nie jest prostym, liniowym porównywaniem list znajomych. To rozbudowany mechanizm oparty na modelach machine learning, który przetwarza ogromne ilości danych w czasie rzeczywistym – korzystając między innymi z Apache Giraph, czyli narzędzia do analizy grafów społecznych na masową skalę.

---

Jak algorytm dobiera propozycje znajomych – krok po kroku

Według najnowszych oficjalnych informacji Meta (aktualizacja z grudnia 2024 roku), algorytm PYMK działa w trzech wyraźnie zdefiniowanych etapach:

1. Zbieranie puli potencjalnych kandydatów (inventory)

Na początku system tworzy szeroką pulę profili, które mogą być “istotne”. Do tej listy trafaiają przede wszystkim znajomi znajomych, członkowie tych samych grup, osoby z tego samego miejsca pracy czy uczelni, a nawet użytkownicy, których dane kontaktowe pokrywają się z wgranymi przez kogoś listami kontaktów telefonicznych.

2. Ranking kandydatów

Następnie algorytm przypisuje każdemu kandydatowi z puli wynik prawdopodobieństwa, że dana propozycja zakończy się faktyczną interakcją – wysłaniem zaproszenia i jego akceptacją. W tym kroku modele machine learning analizują dziesiątki sygnałów, w tym aktywność z ostatnich 7-30 dni, liczbę wspólnych znajomych, wspólne grupy, tagi na zdjęciach, a nawet wskaźniki akceptacji zaproszeń dla danego profilu.

3. Filtry integralności

Na końcu system stosuje filtry, które usuwają z sugestii konta naruszające standardy społeczności – fałszywe profile, boty czy konta zgłoszone za nękanie. Ten etap został znacząco rozbudowany pod koniec 2024 roku.

---

Oficjalne czynniki versus ukryte sygnały

Meta oficjalnie wymienia kilka głównych czynników wpływających na propozycje znajomych:

• Wspólni znajomi – to zdecydowanie najważniejszy i najczęstszy powód sugestii. Osoby z wieloma wspólnymi znajomymi pojawiają się znacznie wyżej na liście.
• Informacje z profilu – wspólne miasto, szkoła, uczelnia, miejsce pracy.
• Aktywność na platformie – członkostwo w tych samych grupach, oznaczenia na zdjęciach i w postach.
• Wgrane kontakty – numery telefonów i adresy e-mail zsynchronizowane z telefonu przez użytkownika lub jego znajomych.

Brzmi sensownie i niegroźnie. Problem w tym, że to tylko część prawdy.

Przez lata Facebook w swoim centrum pomocy wspominał o “wielu innych czynnikach” wpływających na sugestie – frazę tę później po cichu usunięto. Nawet wewnątrz Meta algorytm PYMK opisywano jako otoczony tajemnicą. Dziennikarze śledczy Wired wielokrotnie dokumentowali przypadki, w których sugestie znajomych nie dawały się wyjaśnić żadnym z oficjalnie podanych czynników.

Przeglądanie profili – sygnał, o którym Facebook milczy

Jedno z najbardziej intrygujących zjawisk dotyczy przeglądania profili. Użytkownicy wielokrotnie zgłaszali, że po odwiedzeniu profilu obcej osoby – np. z ciekawości po zobaczeniu komentarza w grupie – ta osoba wkrótce pojawiała się w ich sugestiach znajomych. Co więcej, mechanizm ten działa w obie strony – osoba, której profil przeglądaliśmy, może zobaczyć nas w swoich propozycjach. Facebook oficjalnie tego nie potwierdza, ale zbyt wiele niezależnych relacji wskazuje, że aktywność przeglądania jest jednym z ukrytych sygnałów rankingowych.

Lokalizacja i bliskość fizyczna

W 2016 roku Facebook przyznał, że wykorzystuje dane lokalizacyjne do generowania propozycji znajomych, ale po fali krytyki szybko się z tego wycofał – przynajmniej oficjalnie. Do dziś pojawiają się anegdoty o tym, jak osoby korzystające z tej samej sieci WiFi w kawiarni czy przebywające w tym samym budynku zaczynają pojawiać się nawzajem w sugestiach. Czy algorytm nadal bierze pod uwagę bliskość urządzeń? Meta zaprzecza, ale wątpliwości pozostają.

---

Dlaczego sugestie bywają niepokojąco trafne

Wiele osób doświadcza czegoś w rodzaju szoku, gdy Facebook sugeruje im kogoś, o kim myślały, ale z kim nie miały żadnego cyfrowego kontaktu. Zanim jednak dojdziemy do wniosku, że platforma czyta w myślach, warto rozważyć bardziej przyziemne wyjaśnienia.

Najczęstszym powodem “tajemniczych” sugestii są dane, o których istnieniu użytkownik po prostu zapomniał. Wystarczy, że znajomy zsynchronizował swoje kontakty telefoniczne z Messengerem – a w tych kontaktach był numer danej osoby. Stary numer telefonu podany przy rejestracji, adres e-mail używany lata temu, jednorazowe logowanie przez WiFi w hotelu – każdy z tych drobnych śladów cyfrowych trafia do algorytmu i może posłużyć do powiązania profili.

Do tego dochodzi efekt Baader-Meinhof, znany też jako iluzja częstości. Kiedy zaczynamy zwracać uwagę na propozycje znajomych, nagle wydaje nam się, że każda sugestia jest podejrzanie trafna – choć wcześniej ignorowaliśmy dziesiątki zupełnie nietrafnych propozycji.

---

Ciemna strona algorytmu – realne konsekwencje

System PYMK to nie tylko ciekawostka technologiczna. Jego działanie miało już realne, czasem dramatyczne konsekwencje dla ludzi. Udokumentowane przypadki obejmują między innymi:

• Pacjentów tego samego psychiatry, którzy byli sobie wzajemnie sugerowani jako znajomi – co ujawniało fakt korzystania z opieki psychiatrycznej.
• Ofiary przestępstw seksualnych, które zobaczyły w sugestiach profil sprawcy.
• Klientów sex workerek, którzy pojawiali się jako propozycje znajomych dla ich bliskich.
• Osoby prowadzące podwójne życie, których romanse zostały przypadkowo ujawnione przez algorytm.

Te przypadki pokazują, że algorytm łączący ludzi na podstawie wspólnych punktów kontaktowych nie rozumie kontekstu społecznego. Dla systemu liczy się tylko jedno – prawdopodobieństwo, że sugestia zostanie zaakceptowana. Konsekwencje emocjonalne czy bezpieczeństwo użytkowników nie wchodzą do równania rankingowego.

---

Jak ograniczyć niechciane propozycje znajomych

Całkowite wyłączenie systemu PYMK nie jest możliwe – Meta nie oferuje takiej opcji. Można jednak ograniczyć liczbę dziwnych i niechcianych sugestii, podejmując kilka konkretnych kroków.

Po pierwsze, warto wyłączyć synchronizację kontaktów z Messengera i Facebooka. Można to zrobić w ustawieniach aplikacji, w sekcji dotyczącej wgrywania kontaktów. Po drugie, w ustawieniach prywatności warto zmienić opcję “Kto może mnie wyszukiwać za pomocą numeru telefonu/adresu e-mail” z “Wszyscy” na “Znajomi” lub “Tylko ja”. Po trzecie, ograniczenie widoczności profilu dla osób spoza listy znajomych zmniejsza liczbę sygnałów, które algorytm może wykorzystać. Warto też regularnie przeglądać i usuwać dane, które Facebook o nas gromadzi – w sekcji “Aktywność poza Facebookiem” można zobaczyć i odłączyć informacje zbierane przez zewnętrzne strony i aplikacje.

---

Wnioski i najczęściej zadawane pytania

Propozycje znajomych na Facebooku nie mają absolutnie nic wspólnego z przypadkiem. Za każdą sugestią stoi trzyetapowy algorytm oparty na machine learningu, który analizuje wspólnych znajomych, dane profilowe, aktywność na platformie, wgrane kontakty telefoniczne i prawdopodobnie wiele sygnałów, o których Meta oficjalnie nie mówi. System jest zaprojektowany z myślą o jednym celu – maksymalizacji zaangażowania użytkowników – i robi to niezwykle skutecznie, choć czasem z niepokojącymi skutkami ubocznymi. W erze zaawansowanej sztucznej inteligencji “przypadkowość” na platformach społecznościowych to iluzja. Platformy wiedzą o nas więcej, niż nam się wydaje, a każdy pozornie niewinny sygnał cyfrowy może zostać wykorzystany do zbudowania coraz dokładniejszego obrazu naszych relacji społecznych.