Quase uma década de informações da internet inicial da China foi perdida

 (chinamediaproject.org)
2 pontos por GN⁺ 2024-06-03 | 1 comentários | Compartilhar no WhatsApp
  • Um texto no WeChat sobre o desaparecimento em massa dos registros da web em chinês anteriores à internet móvel foi apagado logo após a publicação, voltando a expor o problema da preservação da memória online na China
  • He Jiayan verificou que, mesmo ao buscar nomes como Jack Ma e Lei Jun no Baidu, Google e Bing com filtros de período, quase não aparecem notícias antigas, discussões, discursos ou materiais corporativos
  • Registros de sites importantes do início da internet, como NetEase, Sohu, fóruns universitários, Tianya Forum, blogs da Sina e Baidu Post, parecem ter desaparecido a partir de certos momentos ou estão em sua maioria inacessíveis
  • Entre os fatores para a perda de conteúdo estão o desaparecimento de sites pessoais e plataformas de blog, o fechamento de plataformas antigas pouco lucrativas, a ausência de recursos de preservação como o Internet Archive, e também o controle da história e da opinião pública pelo Partido Comunista Chinês, apontado como fator decisivo
  • À medida que as fontes primárias online das duas primeiras décadas do século 21 vão se esvaziando, cresce o risco de a história da internet chinesa ficar marcada por um vazio no registro histórico

O texto apagado do WeChat e sua rápida disseminação

  • O texto de He Jiayan publicado no WeChat tratava da realidade do desaparecimento em massa de conteúdos do início da internet chinesa
  • O texto foi publicado na quarta-feira, 22 de maio, e apagado do WeChat no dia seguinte
    • Após a remoção, aparecia uma mensagem 404 dizendo: “Este conteúdo não pode ser visualizado por violar as regras”
  • O texto apagado foi rapidamente arquivado e também se espalhou para plataformas fora do controle das autoridades chinesas
  • O China Media Project relaciona esse caso à manipulação da memória coletiva pela liderança chinesa

O experimento de busca de He Jiayan

  • He Jiayan, influenciador de internet ativo desde 2018, realizou buscas amplas sobre figuras do entretenimento e da cultura do fim dos anos 1990 até meados dos anos 2000
  • Ao pesquisar “Jack Ma” no Baidu com o período limitado entre 22 de maio de 1998 e 22 de maio de 2005, praticamente não surgiram resultados válidos
    • Havia um item marcado como de 22 de maio de 2024 nos resultados, mas na prática era um texto publicado em 2021, ou seja, fora do período definido
    • Só com essa busca, o total de materiais para entender a cobertura da época sobre Jack Ma, as discussões públicas, discursos e a evolução da empresa caiu para zero
  • No Bing e no Google, os resultados também não foram muito diferentes dos do Baidu, e a quantidade de informação útil permaneceu em um único dígito
    • Casos de resultados fora do período sendo puxados por engano também voltaram a aparecer

Sites desaparecidos e a dimensão da perda de conteúdo

  • Não é um problema apenas de Jack Ma: buscas por nomes como Pony Ma, Lei Jun, Ren Zhengfei, Luo Yonghao, Sister Fu Rong, Jay Chou e Li Yuchun mostraram resultados semelhantes
  • Ao testar vários sites, nomes e períodos, a conclusão foi que muitos sites chineses populares daquela época perderam conteúdos anteriores a certas datas ou desapareceram por completo
    • São citados como exemplo NetEase, Sohu, Campus BBS, Xici Hutong, Kaidi Maoyan, Tianya Forum, SchoolNet, blogs da Sina, Baidu Post e grandes sites pessoais
  • O Sina.com parecia ser uma exceção, ainda permitindo encontrar parte das informações de mais de 10 anos atrás, mas o volume restante é muito pequeno
  • He Jiayan afirmou que mais de 99,9999% do conteúdo da época desapareceu

As causas do desaparecimento dos registros

  • Com as mudanças tecnológicas, sites pessoais e plataformas de blog foram saindo de cena gradualmente
  • Plataformas comerciais encerraram serviços antigos pouco lucrativos, e não havia incentivo comercial para manter arquivos
  • Na China, falta o tipo de recurso social capaz de assumir a preservação que existe nos EUA com o Internet Archive
  • Em comentários vindos de fora do firewall chinês, o controle político e ideológico do Partido Comunista Chinês é apontado como o fator mais decisivo para a perda de conteúdo e a ausência de arquivos

A web em chinês com memória de peixinho dourado

  • He Jiayan avalia que a internet em chinês está se desintegrando rapidamente e que quase todo o conteúdo da internet em chinês anterior ao surgimento da internet móvel já desapareceu
  • Ele diz que antes acreditava que a internet tinha memória, mas que, na prática, ela era mais parecida com uma memória de peixinho dourado
  • Segundo ele, ao estudar figuras públicas importantes, percebeu nos últimos dois anos uma queda abrupta nas fontes primárias online
    • Reportagens originais, discursos, textos, entrevistas em vídeo e materiais de debate que antes podiam ser vistos estão ficando cada vez mais difíceis de encontrar
  • No futuro, quando as pessoas da era da internet olharem para as duas primeiras décadas do século 21, esse período pode acabar sendo 20 anos ausentes dos registros históricos
  • Ele ressalta a raridade dos registros remanescentes ao dizer que as informações antigas ainda visíveis na internet chinesa atual se parecem mais com “a última luz do sol poente”

Leituras relacionadas

1 comentários

 
GN⁺ 2024-06-03
Opiniões no Hacker News

  • Intencional ou não, isso toca exatamente no cerne de 1984: reescrever ou apagar registros do passado para mudar a percepção da história.
    Porém, boa parte do que aparece no artigo também parece o fenômeno típico de blogueiros migrando para novas tecnologias, blogs saindo do ar e empresas de redes sociais desaparecendo ou não preservando conteúdo antigo.
    Isso também pode acontecer bastante no Ocidente. Basta pensar em livros como “The Feynman Letters”, que antes era possível ler e hoje é praticamente impossível.
    Com e-mails é a mesma coisa. Quando a pessoa morre e o laptop quebra ou é descartado, tudo desaparece. No passado, ficava a forma física das cartas, mas hoje esse tipo de correspondência desaparece por completo.
    O mesmo vale para o Facebook: só seria possível se uma pessoa famosa tivesse exportado seus dados, esse arquivo ainda estivesse em um laptop funcionando e ainda houvesse a senha de login. Esse problema se repete em cada sistema que usamos para nos comunicar.
    Tirando exceções como laptops, todas essas informações se perdem. Vivemos em um buraco negro de detalhes históricos e, um dia, talvez isso seja substituído por uma história fabricada por alucinações de LLMs.
    Quem ama a compreensão histórica deveria se preocupar de verdade.

    • O trecho-chave é: “O texto de He foi apagado do WeChat no dia seguinte, e apareceu uma mensagem 404 dizendo: ‘Este conteúdo viola as regras e não pode ser visualizado’”.
      Comentários sobre a entropia natural da internet não são censurados. Eles são censurados quando chamam a atenção dos censores.
      É realmente cansativo ver essa falsa equivalência entre o comportamento humano orgânico no Ocidente e o abuso deliberado do poder central na China. O Ocidente também deveria preservar melhor a história, mas já preservamos muito mais dados por pessoa do que nossos antepassados poderiam imaginar. Uma coisa é e-mails desaparecerem porque alguém morreu; outra é um órgão central de censura apagar ativamente conteúdo antigo para facilitar a mudança da narrativa do partido. Não são coisas comparáveis.
    • Outra falsa equivalência. Aqui, “intencional ou não” é de fato muito importante. Na era pré-digital, arquivar registros também exigia esforço; na era digital, arquivar registros também exige esforço. Muitas cartas físicas também desapareceram, apodreceram ou foram queimadas.
      Isso não é uma falha de arquivamento, é um expurgo. É parecido com a queima real de registros e cartas de intelectuais durante a Revolução Cultural.
    • Sou cético quanto à afirmação de que “no passado restava a materialidade das cartas”. Historicamente, é bem possível que cartas físicas tenham desaparecido tanto quanto as cartas digitais de hoje. Caso contrário, o mundo estaria cheio de lixo documental do passado.
      Os seres humanos sempre descartaram mais do que guardaram. O custo energético de operar de outra forma não valeria a pena. Felizmente, a história não é uma sequência de pontos de dados isolados, mas um conjunto de vários conjuntos de registros que se sobrepõem.
    • Fugindo um pouco do assunto, mas fiquei curioso sobre o que seria “The Feynman Letters” aqui. Conheço um livro que reúne cartas dele, mas não sei de nada relacionado a censura ou perda.
    • Recentemente, o Google não tem mostrado bem páginas antigas. Procurei uma pessoa que morreu há uns 10 anos e que antes tinha uma presença razoável na web; tive de vasculhar até o DDG e o Yandex para encontrar apenas alguns links.

  • O trecho “O texto de He foi apagado do WeChat no dia seguinte, e apareceu uma mensagem 404 dizendo: ‘Este conteúdo viola as regras e não pode ser visualizado’” é marcante.

  • Isso explica bastante por que LLMs e IA chineses sofrem tanto para obter dados, mesmo quando se supõe que tenham bancos de dados quase infinitos. Por negligência, censura, jardins murados, desaparecimento de conteúdo preso dentro de apps e efeito inibidor, muito mais dados do que se imaginaria simplesmente sumiram.
    Não dá para raspar aquilo que não existe mais ou que nunca foi escrito.

    • As grandes empresas provavelmente ainda têm bancos de dados quase infinitos dentro de seus jardins murados. Mas isso é outro assunto. Conteúdo censurado quase certamente também sofreu soft delete.
      O problema maior são sites relativamente independentes como o Tianya: https://en.wikipedia.org/wiki/Tianya_Club#cite_note-4
      Pense em BBSs ou newsgroups antigos. Seria realmente triste se quase todos esses registros tivessem desaparecido.

  • Há alguns comentários neste thread criando uma falsa equivalência flagrante com a internet ocidental. O ponto do texto é que, se você define o período de 1998 a 2005 nos principais mecanismos de busca chineses e pesquisa por uma celebridade sem controvérsias, aparecem 0 resultados de conteúdo realmente publicado naquele período.
    O desaparecimento da web inicial por falhas de preservação de provedores de hospedagem e pela migração para jardins murados é doloroso e trágico, mas não é nem de longe algo parecido ou funcionalmente equivalente a essa censura explícita.

    • Sim. É como pesquisar por Bill Gates em material anterior a 2006 e não aparecer nada.
    • Sim. Às vezes algo só sobrevive no archive.org e, mesmo assim, não dá para encontrar por outros mecanismos de busca; é preciso pesquisar diretamente lá.

  • A internet chinesa está passando por uma autossegregação
    Por causa do Great Firewall, alguns sites externos não podem ser acessados de dentro da China, e a Wikipedia foi completamente bloqueada em 2019
    Também acontece no sentido oposto. De fora da China, alguns sites internos chineses não podem ser acessados
    A maioria dos apps e sites chineses precisa, por lei, estar vinculada a uma identidade pessoal. Por isso é preciso se cadastrar com um número de celular, e na China uma pessoa = um número de telefone. Sem um número de telefone chinês, a maioria dos apps e sites chineses simplesmente se recusa a funcionar
    Não há como obter um número de telefone sem ir pessoalmente a uma loja de cartões SIM chineses e apresentar um documento de identidade
    Na prática, hoje em dia está ficando difícil até para estrangeiros visitarem a China. Sem um número de telefone, não dá para fazer nada com apps chineses; para conseguir um número de telefone, é preciso apresentar passaporte e visto válido
    Apps de mapas estrangeiros geralmente não funcionam direito na China
    Do ponto de vista da China, estrangeiros que não estão fisicamente dentro da China são simplesmente um incômodo. Ela não só deseja que chineses não usem apps estrangeiros, como também não quer que estrangeiros usem apps chineses
    Alguns meses atrás tentei criar uma conta no QQ, mas a versão “International” já não era mais mantida. Mesmo assim, tentei a última versão que funcionava, mas ela só dava erro; a versão “domestic” não funciona se o celular não estiver fisicamente dentro da China e, de qualquer forma, também exige um número de telefone chinês
    Cerca de duas semanas atrás, vi que o Zhihu também passou a impedir a expansão de respostas longas sem uma conta. Claro que, para criar uma conta, é preciso o maldito número de telefone. Pelo menos aceita números dos EUA
    Filosoficamente, parece um renascimento da mentalidade chinesa de segurança nacional. Todo contato entre dentro e fora é, por padrão, proibido, com a postura de que tudo que é necessário já existe no país de qualquer maneira
    “A majestosa virtude de nossa dinastia alcançou todos os países sob o céu, e os reis de cada nação ofereceram tributos valiosos por terra e por mar. Como o enviado de seu país pode ver por si mesmo, possuímos tudo. Não dou valor a objetos estranhos ou engenhosos, e os produtos manufaturados de seu país não têm utilidade.” — carta enviada pelo imperador Qianlong a George III em 1793

  • Não sei por que deveríamos esperar que mecanismos de busca retornem dados históricos com precisão. Mecanismos de busca modernos têm muitos desafios, como lidar com otimização para buscadores e retornar dados recentes, e não têm incentivo para preservar uma história tão antiga quanto 2005. É bem provável que páginas desse período tenham sido substituídas por textos mais relevantes
    A preservação histórica deve ficar a cargo de lugares como o archive.org; mecanismos de busca não são adequados para esse papel

    • Você leu o texto?

  • A China é um exemplo fácil demais de reescrita da história por vontade política
    Na Coreia do Norte, é ilegal mencionar fome ou inanição
    Na Flórida, é ilegal mencionar mudança climática em documentos estaduais

    • A afirmação de que “na Flórida, é ilegal mencionar mudança climática em documentos estaduais” precisa de fonte. Encontrei uma: https://www.miamiherald.com/news/state/florida/article12983720.html (https://archive.is/P9k4m)
      O conteúdo diz que funcionários do DEP foram instruídos a não usar os termos “climate change” ou “global warming” em comunicações oficiais, e-mails e relatórios
      Não sei se dá para chamar isso de ilegal, mas pelo menos transformaram em algo prejudicial para a carreira. Seria interessante se alguém usasse isso como base para uma ação por demissão injusta

  • Ao pesquisar “Jack Ma” no Baidu com o período “22 de maio de 1998 a 22 de maio de 2005”, aparece apenas um resultado positivo, e a data exibida é 22 de maio de 2024. Mas, ao clicar, é um texto publicado em 2021
    No Google dos EUA, aparecem cerca de 2.580.000 resultados
    É uma limpeza histórica bastante impressionante