Gerlitz und Helmond erklären am Anfang ihres TextsThe Like economy: Social buttons and the data intensive web auf welche Weise sich Facebook ausgebreitet hat. Dies geschah vor allem durch die Verbreitung der Like- und Share-Buttons auf diversen anderen Internetseiten. Damit wurden viele Seiten im Netz verbunden, man kann von einer Infrastruktur sprechen, die durch diese Art der sozialen Verbundenheit aufgebaut wird. Damit hat Facebook es sogar geschafft, den Like-Button als eine feststehende Größe in unserer Gesellschaft zu etablieren.

Dies ist aber erst im Web 2.0 aktuell. Zu Zeiten des Web 1.0 waren Besucherzahlen, sogenannte Hits, die bestehende Messgröße. Im Web 2.0 spielt vor allem Partizipation eine Rolle, wodurch Social Plugins wie der Like-Button zu feststehenden Messgrüßen werden konnten. Dadurch, dass eine Internetseite über mehr solcher Plugins verfügt, wird sie auch deutlich mehr von ihren Nutzern geformt. Es entsteht die schon angesprochene Infrastruktur, die Seiten sind untereinander alle miteinander verbunden. Der Datenaustausch wird nicht mehr nur durch Suchmaschinen und Hits gesteuert, sondern ganz klar von sozialen Plattformen, an denen jeder mitwirken kann.

Doch auch Facebook hat Grenzen, wenn es darum geht, dass reale soziale Leben auf ein soziales Netzwerk zu übertragen. So sprechen Gerlitz und Helmond das Fehlen des Dislike-Buttons an, den viele User fordern.

Soziale Plattformen wie Facebook können also durchaus als Mittel für soziale Interaktion gesehen werden, und sind wohl aus der heutigen Gesellschaft auch nicht mehr so schnell wegzudenken, ob sie dafür völlig ausreichen, ist anhand ihrer Grenzen jedoch fraglich.

Esposito macht direkt am Anfang ihres Textes Algorithmische Kontingenz. Der Umgang mit Unsicherheit im Web klar, dass die Gesellschaft gleichermaßen fasziniert, aber auch geplagt ist, von der Kontingenz, die in ihr herrscht. Das bedeutet, dass in unserer Gesellschaft alles möglich ist, ja, dass es sogar mehr Möglichkeiten und Konsequenzen für jeden gibt, als tatsächlich in Betracht gezogen werden können. Dieser Umstand muss aber nicht nur als etwas durchweg positives angesehen werden, er kann durchaus auch zu Enttäuschungen führen. Um das zu verhindern, gibt es einige theoretische Ansätze.

Ein etwas neuerer ist der der 'rationalization' von Lorraine Daston von 2013. Nach diesem Ansatz muss die Unsicherheit der Vernunft durch algorithmische Regeln ersetzt werden.

Aber auch schon früher gab es Ansätze, die der Enttäuschung durch die Kontingenz entgegenwirken sollten, wie zum Beispiel Wahrscheinlichkeiten und Statistiken ab dem 17. Jahrhundert. Dabei wirkt die Wahrscheinlichkeit nicht als etwas, dass die Welt untersucht oder die Suche nach der Wahrheit darstellen sollte, sondern vielmehr als ein Mittel, um scheinbar unüberwindbare Unsicherheiten weniger unsicher erscheinen zu lassen und diese entsprechend zu verwalten.

Da das große Problem der Kontingenz ist, dass man so viele Handlungsmöglichkeiten hat, deren Konsequenzen nicht überschaubar genug sind, ist eine Möglichkeit Gewissheit mit Vernünftigkeit zu ersetzen. Dadurch hat man zwar nie die Sicherheit, dass die eigene Wahl die bestmögliche ist, dies ist aber auch nicht zwingend erforderlich. Vielmehr ist bei diesen Techniken interessant, wie man nicht zufällige Entscheidungen am besten trifft, indem er rechnet. Durch Algorithmen können Unsicherheiten rationalisiert werden. Darauf zielt auch Dastons Technik ab. Bis dahin hat sich aber viel getan. So ist es ein Unterschied, ob auf einfache Statistiken und Wahrscheinlichkeiten gebaut wird, oder ob die eignen Unsicherheiten von einem Computer errechnet werden.

Wichtig ist aber vor allem, dass die Unsicherheiten nicht als etwas durchweg negatives gesehen werden, sondern durchaus als Ressourcen für neue Möglichkeiten genutzt werden können.

Das erste Problem, was beim Algorithmus auftritt ist, dass dieser formal nicht definiert werden kann, auch wenn klar ist, wie er funktioniert. Ein Algorithmus muss auch nicht immer zu einer Lösung führen, sodass es nicht immer sinnvoll ist, einen anzuwenden. Die Unsicherheit der Vernunft wird also zu einer Unsicherheit über die Grenzen der Formalisierung, selbst wenn man rational denkt, weiß man nie genau, wann man überhaupt rationalisieren sollte. Daraus folgt, dass die vernünftigste Lösung nicht unbedingt die richtige sein muss.

Dass Formalisierung Grenzen hat, scheint vielen nicht mehr bewusst zu sein, nützlich kann sie dennoch sein. Die Kontingenz wird dadurch aber nicht aufgehoben.

Die Verbreitung rationaler Ansätze hat außerdem zur Folge, dass diese irrational wirken können. Die Ansätze können ihre eigene Rationalität oder vielmehr die Irrationalität nicht mit berücksichtigen. Die Ansätze und Modelle selbst bleiben zwar rational, die Formalisierung schafft aber eine Situation, in der es eigentlich rational wäre, sich nicht formal mit Rationalität auseinander zu setzen. Dies führt zu einem neuen Bild von Algorithmen. Ihr Gebrauch sollte in der heutigen Gesellschaft unbedingt überdacht werden, da sie auf jeden Fall auch produktiv genutzt werden können. So scheinen sie sogar zu einer neuen Form von Intelligenz führen zu können, die anders als die menschliche Vernunft ist.

So zeigt zum Beispiel die Suchmaschine Google aufgrund ihres Algorithmus' Seiten an, die vorher schon miteinander verknüpft sind und so wahrscheinlich auf ähnliche Themen abzielen. Sie arbeitet nicht intelligent, da sie den Inhalt der Seiten nicht verstehen kann, aber der Umstand, dass sie dem Nutzer informative Seiten aufzeigt, sein Wissen vielleicht sogar um zusätzliche Informationen erweitert, lassen sie doch intelligent werden. Esposito spricht von einer reflektierten Intelligenz, da die Maschine sich die Intelligenz vorheriger Nutzer zu eigen macht und anhand dieser selektiert. Die Kontingenz wird dadurch keineswegs verringert, eher noch vergrößert, aber die Suchmaschine kann jederzeit ein nachvollziehbares Ergebnis ausspucken, das die Unsicherheit deutlich schrumpfen lässt.

Die Kommunikation im Internet ist ebenfalls eine völlig andere, da es autonome Roboter oder auch Bots gibt, die auf Algorithmen basieren. Sie sammeln Informationen zum Austausch in sozialen Netzwerken oder dem Internet allgemein. Diese werden dann im Netz weiter kommuniziert. Dies unterscheidet sie von klassischen Algorithmen, da Daten hier weiterverarbeitet werden können, um neue Daten zu erzeugen. Dies geschieht alles anhand menschlicher Selektion, die von den Menschen selber in diesem Maße jedoch nicht erfasst werden kann.