圖片來源@全景視覺
文丨辯手李慕陽
我們正在迎來一個(gè)越發(fā)偏激的時(shí)代，網(wǎng)絡(luò)上、生活中戾氣橫行。
曾幾何時(shí)，當(dāng)移動(dòng)互聯(lián)網(wǎng)和信息革命以摧枯拉朽之勢(shì)席卷全球時(shí)，田園詩(shī)一般的浪漫氛圍曾經(jīng)四處飄揚(yáng)。人們滿心以為，信息網(wǎng)絡(luò)將徹底打破人與人之間的信息不對(duì)稱，地球變得扁平，世界變得透明，貧富分化終將逆轉(zhuǎn)，各個(gè)民族和階層有更多的機(jī)會(huì)對(duì)話溝通和解。
然而現(xiàn)實(shí)無情擊碎了人們的幻夢(mèng)。僅以財(cái)富這一項(xiàng)看，在互聯(lián)網(wǎng)時(shí)代的20年里，全球貧富分化加劇，僅以美國(guó)為例，根據(jù)《彭博》報(bào)道，前1%的富豪財(cái)富接近前90%精英階層的總和。放到全球的范圍，僅2017年，1%的富人就占有了82%的財(cái)富。
馬修.杰克遜曾在《人類網(wǎng)絡(luò)》一書中指出，決定人與人不同階層和財(cái)富走向的核心有兩個(gè)：一是信息，二是機(jī)會(huì)（資源）。
那么，在信息高度透明扁平的今天，為何人類的偏激和分化卻更加嚴(yán)重了？
有一個(gè)說法是“信息繭房”。
2001年，美國(guó)法學(xué)家凱斯.桑斯坦在《網(wǎng)絡(luò)共和國(guó)》一書中曾經(jīng)提出：互聯(lián)網(wǎng)時(shí)代，人們面對(duì)海量劇增的信息，會(huì)傾向于從中選擇符合自己喜好的加以吸收，結(jié)果每個(gè)人攝取的內(nèi)容越來越狹隘，一步步滑入信息繭房。
比信息繭房更加激進(jìn)的說法是“網(wǎng)絡(luò)巴爾干化”，1996年美國(guó)學(xué)者埃爾斯泰恩和布林約夫森提出，網(wǎng)絡(luò)上的信息越來越多，人們喜歡的東西尚且看不過來，因此不會(huì)因?yàn)榛ヂ?lián)網(wǎng)更加開放開明，反而會(huì)更加封閉極端。
兩個(gè)假說都指向了一點(diǎn)：信息的透明開放未必全都是好事，因?yàn)檫@樣一來信息爆炸了、信息太多了、真假信息難辨，人們根本就看不過來了。
盡管信息透明開放帶來了一種公平，但是人們“處理信息的能力和精力”參差不齊，這帶來了新的不對(duì)等。
于是新的矛盾似乎產(chǎn)生了。人們把指向頭條、淘寶這樣的“算法推薦”平臺(tái)，他們說：這些App基于某某算法對(duì)人做各種深度學(xué)習(xí)、大數(shù)據(jù)分析，最后推薦的都是人們感興趣的內(nèi)容，這不是標(biāo)準(zhǔn)的“信息繭房”嗎？
這個(gè)說法看起來很簡(jiǎn)單，也很粗暴，最大的問題在于“看輕了算法”。
“算法推薦就是，我看到時(shí)尚、旅游、寵物的內(nèi)容，停留的久，點(diǎn)了贊，結(jié)果以后平臺(tái)給我推薦的都是時(shí)尚、旅游、寵物了。”他們總是這樣說。
但這只是基于“內(nèi)容特點(diǎn)”的推薦，是一種最基礎(chǔ)、最表層的算法。如果僅僅只是這么簡(jiǎn)單粗暴，那么這些公司很容易就會(huì)走入興趣的坑里，面臨兩大困局：
1、人是豐富多元的，每個(gè)人的興趣偏好都是多樣的。你隨便問一個(gè)人他的愛好是什么，他自己可能也很難準(zhǔn)確表述自己的興趣構(gòu)成。
2、人們的興趣又是善變的，新的興趣點(diǎn)隨時(shí)可能涌現(xiàn)，而一些感興趣的內(nèi)容因?yàn)檫^度消費(fèi)反而可能突然“膩味不感冒”了，從此邊際效益遞減。
就好像，天天在網(wǎng)上看萌寵，沒準(zhǔn)哪天就忽然不想看了，再看也不萌了。
事實(shí)上，無論頭條、阿里，還是國(guó)外的臉書、谷歌，采用的算法維度都沒這么簡(jiǎn)單。
一個(gè)成熟的算法推薦系統(tǒng)，至少需要考慮五個(gè)維度。
一是算法模型。常見的有協(xié)同過濾算法、監(jiān)督學(xué)習(xí)算法Logistic Regression、深度學(xué)習(xí)、Factorization Machine、GBDT五種模型。
比如協(xié)同過濾模型，系統(tǒng)不斷分析用戶大概是怎樣的人，然后進(jìn)一步找到和他相似屬性的人，根據(jù)這一類人的興趣愛好進(jìn)行推薦，把相似的內(nèi)容推薦給臭味相投的人。
也就是說，決定推薦的，不僅是看你一個(gè)人今天點(diǎn)贊了什么，更要看和你相似的人們喜歡什么。
以一個(gè)“人群”為基數(shù)進(jìn)行海量持續(xù)分析，不斷迭代優(yōu)化，還會(huì)陷入信息繭房嗎？
二是內(nèi)容分析。比如一篇文章的語義特征（關(guān)鍵詞、Topic、實(shí)體詞）、文本相似性特征、時(shí)空特征。
三是用戶標(biāo)簽。除了用戶的興趣、聚類、性別、年齡、地點(diǎn)等身份特征，還要圍繞用戶行為做好數(shù)據(jù)處理策略，比如過濾噪聲、熱點(diǎn)懲罰、時(shí)間衰減、懲罰展現(xiàn)。
四是結(jié)果評(píng)估。如何兼顧短期和長(zhǎng)期指標(biāo)，如何兼顧用戶指標(biāo)和生態(tài)指標(biāo)，如何通過ABtest實(shí)驗(yàn)持續(xù)優(yōu)化推薦結(jié)果？
五是安全規(guī)范。比如電商平臺(tái)的反黃與合規(guī)，比如內(nèi)容平臺(tái)的ugc內(nèi)容審核、風(fēng)險(xiǎn)內(nèi)容識(shí)別技術(shù)（鑒黃、反謾罵及低俗）、泛低質(zhì)內(nèi)容識(shí)別（假新聞、洗稿、標(biāo)題黨等）。
可見，真正的算法推薦系統(tǒng)遠(yuǎn)比“喜歡看蛋糕推薦蛋糕”要復(fù)雜得多，也深入得多、智能得多。
把鍋甩給技術(shù)和算法從來都是最簡(jiǎn)單不費(fèi)力的方法，只不過這樣一來人們就會(huì)拒絕更深入的反思和改變。
美國(guó)明尼蘇達(dá)大學(xué)計(jì)算機(jī)系專門進(jìn)行了實(shí)驗(yàn)，讓兩組人同時(shí)在協(xié)同過濾算法推薦的平臺(tái)上獲取內(nèi)容，一組人對(duì)推薦結(jié)果進(jìn)行“跟隨”，一組人對(duì)推薦結(jié)果毫不理會(huì)。
實(shí)驗(yàn)結(jié)果和一般的認(rèn)知完全相反：綜合21個(gè)月的數(shù)據(jù)，跟隨組獲得的信息更加豐富多元，不理會(huì)算法推薦的一組，視野反而更加狹窄了。
前幾天今日頭條的CEO朱文佳在生機(jī)大會(huì)上說，頭條要做的就是通用信息平臺(tái)，通過推薦、關(guān)注、搜索來分發(fā)圖文、視頻、音頻、問答等各種信息內(nèi)容，這種內(nèi)容和分發(fā)手段的多元組合不僅不會(huì)帶來信息繭房，還會(huì)帶來一個(gè)“更大的世界”。
他說的可能是大實(shí)話，就像前面所說，如果頭條們做的僅僅是“喜歡看萌寵就推薦萌寵”這種最粗淺的推薦，那么一定會(huì)無法解決人們興趣的多元、興趣的善變和興趣滿足的閾值提升。
君子不立于危墻之下，如果不對(duì)人們進(jìn)行更加深度的算法學(xué)習(xí)，今日頭條根本不可能有今天。
事實(shí)上，喜歡篩選感興趣的內(nèi)容本來就是人類的習(xí)慣，是天性和本能。
試想，無論讀書看報(bào)，還是逛書店、看電視，你是不是首先都要找自己感興趣的？
即便早期的網(wǎng)站，是不是也有主題和版塊，方便你去篩選？
算法推薦只是加速了這一進(jìn)程，讓人們面對(duì)海量信息時(shí)、篩選感興趣的內(nèi)容更加簡(jiǎn)單高效。
前面說過，信息的爆炸帶來了新的馬太效應(yīng)，在信息處理能力和精力上優(yōu)裕的人變得更有優(yōu)勢(shì)。從這個(gè)角度說，算法推薦不僅不是造成分化的關(guān)鍵，反而是一種效率提升手段，幫助能力精力上并不占優(yōu)的人彌補(bǔ)不足、提升效率，為什么反而要背鍋呢？
每一次探討人類的“偏激化”和“選擇性認(rèn)知”，我們都必須厘清一個(gè)概念，興趣和態(tài)度。
興趣并不會(huì)讓人偏激，只有對(duì)某件事情的態(tài)度、觀點(diǎn)和立場(chǎng)持續(xù)強(qiáng)化，變得封閉極端，人們才真正開始偏激起來。
比如說，你的興趣可能是足球，你的態(tài)度可能是對(duì)中國(guó)男足很不喜歡，如果這個(gè)情緒不斷強(qiáng)化變成切齒痛恨了，你是不是就偏激了？
從這個(gè)角度說，算法推薦只能推薦你“感興趣”的內(nèi)容，卻并不能了解你的“態(tài)度、觀點(diǎn)和立場(chǎng)”，推薦你“喜歡擁護(hù)”的內(nèi)容。
算法推薦可能知道你對(duì)智能手機(jī)感興趣，會(huì)給你推薦錘子的內(nèi)容，卻并不知道你打心眼里不喜歡羅永浩，所以錘粉錘黑錘中立的東西都一股腦兒過來了。
算法推薦可能知道你對(duì)健康非常關(guān)注，會(huì)給你推薦醫(yī)療領(lǐng)域的消息，但并不知道你對(duì)中醫(yī)或者西醫(yī)的態(tài)度，所以它都會(huì)推薦。
分化裂化的罪魁禍?zhǔn)撞皇撬惴ㄍ扑]，因?yàn)檎嬲龑?dǎo)致分裂的不是興趣，而是人們?cè)谕慌d趣中不同的態(tài)度和立場(chǎng)被不斷強(qiáng)化。
這就是常說的網(wǎng)絡(luò)回音室原理，對(duì)于同一問題，人們總是喜歡聽到和自己相似的觀點(diǎn)，過濾相反的觀點(diǎn)，最后接收到的就像是自己的回音一樣。
是什么在催生網(wǎng)絡(luò)的回音室？如果算法推薦并不會(huì)帶來信息繭房，究竟是什么在帶來信息的“偏食”和情緒的偏激？而我們，又該如何應(yīng)對(duì)和破解？
一個(gè)答案可能是“單一”。
單一的信息獲取渠道、單一的信息溝通模式是問題的根源。
無論是只在網(wǎng)站看編輯置頂，還是只在朋友圈看別人轉(zhuǎn)發(fā)的文字，亦或者只關(guān)注大V的分享，甚至只聽?wèi){算法的推薦……只要一個(gè)用戶、他對(duì)某一信息獲取和溝通模式形成“路徑依賴”，那么視野就可能漸漸變窄。
其實(shí)，每一種信息分發(fā)方式都有其獨(dú)有價(jià)值，編輯分發(fā)帶來的是“你應(yīng)該知道的”，搜索帶來“你想知道的”，推薦帶來“你可能感興趣的”，關(guān)注帶來“你關(guān)心的人的動(dòng)態(tài)”。
每一種分發(fā)方式都不可或缺，只有豐富多元的信息獲取組合，搜索、關(guān)注、算法、熟人和陌生人整合起來，才能避免信息的偏食，這可能也是大平臺(tái)們正在試圖成為“綜合化”的原因。
谷歌、百度不僅做搜索引擎，還在搜索結(jié)果之外加入內(nèi)容推薦；微博在單純的關(guān)注流和熱搜之外，增加智能推薦和視頻；頭條則是算法推薦、要聞熱文、大V關(guān)注、搜索多合一。
只有整合足夠豐富的信息分發(fā)模式，甚至成為通用信息分發(fā)平臺(tái)，才能從根本上避免信息繭房，進(jìn)而全方面、智能化地了解用戶、滿足其信息需求。今日頭條所說的“一橫一豎”，也恰恰是圍繞這方面來演化的。
另一個(gè)答案可能是“孤獨(dú)”。
最近幾年社交衰退，人們正在從社會(huì)性動(dòng)物，變成孤獨(dú)型生物。
人們?cè)絹碓讲辉敢饷鎸?duì)現(xiàn)實(shí)社交的風(fēng)險(xiǎn)、壓力和不確定性，也越來越不愿意為了別人妥協(xié)遷就。虛擬網(wǎng)絡(luò)的發(fā)展讓人們更加沉迷于“不依賴他人”的娛樂，比如游戲和直播。各種消費(fèi)服務(wù)的完善也讓人們的日常生活越來越不需要與他人社交協(xié)作。
這樣的社交繭房帶來了這樣一個(gè)結(jié)果：人們?cè)絹碓綉械煤湍吧藴贤ń涣?，即便?duì)于已經(jīng)認(rèn)識(shí)的人，也傾向于選擇和觀點(diǎn)立場(chǎng)一致的人進(jìn)行溝通。
“好吧”正在成為越來越多現(xiàn)代人拒絕溝通的常用語，而“默默拉黑”則代替“正面剛”，成了非暴力不合作的標(biāo)配。
第三個(gè)答案是“情緒”。
從微博到公眾號(hào)，從條漫到短視頻，從咪蒙到盧克文，內(nèi)容生產(chǎn)者和KOL們正越來越善于利用人們的情緒，好事不出門，壞事傳千里，理中客或許正確，但遠(yuǎn)不如非黑即白的偏激情緒更能驅(qū)動(dòng)大眾的傳播，更能帶來流量。
正如《弱傳播》一書中描述的那樣，早在勒龐的時(shí)代，善于煽動(dòng)引發(fā)傳播就已經(jīng)是公開的秘密。但是在今天、基于大數(shù)據(jù)的情緒驅(qū)動(dòng)讓一切變得套路化、標(biāo)準(zhǔn)化甚至科學(xué)化。
獲取信息上路徑依賴，溝通信息上社交衰退，消化信息上感情用事，比起算法推薦信息繭房的假說，或許這三個(gè)問題才更加根本，也更加隱蔽。
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論
目前是原子化時(shí)代啊！