让你变傻的不是头条抖音的算法，是无脑毒鸡汤

1865年，在北京永定门外的平地上，英国人杜兰特驾驶着一辆蒸汽机车在一英里长的铁路上行驶。当时京城的老百姓从来没有听说过这件事，清人李岳瑞《春冰室野乘记》说：“京师人不知道，成了妖物，举国，何其辛苦。”最后结束是步兵统领厅领令撤除。同样，十年后上海的吴宋铁路开通也引起了骚动，清政府买下了这条铁路并将其拆除。

今天的算法也是如此。英语中有一个词叫Technophobia。人们对新技术有一种天然的恐惧，就像上个世纪的科学怪人一样。简单地说，算法是一种判断机制。这种机制适用于平台的所有用户，并基于用户的一系列反馈行为来完善平台的功能，从而提升用户体验，最终使平台成为一个循环生态系统。然而，妖魔化算法的故事是一致的。例如，最近的“抖音”比腐蚀人更可怕的是，今天的头条新闻让我们变得愚蠢。这些文章都强调了两点：1、算法只会推送你想看到的内容。2、像今天头条这样的平台只依赖于算法。这些论点简化了客观事实，实际上是非常标准的技术恐惧症。在使用人工智能进行内容交付后，关于如何有效地将用户需求与推荐内容匹配起来，并明确界定它们的边界的讨论，并不是一个简单的问题，而是一个非常长期的问题。标题和抖音的内容机制，“变傻”的文章作者可能没有使用当前的标题和抖音，他的认知还停留在过去。互联网上的评论总是喜欢用同样的眼光看，互相看，做出判断，得出错误的结论。标题清楚地表明，算法是不完整的，有其自身的局限性。因此，我们需要另一种分配手段来弥补算法的缺点和缺点，或者找到第二个轮子来驱动头条新闻。第二个轮子似乎是粉丝分配，或社会分配。今天的头条新闻更新了七个主要版本，不再是纯粹的算法，而是“算法+社交+搜索+问答”的组合。例如，您可以使用搜索功能来自发地找到对您有价值的信息。如果你喜欢哲学，你可以在今天的标题中搜索“尼采”、“柏拉图”、 “傅柯”等关键词，以获得相关资讯并与人沟通。事实上，“主动搜索”和获取信息是所有平台都希望人们做的事情，因为它们创造了更准确的价值。

算法的价值还在于长尾，即使是利基信息也能得到更好的推荐。与此同时，如果信息足够丰富，具有利基兴趣的人也可以找到有价值的信息。例如，不受欢迎的电影，80年代的旧照片，大学校园信息等。分散在互联网各个角落的信息，并没有像以前那样被埋在信息的海洋中，而是被放入推荐框中，呈现在您的眼前。如果你看一下今天的头条新闻，实际上有四个部分。第一个是搜索区域，用户可以主动搜索他们感兴趣的信息。第二个领域是属于国家事务的顶级领域。第三是重要的媒体新闻区，通常被标记为“热门”。第四个是个性化领域，即属于用户偏好的信息，不仅包括用户的自愿订阅信息，还包括系统推荐信息。

也就是说，在当今头条新闻的实际产品机制中，算法不仅会推送感兴趣的内容，而且也不会出现只能看到算法推荐的内容的情况。今天的头条新闻成功主要取决于对流量的理解以及由公司运营、算法和数据思维形成的执行。算法很重要，但它只是其中的一部分。如果你认为算法不仅仅是按你喜欢的东西，如果你认为算法会按你喜欢的东西，那么你就过于简化了算法。事实上，这种说法已经存在了很长一段时间，传播被称为所谓的回声室网站，很多人担心互联网的内容推荐算法会加剧这种所谓的回声室效应--你喜欢什么，最终都是一样的内容，而不是什么，而是什么都是一样的。你不能看到另一个。但事实证明，这并没有发生，互联网公司也没有愚蠢到这样做。原因很简单。人性本身是新的和古老的，追求多样性是人类的基本需求。你喜欢的东西总是反人类的。就像让他们吃他们喜欢的任何东西，让他们吃同样的东西而不给他们看菜单一样，其他餐馆也不会这样做。例如，我们使用我们的新手机，在没有登录的情况下打开10个随机画笔。以下是统计数字：日常生活（2），素描（1），宠物（1），户外纪录片（1），妹妹（1），英语教学（1），家庭（1），健身（1），烹饪（1）

重启后，TikTok推荐的50个视频分别为：24个妹妹、9个日常生活、6个旅游风景、5个舞蹈、3个正能量、1个明亮的宠物、1个科普、1个健身。换句话说，即使你爱上了你的妹妹，你也不能连续地推送她的视频。事实上，算法根据用户的兴趣和偏好具有一定的去中心化机制，不存在连续的类似推荐现象。认为算法只会记录你的一个偏好，然后根据这些偏好做出建议，首先是对人性的蔑视，然后是对算法的蔑视。一个有健康人格的人不可能只有一个爱好--爱一个妹妹，但这并不妨碍他同时享受宠物、世界各地的风景、音乐和舞蹈。而且，由于边际效用递减的规律，连续地推动同一个话题是很大的损失和不受欢迎的。在社会心理学中也有“贝布尔”。当我们经历强烈的刺激时，所给予的刺激可以忽略不计。从心理上讲，第一个刺激会冲淡第二个刺激。

这也解释了为什么人们总是“新而累”，一个人的兴趣并不总是一样的。即使是从满足用户需求的角度来看，平台也不能一直推你。算法本身具有搜索能力，而不是机械算术。如果是这样的话，大型科技公司就不需要去争夺一名著名大学毕业的算法工程师，一名算法工程师不配赚一百万年的年薪，谷歌、微软等公司也不需要雇佣大量高端人才来推荐算法优化。算法的吸引力在于它的持续学习、迭代和进化。机器人之所以能够击败世界顶级选手，是因为他们的学习能力更强，竞争壁垒更高。可搜索性最初是推荐算法的特征之一。这里有一个知识点：协调建议。算法的协同推荐除了内容本身之外，还包括用户推荐，它基于对不同用户之间相似性的分析，扩展了推荐的探索能力。张女士喜欢科技、金融和体育，而李女士喜欢科技、金融、体育和健康内容，所以算法会尝试向张女士推送健康信息。因为在推荐系统中，张三和李四是相似的。因此，张女士可以收到超出她兴趣范围的健康信息。

推荐系统会推荐与你相似的人可能会感兴趣的内容。他们感兴趣的是你可能感兴趣，但你不知道的东西，所谓的“我不知道我不知道”。内容在某种程度上变得更加丰富。算法比社交更容易突破圈子，而朋友圈则有更大的“回声墙”效应，人们往往在不知情的情况下陷入困境。因为朋友圈里的所有信息都是完全由你定制的，输出端的内容完全由自己过滤掉，所以人们听不到与自己不同的意见和意见，很容易形成同类型人或同群体的偏见。通过算法推荐内容，而不是通过意见，可以确保更多样化的意见。如果短视频应用不出现，社会底层的工人和普通人将继续被忽视。这些人可能是你每天送给你的兄弟姐妹，有可能是你理发师的学徒，有可能是你手中的手机装配线工人，他们没有做微博搜索，也不会出现在你的微信朋友圈里。算法将全国各地不同身份的人不加区别地聚集在手机上，通过手机屏幕，你可以看到各种各样的生活。例如，TikTok可以重新推荐其数据库中的“高质量的旧内容”，甚至可以给他们更多的曝光。这些老作品之所以“爆炸”，通常是因为账户发布了足够多的垂直内容，标签变得更加清晰，推荐算法有助于将这些高质量的内容与更准确的用户匹配。在公众号这样的平台上，一个月前的优秀内容很少会“挖坟墓”。这实际上是对高质量内容的巨大浪费。高质量推荐系统本质上是一个信息降噪过程。从庞大的内容池中选择对您有价值的信息，降低搜索信息、筛选和组织信息的成本。毕竟，应用程序和应用程序只是一个工具。算法作为一种工具，应该不断改进。但如何使用它取决于人们。罗素说：“无论你在研究什么，无论你在思考一种观点，都要问自己'事实是什么？”“这些事实所支持的真相是什么？”不要被你想相信的东西或人们相信后认为对社会有益的东西所影响。让我们看看什么是真的。让我们愚蠢的不是算法，而是非理性的审查。