作者：肥肥猫的小酒馆

来源：微信公众号“肥肥猫的小酒馆（ID：zhihufeifeimao）”

在1865年，北京永定门外的平地上，英国人杜兰特开起了一条只有一里多长的铁路上的蒸汽机车。当时京城的百姓对此闻所未闻，对这个新技术感到惊讶，几乎要引起大变动。最后，步军统领衙门下令拆除了这条铁路。类似的情况在10年后的上海吴淞铁路上也发生了，同样引起了骚动，最终清政府收购并拆除了这条铁路。现在，算法也遭遇到了类似的情况。英语中有一个专门的词叫做Technophobia，指的是人们对新技术的天然恐惧。简而言之，算法是一套评判机制，通过根据用户的反馈行为改进平台功能，提高用户体验，最终形成一个良性循环的生态系统。然而，对算法的妖魔化言论一直存在。最近有一些文章强调两点：1、算法只推送用户喜欢看的内容。2、今日头条等平台只依靠算法。这些观点简化了客观事实，其实是典型的Technophobia。当人工智能用于内容分发之后，用户需求如何与推荐内容有效地重合并明确界定边界将是一个长期的议题，不能简单粗暴地下结论。

头条和抖音的内容机制一直在自我进化

《变傻》一文的作者很可能没有使用过现在的今日头条和抖音，他的认知仍停留在过去。互联网评论总是有些人喜欢用一成不变的眼光来评判对方，导致得出错误的结论。今日头条很清楚，算法是不完美的，有其局限性。因此，它需要另一种分发手段来弥补算法的不足和弊端，或者说找到驱动今日头条的第二个轮子，现在看来这个轮子就是粉丝分发，或者称为社交分发。今日头条已经经历了7个大版本的更新，早已不再是纯粹的算法，而是综合了“算法+社交+搜索+问答”的机制。例如，你可以通过搜索功能主动寻找对你有价值的信息。如果你对哲学感兴趣，可以在今日头条上搜索“尼采”、“柏拉图”、“福柯”等关键词获取相关资讯，并与人交流。实际上，“主动搜索”并获取信息是所有平台都希望用户能够做的事情，因为这可以创造更精准的价值。算法的价值还在于长尾分发，即使是小众信息也能得到良好的推荐。同时，在信息丰富的情况下，拥有小众兴趣的人也能找到有价值的信息，例如一些冷门电影、80年代的老照片和大学的校园资讯。这些原本散落在互联网各个角落的信息被收纳进一个推荐盒子，呈现在用户面前，而不是像过去一样被埋没在信息的海洋中。如果你仔细观察今日头条的首页，你会发现它实际上分为四个区域：

1. 搜索区：用户可以主动搜索感兴趣的信息；

2. 置顶区：包括国家大事；

3. 要闻区：重要的媒体新闻，通常会标注为“热”；

4. 个性化区：用户偏好的资讯，既包括用户自主订阅的信息，也包括系统推荐的信息。

换句话说，在今日头条实际的产品机制中，算法不仅仅是推送感兴趣的内容，也不存在只能看到算法推荐内容的情况。今日头条的成功主要依靠对流量的理解以及公司的运营、算法、数据化思维形成的执行力。算法固然重要，但只是其中的一环而已。

算法并不是你喜欢什么就只给你推什么

如果你认为算法是根据你的喜好来推送内容，那么你对算法的理解可能过于简单了。实际上，早就有人提出这种说法，传播学中称之为回音室效应。很多人担心互联网的内容推荐算法会加剧回音室效应，即只推送用户喜欢的内容，最终导致全部都是同质化的内容，无法看到其他内容。然而事实证明，这并没有发生，也没有哪个互联网公司会如此愚蠢地去做。原因很简单，人本身是喜新厌旧的，对多样性的追求是基本需求。只推送用户喜欢的内容是违背人性的。就好像一家饭店不会每顿都给你吃你喜欢的东西，不给你看菜单一样，没有任何一家饭店会这么做。举个例子，我们拿抖音进行实验，在未登录状态下用一台新手机随机刷10条，结果如下：日常生活（2条）、简笔画（1条）、萌宠（1条）、户外纪实（1条）、小姐姐（1条）、英文教学（1条）、家庭亲子（1条）、健身（1条）、炒菜（1条）。

抖音和头条的算法并不像网上所说的那么简单和愚蠢。举个例子，当一个用户连续点赞了50个小姐姐的视频后，重启后抖音接下来推荐给他的50个视频包含了不同类型的内容，如小姐姐视频、日常生活、旅行风景、跳舞、正能量、萌宠、科普和健身等。这说明算法不会连续推送相同类型的内容。算法会根据用户的兴趣偏好进行推荐，并具备一定的打散机制，以避免雷同推荐的现象。算法不仅仅记录用户的单一喜好，而是考虑到人性的多样性。一个拥有健全人格的人不可能只有一种爱好，他可以同时喜欢小姐姐、萌宠、世界各地的风景、音乐和舞蹈等。此外，连续推送同一主题是不划算的，因为边际效用递减的规律使得第一次刺激的感受会冲淡第二次刺激。这也解释了人们为什么总是喜新厌旧，一个人的兴趣爱好不可能永远不变。从满足用户需求的角度来看，平台也不会一直推送相同类型的内容。

推荐算法具备探索能力，它不仅仅是机械的算术。这也是为什么科技公司会争相聘用高端人才进行推荐算法优化的原因。算法具有不断学习、迭代和进化的能力。正是因为算法强大的学习能力，机器人才能战胜世界顶级棋手，形成极高的竞争壁垒。推荐算法中的协同推荐是指根据分析不同用户之间的相似性来扩展推荐的探索能力。例如，当张三喜欢科技、财经和体育，李四喜欢科技、财经、体育和健康内容时，算法会尝试将健康资讯推送给张三，因为在推荐系统看来，张三和李四是相似的人。这样，张三就可以接收到原本不在自己兴趣范围内的健康资讯。

推荐系统通过推荐与用户相似的一群人可能感兴趣的内容来丰富内容。这些人感兴趣的内容很可能也是用户会感兴趣的，但用户此前可能还不知道。推荐算法不是根据观点来推荐内容，这可以确保更多种多样的观点。相比之下，朋友圈具有更大的“回音壁”效应，人们往往陷入其中而不自知。朋友圈里的信息完全由用户自己定制，很容易形成同一类人或者同一群人的偏见。而算法推荐的内容不是根据观点推荐，这可以确保更多种多样的观点。通过算法推荐的内容，可以让社会底层的工作者、普通人等被更多人看到，这些人可能是每天给你送外卖的小哥、给你理发的学徒、手机生产线上的工人等。算法让来自全国各地、各种身份的人无差别地汇聚到了用户的手机里，让用户能够透过手机屏幕看到丰富多样的人生百态。同时，推荐算法也会重新推荐数据库中的优质老内容，给它们更多的曝光。这些老作品之所以能够引起关注，主要是因为这些账号已经发布了足够多足够垂直的内容，标签变得更加清晰，推荐算法能够帮助这些优质内容匹配给更精准的用户。相比之下，在公众号等平台上，很少有一个月前的精品内容能够重新引起关注，这其实是对海量优质内容的浪费。一个优质的推荐系统本质上是信息降噪的过程，从一个巨大的内容池中选出对用户有价值的信息推荐给他们，降低用户寻找、筛选和组织信息的成本。

算法和APP只是工具，具体如何使用取决于人自己。虽然算法作为工具应该不断完善，但具体如何使用算法取决于人的选择。在研究事物或思考观点时，人们应该只问自己“事实是什么”以及“这些事实所证实的真理是什么”，而不被自己更愿意相信或认为对社会有益的东西所影响。我们变傻的不是算法，而是失去理性的审视。