大数据推荐机制错在哪里?

以前很喜欢的一个新闻类App,就是网易新闻客户端。但不知道从什么时候开始,网易开始根据我看过的文章,推送相关的新闻给我了。从此,我开始讨厌起来这个App,它不仅窥探了我的喜好,更夺取了我漫无目的地浏览,只想知道最近热门话题的习惯。

网易新闻的推广语

于是,我就将这个App卸载了。没有了客户端,我发现我并没有错过任何重大新闻。无论是和人聊天,还是刷一下微博,或是看看朋友圈,你都能知道最近时事热点。

后来开通头条号,在手机端浏览新闻时发现,这个App过网易尤甚,甚至在我发了一些文章之后,我发现,竟然在推送给我的问答和文章中,包含了我想写的话题,彷佛跑到了我的脑中,更让我觉得不寒而栗。

在头条号上,我一篇关于巴塞罗那圣家堂的介绍竟然成了我发表的所有文章中最热门的一篇,原本我以为这么小众的话题,应该没有多少人关注才对。在获得惊喜的同时,我也发现了弊端。以头条号的Slogan“你关心的才是头条”分析,我们来看看这个推荐机制深为层次的问题。

今日头条的slogan

我原本喜欢随意看看的内容,在新的推荐机制下变成了根据我的历史浏览(行为习惯)推荐的内容。这件事很可怕,它将我爱好的多面性给抹杀了。我读的历史多,就推荐我很多历史内容,但并不表示我对娱乐新闻不感兴趣。虽然我真的关注娱乐新闻很少,连明星的脸都分不清楚,但偶尔看看某人的轶事,也是获取信息用以思考的素材。

豆瓣现在也采取了这样的方式,我搜过一本书只是想看看我有没有看过,或者只想了解一下作者的信息,或者只是查一下资料,但豆瓣上就开始推荐给我这些相关的评论和新闻。我真的很不喜欢这样!

这样推荐机制的前提,或者假设在于:你只关心与自己相关的信息,人只是自己喜好控制的动物。然而,这样的假设会造成人越来越沉浸于自己喜欢的事情上,越发会加深自己对现有观念的确信,从而不反思自己,从而不去扩展自己的知识面,越来越偏见!

这也是目前大学学科设置的问题,他们给自己造成了严重的、自以为是的缺陷。在很多领域,往往做出成绩的,都来着跨学科融合和思考的人。例如,读经济学,你只学会了用书本上学到的思考,正如《黑天鹅》一书中所批判的那样,那些从商学院或MBA毕业的数十万学生,使用这理想的高斯曲线,而对现实世界的偏差置之不理,在突发的金融危机之后,却声称这是万年不遇。

《黑天鹅》

今年诺贝尔经济学家算是颁对了人(包括之前颁发给卡尼曼),这些对经济学的假设前提:理性人进行思考的行为心理学,才是真正看到了经济学假设前提的缺陷。

回到智能推荐机制的话题,其一开始假设就错了,这些软件架构师如同沉迷于经济学假设的人一样,对人性视而不见,认为喜欢什么,就给他们喂什么吃。一则社会新闻,如情杀事件,我好奇打开之后,并不代表我对所有情杀、出轨等问题感兴趣;我观看了《环球时报》的一则报道,或许只是想看看它是怎么错的,并不代表我同意他的观点。

但这些大数据的智能推荐机制却不理解这些,他会频繁推荐给你相关内容。的确,也有标签可以标示自己并不喜欢,如一篇文章,一个话题,或是某个人物或是某个内容来源,从而让机器减少相关的推荐,但仍然不能解决其本质性的错误。每次在标示的时候,我都在犹豫,万一我将某一新闻来源的内容全部屏蔽掉了,我会不会错过一些好的东西;或是某个人物的一条信息表示不感兴趣,但她其余的内容确实我喜欢的;或者我还有不知道自己的爱好呢?

我不知道感不感兴趣,怎么办?

记得有人说过,所有发明,都是创造了一种需求,因为在这个发明出现之前,我们没有预料到自己还需要这种东西。而大数据的推荐机制恰恰反驳这一点,根本没有你不知道的需求,你想知道的,你已经看到了。


最后,我不希望简书最后也变成这样,随机推送一些文章挺好的,让我也能看到,其他人想的是这些,原来他们关注的和我不一样。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,185评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,445评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,684评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,564评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,681评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,874评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,025评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,761评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,217评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,545评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,694评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,351评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,988评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,778评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,007评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,427评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,580评论 2 349

推荐阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 171,808评论 25 707
  • 概述及标签体系搭建 1 概述 随着信息技术的迅速发展和信息内容的日益增长,“信息过载”问题愈来愈严重,愈发带来很大...
    JinkeyAI阅读 22,765评论 10 241
  • 竞品选择: 除垂直类的资讯产品以外,其他几类产品所收录及展示的均为综合类的新闻,即涵盖多个领域面向多元化受众群体的...
    Mr_茶客阅读 5,713评论 2 34
  • 飘零的秋叶在瑟瑟的寒风中,打着旋苍然落下,落叶归根结束了一个个生命,又为新的生命蓄积能量。落叶是无意识的,作为高等...
    祎辰阅读 209评论 1 1
  • 曾经一段时间好久都不玩麻将的,最近由于心里高兴又重操旧业,可是手气也不是很好,总是是输,昨晚又是重蹈复辙,可是昨晚...
    王以春阅读 276评论 0 0