应该如何看待算法推荐?

互联网吞噬了整个世界,算法正在主导整个互联网,因而算法也正在主导整个世界。在诸多算法中,算法推荐对我们的影响已经渗透到我们生活的方方面面。

当我们打开京东时,任何一个商品的详情页部分都有推荐 tab。打开淘宝,映入眼帘的就是 “推荐” 两个大字。拼多多虽然没有直接告诉我们商品都是推荐出来的,拼多多压根就是一个推荐引擎。当我们打开字节跳动的今日头条、抖音,里面的内容全都是推荐引擎推给我们的。当我们使用微信时,现在风头正盛的视频号产品从诞生开始就有推荐频道...

这些国内互联网大厂的明星产品,无一例外都有算法推荐的身影。这意味着说,对于算法推荐,我们已经避无可避了。

其实,算法推荐有很多种类型,技术细节非常复杂。简单理解就是平台会收集用户的历史行为数据,包括但不限于点击、下载、启动、点赞、评论、转发、付费...然后将这些数据作用于各种推荐算法模型,通过模型预测出每个用户的偏好,最后根据这些偏好给我们推荐各种产品和内容。

算法推荐的背景

从信息分发的角度来看,算法推荐几乎是目前的最优解了。

互联网技术刚刚进入市场时,整个互联网上的信息都散落在世界的各个角落,网站上有什么信息,大家就看什么信息。后来流行写博客,每个人都可以根据自己的兴趣订阅自己喜欢的博主,这就和订阅报纸一样,每当博主更新文章时,我们就能够接收到,微信公众号也是类似的产品。

随着互联网的深入发展,我们迎来了信息爆炸。这个时候,通过订阅这种人工方式已经无法分发那海量的信息了,google 的出现给出了一个更好的解决方案—— 搜索。

google 把所有互联网信息进行了整合,我们每个人都可以通过几个关键词去寻找自己需要的信息,这是一次巨大的信息分发效率的提升。只是很多人并没有对这次的信息分发效率提升做好准备,直到现在,仍然有很多人不知道如何正确进行信息检索。

寄希望于我们每个人去提高信息检索能力是不现实的,那通过技术去解决是不是可行?

聪明的工程师们再一次想到了解决方案,那就是通过算法推荐,用户也别搜索了,挺累的。

2007 年 iPhone 的发布,随之而来的移动互联网更是极大释放了算法推荐的能量,在信息搜索领域摸爬滚打了多年的张一鸣看到了算法推荐极大的商业价值,他的机会终于来了。

显而易见,利用算法模型推荐进行信息分发的效率相比于搜索更高,机器不是人,它不会累,而人会。利用利器主动给人推荐信息,也更能被用户接受。

大家不妨想一想,自己接触的信息(文字、图片、视频)当中,算法推荐的占比有多大?

反正...算法推荐大行其道了。

算法推荐带来了怎样的影响?

利用算法模型去推荐内容,会暴露出映射人性的很多方面。比如,互联网上流量最大的网站一定是色情网站,这都不用做数据统计,毕竟人类最重要的任务就是基因的延续呀,大家想想是不是这样?

不论是社交媒体,还是流媒体,那些极端内容总是有着最庞大的受众群体。而不论平台如何调整自己的算法,都很难控制那些极端内容的持续大面积传播...值得一提地是,我们国家是个例外,原因你们都知道的。

除此之外,算法推荐给我们每个人都编织了一个完美的信息茧房。

短视频刚刚兴起的时候,我有过几次刷那些短视频一刷就 2、3 个小时的经历,现在想起来太可怕了,我很快就把抖音、快手什么的全部卸载了...除非是商业化用途,否则我不会打开任何短视频平台。

大家或多或少都有过这种经历吧,那些算法模型一旦看准我们喜欢某类内容,就会拼命给我们推荐。从平台的角度来看,这样做无可厚非,谁不想长时间把用户留住呢?

就在平台拼命给我们推荐的同时,一个为我们每个人准备的信息温床也逐渐形成了。久而久之,我们只要一打开这些平台,看到的听到的内容都是我们喜欢的、认同的,我们很开心。因为我们再也没有机会看到那些不同的观点,不同的声音了。

稍有不慎,我们的价值观就会变得自我,我们会在这样的互联网环境中不断自我验证,强化自己的偏见。直到现在,还有不少人相信太阳围着地球转、吸毒能治疗癌症、石头可以变成黄金...

因为算法推荐地内容都是我们喜欢的,这导致了另一个问题,那就是严肃内容被淹没了。

互联网领域常常讲究短平快,什么内容需要我们超过 1 分钟的注意力都极度困难。那些深度报道、专业知识以及科学研究本来就受众不多,现在还要面对那些海量的成瘾信息的泛滥...根本没有胜算。

比如,我身边很多人就说我不习惯于在手机上看电子书,我根本集中不了注意力...来一条信息我就忍不住点开来看,怎么办?

这不是我们的问题,也是我们的问题,哈哈。

我们被现在的互联网环境给惯坏了,我们已经很难做深度阅读了,也很难做深度思考了。这就是我们很多人的现状。

个人如何应对算法推荐?

面对来势汹汹的算法推荐,我们虽然避无可避,但也不是毫无办法。下面是我个人的一些做法,不一定适合所有人,仅供参考。

01 我坚持使用 iPhone,不是单纯因为 iPhone 品质好,很重要的一点是 iOS 系统提供了一个功能,就是每当我们打开一个 app 时,系统会提示我们是否允许该应用跟踪我们的数据,我从来都是不允许的。

还有一点,iOS 系统的封闭性也是我非常欣赏的,iOS 的权限管理做的比 Android 好一些,iPhone 用户可以对自己的权限有更多的控制。Android 系统因为开源,没法严格限制各个厂商获取用户权限,因而很多 Android 用户常常是在不自知的情况下就默认把自己的权限统统打开了。

02 我尽量使用 google 搜索信息,通常我会优先选择英文内容。

03 我几乎不会使用纯推荐引擎产品,比如:抖音、今日头条...必须要用的情况下,也会只进行搜索,完事儿就跑。

04 面对有推荐场景的时候,保持警惕,没事儿别点进去。

05 多干点正事儿,没事儿就别看手机啦~

当然了,现在有不少互联网厂商都在研究怎么弱化算法推荐的效用,他们甚至都在秘密开发着一些没有算法推荐的产品,我了解到有些产品已经在内部小范围试用了,可能在不久的将来就会面世,个人表示很期待这样的产品。

结语

从信息分发的角度来看,算法推荐不可或缺,并且算法推荐似乎已经将分发效率提升到极致了。所谓 “物极必反” ,如何正确客观理性地看待算法推荐就显得尤为必要了;总之,我们需要算法推荐,同时也需要人工。

©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 219,539评论 6 508
  • 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 93,594评论 3 396
  • 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 165,871评论 0 356
  • 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 58,963评论 1 295
  • 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 67,984评论 6 393
  • 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 51,763评论 1 307
  • 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 40,468评论 3 420
  • 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 39,357评论 0 276
  • 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 45,850评论 1 317
  • 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 38,002评论 3 338
  • 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 40,144评论 1 351
  • 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 35,823评论 5 346
  • 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 41,483评论 3 331
  • 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 32,026评论 0 22
  • 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 33,150评论 1 272
  • 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 48,415评论 3 373
  • 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 45,092评论 2 355

推荐阅读更多精彩内容