關(guān)閉算法推薦是技術(shù)的倒退還是時代的進步？
轉(zhuǎn)載自Duing（ID：duyi-duing）
在大數(shù)據(jù)和AI的加持下，App內(nèi)的算法推薦正處在一個“越用越懂你”的循環(huán)之中。隨著用戶的不斷使用，算法把采集到的偏好信息加以分析完善，對用戶興趣的把握程度將日趨“精準(zhǔn)化”，最終實現(xiàn)了“千人千面”的用戶個性化推薦。
即使是一對擁有幾乎一樣社交圈的雙胞胎，他們的App首頁推薦也完全不同——無論是內(nèi)容還是廣告，一切都是以“個人”為導(dǎo)向的私人定制。
當(dāng)每個人都被個性化推薦寵溺到只關(guān)注自己有興趣的信息，甚至切斷了其他信息的來源時，一個個把你困在算法里的“信息繭房”就形成了。
在這個數(shù)據(jù)大爆炸的時代，你眼中看到的世界，卻是從未有過的狹隘。
而你，甚至對此不自知。
被困在算法里的年輕人
圖片源自網(wǎng)絡(luò)，僅做配文展示
“抖音5分鐘，人間2小時。”講了幾年的段子還是能真實地講述了成癮的體驗。
每個人都有這種經(jīng)驗，你原本是打算全神貫注地學(xué)習(xí)或者是工作的，但是等你意識到的時候，你已經(jīng)在刷手機了。
我們知道不應(yīng)該浪費這么多時間玩手機，但又控制不住自己。這一切都源于手機內(nèi)的App在不斷吸引我們的注意，搶占每一點碎片時間，試圖讓我們“成癮”。
當(dāng)你拿起書本的時候，手機不停推送信息提醒你“有一個用戶贊同了你的想法”“你關(guān)注的XXX發(fā)表了新內(nèi)容”“你一直搶不到的某個商品正在有人低價轉(zhuǎn)讓”，于是你放下了書本，再度拿起了手機。
再之后，頁面上不斷自動彈出的“你可能感興趣的商品”，自動播放的下一個短視頻，不斷更新的首頁信息再度像黑洞一樣，把你的時間竊取走。
等你放下手機的時候，2個小時過去了。 為什么這些科技公司要在“讓用戶上癮”這件事上，花費如此巨大的功夫呢？
因為，用戶成癮了，產(chǎn)品就好賣了。
圖片源自網(wǎng)絡(luò)，僅做配文展示
大數(shù)據(jù)、推薦算法、用戶畫像……盡管科技公司一直宣稱這是“為了打造更好的客戶體驗”，但事實上，這些技術(shù)最大的價值是吸引用戶在App上停留更長的時間，并把用戶更精準(zhǔn)地推薦給適合的廣告商。
用戶在App上花費的時間越久，畫像越精準(zhǔn)，定向投放的廣告轉(zhuǎn)化率就越高，廣告商的銷售數(shù)據(jù)就越好看。
在這個廣告商買單的商業(yè)模式下，用戶是商品，不是客戶。
盡管我們對此心存不滿，但企業(yè)的行為依舊無可厚非——對于任何一家企業(yè)而言，盈利永遠是最重要的目的。
當(dāng)你盯著手機屏幕給企業(yè)帶來的收益遠超于投身現(xiàn)實世界所帶來的收益時，企業(yè)就會用盡一切手段，讓你的雙眼在屏幕上多停留哪怕1秒。
算法推薦發(fā)展史
圖片源自網(wǎng)絡(luò)，僅做配文展示
眾所周知，算法推薦可以提高用戶粘性，但是也極易形成認(rèn)知偏差和信息繭房等問題。那么算法的發(fā)展史是如何進展的呢？
算法推薦分為許多類型，但簡單來說，其原理就是基于用戶的歷史使用行為或相關(guān)信息，通過特定的數(shù)據(jù)模型，推測出用戶可能的偏愛喜好。
1998年，Amazon平臺上線了基于物品的協(xié)同過濾算法（ItemCF算法），將推薦系統(tǒng)推向服務(wù)千萬級用戶和處理百萬級商品的規(guī)模。這一技術(shù)機制的革新產(chǎn)生了良好的效果，Amazon銷售額提高了35%左右——這是推薦算法從實驗室走向商業(yè)公司的一次成功應(yīng)用。
2006年，一家原本做DVD租賃的公司懸賞百萬招募算法推薦系統(tǒng)，希望改善其影片推薦效果。最終，憑借此次大賽的成果，這家公司成功轉(zhuǎn)型為線上影片點播平臺，并向用戶普及了“推薦”的概念——這家公司就是Netflix。
視頻平臺YouTube同樣以算法推薦為特色。它最早只通過點擊和瀏覽量對內(nèi)容進行排序，2012年YouTube開始采用復(fù)雜的推薦算法，嘗試加入觀看時長、分享、喜歡等參數(shù)來向觀眾呈現(xiàn)視頻流。2016年9月，YouTube將其技術(shù)文檔整理成論文《DeepNeural Networks for YouTube Recommendations（深度神經(jīng)網(wǎng)絡(luò)在YouTube推薦系統(tǒng)中的應(yīng)用）》發(fā)表，公布了從大規(guī)?？蛇x內(nèi)容中尋找最適合推薦結(jié)果的算法路徑，探討了深度學(xué)習(xí)帶來的性能跨越式提升。
在視頻網(wǎng)站之后，F(xiàn)acebook、Twitter等社交媒體也紛紛采用個性化信息流，將內(nèi)容按用戶興趣程度進行排列。從時間順序切換到算法亂序推薦，盡管初期引發(fā)了部分使用者的不適，但之后便被證明，這一舉動帶來了用戶使用時長、廣告點擊率的大幅增長。
國內(nèi)互聯(lián)網(wǎng)行業(yè)同樣擁抱算法。二十一世紀(jì)的第一個十年之后，內(nèi)容資訊平臺、短視頻應(yīng)用改變過往人工推薦的習(xí)慣，逐步加大算法推薦的比重，一大批代表性應(yīng)用在這一浪潮中涌現(xiàn)出來。2016年又被稱為“智媒元年”，以紀(jì)念算法推薦在內(nèi)容分發(fā)領(lǐng)域所做出的重大貢獻。
毫無疑問，身處信息大爆炸的背景下，算法推薦是繼分類條目與搜索引擎之后的又一技術(shù)革新，它極大地提升了信息分發(fā)的效率和精準(zhǔn)度，以此顛覆了人與信息的相處方式，也得益于這種能力，逐漸被應(yīng)用于交通、金融、法律等等人類社會的其他領(lǐng)域。
取消算法推薦是時代的倒退嗎
圖片源自網(wǎng)絡(luò)，僅做配文展示
事實上，許多互聯(lián)網(wǎng)產(chǎn)品都開始考慮取消算法推薦機制的可能性，并正在做出嘗試。
YouTube客戶端和網(wǎng)頁端都開始提供“不看推薦”和“清除歷史觀看數(shù)據(jù)”的選項，用戶可以自由選擇切換，其兒童頻道YouTubeKids更是徹底取消了算法推薦，改用純?nèi)斯ずY選內(nèi)容。
Facebook新聞版塊在2019年開始招聘人工編輯（主要是資深記者），以應(yīng)對各國政府對其平臺充斥極端內(nèi)容的指控。
2017年成立的資訊分發(fā)平臺Substack也是以人工推薦為特色，讀者通過郵件訂閱來接收內(nèi)容，這吸引了不少懷舊的客戶，仿佛瞬間回到了RSS時代。該產(chǎn)品在多輪融資后估值已經(jīng)達到6.5億美元。
為了與之抗衡，Twitter在年初收購了Substack的競爭對手Revue，而Facebook則新近推出了一款名為Bulletin的應(yīng)用——二者均是以時事通訊作者為主的資訊平臺，并采用編輯篩選，按作者訂閱的模式。
另一方面，國家也出臺了相關(guān)措施，8月27日，國家互聯(lián)網(wǎng)信息辦公室發(fā)布了關(guān)于《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定（征求意見稿）》公開征求意見的通知。
圖片源自網(wǎng)絡(luò)，僅做配文展示
意見稿從安全主體、內(nèi)容管理、檢索優(yōu)化等方面對算法推薦服務(wù)提出了具體的管理規(guī)定。其中特別提到“算法推薦服務(wù)提供者應(yīng)當(dāng)向用戶提供不針對其個人特征的選項，或者向用戶提供便捷的關(guān)閉算法推薦服務(wù)的選項。用戶選擇關(guān)閉算法推薦服務(wù)的，算法推薦服務(wù)提供者應(yīng)當(dāng)立即停止提供相關(guān)服務(wù)?！?/span>
如果真的關(guān)閉算法推薦，會帶來時代的倒退嗎？
答案是否定的。
這么多年來，算法能夠在各個領(lǐng)域得到大規(guī)模應(yīng)用，對信息分發(fā)效率的提升以及社會運作有著不言而喻的意義?；ヂ?lián)網(wǎng)產(chǎn)品嘗試進行一些去算法化的探索，并不是在強行逆轉(zhuǎn)技術(shù)的發(fā)展趨勢。在一定程度上去算法化，只是讓算法回歸本意，更好地服務(wù)人類。
與此同時，不少互聯(lián)網(wǎng)產(chǎn)品也在對現(xiàn)有算法進行著不斷優(yōu)化以改善用戶體驗，根本目的就是要找出一種更具“可持續(xù)性”的發(fā)展模式。
算法的出現(xiàn)是技術(shù)的巨大進步。大數(shù)據(jù)在交通、醫(yī)療、教育、工業(yè)和城市治理等領(lǐng)域都開始發(fā)揮越來越重要的作用。但它們畢竟大都掌握在資本的手里，隨時都能成為牟利的工具，而用戶只能淪為魚肉。
我們強烈擁護技術(shù)的發(fā)展和進步，我只是反思我們在改變世界的時候，世界也在改變我們。我們在創(chuàng)造文明后，又被困在了文明的系統(tǒng)里。我們在創(chuàng)造工具后，又困在了工具的系統(tǒng)里；我們越是追求效率，越是創(chuàng)造工具，就越容易被困死在一個個系統(tǒng)中。
技術(shù)最終是為人服務(wù)的，只有更人性化的技術(shù)解決方案才能走得更長久。
?? 好了， 以上就是我的分享，小伙伴們點個贊再走吧 ?? 支持一下哦～ ??，
我是法醫(yī)，一只治療系前端碼猿??，與代碼對話，傾聽它們心底的呼聲，期待著大家的點贊??與關(guān)注?。