十一假期打開手機(jī)，出行機(jī)票火車票被推送到眼前，順序從上到下排列不僅提供合理價格，還兼顧合適的出門時間。等你到達(dá)目的地，特色餐館、景點與洗浴放松場所也占據(jù)你的屏幕，你并不需要對當(dāng)?shù)仫L(fēng)土了解，不嘗不行的小吃，價位合適且不排隊的餐廳已由一套系統(tǒng)為你安排好。

是誰在背后像秘書般，為你提供一個個選項？答案便是：推薦算法。

從出游機(jī)酒篩選，到目的地酒吧推薦，從短視頻平臺興趣內(nèi)容匹配，到求職招聘為你尋一個老板，甚至打車司機(jī)、按摩店、帆布鞋推薦匹配等場景中，推薦算法無處不在。

關(guān)于推薦算法，你可能曾聽聞它是某種黑箱玄學(xué)，也可能聽說它是流量至上的代名詞，與“信息繭房”掛鉤。

可事實上，今天的人們，可能真的離不開推薦算法。

根據(jù)《全國數(shù)據(jù)資源調(diào)查報告(2023 年)》統(tǒng)計，2023年，中國數(shù)據(jù)生產(chǎn)總量達(dá) 32.85ZB（澤字節(jié))，相當(dāng)于 1000 多萬個中國國家圖書館的數(shù)字資源總量。海量內(nèi)容被用戶們產(chǎn)出，加之AI大模型潮涌，人工智能生成內(nèi)容進(jìn)一步使得信息世界變得龐雜、漫無邊際，還有不少低質(zhì)量虛假信息充斥互聯(lián)網(wǎng)。

信息過載下，“時刻渴望高效”的情緒也在蔓延，2024年6月，《中國青年報》一項調(diào)查顯示，94.8% 受訪青年感覺自己的生活開啟了“倍速鍵”，需要在短時間內(nèi)完成更多事情，獲得更豐富的體驗。

尤其面臨社會急速變化，人們對效率的要求不由自主變高起來。“3小時學(xué)會Python”隨處皆是，“逼自己一天背下面試題加入大廠”成為流量密碼。

對比過去，人們對信息篩選和獲取效率的渴望，從未像今天這樣高，相應(yīng)地，針對互聯(lián)網(wǎng)信息進(jìn)行處理及分發(fā)的推薦算法，已在方方面面融入人們的生活中。

那么，人們需要怎樣的推薦算法？

到底什么是推薦算法？

在談需要之前，先弄明白——什么是推薦算法。

根據(jù)中國人民大學(xué)高瓴人工智能學(xué)院給出的定義，算法在本質(zhì)上是“以數(shù)學(xué)方式或者計算機(jī)代碼表達(dá)的意見”，而推薦系統(tǒng)就是一個信息過濾系統(tǒng)，幫助用戶減少因瀏覽大量無效數(shù)據(jù)而造成的時間、精力浪費。

其誕生是伴隨著上世紀(jì)八九十年代出現(xiàn)的概念——“信息過載（Information Overload）”。隨著信息技術(shù)和互聯(lián)網(wǎng)的高速發(fā)展，人類的信息獲取方式和半徑被大幅擴(kuò)展，信息量幾何倍增加，但人的精力和時間卻不足以處理信息爆炸所帶來的海量資訊。

1992年，大衛(wèi)·戈德堡等學(xué)者發(fā)表《基于社交關(guān)系和條件補(bǔ)全的協(xié)同過濾推薦算法》，首個協(xié)同過濾系統(tǒng)就此誕生。5年后，保羅·雷斯尼克等學(xué)者在《美國計算機(jī)學(xué)會通訊》中，首次提出了被廣泛接受的推薦系統(tǒng)的概念和定義。

推薦系統(tǒng)真正開啟廣泛應(yīng)用是在2003年。彼時，亞馬遜提出了項到項的協(xié)同過濾，通過分析用戶對推薦的物品、內(nèi)容或服務(wù)的評分，來預(yù)測用戶可能感興趣的內(nèi)容并將之推薦給用戶，協(xié)同過濾算法成為當(dāng)時解決信息過載問題的主流推薦模型。

該技術(shù)的爆發(fā)則與兩家互聯(lián)網(wǎng)企業(yè)崛起有著千絲萬縷的關(guān)系。2009年，隨著Facebook推出排名式個性化新聞推送，算法改變了人們在線互動的方式。在中國，字節(jié)跳動于2012年誕生，信息與個人興趣需求的精準(zhǔn)匹配，從“人找信息”的1.0階段，正式進(jìn)入“信息找人”的2.0階段，滿足信息超載下的用戶剛需。

本質(zhì)上，推薦算法實際上是一種技術(shù)進(jìn)步，它有效提升了人們信息收集、整合與分析的效率。

經(jīng)過近10年對推薦算法的嘗試和優(yōu)化，2021年，TikTok推薦算法被麻省理工科技評論評為“全球十大突破性技術(shù)”，因為這一技術(shù)讓優(yōu)質(zhì)內(nèi)容得到應(yīng)有曝光，也讓普通人的興趣愛好有了共通價值。

甚至大模型技術(shù)也被應(yīng)用于推薦算法中。以預(yù)訓(xùn)練模型技術(shù)BERT為例，它可通過對大量語料庫進(jìn)行無監(jiān)督學(xué)習(xí)，從而獲取豐富的語義信息。嵌入推薦系統(tǒng)后，BERT可以將用戶和物品描述轉(zhuǎn)化為具有豐富語義信息的向量表示，更好地理解用戶需求以及物品的屬性和特征。eBay、阿里、美團(tuán)等互聯(lián)網(wǎng)公司都已經(jīng)開啟了BERT模型在推薦系統(tǒng)應(yīng)用的實踐。

如今，推薦算法已經(jīng)在人們的生活中無處不在，它會把相關(guān)內(nèi)容推薦給更感興趣的用戶，信息在這個過程中得到更精準(zhǔn)地分發(fā)，提升傳播效率，幫助用戶減少無效數(shù)據(jù)過量帶來的低效浪費。

正是源于推薦算法已是當(dāng)代信息生活的必備工具，直接影響大眾如何認(rèn)知和理解現(xiàn)實世界，相關(guān)部門也對推薦算法提出要求。

根據(jù)2021年12月31日發(fā)布的《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》——算法推薦服務(wù)提供者應(yīng)當(dāng)堅持主流價值導(dǎo)向，積極傳播正能量，不得利用算法推薦服務(wù)從事違法活動或者傳播違法信息，應(yīng)當(dāng)采取措施防范和抵制傳播不良信息。監(jiān)管部門進(jìn)一步指出，算法推薦應(yīng)該服務(wù)公正公平、規(guī)范透明，促進(jìn)算法推薦服務(wù)向上向善，營造更加清朗的網(wǎng)絡(luò)空間。

該《規(guī)定》也要求算法服務(wù)提供者須進(jìn)行備案。以抖音為例，在網(wǎng)信備案的公示內(nèi)容里詳細(xì)說明了抖音推薦算法的基本原理、運行機(jī)制、應(yīng)用場景和目的意圖。

重估推薦算法

此前一段時間中，推薦算法常被質(zhì)疑構(gòu)造了“信息繭房”，但一些專家基于研究提出的不同的觀點。

“信息繭房”一詞，最為人熟知的來源是美國法學(xué)教授凱斯·桑斯坦的《信息烏托邦》（出版于2006年），是指當(dāng)個體只關(guān)注自我選擇的或能夠愉悅自身的內(nèi)容，而減少對其他信息的接觸，久而久之，便會像蠶一樣逐漸桎梏于自我編織的“繭房”之中。

在桑斯坦提出“信息繭房”時，算法還是個模糊的概念。實際上，信息繭房這一概念在學(xué)術(shù)界根本沒有實證研究、量化數(shù)據(jù)的支撐。相反，已有的許多研究證明，信息繭房的負(fù)面效應(yīng)并不存在。

清華大學(xué)新聞與傳播學(xué)院常務(wù)副院長、教授陳昌鳳研究指出，信息繭房是一個似是而非、缺乏科學(xué)證據(jù)的概念。西方學(xué)界尚無有力研究證實“信息繭房”的存在。

一方面，造成“信息繭房”的實驗室條件式的純粹信息環(huán)境很難存在，人們總是在更多元的、復(fù)雜的信息環(huán)境中；另一方面，“信息繭房”若作為長期傳播效果來研究，證實其存在更加困難。許多情形下，人們對“信息繭房”存在的是擔(dān)憂，而不是擁有確定的論據(jù)。

2016年，賽斯·佛萊克曼等研究者選擇了5萬名參與者，要求他們報告自己最近閱讀、觀看或收聽的新聞媒體，同時通過電子手段直接監(jiān)測和記錄他們的實際新聞消費行為。通過兩項數(shù)據(jù)的對比，研究最終發(fā)現(xiàn)人們實際的媒體消費比他們自己想象中更具有多樣性。

也就是說，人們實際并沒有陷入“信息繭房”中，但他們可能會裝作自己陷入了其中。

此外，也有學(xué)者提出，信息繭房與算法本身似乎不存在必然關(guān)系。

北京師范大學(xué)新聞傳播學(xué)院教授喻國明表示：“信息繭房”是個體、社會、場景與技術(shù)等因素共同作用的結(jié)果，算法既不是“信息繭房”形成前的必要條件，也不在“繭房”生成后起到增效。實際上，隨著算法與人的深度融合，可信任算法正在“信息繭房”的消解上發(fā)揮重要功能。

清華大學(xué)社科學(xué)院發(fā)布的《破繭還是筑繭？用戶使用、算法推薦與信息繭房研究報告》發(fā)現(xiàn)，從中長期看，個性化推薦算法不一定是導(dǎo)致“信息繭房”的決定性因素，反而可能為個體提供了更多元和理性的信息世界。

因為算法在滿足用戶個性化需求的同時，還會通過多樣性打散、基于算法的興趣推薦，以及引入隨機(jī)因素這三種方法為用戶推薦豐富多樣的內(nèi)容。

對于更多人，推薦算法助力小眾內(nèi)容分發(fā)，知識普惠，甚至創(chuàng)造新價值。

2023年9月，一條名為“探訪‘三花’劇團(tuán)開放式化妝間”的短視頻在網(wǎng)絡(luò)上流傳，此前，成都三花民間川劇團(tuán)一度瀕臨倒閉。短視頻發(fā)布后的短短三個月，劇團(tuán)通過網(wǎng)絡(luò)平臺賣出2.5萬張票，幾乎是過去兩年多的總和，讓這個老川劇團(tuán)迎來新生。

最近，因讀者對《我與地壇》的一段書評，“子彈文學(xué)”一詞爆火，網(wǎng)友用1.5億次短視頻播放“品讀”史鐵生的文筆，進(jìn)而帶動圖書銷量暴漲。更因4條推薦視頻，40年前的老書《畫魂》被加印了5次……

從《第七天》到《趕時間的人》，從《窄門》到《翦商》，經(jīng)典圖書、冷門佳作重新翻紅，背后是推薦算法的精準(zhǔn)有效分發(fā)，讓圖書被有需要的、感興趣的人看到，把人和信息更高效地連接起來。

推薦算法打通了“人找書”和“書找人”的雙向鏈路，實現(xiàn)了圖書與讀者之間的精準(zhǔn)匹配和高效連接，這不僅提升了讀者的閱讀體驗，也促進(jìn)了圖書的傳播和銷售。

不止如此，小眾硬核知識博主持續(xù)走紅，讓更多人愛上小眾學(xué)科。典型分享者，就有傳播甲骨文知識的李右溪：

另一位代表，是在抖音“招收”近兩百萬學(xué)生的“老小孩”、流態(tài)化和反應(yīng)工程領(lǐng)域的領(lǐng)軍人物，中國工程院院士金涌。

毫無“流量點”的學(xué)者、平常人發(fā)布的信息有機(jī)會受到明星同等的關(guān)注，并流行起來，是內(nèi)容公平性的體現(xiàn)；而需求較為小眾、細(xì)分的用戶，也能看到符合自己興趣的內(nèi)容，則是用戶視角公平性的體現(xiàn)。

對于經(jīng)濟(jì)發(fā)展，算法同樣成為助推的主要力量。

如果沒有算法推薦，淄博、天水這樣從傳統(tǒng)眼光來看缺乏資源的地方很難被看見。

畢竟每座城市都有豐富的故事和物產(chǎn)，但到底哪一段故事、哪一份情懷、哪一款美食能激發(fā)用戶熱情？這不是某個人的理性能計算出來的，只能在無數(shù)普通人當(dāng)下即時、網(wǎng)絡(luò)交互式的消費實踐中呈現(xiàn)出來。

換而言之，算法視角以超脫的目光對一個地方旅游資源進(jìn)行著創(chuàng)造性地再發(fā)現(xiàn)和再生產(chǎn)。

借助《黑神話：悟空》的爆火，山西文旅在算法推薦平臺也接住了2000萬玩家的熱情，從旅游攻略和路線設(shè)計到旅游接待和服務(wù)，背后都有算法對當(dāng)下情緒的捕捉和挖掘，讓網(wǎng)紅城市從開始的單點爆發(fā)，變成不斷的熱點，更多看似不顯眼的地方成為流量爆發(fā)點。

比如在抖音直播間里，81歲的老農(nóng)技員梁振清把自己畢生所學(xué)的農(nóng)技知識，通過互聯(lián)網(wǎng)從湖北鶴峰推廣到全國各地。

在推薦系統(tǒng)的幫助下，視頻能被準(zhǔn)確推薦給對三農(nóng)、鄉(xiāng)村、農(nóng)技感興趣的用戶，另一方面，用戶能順勢在搜索框中搜索、了解農(nóng)技相關(guān)內(nèi)容，擴(kuò)展相關(guān)知識。

推薦算法，不僅僅是技能的交流和傳播，也是提升農(nóng)民收入水平、鄉(xiāng)村振興的“新農(nóng)具”。

回歸個體，在人生低谷、某行業(yè)處于下行周期，豐富的內(nèi)容、精彩的自我表達(dá)同樣撫慰了無數(shù)人的情緒和焦慮。

人們需要怎樣的推薦算法

最后回歸自己，究竟什么樣的推薦算法才更適合當(dāng)下人們？

首先，應(yīng)正視——推薦算法與“人”的關(guān)系。

推薦算法是一個工具，應(yīng)按人的需求，為我所用。

在人大新聞學(xué)院副教授董晨宇看來，推薦算法應(yīng)當(dāng)被看作“私人助理”。目前看來，抖音、淘寶、B站、微博、美團(tuán)、知乎均已支持在“個性化推薦管理”界面中隨時開啟或關(guān)閉相關(guān)功能。關(guān)閉后，系統(tǒng)將不會基于個性化推送處理個人信息，僅會推送與用戶偏好無關(guān)、具有普遍性的內(nèi)容或廣告。

用戶還可在“內(nèi)容偏好管理”中，標(biāo)注自己感興趣的標(biāo)簽，讓推薦更加精準(zhǔn)化個性化。而在“熱點榜單”中，用戶則可以獲取當(dāng)下熱門公共性話題，開拓新認(rèn)知空間。

其次，大眾算法素養(yǎng)有必要持續(xù)提升。

在理解“信息是如何被算法篩選和推薦”的原理基礎(chǔ)上，當(dāng)代網(wǎng)民可通過主動搜索、與人工智能持續(xù)互動，主動地、有目的地訓(xùn)練算法，讓它成為工作生活中的助手。

人們既可以有意識點擊感興趣的優(yōu)質(zhì)內(nèi)容，也可以“不感興趣”掉低劣或不感興趣的信息，數(shù)次操作后，敏銳的系統(tǒng)便能快速理解種種手指點擊背后的“偏好”，端出一套更稱心如意的信息盛宴。

最后，推薦算法不應(yīng)止于工具屬性，可識別真實、高質(zhì)量內(nèi)容，也是對技術(shù)發(fā)展的必然要求。

片面追求流量數(shù)據(jù)的“流量至上”時代早已過去，事實證明，如果推薦算法只追求短期流量，反而會導(dǎo)致體驗下降，促使用戶流失，失去競爭力。從商業(yè)理性視角而言，平臺為了讓用戶有獲得感、驚喜感，從而愿意更長久地留在平臺上，自然也有動力推薦更豐富多元的內(nèi)容。

伴隨監(jiān)管加強(qiáng)以及技術(shù)進(jìn)步，高質(zhì)量內(nèi)容所產(chǎn)生的長期流量以及帶來的正向反饋和社會效益成為互聯(lián)網(wǎng)平臺在設(shè)計推薦算法時更關(guān)注的目標(biāo)。

特別是面對信息愈發(fā)魚龍混雜的互聯(lián)網(wǎng)環(huán)境，一個服務(wù)大眾的推薦算法應(yīng)該以用戶為中心，能夠識別真實、高質(zhì)量內(nèi)容。在這方面，越來越多互聯(lián)網(wǎng)平臺正為此作出更多努力。

長視頻平臺B站就有相關(guān)動作與機(jī)制。對于新注冊但內(nèi)容優(yōu)質(zhì)的創(chuàng)作者，平臺將給予更高權(quán)重的推薦。同時，B站也并未完全依賴于算法，在系統(tǒng)中引入人工編輯，在價值、新鮮話題方面，讓人為和機(jī)器推薦組合起來，提供更好的用戶體驗。

令很多人想不到的是，淘寶的算法也不止提供商品推薦，同樣也用于商品屏蔽，以避免過度重復(fù)的商品內(nèi)容展示，讓用戶感到厭倦和無用。

作為推薦算法代表平臺，近兩年，抖音也在逐步將搜索與推薦結(jié)合，讓原本在推薦分發(fā)里不占優(yōu)勢的內(nèi)容得到更多流量。以知識類、經(jīng)驗攻略優(yōu)質(zhì)內(nèi)容為例，作品發(fā)布3個月以后，搜索的平均流量占比可以達(dá)到50%以上。

由于用戶偏愛收藏內(nèi)容價值更高、學(xué)習(xí)屬性更強(qiáng)的內(nèi)容，抖音還加強(qiáng)了收藏按鈕展現(xiàn)。點擊該按鈕后，將被推薦更多相關(guān)內(nèi)容。例如，用戶收藏了吳姥姥的物理課，后續(xù)會收到更多科普、文化類的內(nèi)容。優(yōu)化后，“有用”類型內(nèi)容流量顯著提升。

除此之外，抖音的雙列模式也給予用戶更多主動權(quán)和選擇權(quán)，圖文、中長視頻等內(nèi)容體裁的建設(shè)的加強(qiáng)，以及獨立頻道的上線，也為生活經(jīng)驗等多元優(yōu)質(zhì)內(nèi)容提供穩(wěn)定的分發(fā)陣地。

當(dāng)下，大模型時代來臨，文字、圖片、視頻、語音皆可生成之下，AI bot像是一個更為友好的接口，其后的推薦算法也必將繼續(xù)迭代，讓大模型為人提供真正有價值、高質(zhì)量的信息體驗。

未來，關(guān)于推薦算法的爭議或許還會繼續(xù)存在，但始終應(yīng)該明白，算法是一個工具，工具所能發(fā)揮出的作用取決于使用者的目標(biāo)和使用方法。

不管是個人還是行業(yè)，首先要對推薦算法祛魅，它所推薦的一切內(nèi)容都是人們與之互動的結(jié)果。

因此，人，才是推薦算法的核心。

善用算法，也就掌握了獲取信息的主動權(quán)。讓技術(shù)為我所用，才能在這個日新月異的時代，看到新的世界和樂趣。