大家好啊，我是穆寧。

今天想 跟大家聊一個話題，叫做“推薦算法”。

梅爾·吉布森飾演的男主角在電影《誰知女人心》中，是一個典型的大男子主義者。

一次浴室觸電的意外突然讓這個大男人獲得了神奇的本領——“讀心術”，可以輕而易舉地洞悉身邊女人們的心事，聽到她們內心的獨白。

盡管一開始被這個本領嚇得半死，可他卻漸漸沉迷，以此俘獲芳心。

“讀心術”聽起來匪夷所思，但仿佛一夜間，個性化推薦技術讓我們身邊突然出現了一位洞悉你喜好的“知音”。

它可以24小時提供全方位的貼心指引，不厭其煩地向你推薦那些“你可能感興趣的……”東西，從房子，到襪子。

不知不覺中侵占整個互聯網的“ 推薦算法”，不單直指你心底里哪些小秘密，更成為了每個網站拉攏用戶的核心機密。

除卻社會價值、國家安全等因素，個性化推薦算法的問題是讓用戶喪失“個性化”。

個性化內容使得用戶只關心自己感興趣的內容而陷 入“信息繭房”，群體內成員與外部世界交流就會大幅減少，群體內同質的特征越顯著，導致一種正反饋式的“自激”。

使人產生盲目自信、心胸狹隘等不良心理，其思維方式將自己的偏見認為是真理，從而拒斥其他合理性的觀點侵入。簡單來說，就是大家所說的“杠精”。

其次，“信息繭房”將會導致社會粘性的喪失。 在“信息繭房”的作用下，人們很容易沉浸在自我的話語場中，脫離整個社會的發展，這些都大大減少了經驗的分享。

當每個個體之間、群體之間缺乏粘性，人心渙散將會成為一種普遍的社會現象，人們之間、群體之間往往彼此漠不關心。

甚至可以這樣說，中國互聯網的瘋狂，得益于人與人之間的冷漠。

“信息繭房”效應讓用戶不自覺地失去社會行動力，從積極地參與事件轉變為消極地認識事件，很難接受不同的觀點，甚至在群體、代際間豎起阻礙溝通的高墻，造成個體與社會的隔離。

如果用戶沉浸于單一類型的信息內容中，會缺乏對于當下和歷史事件的深刻認識和判斷，拒絕認真嚴肅地思考社會重大議題。

這也就是，就是目前比較火的逃避現實，追求安逸的“喪”文化誕生的原因。 正如火爆全網的文章《互聯網是人類歷史的一段彎路嗎？ 》中提到的：

當人們獲取資訊的方式從主動訂閱、搜索，變為被動的“下拉刷新”的時候，互聯網便不再是一扇通向世界的窗口，而只是一個善于美顏的鏡子。

如果一個人每天閱讀的文章都是10萬+，那他一定會認為自己所閱讀的這些內容就代表主流輿論的聲音。

但事實上，機器只是將符合它胃口的文章推送給了它。

而對于超過8億的中國網民來說，即便是一個篇篇10萬+的公號來說可能也只是找到了整個輿論場中很小的一個缺口，并不代表著主流觀點。

對于每個輿論場中的發聲者和受眾來說，都更加認為“自己所寫的/看的代表了大多數人的看法”，最終導致我們距離真實的世界漸行漸遠。

如果我們甚至無法認識到真實的彼此，就更不要說我們能夠相互理解了。

互聯網企業最大的優勢，就是能夠“快速響應用戶的反饋”。而最大的弱點也是“習慣于快速響應用戶的反饋”。

沉迷于迎合用戶當下的需求，讓企業迷失了自己真正的目標，也讓用戶失去了“個性化”。

面對算法的作用與價值，張一鳴的觀點曾有過一次重大轉折。

“如果你非要問我頭條的價值觀是什么，我認為是——提高分發效率、滿足用戶的信息需求，這是最重要的。 ”

他曾在2016年底接受媒體采訪時表示： “我本身并不認為低俗有什么問題。 你在機場看到的雜志是一回事，在火車站看到又是另一回事”。

在19年4月11日凌晨4點發布的聲明里，張一鳴換了口徑：

“我們必須重新闡釋并切實踐行我們的社會責任：正直向善，科技創新，創造價值，擔當責任，合作共贏。”“我們必須重新梳理我們的愿景。”

多年以來，人們每次點擊留下的痕跡被存于數據庫中，數量龐大到幾乎可以說是無限的，這些痕跡被稱為“大數據”。

從字面上看，數據意味著要有人“提供”，但至少就這一點，可以說，這里是有矛盾的：

這些信息不是眾人“提供”的，而是從我們這里被拿走的。大數據知道我們的一切，但我們對大數據卻知之甚少。

計算機的計算能力能夠集中處理來自互聯網的數十億條信息，這為一些行業企業提供了前所未有的強大手段， 使他們有能力來影響我們的選擇和行為。

大數據對于我們是“白盒”，而我們對大數據則是“黑盒”。

算法考慮了人類的這些認知偏見，繼而對每個人的偏見進行了解碼，并通過強化這種偏見來做出反應。算法不過是朝著它認為的風向繼續吹氣。

大數據是沉默的。沒有人會像欣賞風景一樣看待數字，觀察數據要根據預先建立的觀察角度、模型和分類方式來完成。

當你了解到，互聯網巨頭的戰略就是讓用戶產生依賴性時， 一切仿佛都有了答案。

推薦算法旨在創造一種需求， 甚至是一種“癮”。算法的編寫方式，就是為了讓眾人再也無法失去自己。

推薦算法不能解決所有問題。政府既無法利用算法根除逃稅問題，算法也無法幫助你決定搬家到哪里，更不可能幫助你在生活中取得成功。

所以，我們是否真的需要“推薦算法”？

本文來自微信公眾號 “產品思維模型”（ID：muningtalk），作者：穆寧，36氪經授權發布。