本文來自微信公眾號刷關鍵詞排名y原理3：王智遠（ID：Z201440），作者：王智遠，頭圖來自：視覺中國

早上好王先生：您的體溫是38.3攝氏度，體溫不正常建議去醫(yī)院檢查；昨天晚上您睡6個小時35分鐘，當中醒來3次；其中深度睡眠時間2個小時30分鐘，最近注意各項指標.......

上述聲音來自我家智能管控系統(tǒng)和手環(huán)的反饋，好像把我的生活安排得明明白白，讓我又竊喜又憂愁，為什么刷關鍵詞排名y原理3？

竊喜的是我可以隨時知道身體數(shù)據(jù)，及時調整狀態(tài)；憂愁的是“我對智能系統(tǒng)的依賴慢慢喪失了某些大腦能力”，事情只是如此簡單嗎？不是的。

如果我告訴你，我們的職業(yè)和人生選擇都被塞進了可被預知的黑匣子中，你會相信嗎？也許多數(shù)人都對這句話有些茫然，不妨來具體看下：

不僅是青年，現(xiàn)在的老人和孩子在閑暇時都喜歡抱著手機刷個不停，形容難聽點是“像中毒了一樣”。

大量的信息流平臺正在通過算法偏好來迎合我們，向我們投喂相似的內容，它會造成什么呢？

一方面會讓自身固定在某個信息圈子中難以逃出，它持續(xù)強化你對某些問題的看法，最后形成價值觀。

另一方面信息堆積越多，注意力就難以集中在那些復雜的問題上，造成判斷力下降。

除此以外，身邊的一切智能設備仿佛也都在嘗試主動為你“提供服務”，這不是壞事；但有一些會讓我們在不知不覺中陷入信息繭房。

一、信息繭房

我們先來看看它的由來。

2001年美國學者凱斯·桑斯坦（Cass R. Sunstein）在《信息烏托邦——眾人如何生產(chǎn)知識》中提出此概念，并針對內容做出分析和討論，具體指：

人們在信息領域會習慣地被自身的興趣所引導，從而將生活桎梏于像蠶絲般一樣的“繭房”中的現(xiàn)象。

這個詞匯的源頭可以追溯到一本新聞傳播專業(yè)考研必讀的書籍，美國計算機科學家、麻省理工學院教授，尼葛洛龐帝的《數(shù)字化生存》。

要知道，20世紀90年代中后期，中國開始興起互聯(lián)網(wǎng)創(chuàng)業(yè)大潮，年輕的互聯(lián)網(wǎng)創(chuàng)業(yè)者們紛紛有感機遇來臨，但對能否把握住這份機遇卻心存忐忑，該書的出現(xiàn)猶如“盲人指路”，被奉為互聯(lián)網(wǎng)時代的“指路圣經(jīng)”。

令人驚訝的是：25年后的今天再打開這本書，會發(fā)現(xiàn)書中的多半描述已經(jīng)成為現(xiàn)實，主要圍繞三個階段的預言：1）從原子到比特，2）代理人界面，3）后信息時代。

第一階段：

我想，上過初中三年級的人應該都熟悉，原子是化學變化中最小的微粒；如果你不懂也沒關系，可以用文科的方式理解：

世界萬物都是由原子構成，原子組合構成分子，分子就像瓦磚，堆成各種物質。

它也是人類最經(jīng)典且使用最廣泛的基礎假設，用來精準地解釋物理學中的力學、熱力學、光學、量子學等多方面的問題，甚至還能解釋自然科學中的生物學等等。

而尼葛洛龐帝看來，上世紀90年代，大多數(shù)信息都是以“原子”的形式呈現(xiàn)，例如錄像帶、雜志、報紙和書籍，長期以來大家對此也習以為常。

但隨著計算機技術的發(fā)展，即時的電子數(shù)據(jù)傳輸就會成為主流的傳播方式，我們進而進入比特（binary digit，簡稱BIT）組成的世界。

原因在于比特是信息的最小單位，它沒有重量，能快速傳播，拷貝無需成本，并且不會被區(qū)域所隔。

這種新的方式能幫助信息擺脫時空的限制，成為全球共享資源，為各個領域的發(fā)展帶來便利，同時也能促進互聯(lián)網(wǎng)和計算機的普及。

第二階段：

在上世紀90年代美國計算機學界還是程序設計語言、操作系統(tǒng)和網(wǎng)絡協(xié)議天下時，尼葛洛龐帝召集一幫各領域專家創(chuàng)立了一家名為“媒體實驗室”的機構，聚焦研究人機互動。

當時人們把計算機研究重點放在“人如何使用它”，并沒有關注“如何和計算機更好地相處”。

而基于此問題，他又提出一個新的概念：“計算機設計需要人性化界面、此界面應該是使用人代理模式”。

計算機界面必須像你的管家助手那樣能夠認識你，了解你的愛好、品位、傾向與需求；甚至還要知曉你的社交朋友圈、理解你的表達語言和肢體動作。

因此，尼葛洛龐帝認為觸屏技術、眼球追蹤、語言識別甚至互聯(lián)網(wǎng)人格的相關研究會是大趨所勢，目前看來這些在現(xiàn)在均已經(jīng)實現(xiàn)。

第三階段：

尼葛洛龐帝在上述基礎上，進一步設想了智能計算機將為人類生活帶來巨大改變。

他預言，互聯(lián)網(wǎng)會進入“極端個人化的信息時代”，即算法推薦；在后信息時代里，電腦、手機APP會基于它對你的了解為你推薦定制化信息。

從前，大眾媒體把一模一樣的信息通過廣播或電視無差別地推薦給每個人；而未來APP會主動對信息進行篩選，并通過界面為使用者制作獨一無二的“個人摘要”。

那么，如果按照此指導手冊發(fā)展，這意味著什么呢？

這不僅讓我心中一喜，目前買的很多電子設備都不用看使用說明書就可以用“語言、行為”控制它，以后豈不是更方便么？

但尼葛洛龐帝認為，美好未來雖到來，但信息也會在不知不覺中侵蝕人們的智慧和知識；比如：工作機會的減少，導致更多互聯(lián)網(wǎng)創(chuàng)業(yè)者借助線上平臺創(chuàng)造更多知識來與企業(yè)協(xié)同。

這背后意味著復雜的工作交給機器解決，人類創(chuàng)作性工作將很難一步登上山頂，甚至非常優(yōu)秀的創(chuàng)作也很難被發(fā)現(xiàn)，因此未來你可能更多的是和“機器”交流。

機器取代大部分人力的潮流必不可當，更加嚴重的是隨著算法推薦帶來的信息繭房和數(shù)字鴻溝，會加深一個人與另一個人的距離感。

比如：你習慣看歷史知識，平臺圍繞歷史中心化展開；若一個天天看娛樂的人被推送的都是八卦，甚至像我這種經(jīng)常搜“學習內容”的人，試想下種種場景會帶來什么后果呢？

我們很難逃出“習慣的周邊三公里”。如果不經(jīng)過主動思考判斷或故意去搜尋，會陷入知識獲取單一化，沒有社會統(tǒng)一認識中，嚴重者還會造成與社會和企業(yè)脫節(jié)。

一個現(xiàn)實的案例是：

我看到很多離職3個月以上的人，與他們溝通就會發(fā)現(xiàn)他們已經(jīng)陷入自身的“信息繭房”，對跨崗一丁點技能還能理解，對跨公司業(yè)務就直接出現(xiàn)“黑匣子狀態(tài)”。

不可否認，我們正在經(jīng)歷尼葛洛龐帝教授第三階段的預測；人們無法阻止數(shù)字化的變化，就像無法對抗大自然一樣；但至少每個人應該了解它是如何形成的，如何一步一步吞噬著人們獨有的思考模式。

當然，這一切背后離不開人們常說的“算法”或者“個性化推薦”，但它并不是罪魁禍首。

二、算法原理

從框架而言，推薦系統(tǒng)一般包含“召回”和“排序”兩方面。

不論是信息還是消費類電商平臺，多半以此類型來訓練用戶，而算法又基于“內容”和“用戶行為”兩大類別展開。

我們知道普通人的思維方式分為兩種類型：

1）線性思維，2）非線性思維”。

前者是把認識停留在對事物的抽象而非本質上，并以這樣的抽象為出發(fā)點，片面、直線地解釋某件事；后者是把認識停留在對事物的抽象層并以此為基石，進而看到底層原理。

機器學習方式和人相似，也分為線性和多種思維（學習）模型，最主要區(qū)別是一方面偏向基礎原理，一方面偏向多元化加工；從專業(yè)角度出發(fā)，一共有6種常用方式：

1）過濾算法，2）矩陣算法；3）因子分解機，4）邏輯回歸；5）梯度提升決策樹，6）深度神經(jīng)網(wǎng)絡。

它們用在什么位置呢？

要知道，人們看到的所有信息均展示在APP的首頁或分類上，在推薦系統(tǒng)中它們屬于最上層的展示層，算法屬于中間層，數(shù)據(jù)是最底層；而算法的主要功能就是排序和召回，上述的六種模型均服務它們兩者。

舉個例子：

我們經(jīng)常使用某款APP，它習慣性地抓取自己點擊的每個圖片或者下方的內容，然后用打標簽的方式歸類在后臺中，該行為屬于排序，進一步說平臺可以收集一個賬號的多個標簽排序。

可當你許久沒有打開該APP時，機器就基于你感興趣的內容，通過push，短信的方式召回我們。

大部分大平臺（小紅書、抖音、快手）的推薦系統(tǒng)分人工干預和自動推薦兩種，前者顧名思義人來操作，后者是給機器設定固定時間來循環(huán)使用。

自動推薦是什么呢？

若進一步展開解釋，如監(jiān)督學習算法Y= F(Xi ,Xu ,Xc)，這三個函數(shù)包含三個維度的變量分別為：1）內容，2）用戶特征，3）環(huán)境特征。

三者匹配起來是一個復雜的數(shù)學問題；市面常用模型有好幾種，無非是把多模型混合使用，簡單來說就是：你是誰、你在哪里、你愛看什么？基于這些給你推薦內容。

一般當推薦系統(tǒng)的自動化運作時，它就像山頭巡視的小兵，不斷從整個物品或者信息聚合中抽取當次需要查詢的候選集；根據(jù)各種不同維度，如物品、年齡、性別、愛好，場景等種類以及規(guī)模的大小對候選集進行推送。

此場景猶如流水線工作的“抽樣檢查”，也同樣用在大部分平臺的召回手段上，具體策略是怎樣的呢？

其一，內容過濾（Content Filtering）。

其二，協(xié)同過濾（Collaborative Filtering）。

資訊類產(chǎn)品的內容審核是不可缺失的一部分，主要目的是確保無低質庸俗，保持平臺該有的調性；通常有“先發(fā)后審”和“先審后發(fā)”兩個原則。內容抽檢或過濾的基礎是查敏感關鍵詞、重復度、IP發(fā)布次數(shù)等權重指數(shù)。

協(xié)同過濾是基于已知部分用戶或部分物品的偏好或評分，預測缺失偏好或評分的一種方法。

從切入點上，則可分為基于“去鄰域”的方法（本地生活類平臺使用居多）和隱語義模型（給每個分類中不同維度標簽的人進行推送）。

舉個例子：

跟朋友聚餐時打開美食點評平臺去搜索周邊餐廳，過程中我們能看到按照公里排行的推薦、也有部分商家的競價廣告。

疑問的是，你會發(fā)現(xiàn)那些廣告的美食是自己日常愛吃的，并且區(qū)域也不是太遠，為什么會這么做？

因為可以基于“鄰域”做精準的推薦，以此滿足用戶多頻次的消費和深度洞察；如果把“鄰域”比作數(shù)學的“2”，它左手鏈接“1”，右手鏈接數(shù)字“3”。

去鄰域算法就是把“1”推薦給“3”，假設不做去中心化折中結果就是上述你看到場景，基于自己搜索習慣、愛好、距離做折中推薦。

對于人工干預比較容易理解，例如基于某類標簽做手動推送，如：性別類型、興趣愛好、話題、KOL量級等。

高維一點會融會貫通幾項不同的數(shù)據(jù)綜合考量。這種方式常見在中小型（百萬級用戶量）以上的平臺，主要特征表現(xiàn)在技術的基礎建設已經(jīng)完成，屬于發(fā)展中期還不能完全依靠自動化解決。

一方面防止有巨大漏洞出現(xiàn)，造成損失。

另一方面也能運用人工的方式靈活多維度地基于用戶（商品）進行推送，比如以點擊率作為推薦指標時，排序算法篩選后，我們會以預測結果為目標。

這些場景中就會用到因子分解，邏輯歸因，梯度提升決策樹，以及各種神經(jīng)網(wǎng)絡算法，因此稱之為“混合模型”。

但不管怎么樣始終都離不開那兩大原則“基于用戶行為”和“基于內容”。

企業(yè)招聘大量研發(fā)人員，利用理科的思維邏輯將人的行為特征“數(shù)據(jù)化”，對數(shù)據(jù)進行顆?；?，最終通過個性化的分析讓平臺更了解每個人，也就有了那句感同身受的話：“我還沒有平臺了解我自己”。

但真的是這樣嗎？這種理解是片面的。

你以為平臺很了解自己？其實我們不過是把愛好，需求形成的特征進行標簽化沉淀在平臺上，造成推薦的內容都在自身的“認知圈內”。

簡而言之，每個人在頭部資訊（購物）平臺看到的展示頁均不同，每個展示頁都代表不同人的視野和愛好，仿佛一面鏡子瘋狂地為你展現(xiàn)熱愛的一面，它帶來的利弊也是顯而易見。

三、孰是孰非

信息繭房的影響有兩個方面：

一是良好的認知能力，二是陷入回音室效應。

如果我們能夠正確認知到信息繭房由何而來，或者算法如何基于自身的各種行為形成“虛擬人設”為你定做線上畫像；加上我們能夠辨別哪些信息是優(yōu)質的，哪些是不能為我所用，那就不存在“繭房”。

這給我們最大的啟示是，很多時候我們聽到的未必都是正確的，只有深入并全面了解才會擺脫困境。

比如：很多人為擺脫算法的囚籠，在平臺閱讀內容時不點贊、不評論、不互動；這就能擺脫它嗎？并不能。

算法反而會為你推薦一大堆亂八七糟的內容，讓你眼花繚亂失去對關鍵信息的辨別的能力。

換句話說，“信息封閉環(huán)境”聽起來是壞事，可實際上，這也是一種很常見的現(xiàn)象。

在沒有互聯(lián)網(wǎng)時，世界上的信息同等無窮盡，新的信息也在產(chǎn)生，舊的信息也從未消失，堆積依然很多；即便人用上一生的精力學習也是有限，真正有所造詣的人都是在冰山上抓住某個角。

何況很多時候，各種娛樂類、偏社交短內容平臺的push大概率是瑣碎事，真正重要的信息你一定會接收到。

假如我們不知道“信息繭房”的概念，可能會形成持續(xù)受害而毫無覺察的狀態(tài)，這就容易陷入回音室效應中，它有四個關鍵因素：

1）隔離，2）觀點極致化，3）觀點同質化，4）同樣信息重復傳播。

你可以把它理解成在固有群體或“小圈子”內，幾乎與外界不怎么交流。

由于沒有外部或不同信息進來，內部觀點會在重復傳播中不停地在人們心中鞏固，促使人們看到與內部觀點不同的觀點時盡可能否定，從而達到“極端共鳴”。

舉個例子：

很多人熱愛進不同的付費社群來學習，圈子中往往會強調一種東西叫“價值認同”或“主題認同”，假設某個行為（主題）觸發(fā)大部人群友的愛好或行為底線，那你可能就會被移出群聊。

當所有人的觀點都趨同，那同樣的信息傳播，不同的人去表達，其質量本身并不會提高，對個人的成長也并沒有太大幫助。

這四個關鍵表現(xiàn)，很好地解釋了信息與受眾的思維關鍵；具體而言，回音室效應不但可以讓一個人思維禁錮，還極有可能直接廢掉理性思考能力。

根據(jù)調查，很多受害者是這兩類人：一是不乏受過高等教育的專家學者，二是分辨力、自控力不高的人。

前者光學習理論而不實踐，很容易陷入封閉狀態(tài)中，這種原地踏步造成與現(xiàn)實社會脫節(jié)，而其還沉浸在固有的圈子中“津津有味”，殊不知外界已經(jīng)發(fā)生了巨大的變化。

后者是那些經(jīng)常以“這樣學習就是對”“哪個專家說”作為標榜或處事依據(jù)的人，他們不習慣以理性的事實為基礎，更容易陷入感性。

正是陷入自己編織的信息繭房之中，才會不停閱讀內容高度重復卻幾乎毫無營養(yǎng)的資訊，這造成自己的認識很難提升到新的層級。

在我看來，所謂的相對封閉環(huán)境，即可以是被動也可以成為主動。

被動是由于別人提供，而主動在于自己，如改變你獲取信息的渠道、屏蔽無效信息、把它們變成高質量信息。

因此我們所避免的信息繭房可能是錯的，“擺脫”不是目的，如何有效的利用它為自身做增值才是最重要的；那如何做呢？有2個認知1個技巧是我在踐行的。

四、三個錦囊

有句話叫做“人無法賺到自身認知之外的錢”，相對的是“人無法碰到自身認知水平之外的問題”，那么，現(xiàn)在碰到的問題就是自己現(xiàn)階段的一個上限，具體改變上你可以進行參考：

1）微調認知基模

基模是人與生俱來的行為模式，會隨著成長而變化。它是一種知識分類體系，呈層次化結構，類似于樹狀圖；一般來說并不以某個具體事例為對象，而具有某種程度的一般化和抽象化的性質。

比如可以將方法論提煉成為規(guī)律，將規(guī)律用在不同領域，它們彼此間都是有關聯(lián)的，只是我們從未發(fā)現(xiàn)。

1973年，美國學者羅伯特·阿克塞爾羅德在《認知與信息處理過程的基模理論》一文中，提出信息處理的過程模式的解釋：

它認為“當我們接觸到一個新的事物或者信息時，我們頭腦中的相關基模就被激活，參與到信息處理的每個環(huán)節(jié)當中”。

進一步說：當信息的各項特征與我們的認知基模相吻合時，人們習慣用原有的解釋和態(tài)度對待它；當不吻合時，才會對新舊信息進行比較，補充新信息確保新解釋和態(tài)度。

如果你認識到就會發(fā)現(xiàn)，新信息處理結果對認知基模會產(chǎn)生兩種影響，其一對舊行為認知的強化，假如有矛盾即修正形成新基模；其二新信息的處理，會自己做出分析、推理和判斷。

從發(fā)展來看，只有不斷接觸新信息，認知基模才會發(fā)展出分支或做結構調整，這也符合神經(jīng)心理學中“神經(jīng)元集群（neural ensemble）的解釋”。

2）改善偏食情況

很多人喜歡給自己貼標簽，當然他們都有一套邏輯自洽的理論，我不反對也不贊成；我的心得是“年輕人不要隨意貼標簽”，為什么呢？

標簽會植入到心智中，無形中影響你往哪個圈子發(fā)展、學習什么類型的內容等；這很容易造成“信息偏食”，它會局限自我定位。

有人說聚焦不好嗎？正確的聚焦在我看來先有中長期目標，如結合3年~5年規(guī)劃再看當下。

一方面，人與標簽唯一不同在于前者是動態(tài)發(fā)展的，后者是靜態(tài)呈現(xiàn)；今年認為對的，明年可能就會失效。

標簽是手段，假設自身認為某個標簽在短時間能夠讓自己有個質的提高，或通過此力量能帶來外界優(yōu)勢，反而是不錯的選擇。

另一方面，即使通過標簽或圈子滲透到某個領域中，自身也需要對領域的知識有全面的認知，不要盲目地跟隨別人的意見和建議，這樣，受社交媒體下“群體性孤獨”的影響幾率會不斷減少。

那么，對于多元化信息的獲取和構建“多元化”的圈子，都是擺脫信息繭房必要的手段。

3）多看多聽多動手

這句話的意思是“盡可能刪掉自己的歷史瀏覽痕跡”，遇到喜歡的內容把它立馬記錄下來或轉存在收藏中；這可確保自己看到的內容不是被推薦，而是相對隨機的。

此方法的好處是可以立竿見影地起效，壞處是你始終還很難完全避免“被種草”，那怎么辦呢？

多動手去各種平臺獲取信息，并非“多動手點贊”；這樣可以避免單個平臺的誤導；就我個人而言，因為我有閱讀習慣，所以經(jīng)常通過RSS（信息聚合）閱讀當天所有新聞。

古人云：兼聽則明，偏信則暗。當自身做到多渠道、全方位地獲取隨機性的信息時，信息繭房就會失去存在的基礎，自然就會不攻自破。

總而言之，信息繭房仍然是可破解和避免的，主要是積極主動行動起來，放棄固有習慣，這可能會讓自身逃離舒適區(qū)，變得不那么愉快；我想，比起收益這點付出還算值得。

總結一下：

最厲害的并不是所謂平臺方“算力”或“數(shù)據(jù)”有多牛，而是人；不信你想想，平臺的技術會磨滅我們看世界的好奇心嗎？

并不會，平臺多元的分發(fā)口徑，沒有成為“繭”，反而織了一張“網(wǎng)”；而讓自身看到的信息成為繭房，或許這件事只有自己能辦到，不是嗎？

本文來自微信公眾號：王智遠（ID：Z201440），作者：王智遠

本內容為作者獨立觀點，不代表虎嗅立場。未經(jīng)允許不得轉載，授權事宜請聯(lián)系 hezuo@huxiu.com

正在改變與想要改變世界的人，都在 虎嗅APP