大家好啊，我是穆宁。

今天想 跟大家聊一个话题，叫做“推荐算法”。

梅尔·吉布森饰演的男主角在电影《谁知女人心》中，是一个典型的大男子主义者。

一次浴室触电的意外突然让这个大男人获得了神奇的本领——“读心术”，可以轻而易举地洞悉身边女人们的心事，听到她们内心的独白。

尽管一开始被这个本领吓得半死，可他却渐渐沉迷，以此俘获芳心。

“读心术”听起来匪夷所思，但仿佛一夜间，个性化推荐技术让我们身边突然出现了一位洞悉你喜好的“知音”。

它可以24小时提供全方位的贴心指引，不厌其烦地向你推荐那些“你可能感兴趣的……”东西，从房子，到袜子。

不知不觉中侵占整个互联网的“ 推荐算法”，不单直指你心底里哪些小秘密，更成为了每个网站拉拢用户的核心机密。

除却社会价值、国家安全等因素，个性化推荐算法的问题是让用户丧失“个性化”。

个性化内容使得用户只关心自己感兴趣的内容而陷 入“信息茧房”，群体内成员与外部世界交流就会大幅减少，群体内同质的特征越显著，导致一种正反馈式的“自激”。

使人产生盲目自信、心胸狭隘等不良心理，其思维方式将自己的偏见认为是真理，从而拒斥其他合理性的观点侵入。简单来说，就是大家所说的“杠精”。

其次，“信息茧房”将会导致社会粘性的丧失。 在“信息茧房”的作用下，人们很容易沉浸在自我的话语场中，脱离整个社会的发展，这些都大大减少了经验的分享。

当每个个体之间、群体之间缺乏粘性，人心涣散将会成为一种普遍的社会现象，人们之间、群体之间往往彼此漠不关心。

甚至可以这样说，中国互联网的疯狂，得益于人与人之间的冷漠。

“信息茧房”效应让用户不自觉地失去社会行动力，从积极地参与事件转变为消极地认识事件，很难接受不同的观点，甚至在群体、代际间竖起阻碍沟通的高墙，造成个体与社会的隔离。

如果用户沉浸于单一类型的信息内容中，会缺乏对于当下和历史事件的深刻认识和判断，拒绝认真严肃地思考社会重大议题。

这也就是，就是目前比较火的逃避现实，追求安逸的“丧”文化诞生的原因。 正如火爆全网的文章《互联网是人类历史的一段弯路吗？ 》中提到的：

当人们获取资讯的方式从主动订阅、搜索，变为被动的“下拉刷新”的时候，互联网便不再是一扇通向世界的窗口，而只是一个善于美颜的镜子。

如果一个人每天阅读的文章都是10万+，那他一定会认为自己所阅读的这些内容就代表主流舆论的声音。

但事实上，机器只是将符合它胃口的文章推送给了它。

而对于超过8亿的中国网民来说，即便是一个篇篇10万+的公号来说可能也只是找到了整个舆论场中很小的一个缺口，并不代表着主流观点。

对于每个舆论场中的发声者和受众来说，都更加认为“自己所写的/看的代表了大多数人的看法”，最终导致我们距离真实的世界渐行渐远。

如果我们甚至无法认识到真实的彼此，就更不要说我们能够相互理解了。

互联网企业最大的优势，就是能够“快速响应用户的反馈”。而最大的弱点也是“习惯于快速响应用户的反馈”。

沉迷于迎合用户当下的需求，让企业迷失了自己真正的目标，也让用户失去了“个性化”。

面对算法的作用与价值，张一鸣的观点曾有过一次重大转折。

“如果你非要问我头条的价值观是什么，我认为是——提高分发效率、满足用户的信息需求，这是最重要的。 ”

他曾在2016年底接受媒体采访时表示： “我本身并不认为低俗有什么问题。 你在机场看到的杂志是一回事，在火车站看到又是另一回事”。

在19年4月11日凌晨4点发布的声明里，张一鸣换了口径：

“我们必须重新阐释并切实践行我们的社会责任：正直向善，科技创新，创造价值，担当责任，合作共赢。”“我们必须重新梳理我们的愿景。”

多年以来，人们每次点击留下的痕迹被存于数据库中，数量庞大到几乎可以说是无限的，这些痕迹被称为“大数据”。

从字面上看，数据意味着要有人“提供”，但至少就这一点，可以说，这里是有矛盾的：

这些信息不是众人“提供”的，而是从我们这里被拿走的。大数据知道我们的一切，但我们对大数据却知之甚少。

计算机的计算能力能够集中处理来自互联网的数十亿条信息，这为一些行业企业提供了前所未有的强大手段， 使他们有能力来影响我们的选择和行为。

大数据对于我们是“白盒”，而我们对大数据则是“黑盒”。

算法考虑了人类的这些认知偏见，继而对每个人的偏见进行了解码，并通过强化这种偏见来做出反应。算法不过是朝着它认为的风向继续吹气。

大数据是沉默的。没有人会像欣赏风景一样看待数字，观察数据要根据预先建立的观察角度、模型和分类方式来完成。

当你了解到，互联网巨头的战略就是让用户产生依赖性时， 一切仿佛都有了答案。

推荐算法旨在创造一种需求， 甚至是一种“瘾”。算法的编写方式，就是为了让众人再也无法失去自己。

推荐算法不能解决所有问题。政府既无法利用算法根除逃税问题，算法也无法帮助你决定搬家到哪里，更不可能帮助你在生活中取得成功。

所以，我们是否真的需要“推荐算法”？

本文来自微信公众号 “产品思维模型”（ID：muningtalk），作者：穆宁，36氪经授权发布。