1865年，在北京永定門外的平地上，英國人杜蘭特在一條只有一里多長的鐵路上開起了蒸汽機車。當時京城的老百姓對此聞所未聞，根據清人李嶽瑞 《春冰室野乘記》記載：“京師人詫所未聞，駭為妖物，舉國若狂，幾至大變。”
最後結局是步軍統領衙門下令拆掉。類似的，10年後在上海吳淞鐵路建成通車同樣引起了騷動，結局也是清政府收購了這條鐵路，並將其拆除。
如今，算法的遭遇同樣如此。英語裡對這種現象有個專門的詞，叫Technophobia。類似上個世紀《科學怪人》那種大眾文化所體現的，人們對新技術的一種天然恐懼。
簡單通俗的講，算法就是一套評判機制。這套機制對平臺的所有用戶都有效，通過根據用戶的一系列反饋行為來改進平臺功能，提高用戶體驗最終使平臺形成一個可循環的良性生態。
但妖魔化算法的言論一直不絕如縷。比如近來《比抖音讓人墮落更可怕的，是今日頭條讓我們變傻》這類文章。這些文章強調兩點：1、算法只給你推你喜歡看的。2、今日頭條等平臺只靠算法。
這些立論有意將客觀事實簡化了，其實是非常標準的Technophobia。當人工智能被用於內容分發之後，隨之而來的，用戶需求如何與推薦內容進行有效重合並清晰定義其邊界的討論會是一個非常長期的議題，不是簡單粗暴就可以下結論的。
-01-
頭條和抖音的內容機制一直在自我進化
《變傻》一文的作者，很可能並沒有用過現在的頭條和抖音，他的認知還停留在過去。互聯網評論就是這樣，總有人喜歡拿一成不變的眼光，來打量、評判對方，以至於得出錯誤的結論。
頭條很清楚算法是不完美的，有自身的侷限。所以它需要另一種分發手段來補足算法的不足和弊端，或者說找到驅動頭條系的第二個輪子，現在看來第二個輪子就是粉絲分發，或者叫社交分發。如今的今日頭條已經更新過7個大版本，早已不是純算法，而是“算法+社交+搜索+問答”的綜合體。
比如，你可以通過搜索功能自發地去尋找任何對你而言有價值的信息。如果你喜歡哲學，可以在今日頭條上搜索“尼采”、“柏拉圖”、 “福柯”等關鍵詞來獲取相關資訊，和人交流。事實上，“主動搜索”並獲取信息是所有平臺都希望大家會去做的事情，因為這本身可以創造更精準的價值。
算法的價值還在於長尾分發，即使小眾信息也能獲得較好的推薦，與此同時，在信息足夠豐富的情況下，擁有小眾興趣的人也能找到有價值的信息。比如一些比較冷門的電影，80年代的老照片，大學的校園資訊。這些原本散落在互聯網各個角落的信息，被收納進一個推薦盒子，出現在你眼前，而不是像過去那樣被埋沒在信息的大海中。
而且如果你看一下整個今日頭條首頁，它其實是有四塊：第一個是搜索區，用戶可以主動搜索感興趣的信息；第二個是置頂區，屬於國家大事；第三個是要聞區，屬於重要的媒體新聞，通常會打上“熱”的標籤；第四個才是個性化區，屬於用戶偏好的資訊，這裡既包括用戶自主訂閱的信息，也包括系統推薦的信息。
也就是說，在今日頭條實際產品機制中，算法並不只是給你推感興趣的內容，也不存在只能看到算法推薦的內容的情況。今日頭條的成功，主要還是靠對流量的理解和公司的運營、算法、數據化思維形成的執行力。算法是很重要，但也只是其中的一環而已。
-02-
算法並不是你喜歡什麼就只給你推什麼
如果你以為算法是你喜歡什麼就給你推什麼，就未免把算法想得過於簡單了。其實這種說法很早就有了，傳播學裡面叫所謂echo chamber situation（迴音室效應)，很多人擔心互聯網的內容推薦算法會加劇這種所謂的迴音室效應——喜歡什麼就推什麼，最後全部都是同一類內容，看不到其他。但事實證明這並沒有發生，也沒有哪個互聯網公司會傻到這麼去做。
原因很簡單，人性本身就是喜新厭舊的，對多樣性的追求是一個很基礎的需求。喜歡什麼就永遠推什麼本身就很反人性。就好像愛吃什麼就頓頓都給你吃一樣的東西，不給你看菜單一樣，沒有任何一家飯店會這麼做。
比如我們拿抖音實驗一下，用一臺新手機在未登錄狀態下打開抖音隨機刷10條，統計如下：日常生活（2條），簡筆畫（1條），萌寵（1條），戶外紀實（1條），小姐姐（1條），英文教學（1條），家庭親子（1條），健身（1條），炒菜（1條）。
在已登錄狀態連續點讚了50個小姐姐視頻，重啟後，抖音接下來推薦的50個視頻分別是：小姐姐24個，日常生活9個，旅行風景6個，跳舞5個，正能量3個，萌寵1個，科普1個，健身1個。也就是說，即使你再瘋狂關注小姐姐，抖音也不可能連續給你推送小姐姐視頻。
事實上，算法針對用戶的興趣偏好，具備一定的打散機制，不會出現連續雷同推薦的現象。認為算法只是記錄你單一的喜好，然後根據這一愛好來做推薦，首先是看不起人性，其次是瞧不起算法。一個擁有健全人格的人，從來不可能只有一種愛好——喜歡小姐姐，並不妨礙你同時喜歡萌寵，世界各地的風景，音樂和舞蹈。
而且因為邊際效用遞減的規律，連續推送同一個主題是一件很虧的事情，吃力不討好。
社會心理學上也有“貝勃定律”。當人經歷強烈的刺激後，再施予的刺激也就變得微不足道。就心理感受來說，第一次刺激會沖淡第二次刺激。
這也解釋了人們為什麼總是“喜新厭舊”，一個人的興趣愛好，不可能總是一成不變。
可以說，即使從滿足用戶需求的角度，平臺也不可能一直給你推小姐姐。
-03-
算法自身有探索能力
何況，算法不是機械的算術。
若是如此，各大科技公司也用不著為爭搶名校畢業的算法工程師而擠破頭，算法工程師也根本不值得年薪百萬，Google、微軟等也無需聘用大量的高端人才進行推薦算法優化。算法的魅力，在於不斷學習、迭代和進化。機器人之所以能夠戰勝世界頂級棋手，就是因為它強大的學習能力，形成極高的競爭壁壘。而探索性，本來就是推薦算法原本就有的特質之一。
這裡涉及到一個知識點：協同推薦。
算法的協同推薦，除了內容本身，還包括基於用戶推薦，根據分析不同用戶之間的相似性，從而擴展推薦的探索能力。張三喜歡科技、財經、體育，李四喜歡科技、財經、體育、健康內容，那麼，算法會嘗試將健康資訊推送給張三。因為在推薦系統看來，張三和李四是相似的人。於是，張三就可以接收到原本不在自己興趣範圍內的健康資訊。
推薦系統是在推薦跟你相似的一群人可能感興趣的內容。他們感興趣的內容很可能是你會感興趣的，但是你此前還不知道的，所謂的“你不知道自己不知道”。這在一定程度上豐富了內容。
-04-
算法比社交更容易突破圈層
相比之下，朋友圈具有更大的“迴音壁”效應，人往往陷入而不知。因為朋友圈裡的一切信息，完全由你個人定製，因為內容產出方完全是自己篩選出來的，人根本聽不到和自己相左的觀點和意見，很容易形成同一類人或者同一群人的偏見。而通過算法推薦內容，不是根據觀點推薦，這就可以確保更多種多樣的觀點。
若不是短視頻APP出現，社會底層的工作者、普通人，還會被這個社會繼續忽略。
這些人可能是你每天給你送外賣的小哥，很有可能是給你理髮的學徒，是你手上拿著的手機的流水線上的工人，他們不曾上過微博熱搜，從不逛知乎，更不會出現在你的微信朋友圈裡。是算法讓來自全國各地、各種身份的人無差別地匯聚到了你的手機裡。這才能透過手機屏幕看到豐富多樣的人生百態。
比如，抖音甚至會重新推薦數據庫裡的“優質老內容”，給它更多的曝光。這些老作品之所以能被“引爆”，一般都是因為這些賬號已經發布了足夠多足夠垂直的內容，標籤變得更清晰，推薦算法能夠幫助這些優質內容匹配給更精準的用戶。而在公眾號這樣的平臺上，很少會有一個月前的精品內容能被“挖墳”再火的，這其實是對海量優質內容的浪費。
一個優質的推薦系統，本質上是信息降噪的過程。從一個巨大的內容池中，選出對你而言有價值的信息推薦給你，降低你尋找信息、篩選信息、組織信息的成本。
說到底，算法也好，APP也好，都只是一個工具。誠然，算法作為工具應該不斷完善。但具體如何使用，取決於人自己。
羅素提過一個看法：不管你是在研究什麼事物還是在思考任何觀點，請只問你自己“事實是什麼”以及“這些事實所證實的真理是什麼”。永遠不要讓自己被自己所更願意相信的，或者你認為人們相信了之後會對社會更加有益的東西所影響。只是單單地去審視，什麼才是事實。
讓我們變傻的不是算法，而是失去理性的審視。
— THE END —