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

是誰(shuí)在背后像秘書(shū)般，為你提供一個(gè)個(gè)選項(xiàng)？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(tái)興趣內(nèi)容匹配，到求職招聘為你尋一個(gè)老板，甚至打車(chē)司機(jī)、按摩店、帆布鞋推薦匹配等場(chǎng)景中，推薦算法無(wú)處不在。

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

可事實(shí)上，今天的人們，可能真的離不開(kāi)推薦算法。

根據(jù)《全國(guó)數(shù)據(jù)資源調(diào)查報(bào)告(2023 年)》統(tǒng)計(jì)，2023年，中國(guó)數(shù)據(jù)生產(chǎn)總量達(dá) 32.85ZB（澤字節(jié))，相當(dāng)于 1000 多萬(wàn)個(gè)中國(guó)國(guó)家圖書(shū)館的數(shù)字資源總量。海量?jī)?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(wú)邊際，還有不少低質(zhì)量虛假信息充斥互聯(lián)網(wǎng)。

信息過(guò)載下，“時(shí)刻渴望高效”的情緒也在蔓延，2024年6月，《中國(guó)青年報(bào)》一項(xiàng)調(diào)查顯示，94.8% 受訪青年感覺(jué)自己的生活開(kāi)啟了“倍速鍵”，需要在短時(shí)間內(nèi)完成更多事情，獲得更豐富的體驗(yàn)。

尤其面臨社會(huì)急速變化，人們對(duì)效率的要求不由自主變高起來(lái)。“3小時(shí)學(xué)會(huì)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(duì)比過(guò)去，人們對(duì)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(duì)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(guó)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(jì)算機(jī)代碼表達(dá)的意見(jiàn)”，而推薦系統(tǒng)就是一個(gè)信息過(guò)濾系統(tǒng)，幫助用戶減少因?yàn)g覽大量無(wú)效數(shù)據(jù)而造成的時(shí)間、精力浪費(fèi)。

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(guò)載（Information Overload）”。隨著信息技術(shù)和互聯(lián)網(wǎng)的高速發(fā)展，人類(lèi)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(shí)間卻不足以處理信息爆炸所帶來(lái)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(guò)濾推薦算法》，首個(gè)協(xié)同過(guò)濾系統(tǒng)就此誕生。5年后，保羅·雷斯尼克等學(xué)者在《美國(guó)計(jì)算機(jī)學(xué)會(huì)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(kāi)啟廣泛應(yīng)用是在2003年。彼時(shí)，亞馬遜提出了項(xiàng)到項(xiàng)的協(xié)同過(guò)濾，通過(guò)分析用戶對(duì)推薦的物品、內(nèi)容或服務(wù)的評(píng)分，來(lái)預(yù)測(cè)用戶可能感興趣的內(nèi)容并將之推薦給用戶，協(xié)同過(guò)濾算法成為當(dāng)時(shí)解決信息過(guò)載問(wèn)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(wàn)縷的關(guān)系。2009年，隨著Facebook推出排名式個(gè)性化新聞推送，算法改變了人們?cè)诰€互動(dòng)的方式。在中國(guó)，字節(jié)跳動(dòng)于2012年誕生，信息與個(gè)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(shí)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(guò)近10年對(duì)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(píng)論評(píng)為“全球十大突破性技術(shù)”，因?yàn)檫@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(ài)好有了共通價(jià)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(guò)對(duì)大量語(yǔ)料庫(kù)進(jìn)行無(wú)監(jiān)督學(xué)習(xí)，從而獲取豐富的語(yǔ)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(yǔ)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(kāi)啟了BERT模型在推薦系統(tǒng)應(yīng)用的實(shí)踐。

如今，推薦算法已經(jīng)在人們的生活中無(wú)處不在，它會(huì)把相關(guān)內(nèi)容推薦給更感興趣的用戶，信息在這個(gè)過(guò)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(wú)效數(shù)據(jù)過(guò)量帶來(lái)的低效浪費(fèi)。

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(shí)世界，相關(guān)部門(mén)也對(duì)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(jiān)持主流價(jià)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(dòng)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(mén)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(yíng)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(shuō)明了抖音推薦算法的基本原理、運(yùn)行機(jī)制、應(yīng)用場(chǎng)景和目的意圖。

重估推薦算法

此前一段時(shí)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(diǎn)。

“信息繭房”一詞，最為人熟知的來(lái)源是美國(guó)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(gè)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(duì)其他信息的接觸，久而久之，便會(huì)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(shí)，算法還是個(gè)模糊的概念。實(shí)際上，信息繭房這一概念在學(xué)術(shù)界根本沒(méi)有實(shí)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(zhǎng)、教授陳昌鳳研究指出，信息繭房是一個(gè)似是而非、缺乏科學(xué)證據(jù)的概念。西方學(xué)界尚無(wú)有力研究證實(shí)“信息繭房”的存在。

一方面，造成“信息繭房”的實(shí)驗(yàn)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(zhǎng)期傳播效果來(lái)研究，證實(shí)其存在更加困難。許多情形下，人們對(duì)“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(wàn)名參與者，要求他們報(bào)告自己最近閱讀、觀看或收聽(tīng)的新聞媒體，同時(shí)通過(guò)電子手段直接監(jiān)測(cè)和記錄他們的實(shí)際新聞消費(fèi)行為。通過(guò)兩項(xiàng)數(shù)據(jù)的對(duì)比，研究最終發(fā)現(xiàn)人們實(shí)際的媒體消費(fèi)比他們自己想象中更具有多樣性。

也就是說(shuō)，人們實(shí)際并沒(méi)有陷入“信息繭房”中，但他們可能會(huì)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(guó)明表示：“信息繭房”是個(gè)體、社會(huì)、場(chǎng)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(shí)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(bào)告》發(fā)現(xiàn)，從中長(zhǎng)期看，個(gè)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(gè)體提供了更多元和理性的信息世界。

因?yàn)樗惴ㄔ跐M足用戶個(gè)性化需求的同時(shí)，還會(huì)通過(guò)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(duì)于更多人，推薦算法助力小眾內(nèi)容分發(fā)，知識(shí)普惠，甚至創(chuàng)造新價(jià)值。

2023年9月，一條名為“探訪‘三花’劇團(tuán)開(kāi)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(gè)月，劇團(tuán)通過(guò)網(wǎng)絡(luò)平臺(tái)賣(mài)出2.5萬(wàn)張票，幾乎是過(guò)去兩年多的總和，讓這個(gè)老川劇團(tuán)迎來(lái)新生。

最近，因讀者對(duì)《我與地壇》的一段書(shū)評(píng)，“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(dòng)圖書(shū)銷(xiāo)量暴漲。更因4條推薦視頻，40年前的老書(shū)《畫(huà)魂》被加印了5次……

從《第七天》到《趕時(shí)間的人》，從《窄門(mén)》到《翦商》，經(jīng)典圖書(shū)、冷門(mén)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(shū)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(lái)。

推薦算法打通了“人找書(shū)”和“書(shū)找人”的雙向鏈路，實(shí)現(xiàn)了圖書(shū)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(yàn)，也促進(jìn)了圖書(shū)的傳播和銷(xiāo)售。

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

另一位代表，是在抖音“招收”近兩百萬(wàn)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(guó)工程院院士金涌。

毫無(wú)“流量點(diǎn)”的學(xué)者、平常人發(fā)布的信息有機(jī)會(huì)受到明星同等的關(guān)注，并流行起來(lái)，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(duì)于經(jīng)濟(jì)發(fā)展，算法同樣成為助推的主要力量。

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

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(gè)人的理性能計(jì)算出來(lái)的，只能在無(wú)數(shù)普通人當(dāng)下即時(shí)、網(wǎng)絡(luò)交互式的消費(fèi)實(shí)踐中呈現(xiàn)出來(lái)。

換而言之，算法視角以超脫的目光對(duì)一個(gè)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(tái)也接住了2000萬(wàn)玩家的熱情，從旅游攻略和路線設(shè)計(jì)到旅游接待和服務(wù)，背后都有算法對(duì)當(dāng)下情緒的捕捉和挖掘，讓網(wǎng)紅城市從開(kāi)始的單點(diǎn)爆發(fā)，變成不斷的熱點(diǎn)，更多看似不顯眼的地方成為流量爆發(fā)點(diǎn)。

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(shí)，通過(guò)互聯(lián)網(wǎng)從湖北鶴峰推廣到全國(guó)各地。

在推薦系統(tǒng)的幫助下，視頻能被準(zhǔn)確推薦給對(duì)三農(nóng)、鄉(xiāng)村、農(nóng)技感興趣的用戶，另一方面，用戶能順勢(shì)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(shí)。

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(gè)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(wú)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(gè)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(lái)，推薦算法應(yīng)當(dāng)被看作“私人助理”。目前看來(lái)，抖音、淘寶、B站、微博、美團(tuán)、知乎均已支持在“個(gè)性化推薦管理”界面中隨時(shí)開(kāi)啟或關(guān)閉相關(guān)功能。關(guān)閉后，系統(tǒng)將不會(huì)基于個(gè)性化推送處理個(gè)人信息，僅會(huì)推送與用戶偏好無(wú)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(gè)性化。而在“熱點(diǎn)榜單”中，用戶則可以獲取當(dāng)下熱門(mén)公共性話題，開(kāi)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(guò)主動(dòng)搜索、與人工智能持續(xù)互動(dòng)，主動(dòng)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(shí)點(diǎn)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(diǎn)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(shí)別真實(shí)、高質(zhì)量?jī)?nèi)容，也是對(duì)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(shí)代早已過(guò)去，事實(shí)證明，如果推薦算法只追求短期流量，反而會(huì)導(dǎo)致體驗(yàn)下降，促使用戶流失，失去競(jìng)爭(zhēng)力。從商業(yè)理性視角而言，平臺(tái)為了讓用戶有獲得感、驚喜感，從而愿意更長(zhǎng)久地留在平臺(tái)上，自然也有動(dòng)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?jī)?nèi)容所產(chǎn)生的長(zhǎng)期流量以及帶來(lái)的正向反饋和社會(huì)效益成為互聯(lián)網(wǎng)平臺(tái)在設(shè)計(jì)推薦算法時(shí)更關(guān)注的目標(biāo)。

特別是面對(duì)信息愈發(fā)魚(yú)龍混雜的互聯(lián)網(wǎng)環(huán)境，一個(gè)服務(wù)大眾的推薦算法應(yīng)該以用戶為中心，能夠識(shí)別真實(shí)、高質(zhì)量?jī)?nèi)容。在這方面，越來(lái)越多互聯(lián)網(wǎng)平臺(tái)正為此作出更多努力。

長(zhǎng)視頻平臺(tái)B站就有相關(guān)動(dòng)作與機(jī)制。對(duì)于新注冊(cè)但內(nèi)容優(yōu)質(zhì)的創(chuàng)作者，平臺(tái)將給予更高權(quán)重的推薦。同時(shí)，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(jià)值、新鮮話題方面，讓人為和機(jī)器推薦組合起來(lái)，提供更好的用戶體驗(yàn)。

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(guò)度重復(fù)的商品內(nèi)容展示，讓用戶感到厭倦和無(wú)用。

作為推薦算法代表平臺(tái)，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(shì)的內(nèi)容得到更多流量。以知識(shí)類(lèi)、經(jīng)驗(yàn)攻略優(yōu)質(zhì)內(nèi)容為例，作品發(fā)布3個(gè)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(ài)收藏內(nèi)容價(jià)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(diǎn)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(huì)收到更多科普、文化類(lèi)的內(nèi)容。優(yōu)化后，“有用”類(lèi)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(dòng)權(quán)和選擇權(quán)，圖文、中長(zhǎng)視頻等內(nèi)容體裁的建設(shè)的加強(qiáng)，以及獨(dú)立頻道的上線，也為生活經(jīng)驗(yàn)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(shí)代來(lái)臨，文字、圖片、視頻、語(yǔ)音皆可生成之下，AI bot像是一個(gè)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(jià)值、高質(zhì)量的信息體驗(yàn)。

未來(lái)，關(guān)于推薦算法的爭(zhēng)議或許還會(huì)繼續(xù)存在，但始終應(yīng)該明白，算法是一個(gè)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(gè)人還是行業(yè)，首先要對(duì)推薦算法祛魅，它所推薦的一切內(nèi)容都是人們與之互動(dòng)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(dòng)權(quán)。讓技術(shù)為我所用，才能在這個(gè)日新月異的時(shí)代，看到新的世界和樂(lè)趣。