早在勒龐的時代，善于煽動引發(fā)傳播就已經(jīng)是公開的秘密。但是在今天、基于大數(shù)據(jù)的情緒驅(qū)動讓一切變得套路化、標準化甚至科學化。

一、偏激的時代

我們正在迎來一個越發(fā)偏激的時代，網(wǎng)絡(luò)上、生活中戾氣橫行。

曾幾何時，當移動互聯(lián)網(wǎng)和信息革命以摧枯拉朽之勢席卷全球時，田園詩一般的浪漫氛圍曾經(jīng)四處飄揚。人們滿心以為，信息網(wǎng)絡(luò)將徹底打破人與人之間的信息不對稱，地球變得扁平，世界變得透明，貧富分化終將逆轉(zhuǎn)，各個民族和階層有更多的機會對話溝通和解。

然而現(xiàn)實無情擊碎了人們的幻夢。僅以財富這一項看，在互聯(lián)網(wǎng)時代的20年里，全球貧富分化加劇，僅以美國為例，根據(jù)《彭博》報道，前1%的富豪財富接近前90%精英階層的總和。放到全球的范圍，僅2017年，1%的富人就占有了82%的財富。

馬修.杰克遜曾在《人類網(wǎng)絡(luò)》一書中指出，決定人與人不同階層和財富走向的核心有兩個：一是信息，二是機會（資源）。

那么，在信息高度透明扁平的今天，為何人類的偏激和分化卻更加嚴重了？

有一個說法是“信息繭房”。

二、信息繭房的假說

2001年，美國法學家凱斯.桑斯坦在《網(wǎng)絡(luò)共和國》一書中曾經(jīng)提出：互聯(lián)網(wǎng)時代，人們面對海量劇增的信息，會傾向于從中選擇符合自己喜好的加以吸收，結(jié)果每個人攝取的內(nèi)容越來越狹隘，一步步滑入信息繭房。

比信息繭房更加激進的說法是“網(wǎng)絡(luò)巴爾干化”，1996年美國學者埃爾斯泰恩和布林約夫森提出，網(wǎng)絡(luò)上的信息越來越多，人們喜歡的東西尚且看不過來，因此不會因為互聯(lián)網(wǎng)更加開放開明，反而會更加封閉極端。

兩個假說都指向了一點：信息的透明開放未必全都是好事，因為這樣一來信息爆炸了、信息太多了、真假信息難辨，人們根本就看不過來了。

盡管信息透明開放帶來了一種公平，但是人們“處理信息的能力和精力”參差不齊，這帶來了新的不對等。

于是新的矛盾似乎產(chǎn)生了。人們把指向頭條、淘寶這樣的“算法推薦”平臺，他們說：這些App基于某某算法對人做各種深度學習、大數(shù)據(jù)分析，后推薦的都是人們感興趣的內(nèi)容，這不是標準的“信息繭房”嗎？

這個說法看起來很簡單，也很粗暴，大的問題在于“看輕了算法”。

“算法推薦就是，我看到時尚、旅游、寵物的內(nèi)容，停留的久，點了贊，結(jié)果以后平臺給我推薦的都是時尚、旅游、寵物了?！彼麄兛偸沁@樣說。

但這只是基于“內(nèi)容特點”的推薦，是一種基礎(chǔ)、表層的算法。如果僅僅只是這么簡單粗暴，那么這些公司很容易就會走入興趣的坑里，面臨兩大困局：

人是豐富多元的，每個人的興趣偏好都是多樣的。你隨便問一個人他的愛好是什么，他自己可能也很難準確表述自己的興趣構(gòu)成。

人們的興趣又是善變的，新的興趣點隨時可能涌現(xiàn)，而一些感興趣的內(nèi)容因為過度消費反而可能突然“膩味不感冒”了，從此邊際效益遞減。

就好像，天天在網(wǎng)上看萌寵，沒準哪天就忽然不想看了，再看也不萌了。

事實上，無論頭條、阿里，還是國外的臉書、谷歌，采用的算法維度都沒這么簡單。

三、算法的維度

一個成熟的算法推薦系統(tǒng)，至少需要考慮五個維度。

一是算法模型。

常見的有協(xié)同過濾算法、監(jiān)督學習算法Logistic Regression、深度學習、Factorization Machine、GBDT五種模型。

比如協(xié)同過濾模型，系統(tǒng)不斷分析用戶大概是怎樣的人，然后進一步找到和他相似屬性的人，根據(jù)這一類人的興趣愛好進行推薦，把相似的內(nèi)容推薦給臭味相投的人。也就是說，決定推薦的，不僅是看你一個人今天點贊了什么，更要看和你相似的人們喜歡什么。

以一個“人群”為基數(shù)進行海量持續(xù)分析，不斷迭代優(yōu)化，還會陷入信息繭房嗎？

二是內(nèi)容分析。

比如一篇文章的語義特征（關(guān)鍵詞、Topic、實體詞）、文本相似性特征、時空特征。

三是用戶標簽。

除了用戶的興趣、聚類、性別、年齡、地點等身份特征，還要圍繞用戶行為做好數(shù)據(jù)處理策略，比如過濾噪聲、熱點懲罰、時間衰減、懲罰展現(xiàn)。

四是結(jié)果評估。

如何兼顧短期和長期指標，如何兼顧用戶指標和生態(tài)指標，如何通過ABtest實驗持續(xù)優(yōu)化推薦結(jié)果？

五是安全規(guī)范。

比如電商平臺的反黃與合規(guī)，比如內(nèi)容平臺的ugc內(nèi)容審核、風險內(nèi)容識別技術(shù)（鑒黃、反謾罵及低俗）、泛低質(zhì)內(nèi)容識別（假新聞、洗稿、標題黨等）。

可見，真正的算法推薦系統(tǒng)遠比“喜歡看蛋糕推薦蛋糕”要復雜得多，也深入得多、智能得多。

把鍋甩給技術(shù)和算法從來都是簡單不費力的方法，只不過這樣一來人們就會拒絕更深入的反思和改變。

美國明尼蘇達大學計算機系專門進行了實驗，讓兩組人同時在協(xié)同過濾算法推薦的平臺上獲取內(nèi)容：一組人對推薦結(jié)果進行“跟隨”，一組人對推薦結(jié)果毫不理會。

實驗結(jié)果和一般的認知完全相反：綜合21個月的數(shù)據(jù)，跟隨組獲得的信息更加豐富多元，不理會算法推薦的一組，視野反而更加狹窄了。

前幾天今日頭條的CEO朱文佳在生機大會上說，頭條要做的就是通用信息平臺，通過推薦、關(guān)注、搜索來分發(fā)圖文、視頻、音頻、問答等各種信息內(nèi)容，這種內(nèi)容和分發(fā)手段的多元組合不僅不會帶來信息繭房，還會帶來一個“更大的世界”。

他說的可能是大實話，就像前面所說，如果頭條們做的僅僅是“喜歡看萌寵就推薦萌寵”這種粗淺的推薦，那么一定會無法解決人們興趣的多元、興趣的善變和興趣滿足的閾值提升。

君子不立于危墻之下，如果不對人們進行更加深度的算法學習，今日頭條根本不可能有今天。

四、興趣，還是態(tài)度？

事實上，喜歡篩選感興趣的內(nèi)容本來就是人類的習慣，是天性和本能。

試想，無論讀書看報，還是逛書店、看電視，你是不是首先都要找自己感興趣的？即便早期的網(wǎng)站，是不是也有主題和版塊，方便你去篩選？

算法推薦只是加速了這一進程，讓人們面對海量信息時、篩選感興趣的內(nèi)容更加簡單高效。

前面說過，信息的爆炸帶來了新的馬太效應，在信息處理能力和精力上優(yōu)裕的人變得更有優(yōu)勢。從這個角度說，算法推薦不僅不是造成分化的關(guān)鍵，反而是一種效率提升手段，幫助能力精力上并不占優(yōu)的人彌補不足、提升效率，為什么反而要背鍋呢？

每一次探討人類的“偏激化”和“選擇性認知”，我們都必須厘清一個概念，興趣和態(tài)度。

興趣并不會讓人偏激，只有對某件事情的態(tài)度、觀點和立場持續(xù)強化，變得封閉極端，人們才真正開始偏激起來。比如說：你的興趣可能是足球，你的態(tài)度可能是對中國男足很不喜歡，如果這個情緒不斷強化變成切齒痛恨了，你是不是就偏激了？

從這個角度說，算法推薦只能推薦你“感興趣”的內(nèi)容，卻并不能了解你的“態(tài)度、觀點和立場”，推薦你“喜歡擁護”的內(nèi)容。

算法推薦可能知道你對智能手機感興趣，會給你推薦錘子的內(nèi)容，卻并不知道你打心眼里不喜歡羅永浩，所以錘粉錘黑錘中立的東西都一股腦兒過來了。

算法推薦可能知道你對健康非常關(guān)注，會給你推薦醫(yī)療領(lǐng)域的消息，但并不知道你對中醫(yī)或者西醫(yī)的態(tài)度，所以它都會推薦。

分化裂化的罪魁禍首不是算法推薦，因為真正導致分裂的不是興趣，而是人們在同一興趣中不同的態(tài)度和立場被不斷強化。

這就是常說的網(wǎng)絡(luò)回音室原理，對于同一問題，人們總是喜歡聽到和自己相似的觀點，過濾相反的觀點，后接收到的就像是自己的回音一樣。

是什么在催生網(wǎng)絡(luò)的回音室？如果算法推薦并不會帶來信息繭房，究竟是什么在帶來信息的“偏食”和情緒的偏激？而我們，又該如何應對和破解？

五、真正該警惕的

一個答案可能是“單一”。

單一的信息獲取渠道、單一的信息溝通模式是問題的根源。

無論是只在網(wǎng)站看編輯置頂，還是只在朋友圈看別人轉(zhuǎn)發(fā)的文字，亦或者只關(guān)注大V的分享，甚至只聽憑算法的推薦……只要一個用戶、他對某一信息獲取和溝通模式形成“路徑依賴”，那么視野就可能漸漸變窄。

其實，每一種信息分發(fā)方式都有其獨有價值，編輯分發(fā)帶來的是“你應該知道的”，搜索帶來“你想知道的”，推薦帶來“你可能感興趣的”，關(guān)注帶來“你關(guān)心的人的動態(tài)”。

每一種分發(fā)方式都不可或缺，只有豐富多元的信息獲取組合，搜索、關(guān)注、算法、熟人和陌生人整合起來，才能避免信息的偏食，這可能也是大平臺們正在試圖成為“綜合化”的原因。

谷歌、百度不僅做搜索引擎，還在搜索結(jié)果之外加入內(nèi)容推薦；微博在單純的關(guān)注流和熱搜之外，增加智能推薦和視頻；頭條則是算法推薦、要聞熱文、大V關(guān)注、搜索多合一。

只有整合足夠豐富的信息分發(fā)模式，甚至成為通用信息分發(fā)平臺，才能從根本上避免信息繭房，進而全方面、智能化地了解用戶、滿足其信息需求。今日頭條所說的“一橫一豎”，也恰恰是圍繞這方面來演化的。

另一個答案可能是“孤獨”。

近幾年社交衰退，人們正在從社會性動物，變成孤獨型生物。

人們越來越不愿意面對現(xiàn)實社交的風險、壓力和不確定性，也越來越不愿意為了別人妥協(xié)遷就。虛擬網(wǎng)絡(luò)的發(fā)展讓人們更加沉迷于“不依賴他人”的娛樂，比如游戲和直播。各種消費服務(wù)的完善也讓人們的日常生活越來越不需要與他人社交協(xié)作。

這樣的社交繭房帶來了這樣一個結(jié)果：人們越來越懶得和陌生人溝通交流，即便對于已經(jīng)認識的人，也傾向于選擇和觀點立場一致的人進行溝通。

“好吧”正在成為越來越多現(xiàn)代人拒絕溝通的常用語，而“默默拉黑”則代替“正面剛”，成了非暴力不合作的標配。

第三個答案是“情緒”。

從微博到公眾號，從條漫到短視頻，從咪蒙到盧克文，內(nèi)容生產(chǎn)者和KOL們正越來越善于利用人們的情緒，好事不出門，壞事傳千里，理中客或許正確，但遠不如非黑即白的偏緒更能驅(qū)動大眾的傳播，更能帶來流量。

正如《弱傳播》一書中描述的那樣，早在勒龐的時代，善于煽動引發(fā)傳播就已經(jīng)是公開的秘密。但是在今天、基于大數(shù)據(jù)的情緒驅(qū)動讓一切變得套路化、標準化甚至科學化。

獲取信息上路徑依賴，溝通信息上社交衰退，消化信息上感情用事，比起算法推薦信息繭房的假說，或許這三個問題才更加根本，也更加隱蔽。

作者：張俊

微信公眾號：阿辯論（ID：bianlunlove）