关闭算法推荐是技术的倒退还是时代的进步？
转载自Duing（ID：duyi-duing）
在大数据和AI的加持下，App内的算法推荐正处在一个“越用越懂你”的循环之中。随着用户的不断使用，算法把采集到的偏好信息加以分析完善，对用户兴趣的把握程度将日趋“精准化”，最终实现了“千人千面”的用户个性化推荐。
即使是一对拥有几乎一样社交圈的双胞胎，他们的App首页推荐也完全不同——无论是内容还是广告，一切都是以“个人”为导向的私人定制。
当每个人都被个性化推荐宠溺到只关注自己有兴趣的信息，甚至切断了其他信息的来源时，一个个把你困在算法里的“信息茧房”就形成了。
在这个数据大爆炸的时代，你眼中看到的世界，却是从未有过的狭隘。
而你，甚至对此不自知。
被困在算法里的年轻人
图片源自网络，仅做配文展示
“抖音5分钟，人间2小时。”讲了几年的段子还是能真实地讲述了成瘾的体验。
每个人都有这种经验，你原本是打算全神贯注地学习或者是工作的，但是等你意识到的时候，你已经在刷手机了。
我们知道不应该浪费这么多时间玩手机，但又控制不住自己。这一切都源于手机内的App在不断吸引我们的注意，抢占每一点碎片时间，试图让我们“成瘾”。
当你拿起书本的时候，手机不停推送信息提醒你“有一个用户赞同了你的想法”“你关注的XXX发表了新内容”“你一直抢不到的某个商品正在有人低价转让”，于是你放下了书本，再度拿起了手机。
再之后，页面上不断自动弹出的“你可能感兴趣的商品”，自动播放的下一个短视频，不断更新的首页信息再度像黑洞一样，把你的时间窃取走。
等你放下手机的时候，2个小时过去了。 为什么这些科技公司要在“让用户上瘾”这件事上，花费如此巨大的功夫呢？
因为，用户成瘾了，产品就好卖了。
图片源自网络，仅做配文展示
大数据、推荐算法、用户画像……尽管科技公司一直宣称这是“为了打造更好的客户体验”，但事实上，这些技术最大的价值是吸引用户在App上停留更长的时间，并把用户更精准地推荐给适合的广告商。
用户在App上花费的时间越久，画像越精准，定向投放的广告转化率就越高，广告商的销售数据就越好看。
在这个广告商买单的商业模式下，用户是商品，不是客户。
尽管我们对此心存不满，但企业的行为依旧无可厚非——对于任何一家企业而言，盈利永远是最重要的目的。
当你盯着手机屏幕给企业带来的收益远超于投身现实世界所带来的收益时，企业就会用尽一切手段，让你的双眼在屏幕上多停留哪怕1秒。
算法推荐发展史
图片源自网络，仅做配文展示
众所周知，算法推荐可以提高用户粘性，但是也极易形成认知偏差和信息茧房等问题。那么算法的发展史是如何进展的呢？
算法推荐分为许多类型，但简单来说，其原理就是基于用户的历史使用行为或相关信息，通过特定的数据模型，推测出用户可能的偏爱喜好。
1998年，Amazon平台上线了基于物品的协同过滤算法（ItemCF算法），将推荐系统推向服务千万级用户和处理百万级商品的规模。这一技术机制的革新产生了良好的效果，Amazon销售额提高了35%左右——这是推荐算法从实验室走向商业公司的一次成功应用。
2006年，一家原本做DVD租赁的公司悬赏百万招募算法推荐系统，希望改善其影片推荐效果。最终，凭借此次大赛的成果，这家公司成功转型为线上影片点播平台，并向用户普及了“推荐”的概念——这家公司就是Netflix。
视频平台YouTube同样以算法推荐为特色。它最早只通过点击和浏览量对内容进行排序，2012年YouTube开始采用复杂的推荐算法，尝试加入观看时长、分享、喜欢等参数来向观众呈现视频流。2016年9月，YouTube将其技术文档整理成论文《DeepNeural Networks for YouTube Recommendations（深度神经网络在YouTube推荐系统中的应用）》发表，公布了从大规模可选内容中寻找最适合推荐结果的算法路径，探讨了深度学习带来的性能跨越式提升。
在视频网站之后，Facebook、Twitter等社交媒体也纷纷采用个性化信息流，将内容按用户兴趣程度进行排列。从时间顺序切换到算法乱序推荐，尽管初期引发了部分使用者的不适，但之后便被证明，这一举动带来了用户使用时长、广告点击率的大幅增长。
国内互联网行业同样拥抱算法。二十一世纪的第一个十年之后，内容资讯平台、短视频应用改变过往人工推荐的习惯，逐步加大算法推荐的比重，一大批代表性应用在这一浪潮中涌现出来。2016年又被称为“智媒元年”，以纪念算法推荐在内容分发领域所做出的重大贡献。
毫无疑问，身处信息大爆炸的背景下，算法推荐是继分类条目与搜索引擎之后的又一技术革新，它极大地提升了信息分发的效率和精准度，以此颠覆了人与信息的相处方式，也得益于这种能力，逐渐被应用于交通、金融、法律等等人类社会的其他领域。
取消算法推荐是时代的倒退吗
图片源自网络，仅做配文展示
事实上，许多互联网产品都开始考虑取消算法推荐机制的可能性，并正在做出尝试。
YouTube客户端和网页端都开始提供“不看推荐”和“清除历史观看数据”的选项，用户可以自由选择切换，其儿童频道YouTubeKids更是彻底取消了算法推荐，改用纯人工筛选内容。
Facebook新闻版块在2019年开始招聘人工编辑（主要是资深记者），以应对各国政府对其平台充斥极端内容的指控。
2017年成立的资讯分发平台Substack也是以人工推荐为特色，读者通过邮件订阅来接收内容，这吸引了不少怀旧的客户，仿佛瞬间回到了RSS时代。该产品在多轮融资后估值已经达到6.5亿美元。
为了与之抗衡，Twitter在年初收购了Substack的竞争对手Revue，而Facebook则新近推出了一款名为Bulletin的应用——二者均是以时事通讯作者为主的资讯平台，并采用编辑筛选，按作者订阅的模式。
另一方面，国家也出台了相关措施，8月27日，国家互联网信息办公室发布了关于《互联网信息服务算法推荐管理规定（征求意见稿）》公开征求意见的通知。
图片源自网络，仅做配文展示
意见稿从安全主体、内容管理、检索优化等方面对算法推荐服务提出了具体的管理规定。其中特别提到“算法推荐服务提供者应当向用户提供不针对其个人特征的选项，或者向用户提供便捷的关闭算法推荐服务的选项。用户选择关闭算法推荐服务的，算法推荐服务提供者应当立即停止提供相关服务。”
如果真的关闭算法推荐，会带来时代的倒退吗？
答案是否定的。
这么多年来，算法能够在各个领域得到大规模应用，对信息分发效率的提升以及社会运作有着不言而喻的意义。互联网产品尝试进行一些去算法化的探索，并不是在强行逆转技术的发展趋势。在一定程度上去算法化，只是让算法回归本意，更好地服务人类。
与此同时，不少互联网产品也在对现有算法进行着不断优化以改善用户体验，根本目的就是要找出一种更具“可持续性”的发展模式。
算法的出现是技术的巨大进步。大数据在交通、医疗、教育、工业和城市治理等领域都开始发挥越来越重要的作用。但它们毕竟大都掌握在资本的手里，随时都能成为牟利的工具，而用户只能沦为鱼肉。
我们强烈拥护技术的发展和进步，我只是反思我们在改变世界的时候，世界也在改变我们。我们在创造文明后，又被困在了文明的系统里。我们在创造工具后，又困在了工具的系统里；我们越是追求效率，越是创造工具，就越容易被困死在一个个系统中。
技术最终是为人服务的，只有更人性化的技术解决方案才能走得更长久。
😊 好了， 以上就是我的分享，小伙伴们点个赞再走吧 👍 支持一下哦～ 😘，
我是法医，一只治疗系前端码猿🐒，与代码对话，倾听它们心底的呼声，期待着大家的点赞👍与关注➕。