三月中旬，国内各头部App陆续上线了算法关闭键，允许用户在后台一键关闭“个性化推荐”功能。这意味着，用户可以自行选择是否拒绝平台基于浏览记录为其做出的个性化的内容推荐及广告推荐。个性化推荐原本是为了更好满足用户需求而上线的功能，为何会为人诟病，甚至遭用户一键关闭？
本文溯源个性化算法推荐的启用原因，分析了其造成的信息茧房、大数据杀熟等弊端，并对算法技术的优化做了展望，希望能给你带来启发。
信息过载，算法推荐应运而生
随着互联网软件技术的不断更新和大数据资源的爆炸式增长，各类企业与数以亿计的用户之间随时随地都在进行着信息交流，从而产生海量的交互信息。
就用户而言，这些产生交互信息的用户在享受网络资源带给自己极大便利的同时，也受到海量碎片化信息和超载数据信息的困扰。
戴维·温伯格在《知识的边界》中提到一个可怕的数字：仅2008年一年，美国人消费的信息就达到3.6泽字节。泽字节是多少？一部《战争与和平》的电子版放到Kindle上所占空间大小是2MB，一泽字节相当于5ד10的14次方”部《战争与和平》——这还是2008年的情况，在信息技术高度发达和自媒体高度活跃的当下中国，这个数字可能更不可思议。
面对如此纷繁复杂的数据信息，用户自身很难在其中找到真正需要的信息或者对自己真正有帮助的内容，更多的是针对用户的无效信息轰炸。而对于企业而言，面对巨大的用户信息数据，如何有效管理和分析这些数据，并且通过挖掘其中的有效信息来为企业服务的用户提供他们可能感兴趣的内容至关重要。
因此，个性化推荐算法系统应运而生。
推荐算法的研究起源于20世纪90年代，由美国明尼苏达大学GroupLens研究小组最先开始研究，他们想要制作一个名为Movielens的电影推荐系统，从而实现对用户进行电影的个性化推荐。首先研究小组让用户对自己看过的电影进行评分，然后小组对用户评价的结果进行分析，并预测出用户对并未看过的电影的兴趣度，从而向他们推荐从未看过并可能感兴趣的电影。
此后，Amazon开始在网站上使用推荐系统，在实际中对用户的浏览购买行为进行分析，尝试对曾经浏览或购买商品的用户进行个性化推荐。根据 enture Beat的统计，这一举措将该网站的销售额提高了35%自此之后，个性化推荐的应用越来越广泛。
而随着移动互联网的广泛普及与智能手机功能的深度开发，信息的内容分发模式逐渐从以人工编辑为核心，转向以社交为核心的人际网络分发模式和以算法为核心的智能分发模式。
诸如社交媒体以及资讯类APP通过算法对用户行为和关系进行分析，挖掘用户对内容的偏好和潜在需求，通过信息聚合，自动为其生成出符合其需求的信息，从而实现个性化的内容推荐和定制新闻发送。
信息茧房——个性化推荐之弊
个性化推荐这一算法模式，解决了信息过载的问题，提升了用户获取信息的效率，但也给用户带来了很多困扰。
1.导致用户视野变窄
个性化推荐最广为人所诟病的是，导致用户的视野变窄。因为媒体平台的个性化服务有可能催生类似延世大学教授曹和淳提出的“数码圆形监狱”，在这些“数码圆形监狱”之中，用户被软性的信息满足，这些软性信息占用人们的时间，控制人们的思想动向和精神导向。
哈佛大学教授凯斯 桑斯坦在其2006年出版的著作《信息乌托邦众人如何生产知识》中提出了“个人日报”、“信息茧房”（Information Cocoons）的假说。
桑斯坦指出，伴随着网络技术的发达和信息的剧增，人们可以随意选择想关注的话题，可依据喜好定制报纸、杂志，每个人都可为自己量身打造一份“个人日报”。而因公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，久而久之，会将自身桎梏于像蚕真一般的“茧房”中。
其实，信息茧房并非仅仅是一个个体概念，影响的也绝非只有茧房中的人。在更大的层面上，茧房中的群体，会越来越大，通过沉默的螺旋，造成社会舆论的极化。
2.虚假、低质内容大行其道
全然迎合用户口味的个性化内容推荐，会损害真实、客观、公正原则，甚至可能导致“虚假、低质内容”和“噱头式内容”的盛行。
比如未经科学验证的健康知识、夸大其词的广告、只为博眼球的标题党、过于情绪化的观点乃至毫无用处的信息，都时常出现在用户的推荐页当中。
另外，算法推荐技术将各式内容进行混合式呈现，信息的意义、流向以及受众对信息感知的方式都依托于机器算法的运算逻辑，导致网民接触内容重数量而轻质量，对于内容的了解缺乏深度。
3.“伪个性化”的盛行
法兰克福学派代表人物西奥多·阿多诺对文化工业下流行音乐“伪个性化”的批判同样适用于当前个性化推荐的服务，现在个性化推荐的发展呈现出某种“标准化”、“伪个性化”特征。由于各个客户端订阅主题、频道内容和兴趣词有较大的重合，因此导致推送的消息呈“再同质化”发展趋势，“千人千面”阅读设想难以完全实现。
4.隐私泄露
内容推荐算法要满足用户的个性化需求，必然要获取用户的个人信息来进行数据的挖掘与分析。如果要实现智能推荐，须有足够丰富的用户大数据作为算法的训练场景，这些数据的源头活水即用户“关注、收藏、搜索、浏览偏好等”等上网使用行为数据，作为个性化推荐的“燃料”。
这些获取个人信息的行为，让用户有隐私泄露的风险。2017年，央视曝光了一则关于个人信息泄露网上贩卖的新闻，掀起了大众对个人隐私泄露的担忧。央视记者暗访发现贩卖个人信息的黑市在网络上十分活跃，一些信息贩子甚至公然叫卖，只要提供一个人的手机号码，就能查到他最为私密的个人信息，包括身份户籍、婚姻关联、名下资产、手机通话记录等等。信息贩卖的猖獗，交易量之大让人触目惊心。
5.大数据杀熟
大数据杀熟是指经营者运用大数据收集消费者的信息，分析其消费偏好、消费习惯、收入水平等信息，将同一商品或服务以不同的价格卖给不同的消费者从而获取更多消费者剩余的行为。
比如，在电商平台，买同样的一件商品，不同的人价格很可能不同。经常在这个平台买东西的老主顾，支付的费用往往更高。类似的现象，在外卖、文旅、打车等平台也屡有发生。
算法优化，有效破茧
个性化推荐算法的作用原本是过滤掉它认为某个特定对象不需要的内容，以提高内容与用户需求的匹配度，降低用户获取有效信息的成本，但无形之中构成了用户的信息茧房，使得用户无法获取茧房之外的其他有效信息，甚至可能造成用户信息被泄露、隐私被侵犯等严重问题，逐渐沦为商家投放广告、获取消费者的工具，背离了以用户为主、从用户利益出发的初衷。
可以说这些诸如“信息茧房”所描述的症结，其实恰恰是算法还不够成熟的体现。而对用户而言，完全摆脱算法推荐并不现实。近日，中国青年报社社会调查中心联合问卷网对1144名受访者进行的一项调查（以下简称“问卷调查”）显示，53.8%的受访者表示会选择关闭算法推荐功能。可见，还是有将近一半的用户离不开算法推荐带来的便利。
其实用户反感的是不完善的算法以及对于算法的滥用。用户期待传播正能量、向上向善的算法推荐服务机制，希望算法能够与隐私隔开，给用户带来便利，而不是带来麻烦。成熟的算法能够为人们提供各种类型的有益信息，在提高生产、生活效率的同时，又能促进人们视野开阔、思想进步。
面对算法分发可能存在的“信息茧房”等信息偏向问题，信息供应商也开始采取各种手段进行纠正，比如新闻APP“跨越分歧的阅读”（Read Across the Aisle）、Chrome浏览器“逃离泡泡”插件，以及微信的“看一看”功能也在以社交推荐的方式对信息偏向进行技术纠偏等等。
最后，对公众而言，应加强个人媒介素养的培养，提高人们对算法风险的知觉和防范意识，另外，不要给自己贴标签，要构建多元化的信息获取机制，使得自己可以汲取到各个方面的信息营养，继而在信息交互中实现自身信息素养的不断提升。
结语
个性化算法推荐对用户而言，好似一把双刃剑，一方面，它能够较好地满足用户的需求、使得用户高效快捷获取所需信息；另一方面，它在无形之中为用户构建了信息茧房，甚至造成用户隐私泄露、大数据杀熟等风险。相信随着技术的进步以及大众媒介素养的提高，个性化算法推荐造成的信息偏向问题将会得到妥善的解决。
话题互动
个性化推荐困扰过你吗？你是否会选择关闭个性化推荐？
欢迎在评论区留言说出你的故事
注：本文图片来自来自于，如有侵权请联系删除
END
