揭秘算法推荐：统计、分类与分发织成信息牢笼｜思维次位面

“让人类永远保持理智，确实是一种奢求”。《流浪地球》中MOSS直到毁灭，也没弄明白航天员刘培强为什么甘愿赴死。

MOSS是人类已经能够制造出推动地球航行的行星发动机，科技来到新高度下的高级人工智能，但与007这样具有自主智慧的人工智能还相距甚远，本质上与现在通过数据层、算法层、应用层给用户带来最优解的算法推荐是一样的。

01. 什么是算法推荐？

谈算法推荐，大部分人脑子可能闪过的第一个词就是“今日头条”。的确，字节跳动旗下的今日头条、抖音等产品在推荐算法的赋能下，给大众留下了千人千面的深刻印象。

其实，除字节跳动外，阿里巴巴在天猫、淘宝，网易在网易云音乐，B站在视频推荐流中都有广泛使用推荐算法。可以毫不夸张的说，互联网行业中只要不是用户主动寻找的直接信息，甚至是广告背后都有推荐算法的身影。

1994年，美国美国明尼苏达大学GroupLens研究组推出第一个自动化推荐系统 GroupLens，提出了将协同过滤作为推荐系统的重要技术，也是最早的自动化协同过滤推荐系统之一。

4年后（1998年），亚马逊上线了基于物品的协同过滤算法，这便是算法推荐的最早商用案例，后面Facebook、Netflix，乃至中国的字节跳动、阿里巴巴等企业都广泛应用了算法推荐。

其实算法推荐并不复杂，总结起来就是信息的“统计、分类、分发”6个字。通俗的来讲，算法推荐就是APP利用大数据科学的给用户“算命”。

首先，后端系统会通过应用层的注册信息、用户点击行为收集统计所有信息；然后再通过策略层的相关算法对信息进行分类，勾画用户画像；最后策略层再对平台上的其他信息与用户画像相匹配，把结果在应用层呈现到用户眼中。

这个过程就好比算命，你把生辰八字告诉算命先生，然后算命先生根据生辰八字和相关法则给出你想要的答案。

数据来源：amazon

按触发条件不同，算法推荐系统目前大致有两类：

一类是被动触发的，需要用户圈定一定限制条件后，系统给你推荐最优解；
另一类是主动触发，你只要打开APP后系统就会自动给你推荐内容，无需用户设置条件。

被动触发的算法推荐中，58同城可当成一个经典案例。58同城是一个集房产、招聘、汽车、家政、本地服务于一体的综合性网站，这就造成了用户行为目的的不确定性，仅前面列举的5项功能就有21种可能，如进入里面的子项其组合可能将会成指数级增长，因此算法推荐对于他们而言的目的是帮助用户更快找到合适的信息。

例如租房时，58同城会根据用户的选购条件，例如价格、区位、户型等在数据层做出统计，然后策略层通过对房源特征分类，将每个特征赋予一个权重，再然后通过用户数据与房源特征组合形成召回数据，最终召回数据在应用层优先推荐权重高的召回数据，直至与用户要求完全相违背。

数据来源：《58同城智能推荐系统的演进与实践》

主动触发类的算法推荐，头条系的抖音必须拥有姓名。抖音与58同城的多品类、多层级的复杂信息流不同，抖音的宗旨就是让信息找人，人就是平台的流量池。

因此抖音会率先先对用户上传的视频进行统计，然后通过关键词对视频分类归入内容流量池，与此同时进行的是系统后台会对用户的行为关键词进行统计、分类，勾画用户画像，然后将用户画像与视频流量池的内容相匹配，最终给用户分发用户更感兴趣的内容，在这个过程中几乎不需要用户主动筛选。

02. 算法推荐为何易造成信息牢笼？

《老子》第五十八章言：祸兮，福之所倚；福兮，祸之所伏。前面提到，无论是被动触发类的算法推荐还是主动触发类的算法推荐，其主要目的就是减少用户获取信息的效率。

例如之前我们看长视频，要么是按电影、电视剧、综艺等分类找视频看，要么就是直接搜索剧名直接观看，反正要早一个符合自己口味的视频很是麻烦。而在算法推荐主导的短视频时代，一直刷一直看已经成为常态。

但算法推荐带来信息获取效率提升的同时，也给我们带入了信息牢笼中。 2017年10月10日，又是一个忙碌的周一，《华盛顿邮报》报道了一则让美国人民无比愤怒的消息，Facebook在美国总统大选期间投放的数千个广告影响了选举，甚至还扒出了“通俄门”。

据报道，获取Facebook 5000万用户数据的剑桥数据，利用性格五力模型制作广告，再通过Facebook的算法推荐最终实现了影响美国大选目的，算法推荐成为了帮凶。

一方面，算法推荐在信息传播中占据主导地位。

公元前135年，本该在汉使面前宣扬国威的夜郎国国王，且因与汉王朝比大成为千古笑柄，而其原因不仅是因为国王深居宫内信息闭塞，更因为周边大臣长期推荐“夜郎天下第一”的信息让国王深信不疑。

从知网《推荐系统》的信息可以直观的看出，算法推荐就是夜郎国王身边的大臣，虽然个个都是人才，说话又好听，但其传达的信息十分有限，且传达的信息比较单一，例如你喜欢看搞笑视频，算法推荐就会在10个视频中给你推荐7个，剩下的才会拓展其他视频，这也是为何Facebook会影响总统大选的原因。

另一方面，算法推荐在信息传播时还具有不稳定性。

算法推荐系统是由程序员设计的一套信息分发系统，说到底还是未逃离机器分发的范畴，就以当前人工智能的发展水平来说，要想钻算法推荐的空子还是较为容易的。

这样一来，那些掌握了平台算法规则的第三方投递更多挟带私货，人们岂不是每天都在垃圾信息的海洋中冲浪？毕竟，现在只要在搜索引擎中输入某某平台和算法推荐关键词，就会出现上千万相关信息助你钻算法推荐的空子。

03. 算法推荐该走向何方

一千位读者心中就有一千位哈姆雷特，对待千人千面的算法推荐不同的人也有不同的态度，算法推荐面前，有人吃到红利对其推崇，有人沉迷其中，还有因幸存者故事将其神化，迷信算法推荐正成为互联网行业的普遍现象。

但前面提到，算法推荐在信息传播过程中具有垄断性与不稳定性，极易对普通用户造成信息牢笼，那么这样一个不完美的算法推荐未来会走向何方呢？

其一，算法推荐并行化

并行与串行是数据通讯传输的两种不同方式，据大数据期刊的《信息过载的大数据时代，大数据推荐系统如何搭建，趋势何方》报告显示，传统的算法推荐系统大多采取串行的传输方式，这种传输方式的好处是适合长距离传输，但单次只能传输一个数据单元，所以就限制了算法推荐在获取用户数据与反馈信息给用户的数据量，深化了信息牢笼的可能性。

而算法推荐并行化，可以利用并行单次可传输多个数据单元的特征，获取更多信息勾画更精准的用户画像，同时还能反馈更多信息，以足够的信息降低算法推荐形成信息牢笼的可能性。