本文来自微信公众号刷关键词排名y原理3：王智远（ID：Z201440），作者：王智远，头图来自：视觉中国
早上好王先生：您的体温是38.3摄氏度，体温不正常建议去医院检查；昨天晚上您睡6个小时35分钟，当中醒来3次；其中深度睡眠时间2个小时30分钟，最近注意各项指标.......
上述声音来自我家智能管控系统和手环的反馈，好像把我的生活安排得明明白白，让我又窃喜又忧愁，为什么刷关键词排名y原理3？
窃喜的是我可以随时知道身体数据，及时调整状态；忧愁的是“我对智能系统的依赖慢慢丧失了某些大脑能力”，事情只是如此简单吗？不是的。
如果我告诉你，我们的职业和人生选择都被塞进了可被预知的黑匣子中，你会相信吗？也许多数人都对这句话有些茫然，不妨来具体看下：
不仅是青年，现在的老人和孩子在闲暇时都喜欢抱着手机刷个不停，形容难听点是“像中毒了一样”。
大量的信息流平台正在通过算法偏好来迎合我们，向我们投喂相似的内容，它会造成什么呢？
一方面会让自身固定在某个信息圈子中难以逃出，它持续强化你对某些问题的看法，最后形成价值观。
另一方面信息堆积越多，注意力就难以集中在那些复杂的问题上，造成判断力下降。
除此以外，身边的一切智能设备仿佛也都在尝试主动为你“提供服务”，这不是坏事；但有一些会让我们在不知不觉中陷入信息茧房。
一、信息茧房
我们先来看看它的由来。
2001年美国学者凯斯·桑斯坦（Cass R. Sunstein）在《信息乌托邦——众人如何生产知识》中提出此概念，并针对内容做出分析和讨论，具体指：
人们在信息领域会习惯地被自身的兴趣所引导，从而将生活桎梏于像蚕丝般一样的“茧房”中的现象。
这个词汇的源头可以追溯到一本新闻传播专业考研必读的书籍，美国计算机科学家、麻省理工学院教授，尼葛洛庞帝的《数字化生存》。
要知道，20世纪90年代中后期，中国开始兴起互联网创业大潮，年轻的互联网创业者们纷纷有感机遇来临，但对能否把握住这份机遇却心存忐忑，该书的出现犹如“盲人指路”，被奉为互联网时代的“指路圣经”。
令人惊讶的是：25年后的今天再打开这本书，会发现书中的多半描述已经成为现实，主要围绕三个阶段的预言：1）从原子到比特，2）代理人界面，3）后信息时代。
第一阶段：
我想，上过初中三年级的人应该都熟悉，原子是化学变化中最小的微粒；如果你不懂也没关系，可以用文科的方式理解：
世界万物都是由原子构成，原子组合构成分子，分子就像瓦砖，堆成各种物质。
它也是人类最经典且使用最广泛的基础假设，用来精准地解释物理学中的力学、热力学、光学、量子学等多方面的问题，甚至还能解释自然科学中的生物学等等。
而尼葛洛庞帝看来，上世纪90年代，大多数信息都是以“原子”的形式呈现，例如录像带、杂志、报纸和书籍，长期以来大家对此也习以为常。
但随着计算机技术的发展，即时的电子数据传输就会成为主流的传播方式，我们进而进入比特（binary digit，简称BIT）组成的世界。
原因在于比特是信息的最小单位，它没有重量，能快速传播，拷贝无需成本，并且不会被区域所隔。
这种新的方式能帮助信息摆脱时空的限制，成为全球共享资源，为各个领域的发展带来便利，同时也能促进互联网和计算机的普及。
第二阶段：
在上世纪90年代美国计算机学界还是程序设计语言、操作系统和网络协议天下时，尼葛洛庞帝召集一帮各领域专家创立了一家名为“媒体实验室”的机构，聚焦研究人机互动。
当时人们把计算机研究重点放在“人如何使用它”，并没有关注“如何和计算机更好地相处”。
而基于此问题，他又提出一个新的概念：“计算机设计需要人性化界面、此界面应该是使用人代理模式”。
计算机界面必须像你的管家助手那样能够认识你，了解你的爱好、品位、倾向与需求；甚至还要知晓你的社交朋友圈、理解你的表达语言和肢体动作。
因此，尼葛洛庞帝认为触屏技术、眼球追踪、语言识别甚至互联网人格的相关研究会是大趋所势，目前看来这些在现在均已经实现。
第三阶段：
尼葛洛庞帝在上述基础上，进一步设想了智能计算机将为人类生活带来巨大改变。
他预言，互联网会进入“极端个人化的信息时代”，即算法推荐；在后信息时代里，电脑、手机APP会基于它对你的了解为你推荐定制化信息。
从前，大众媒体把一模一样的信息通过广播或电视无差别地推荐给每个人；而未来APP会主动对信息进行筛选，并通过界面为使用者制作独一无二的“个人摘要”。
那么，如果按照此指导手册发展，这意味着什么呢？
这不仅让我心中一喜，目前买的很多电子设备都不用看使用说明书就可以用“语言、行为”控制它，以后岂不是更方便么？
但尼葛洛庞帝认为，美好未来虽到来，但信息也会在不知不觉中侵蚀人们的智慧和知识；比如：工作机会的减少，导致更多互联网创业者借助线上平台创造更多知识来与企业协同。
这背后意味着复杂的工作交给机器解决，人类创作性工作将很难一步登上山顶，甚至非常优秀的创作也很难被发现，因此未来你可能更多的是和“机器”交流。
机器取代大部分人力的潮流必不可当，更加严重的是随着算法推荐带来的信息茧房和数字鸿沟，会加深一个人与另一个人的距离感。
比如：你习惯看历史知识，平台围绕历史中心化展开；若一个天天看娱乐的人被推送的都是八卦，甚至像我这种经常搜“学习内容”的人，试想下种种场景会带来什么后果呢？
我们很难逃出“习惯的周边三公里”。如果不经过主动思考判断或故意去搜寻，会陷入知识获取单一化，没有社会统一认识中，严重者还会造成与社会和企业脱节。
一个现实的案例是：
我看到很多离职3个月以上的人，与他们沟通就会发现他们已经陷入自身的“信息茧房”，对跨岗一丁点技能还能理解，对跨公司业务就直接出现“黑匣子状态”。
不可否认，我们正在经历尼葛洛庞帝教授第三阶段的预测；人们无法阻止数字化的变化，就像无法对抗大自然一样；但至少每个人应该了解它是如何形成的，如何一步一步吞噬着人们独有的思考模式。
当然，这一切背后离不开人们常说的“算法”或者“个性化推荐”，但它并不是罪魁祸首。
二、算法原理
从框架而言，推荐系统一般包含“召回”和“排序”两方面。
不论是信息还是消费类电商平台，多半以此类型来训练用户，而算法又基于“内容”和“用户行为”两大类别展开。
我们知道普通人的思维方式分为两种类型：
1）线性思维，2）非线性思维”。
前者是把认识停留在对事物的抽象而非本质上，并以这样的抽象为出发点，片面、直线地解释某件事；后者是把认识停留在对事物的抽象层并以此为基石，进而看到底层原理。
机器学习方式和人相似，也分为线性和多种思维（学习）模型，最主要区别是一方面偏向基础原理，一方面偏向多元化加工；从专业角度出发，一共有6种常用方式：
1）过滤算法，2）矩阵算法；3）因子分解机，4）逻辑回归；5）梯度提升决策树，6）深度神经网络。
它们用在什么位置呢？
要知道，人们看到的所有信息均展示在APP的首页或分类上，在推荐系统中它们属于最上层的展示层，算法属于中间层，数据是最底层；而算法的主要功能就是排序和召回，上述的六种模型均服务它们两者。
举个例子：
我们经常使用某款APP，它习惯性地抓取自己点击的每个图片或者下方的内容，然后用打标签的方式归类在后台中，该行为属于排序，进一步说平台可以收集一个账号的多个标签排序。
可当你许久没有打开该APP时，机器就基于你感兴趣的内容，通过push，短信的方式召回我们。
大部分大平台（小红书、抖音、快手）的推荐系统分人工干预和自动推荐两种，前者顾名思义人来操作，后者是给机器设定固定时间来循环使用。
自动推荐是什么呢？
若进一步展开解释，如监督学习算法Y= F(Xi ,Xu ,Xc)，这三个函数包含三个维度的变量分别为：1）内容，2）用户特征，3）环境特征。
三者匹配起来是一个复杂的数学问题；市面常用模型有好几种，无非是把多模型混合使用，简单来说就是：你是谁、你在哪里、你爱看什么？基于这些给你推荐内容。
一般当推荐系统的自动化运作时，它就像山头巡视的小兵，不断从整个物品或者信息聚合中抽取当次需要查询的候选集；根据各种不同维度，如物品、年龄、性别、爱好，场景等种类以及规模的大小对候选集进行推送。
此场景犹如流水线工作的“抽样检查”，也同样用在大部分平台的召回手段上，具体策略是怎样的呢？
其一，内容过滤（Content Filtering）。
其二，协同过滤（Collaborative Filtering）。
资讯类产品的内容审核是不可缺失的一部分，主要目的是确保无低质庸俗，保持平台该有的调性；通常有“先发后审”和“先审后发”两个原则。内容抽检或过滤的基础是查敏感关键词、重复度、IP发布次数等权重指数。
协同过滤是基于已知部分用户或部分物品的偏好或评分，预测缺失偏好或评分的一种方法。
从切入点上，则可分为基于“去邻域”的方法（本地生活类平台使用居多）和隐语义模型（给每个分类中不同维度标签的人进行推送）。
举个例子：
跟朋友聚餐时打开美食点评平台去搜索周边餐厅，过程中我们能看到按照公里排行的推荐、也有部分商家的竞价广告。
疑问的是，你会发现那些广告的美食是自己日常爱吃的，并且区域也不是太远，为什么会这么做？
因为可以基于“邻域”做精准的推荐，以此满足用户多频次的消费和深度洞察；如果把“邻域”比作数学的“2”，它左手链接“1”，右手链接数字“3”。
去邻域算法就是把“1”推荐给“3”，假设不做去中心化折中结果就是上述你看到场景，基于自己搜索习惯、爱好、距离做折中推荐。
对于人工干预比较容易理解，例如基于某类标签做手动推送，如：性别类型、兴趣爱好、话题、KOL量级等。
高维一点会融会贯通几项不同的数据综合考量。这种方式常见在中小型（百万级用户量）以上的平台，主要特征表现在技术的基础建设已经完成，属于发展中期还不能完全依靠自动化解决。
一方面防止有巨大漏洞出现，造成损失。
另一方面也能运用人工的方式灵活多维度地基于用户（商品）进行推送，比如以点击率作为推荐指标时，排序算法筛选后，我们会以预测结果为目标。
这些场景中就会用到因子分解，逻辑归因，梯度提升决策树，以及各种神经网络算法，因此称之为“混合模型”。
但不管怎么样始终都离不开那两大原则“基于用户行为”和“基于内容”。
企业招聘大量研发人员，利用理科的思维逻辑将人的行为特征“数据化”，对数据进行颗粒化，最终通过个性化的分析让平台更了解每个人，也就有了那句感同身受的话：“我还没有平台了解我自己”。
但真的是这样吗？这种理解是片面的。
你以为平台很了解自己？其实我们不过是把爱好，需求形成的特征进行标签化沉淀在平台上，造成推荐的内容都在自身的“认知圈内”。
简而言之，每个人在头部资讯（购物）平台看到的展示页均不同，每个展示页都代表不同人的视野和爱好，仿佛一面镜子疯狂地为你展现热爱的一面，它带来的利弊也是显而易见。
三、孰是孰非
信息茧房的影响有两个方面：
一是良好的认知能力，二是陷入回音室效应。
如果我们能够正确认知到信息茧房由何而来，或者算法如何基于自身的各种行为形成“虚拟人设”为你定做线上画像；加上我们能够辨别哪些信息是优质的，哪些是不能为我所用，那就不存在“茧房”。
这给我们最大的启示是，很多时候我们听到的未必都是正确的，只有深入并全面了解才会摆脱困境。
比如：很多人为摆脱算法的囚笼，在平台阅读内容时不点赞、不评论、不互动；这就能摆脱它吗？并不能。
算法反而会为你推荐一大堆乱八七糟的内容，让你眼花缭乱失去对关键信息的辨别的能力。
换句话说，“信息封闭环境”听起来是坏事，可实际上，这也是一种很常见的现象。
在没有互联网时，世界上的信息同等无穷尽，新的信息也在产生，旧的信息也从未消失，堆积依然很多；即便人用上一生的精力学习也是有限，真正有所造诣的人都是在冰山上抓住某个角。
何况很多时候，各种娱乐类、偏社交短内容平台的push大概率是琐碎事，真正重要的信息你一定会接收到。
假如我们不知道“信息茧房”的概念，可能会形成持续受害而毫无觉察的状态，这就容易陷入回音室效应中，它有四个关键因素：
1）隔离，2）观点极致化，3）观点同质化，4）同样信息重复传播。
你可以把它理解成在固有群体或“小圈子”内，几乎与外界不怎么交流。
由于没有外部或不同信息进来，内部观点会在重复传播中不停地在人们心中巩固，促使人们看到与内部观点不同的观点时尽可能否定，从而达到“极端共鸣”。
举个例子：
很多人热爱进不同的付费社群来学习，圈子中往往会强调一种东西叫“价值认同”或“主题认同”，假设某个行为（主题）触发大部人群友的爱好或行为底线，那你可能就会被移出群聊。
当所有人的观点都趋同，那同样的信息传播，不同的人去表达，其质量本身并不会提高，对个人的成长也并没有太大帮助。
这四个关键表现，很好地解释了信息与受众的思维关键；具体而言，回音室效应不但可以让一个人思维禁锢，还极有可能直接废掉理性思考能力。
根据调查，很多受害者是这两类人：一是不乏受过高等教育的专家学者，二是分辨力、自控力不高的人。
前者光学习理论而不实践，很容易陷入封闭状态中，这种原地踏步造成与现实社会脱节，而其还沉浸在固有的圈子中“津津有味”，殊不知外界已经发生了巨大的变化。
后者是那些经常以“这样学习就是对”“哪个专家说”作为标榜或处事依据的人，他们不习惯以理性的事实为基础，更容易陷入感性。
正是陷入自己编织的信息茧房之中，才会不停阅读内容高度重复却几乎毫无营养的资讯，这造成自己的认识很难提升到新的层级。
在我看来，所谓的相对封闭环境，即可以是被动也可以成为主动。
被动是由于别人提供，而主动在于自己，如改变你获取信息的渠道、屏蔽无效信息、把它们变成高质量信息。
因此我们所避免的信息茧房可能是错的，“摆脱”不是目的，如何有效的利用它为自身做增值才是最重要的；那如何做呢？有2个认知1个技巧是我在践行的。
四、三个锦囊
有句话叫做“人无法赚到自身认知之外的钱”，相对的是“人无法碰到自身认知水平之外的问题”，那么，现在碰到的问题就是自己现阶段的一个上限，具体改变上你可以进行参考：
1）微调认知基模
基模是人与生俱来的行为模式，会随着成长而变化。它是一种知识分类体系，呈层次化结构，类似于树状图；一般来说并不以某个具体事例为对象，而具有某种程度的一般化和抽象化的性质。
比如可以将方法论提炼成为规律，将规律用在不同领域，它们彼此间都是有关联的，只是我们从未发现。
1973年，美国学者罗伯特·阿克塞尔罗德在《认知与信息处理过程的基模理论》一文中，提出信息处理的过程模式的解释：
它认为“当我们接触到一个新的事物或者信息时，我们头脑中的相关基模就被激活，参与到信息处理的每个环节当中”。
进一步说：当信息的各项特征与我们的认知基模相吻合时，人们习惯用原有的解释和态度对待它；当不吻合时，才会对新旧信息进行比较，补充新信息确保新解释和态度。
如果你认识到就会发现，新信息处理结果对认知基模会产生两种影响，其一对旧行为认知的强化，假如有矛盾即修正形成新基模；其二新信息的处理，会自己做出分析、推理和判断。
从发展来看，只有不断接触新信息，认知基模才会发展出分支或做结构调整，这也符合神经心理学中“神经元集群（neural ensemble）的解释”。
2）改善偏食情况
很多人喜欢给自己贴标签，当然他们都有一套逻辑自洽的理论，我不反对也不赞成；我的心得是“年轻人不要随意贴标签”，为什么呢？
标签会植入到心智中，无形中影响你往哪个圈子发展、学习什么类型的内容等；这很容易造成“信息偏食”，它会局限自我定位。
有人说聚焦不好吗？正确的聚焦在我看来先有中长期目标，如结合3年~5年规划再看当下。
一方面，人与标签唯一不同在于前者是动态发展的，后者是静态呈现；今年认为对的，明年可能就会失效。
标签是手段，假设自身认为某个标签在短时间能够让自己有个质的提高，或通过此力量能带来外界优势，反而是不错的选择。
另一方面，即使通过标签或圈子渗透到某个领域中，自身也需要对领域的知识有全面的认知，不要盲目地跟随别人的意见和建议，这样，受社交媒体下“群体性孤独”的影响几率会不断减少。
那么，对于多元化信息的获取和构建“多元化”的圈子，都是摆脱信息茧房必要的手段。
3）多看多听多动手
这句话的意思是“尽可能删掉自己的历史浏览痕迹”，遇到喜欢的内容把它立马记录下来或转存在收藏中；这可确保自己看到的内容不是被推荐，而是相对随机的。
此方法的好处是可以立竿见影地起效，坏处是你始终还很难完全避免“被种草”，那怎么办呢？
多动手去各种平台获取信息，并非“多动手点赞”；这样可以避免单个平台的误导；就我个人而言，因为我有阅读习惯，所以经常通过RSS（信息聚合）阅读当天所有新闻。
古人云：兼听则明，偏信则暗。当自身做到多渠道、全方位地获取随机性的信息时，信息茧房就会失去存在的基础，自然就会不攻自破。
总而言之，信息茧房仍然是可破解和避免的，主要是积极主动行动起来，放弃固有习惯，这可能会让自身逃离舒适区，变得不那么愉快；我想，比起收益这点付出还算值得。
总结一下：
最厉害的并不是所谓平台方“算力”或“数据”有多牛，而是人；不信你想想，平台的技术会磨灭我们看世界的好奇心吗？
并不会，平台多元的分发口径，没有成为“茧”，反而织了一张“网”；而让自身看到的信息成为茧房，或许这件事只有自己能办到，不是吗？
本文来自微信公众号：王智远（ID：Z201440），作者：王智远
本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系 hezuo@huxiu.com
正在改变与想要改变世界的人，都在 虎嗅APP
