算法推薦：人性的，太人性

信息分發(fā)的本質(zhì)，就是有效地聯(lián)接人和信息。而算法推薦的本質(zhì)就是運用機器算法實現(xiàn)大規(guī)模的自動化信息分發(fā)，讓信息自動找到人。

因此，算法推薦需要解決三個問題：了解信息，了解人，了解人何時何地需要這些信息。不過，歸根到底，算法推薦的核心還是了解人，即了解人的使用習(xí)慣、興趣愛好，再通過算法預(yù)測用戶可能感興趣的信息和話題進行加權(quán)推薦。

新聞信息的主要推薦算法都是來自于一些數(shù)學(xué)算法。在各大新聞資訊聚合類應(yīng)用上主要使用以下這些算法：

1、內(nèi)容推薦。這是資訊類推薦最常用到的算法。算法系統(tǒng)通過對文本內(nèi)容進行標簽設(shè)定，一旦用戶對相關(guān)內(nèi)容進行過點擊、瀏覽、點贊、評論、分享等操作，系統(tǒng)就會對用戶打上相應(yīng)的興趣標簽。這樣就可以將更多相關(guān)標簽的文本進行用戶標簽的匹配。比如，一個看過“德甲”內(nèi)容的用戶，就會得到更多關(guān)于“德甲”的信息推送。

內(nèi)容推薦，如果先期無法獲取到用戶的興趣標簽特征，就會容易遭遇冷啟動問題。因此，內(nèi)容推薦之外還需要其他推薦方式。

2、協(xié)同過濾推薦。這是推薦系統(tǒng)中應(yīng)用最早和最為成功的技術(shù)之一，采用了我們常識理解的“人以類聚，物以群分”的思路，即找到用戶的好友或者與其相似特征的其他用戶那里，將他們感興趣的內(nèi)容來推薦給該用戶。

協(xié)同過濾推薦采取了經(jīng)驗共享的方式，避免了內(nèi)容推薦中存在著內(nèi)容分析不準確、過度單一等問題，可以為用戶發(fā)現(xiàn)潛在的興趣偏好的內(nèi)容。

3、熱門推薦。熱門推薦來自于傳統(tǒng)媒體的思維方式，主要是基于當(dāng)前熱點新聞事件和話題進行的內(nèi)容推薦。區(qū)別于傳統(tǒng)媒體由新聞編輯進行的人工篩選，新聞聚合平臺的自動算法推薦更在于通過數(shù)據(jù)統(tǒng)計的方式將一段時間內(nèi)點擊量、關(guān)注度最高的新聞推送給用戶。

此外，還有像一系列基于規(guī)則、效用、知識以及各類組合的推薦算法來實現(xiàn)對于用戶的個性化推薦。

也就是說，對于那些使用了算法推薦的內(nèi)容平臺，相當(dāng)于有了一手“秘密武器”來對付處在信息焦慮和信息饑渴的移動互聯(lián)網(wǎng)用戶。即使你是一個新手用戶，平臺對你了解甚少，它也會很快通過讓你定制興趣標簽、嘗試不同類型的內(nèi)容推送，AB測試等方式來實現(xiàn)所謂“冷啟動”，找到你的真正愛好。

但是，最根本上來說，像今日頭條這樣的內(nèi)容平臺存在著一個最基本的“原罪”就是，平臺存在的目的是為了攫取盡可能多的用戶時間和注意力，而不是為了讓用戶獲得基本的資訊信息之后就轉(zhuǎn)身走人。

新聞聯(lián)播還有個準時準點的結(jié)束，而這些內(nèi)容平臺卻可以隨時刷新、無限供應(yīng)，獲得流量才是其運營的本質(zhì)。所以，平臺的推薦算法就會盡可能討好用戶，利用用戶的人性弱點來進行信息的喂養(yǎng)。

這也正是內(nèi)容平臺經(jīng)常為人們所詬病的問題：標題黨橫行、洗稿文章泛濫，色情低俗這類深諳人性弱點的內(nèi)容層出不窮。一旦因為好奇瀏覽相關(guān)內(nèi)容，算法就會全力推薦更多相關(guān)信息。這也是所謂“信息繭房”的根本原因，算法縱容了人性，人性又反過來固化了認知，導(dǎo)致一個用戶就在自己熟悉的信息圈里打轉(zhuǎn)。這也是很多人對內(nèi)容平臺深惡痛絕，但看起來又欲罷不能的深層原因。

但是需要指出的是，算法推薦本身不必為內(nèi)容平臺的這些問題背鍋，道理就如同“人用刀殺人，而罪責(zé)在人而不在刀”一樣簡單。其實，通過算法推薦本身的演化，是可以消解這種用戶的信息“偏食”行為和“信息繭房”問題的。

算法推薦的自救：人機協(xié)作是正途

無論對于算法推薦的批評有多么嚴重，但是算法推薦的流行和普及已經(jīng)是一個不爭的事實。算法推薦的真正進步之處就在于改變了信息分發(fā)的方式，即從一種中心化的“責(zé)編把關(guān)”的分發(fā)方式變成基于用戶個性化的機器智能推薦的“算法把關(guān)”的分發(fā)方式。

這種分發(fā)方式帶來的是信息分發(fā)效率的極大提升，當(dāng)然同時也帶來了傳統(tǒng)權(quán)威、專業(yè)媒體的分發(fā)“算法”的失效和分發(fā)內(nèi)容權(quán)重的下降。但是從目前來看，傳統(tǒng)權(quán)威媒體已經(jīng)不再抱有一開始的否定和打壓態(tài)度，而是以積極的姿態(tài)擁抱新媒體平臺，參與到這場算法推薦的流量爭奪當(dāng)中，并且正在憑借其官方身份和專業(yè)內(nèi)容，在新媒體時代重新獲得用戶認可。

對于算法推薦帶來的“劣幣驅(qū)逐良幣”的問題，這之前確實是算法推薦的弱項，最早的一些機器學(xué)習(xí)算法和推薦算法是無法識別文章內(nèi)容是否涉嫌標題黨、假新聞、洗稿、低俗、黃暴等內(nèi)容。這些低劣內(nèi)容其實對于平臺而言，也是一直在努力清除的隱患。

畢竟平臺的發(fā)展不能僅靠這些內(nèi)容來支撐，反而會帶來眾多的版權(quán)、投訴和負面輿情�，F(xiàn)在的平臺都已經(jīng)加大對內(nèi)容安全機制的建設(shè)，其中包括高風(fēng)險內(nèi)容的識別模型技術(shù)的廣泛應(yīng)用以及大規(guī)模人工審查核驗。去年，就連同樣執(zhí)著于算法推薦的Facebook也因為假新聞泛濫而開始使用人工編輯來對內(nèi)容進行審查。

對于“信息繭房”而言，正如近日北師大教授喻國明在一篇《算法推薦必然導(dǎo)致“信息繭房”效應(yīng)嗎》的論文中指出的，算法推薦不是“信息繭房”形成的必要條件，算法推薦在“信息繭房”生成后并不起增效作用，甚至還起到了一定的消解作用。

簡單來說，“信息繭房”的存在并不是因為算法推薦的出現(xiàn)而出現(xiàn)的，傳統(tǒng)社會的單一信息、嚴格的媒介控制以及個人的信息“偏食”傾向都是造成“信息繭房”的原因。反而，在算法推薦時代，個體用戶還有著來自傳統(tǒng)媒體渠道、社交媒體渠道等多重信息來源，更加不容易制造這種“信息繭房”的生成機制；同時，隨著算法推薦技術(shù)的不斷迭代，用戶的潛在信息需求也在不斷的挖掘和豐富。

最終，在算法推薦和人工編輯推薦的取舍較量中，我們其實更應(yīng)該推崇一種帶有“人文理性”和“技術(shù)理性”的可信算法推薦系統(tǒng)。顯然，算法仍然更容易給用戶提供一種“沉浸式”的信息閱讀體驗，而算法和人的互動關(guān)系，本質(zhì)上是“算法背后設(shè)計者的價值邏輯或意識形態(tài)與用戶的互動”。這就要求在算法設(shè)計者意識到“信息繭房”可能帶來的危害之后，主動尋求一種更加優(yōu)化的解決方案，來建立可信的算法推薦的系統(tǒng)。

最主要的是在算法推薦之外，堅持人機協(xié)同，即重視人工編輯在算法推薦基礎(chǔ)之上發(fā)揮應(yīng)用的作用，包括提供新聞專業(yè)主義的理念，設(shè)置更多的公共議題；提供更具權(quán)重的正反觀點信息；提供更多隨機視角的信息等等。

回到微軟新聞部門的裁員問題，之前是模式是AI算法來輔助人類新聞編輯，而未來更可能是人類新聞編輯來輔助AI算法，來優(yōu)化內(nèi)容推薦的質(zhì)量。顯然，AI算法推薦不可能完全取代人類編輯的工作。平臺也不會放心將自身的信譽和內(nèi)容的全部選擇權(quán)都交給AI算法。

一項技術(shù)的發(fā)明和應(yīng)用在人類的發(fā)展歷史上從來只起到一種助燃劑或催化劑的作用。

對于AI的算法推薦來說，它既不會毀掉傳統(tǒng)媒體的生存根基，也不會徹底將人類變成鼠目寸光、各自為營的傻瓜。

其實，如果我們認真觀察，當(dāng)你發(fā)現(xiàn)身邊的老人開始整天盯著手機，關(guān)注自己城市發(fā)生的各種事情，關(guān)心政府出臺的各種政策，關(guān)心自媒體里各種奇葩狗血的故事，未嘗不是對他們生活和精神的一種解放，至少更加開闊了眼界，不用再盯著家里的雞毛蒜皮。

而對于那些因為AI而事業(yè)的媒體人，更加不必悲觀嘆氣。夜深人靜的時候，筆耕不輟地開始你的創(chuàng)作，這些內(nèi)容平臺可能會應(yīng)許你更加光明的前景。