文 | 佘宗明

20年前，哈佛大學(xué)教授凱斯·桑斯坦首次提出了“信息繭房”概念。彼時的他恐怕完全沒想到，這四個字后來會被人拿來跟“算法”綁定。

在他看來，“在信息傳播中，公眾所接觸的信息是有限的，會選擇自己愉悅的信息，久而久之，會將自身桎梏于像蠶繭一般的‘繭房’中”，此之謂信息繭房。

可正如作家埃里克森在小說《Reaper's Gale》里所說的：Language changes over time. Meaning twists. Mistakes compound with each transcribing。翻譯下就是：語言隨時代流變，詞義亦隨之偏轉(zhuǎn)，每次轉(zhuǎn)錄，都會讓謬誤不斷累積。”

在今年全國“兩會”上，“信息繭房”一詞又被多位代表委員提及，基本論調(diào)依舊是“算法制造信息繭房”。

這難言新鮮：“一提到信息生態(tài)，就會想到繭房；一提到信息繭房，就會想到算法”，已成不少人的慣性思維。

只要覺得視野受限，就歸咎于信息繭房，只要覺得困于繭房，就歸結(jié)為算法誤我，挺符合許多人面對復(fù)雜問題時的簡化歸因習(xí)性。誰讓信息繭房聽著專業(yè)，算法又自帶黑箱屬性呢？

但語言學(xué)家門肯說過：“對于每個復(fù)雜問題，都有一個清晰、簡單且錯誤的答案。”在對那些復(fù)雜問題給出清晰簡單答案時，不少人也許需要思考下：它真的準確無誤嗎？

依我看，“算法制造繭房”一說不過是流行謬誤，既誤解了算法，也錯解了信息繭房。

01

u1s1，“算法制造繭房”的說法，錯解了信息繭房的實質(zhì)和本源。

毋庸諱言，在網(wǎng)絡(luò)巴爾干化的今天，部分網(wǎng)民認知極化導(dǎo)致的輿論劣化現(xiàn)象日益顯性化。

對于這類情形，很多人會習(xí)慣性地拿信息繭房說事：今天渲染“信息繭房正讓你陷入傻子共振”，明天威脅“信息繭房正奪走你的認知主權(quán)”。

我曾對此感慨道：時下有兩個舶來的傳播學(xué)概念近乎被用爛，一個是“娛樂至死”，另一個是“信息繭房”——“遇事不決，量子力學(xué)；歸因無方，信息繭房”，成了流行歸因方式。

這番感喟，不是否認認知窠臼的存在，而是唏噓信息繭房的被濫用。

認或不認，現(xiàn)實就擺在那：每個人都被困在自己的認知局限里，沒有人能夠跳出柏拉圖洞穴寓言中的那個“洞穴”。

但所謂“被困”，很多時候都是“自困”。薩古魯就說：“大多數(shù)人困在自己制造的局限中，卻沒意識到是自己把自己鎖在了里面。”

人為什么會“自己把自己鎖在里面”？答案就在于：不論是鄧巴數(shù)，還是腦腐現(xiàn)象，都表明，人的信息處理會受限于物理限制和生理閾值等。

在此情形下，信息偏食就成了人腦抵御信息過載的自我保護機制，其本質(zhì)就是腦部基于人的喜同惡異、趨利避害本性自動開啟的信息篩選機制。

如今已通貨膨脹的“信息繭房”，根源其實就指向了信息偏食——事實上，桑斯坦當(dāng)初提出“信息繭房”時意在警示“信息偏食”。

可當(dāng)下，很多人在說“信息繭房”時，卻是將信息繭房視作互聯(lián)網(wǎng)信息供給模式和傳遞路徑的產(chǎn)物，默認為信息技術(shù)是因、信息偏食是果，從中倒推出的結(jié)論是：因為有了包括算法在內(nèi)的信息技術(shù)，人的視野在窄化、思維在固化。

這既是對信息偏食本性的否定，也是對信息偏食后果的夸大。

首先，將算法跟信息繭房嵌入因果鏈中，默認邏輯是：算法在前，信息繭房在后。但別忘了，在算法推薦還沒問世時，人就開始做各種篩選了，物以類聚、人以群分的本質(zhì)就是篩選。

細想下，我們在微博上關(guān)注同頻者、在小紅書上點贊同好者，不都是另一種“物以類聚”嗎？

現(xiàn)實中，我們也會基于興趣愛好等，選擇跟什么人打交道、對什么信息停留或劃走……社會學(xué)中的“選擇性接觸”、心理學(xué)中的“確認偏誤”，早已對這類信息的選擇性攝取做了解釋。將多因性的信息偏食情況簡單歸為算法使然，才是對人“認知主權(quán)”的攫奪。

其次，信息偏食的確會抑制異文化視野，可其另一面是幫人們腦部減壓——對所有信息照單全收，腦負荷必然超標。罔顧其兩面性，只強調(diào)某一面，都有失偏頗。

02

u2s2，“算法制造繭房”的說法，更誤解了算法的原理和初衷。

時至今日，很多人想象中的算法就是“我點贊什么，算法就給我推什么”，對算法的認知還停留在單維度匹配興趣的原始階段。

可真實的算法讓凱文·凱利的“理想過濾器”設(shè)想已成真——既能推薦那些“我想知道我的朋友喜歡什么，而那又是我現(xiàn)在還不了解的”，也能推薦“某些我現(xiàn)在不喜歡，但想嘗試著喜歡的東西”。

都知道，眼下生成式AI聲勢正高，互聯(lián)網(wǎng)平臺的推薦算法其實也與之同源。

早在上世紀90年代末，推薦算法就已在硅谷互聯(lián)網(wǎng)平臺中落地應(yīng)用，經(jīng)過多年迭代，它早已形成“精準記憶+泛化探索”的平衡體系。

就在前些天，有朋友就提醒我，在抖音App上搜“看得懂的算法”，就能看到抖音算法推薦的基本原理。我體驗了一番后，最大的感慨便是：這屆算法雖然沒成精，但它已是成熟的AI技術(shù)，學(xué)會自己去對抗“算法制造信息繭房”的偏見了。

不少人以為，算法推薦的打開方式就是“我喜歡看南翔，它就拼命給我推二百者也、特別烏啦啦等美食博主或江尋千、山白等非遺博主”，可實質(zhì)上，算法不光會給你推美食、非遺方面的內(nèi)容，還可能給你推影視、繪畫、寵物、旅行、體育、科技等各個領(lǐng)域的優(yōu)質(zhì)內(nèi)容。

因為推薦系統(tǒng)遵循著嚴謹?shù)?ldquo;召回→排序→擾動”全流程：先是多興趣召回，之后精準排序，接著還有隨機擾動。

在抖音上，我起初喜歡看影視二創(chuàng)類內(nèi)容，結(jié)果平臺有時會給我推薦動物解說類內(nèi)容，我又喜歡上了動物解說類內(nèi)容，結(jié)果平臺又會給我推薦綜藝趣味點評類內(nèi)容……簡直是預(yù)判了我多變的趣味。

這就叫多興趣召回——算法不是只盯著咱們點贊過的內(nèi)容，而是從海量視頻庫里同時抓取咱們已知興趣、潛在興趣、多元領(lǐng)域的候選內(nèi)容，避免一開始就把范圍鎖死。

避免把范圍鎖死的，還有多樣性頻控與打散。它會通過技術(shù)手段控制同類內(nèi)容的推薦頻率，保證推薦列表的多樣性。

問題來了：如果是我1秒內(nèi)劃走的內(nèi)容，算法還會給我推嗎？

這就涉及排序問題了。按抖音說法，系統(tǒng)會結(jié)合咱們的興趣偏好、瀏覽習(xí)慣打分，但絕不會只按“喜好度”單一排序。

我經(jīng)常會好奇，我沒關(guān)注很多博主，他們的視頻怎么會出現(xiàn)在我的推薦頁上？

現(xiàn)在我知道了，因為還有“隨機擾動”——算法會主動調(diào)整排序，刻意加入陌生內(nèi)容，避免推薦列表千篇一律。

我在“體驗算法”板塊里拖動“擾動強度”滑塊，親眼看到推薦列表從全是同類內(nèi)容變成畫風(fēng)突變、多元豐富。

這就相當(dāng)于，我原本想待在自己的舒適區(qū)里，只看自己想看的，結(jié)果算法努力掰開我的眼睛：“不，你不想——你還需要看些別的。”

而從“Wide &Deep模型”+“興趣時鐘”看，算法也是為了打破我們的信息繭房操碎了心。

你說，算法怎么知道我的潛在興趣是什么？

“Wide &Deep模型”給出的解法是：“Deep”負責(zé)精準記住你的過往喜好，如你喜歡的美食、寵物、旅行內(nèi)容，保證推薦的基礎(chǔ)精準度；“Wide”則負責(zé)大膽泛化，主動探索你從未接觸過的領(lǐng)域，比如你喜歡看旅行視頻，算法會順帶推薦小眾目的地、戶外攻略、地域文化，甚至攝影技巧等。也就是說，算法正努力既懂你的“舊愛”，又敢猜你的“新歡”。

“興趣時鐘”提供的辦法是：根據(jù)不同時間段調(diào)整推薦偏好。你早上刷到新聞資訊、通勤時刷到輕松短劇、晚上刷到知識科普、睡前刷到治愈內(nèi)容，不是算法“困著你”，而是它在適配你的生活節(jié)奏，同時在不同時段推送不同類型內(nèi)容，盡可能豐富你的信息獲取。

鑒于這些，再拿單一維度的興趣匹配看算法，多少有些刻舟求劍了。

03

“算法制造繭房”的說法誤解了算法、錯解了信息繭房，還誤判了我們自身的行為機制跟平臺的關(guān)切點。

對很多人來說，讓“信息繭房”相關(guān)的討論回歸“信息偏食”本源，將“困在繭房里”的責(zé)任歸為自己既有的認知框架、現(xiàn)實中的社交圈層、自選的信息舒適區(qū)，遠沒甩給那個想象中抽象、模糊、難自辯的算法方便。

但這樣“與其反思自我，不如責(zé)怪算法”的歸因方式，混淆了“主動選擇”與“被動投喂”的界限，更反映了“既要，又要”的糾結(jié)。

算法推薦的結(jié)果，本質(zhì)是用戶行為的映射�？商�多時候，喜歡看娛樂八卦內(nèi)容的我們看到平臺推薦的知識科普內(nèi)容時，會沒耐心停留，身為城市白領(lǐng)的我們看到農(nóng)村老人的笨拙舞姿時，也會快速劃走……

算法為我們打開了一道“看見世界參差”的窗，但我們時常會因為不感興趣將它合上。因而，如果非要說“繭房”，那我們自己也是自己繭房的筑造者。

這兩年，跟吐槽算法制造繭房并存的，還有吐槽算法推薦不準，“想看到的沒刷到”。

可這這本身就是個悖論：感興趣的內(nèi)容推多了，是“制造繭房”；推少了，是“推薦不準”，所以算法到底是要精準滿足，又是要打破滿足？那些“推薦不準”的吐槽，會不會就是算法打破“繭房”的體現(xiàn)？

值得注意的是，許多人在批評“算法織繭”時，會懷念從前：從前的日色慢，車馬郵件都慢，一生只夠愛一人，一輩子沒信息繭房。

這倒是給評估算法影響帶來了縱向比較的重要維度：和“前算法時代”比，人類有了社交媒體之后，看到的世界究竟比以前更大了，還是比以往更小了？

我的看法是：信息匱乏時代的“繭房”是物理性的，因為沒得選——今天那些言必稱“信息繭房毀了下一代”的人，可能忘了在社交媒體出現(xiàn)之前大家只能聽“同一首歌”。信息豐裕時代的“繭房”則是心理性的，它不是由分發(fā)渠道決定，而是由大腦的信息加工機制塑造。

在大家只能看那幾個電視臺、幾份報紙的年代，真的沒有信息繭房嗎？并不是。那時的信息的壁壘是空間性的、地理性的、結(jié)構(gòu)性的。只是懷舊濾鏡容易將其美化而已。

到了今天，信息技術(shù)至少帶來了更多打破信息壟斷的可能。雖然碎片化、情緒化內(nèi)容傳播帶來的挑戰(zhàn)伴隨而至，但這跟“信息繭房”是兩個維度的問題。

真要讓某些人回到那個信息閉塞的前算法時代，他們會對“信息繭房”有更真切的認知。

罔顧這些復(fù)雜命題，將信息繭房作為原罪扣在算法頭上，是認知上的偷懶。

說到這，可能有人會說，平臺有利用“制造信息繭房—誘導(dǎo)用戶沉迷—提升平臺日活”的利益動機。

拋開理性不談，這貌似在理。但若理性地看，會發(fā)現(xiàn)這想得太簡單了。

算法的核心目標，從來不是 “圈住用戶”，而是 “留住用戶”，長期留存比短期沉迷更重要。而留住用戶的關(guān)鍵，就是讓用戶始終對平臺保持新鮮感。

人性本就喜新厭舊，一味推送同類內(nèi)容，只會讓用戶快速審美疲勞，最終卸載APP。對平臺而言，以失去用戶長期留存為代價，把用戶困在“繭房”里換來單次瀏覽時長，得不償失。

04

馬克·吐溫說：“讓我們陷入困境的不是無知，而是看似正確的謬誤論斷。”

結(jié)合種種情況看，“算法制造信息繭房”，就是典型的流行謬誤：它既錯解了信息繭房的本源 ，畢竟，主動選擇才是認知封閉的核心；也誤解了算法的本質(zhì)，畢竟，從商業(yè)利益考量到技術(shù)細節(jié)設(shè)計，都不支持算法織繭。

用梁實秋的話說，“曩昔的金言有些未必可以奉為圭臬，有些即使仍在流行，事實上也已近于謬論。”算法織繭說，就在此列。

流行謬誤，再流行，也是謬誤。故而穿越認知迷霧，很重要。

這不是說，今天的算法不是沒有不足，也絕非不能置喙。

只是說，批評監(jiān)督的前提，該是看見更貼近算法本來面目的算法——它不是織繭者，倒像是在人們已知的花園和未知的荒野之間開墾的園丁，試圖找到那條讓人們愿意繼續(xù)探索的小徑。

如果將信息繭房定義為“讓人只能看到自己想看到的”，將破繭路徑視作“讓人還能看到他不知道自己想看的和不是自己想看到的”，那算法其實已提供了太多的破繭工具，包括多樣性頻控和打散、多興趣召回、隨機擾動等“反繭房設(shè)計”。

而要讓真實的算法被看見，需要學(xué)界多些專業(yè)科普，傳播學(xué)界就有很多實證研究證偽了“算法制造信息建房”的說法；需要公眾多些科學(xué)素養(yǎng)，渲染算法織繭前不如先到抖音上的“體驗算法”板塊上體驗一番；需要平臺將算法可理解性作為公共產(chǎn)品，持續(xù)推動算法透明化，并改進科普方式，努力彌合認知差。

在專業(yè)文章外上線“體驗算法”板塊，通過給用戶“可看、可點、可知”的親手操作體驗，降低算法科普的專業(yè)門檻，讓用戶親眼看到自己的點贊、評論、收藏行為如何影響推薦，在自行調(diào)節(jié)隨機擾動強度中感受算法如何根據(jù)調(diào)整推薦……就比純文字性科普要好得多。

說到底，算法不織繭，破繭需由人。

如果自我封閉，算法可以是我們自我封閉的借口；如果足夠開闊，算法完全可以是我們拓展廣度的窗口。

       原文標題 : “算法制造信息繭房”，不過是流行謬誤