“算法不講武德！”越來越多年輕人發覺，生活正在被算法控制。,從事互聯網運營的盧鋒，想要搜索某個科技產品的特性及用戶使用體驗，但打開知乎，還沒來得及輸入關鍵詞，便被首頁的推薦內容所吸引，不停地點開一條又一條。半個小時過去，他恍然間已經忘了最初為什麼打開知乎。,這就是不少年輕人感受到的算法推薦帶來的負面影響之一――易沉迷。,個性化推薦幾乎成為每一款互聯網產品標配，大數據已經越來越多地介入了人們的“手機生活”。不可否認，算法推薦在追求商業利益之外，本質上是為用戶服務的，很多人的感受是，在一些App頻繁輸入興趣關鍵詞，算法就能夠逐漸了解甚至摸透自己的興趣和喜好，進而持續推薦自己感興趣的內容。,正如美國學者凱斯・桑斯坦所言，在傳播過程中，公眾會偏向於選擇那些他們感興趣的信息，但久而久之，便會將自身置於“繭房”之中。在這樣的“信息繭房”中，全部都是感興趣的內容，很容易致癮，讓人停不下來。,長此以往，可能會使人盲目自信甚至走向極端。美國互聯網觀察家伊萊・帕里澤將此形容為“過濾氣泡”，算法推薦會過濾掉異質信息，為用戶打造個性化的信息世界，讓用戶身處在“網絡泡泡”的環境中。,一直深處於自己樂意看到的內容池當中，視野可能會變得狹窄，所見所聞被App所控制。不過，這屆年輕人心裏清楚，在當今社會，完全脫離算法是不可能的，他們只能用自己的方式去嘗試“對抗算法”。,有人用“不登錄、不點贊、不關注、不評論”的方式盡量減少在網上留下痕迹；有人用多個手機和手機號，盡量分隔可能成癮的網絡環境；有人針對不同的場景訓練不同的賬號……,困在算法里,22歲的林楓最近因為工作新註冊了一個抖音賬號，面對着“震驚體、剛剛體”等“野生推薦內容”，他有些懷疑：“我是刷了一個假抖音嗎？”,為了讓抖音的算法推薦更多偏向自己工作的內容，他當天晚上就決定“好好調教”一下抖音新賬號，持續用抖音搜索工作相關的內容。但沒想到，一“調教”居然“調教”到了天亮，只得拖着疲憊的身軀繼續上班。,林楓原本是想利用算法，能夠更高效率地尋找優質內容，沒想到最後被“反噬”，很難控制自己刷完一個視頻繼續上滑的動作。,如同抖音是林楓的“時間黑洞”，快手、B站、知乎，於很多年輕人而言也是時間黑洞，一旦打開，就很難停下來，背後都有算法的“功勞”。,時至今日，隨着互聯網門檻的降低，普羅大眾對於算法這個詞並不陌生。算法推薦能夠通過數學變量的運算，推測出用戶可能喜歡的東西，進而降低用戶尋找優質內容的時間成本。楊漾為了降低尋找喜歡內容的成本，甚至會克制自己、不隨意點開一些不喜歡的內容，即使不小心點開后也會及時退出，以免算法進一步獲取錯誤信息。,但算法進一步優化，演變成一些App為了增強用戶黏性，以此遷就用戶喜好的“工具”，不斷猜測和推薦符合其立場和偏好的內容。當人們習慣性地被自己的興趣所引導，很容易陷入“信息繭房”。,來源/視覺中國來源/視覺中國,“算法推薦讓我越來越被迫固步自封了，其實也想偶爾跳出舒適區嘗試一些新的事物、獲取新的信息，卻被不停投喂類似的信息。”豆瓣一位用戶表示。,去年下半年，百度創始人李彥宏也曾兩次提到“信息繭房”。在百度紀錄片《二十度》中，李彥宏說道，“現在的算法在試圖取悅用戶，算法的好壞基本上是按照這個用戶花了多長時間來消費內容、他第二天再回來的概率有多大，都是在優化這些東西”。他認為這樣不好，會把人搞得非常分裂，容易讓人走極端。,個性化的推薦，讓相同價值觀的人被集合到一起，甚至有可能進一步走向極端，這並非沒有案例。劍橋分析公司曾被質疑深度參与了2016年美國大選，採用個性化內容推送方式，幫助政客確定不同類型的選民在特定問題上的立場，並輔助政客制定競選策略，影響美國大選結果。雖然劍橋分析公司曾否認非法或不恰當地收集或與其他人分享數據，但這個案例證明，算法推薦如被不當使用，風險極大。,李彥宏還在一次論壇中直言，算法對於人類獲取信息的影響越來越大，投喂式的信息流造就產品粘性，但也考驗着網絡媒體的價值觀。他認為，算法雖然無罪，但不能只給用戶他們本能喜歡的“易牙，豎刁，衛開方”，算法更應該去主動了解用戶的高級目標，而不是追隨用戶本能的喜好。,深處App的世界又難以完全擺脫算法，越來越多的用戶開始警惕算法推薦的便利性，針對投喂式算法推薦出現了“逆反心理”。,一部分人為了擺脫“娛樂繭房”而開始下意識“對抗算法”，還有人為了保持“神秘感”，不想被大數據、算法抓走自己的行為數據，正在採取行動。,對抗算法，各出奇招,普通人是怎樣對抗算法的？,為了對抗個性化推薦而致癮，一些年輕人的選擇是，有意識的與致癮App隔絕。,剛大學畢業三年的喬思會每天查看自己手機的使用時長，分析自己在每個App花的時間，以此警惕自己沉迷於娛樂App。和喬思主動調控時長不同，一些人的選擇是杜絕容易沉迷的App，比如，不讓容易上癮的App在手機里長期存在，在短暫使用后趕快刪除。,同樣，盧鋒也沒有依賴個人的意志力，而是日常使用兩部手機。他的主手機用於日常社交和學習，目的是盡量將工作狀態下的自己與致癮環境隔離，輔助手機則用於刷抖音、今日頭條等娛樂向App，同時盡量控制每天拿起輔手機的次數。,林楓之所以註冊新抖音號，其實也是想將自己的生活和工作分開。他的同事基本也是如此，會“訓練”出一個針對工作的抖音號，而個人興趣愛好，則用私人號搜索，不讓算法推薦模糊自己生活和工作的界限。,而要想走出投喂式算法所造成的信息繭房，有人採用技術工具，比如尋找RSS服務（ReallySimpleSyndication簡易信息聚合），利用RSS服務發揮聚合器的作用，將多個訂閱源整合在一起，得以快速獲得多個網站的內容更新，破除以單一來源為主的信息繭房。,還有一些年輕人將“對抗”算法的重心放在盡可能少地在互聯網上留下用戶行為數據上，讓算法摸不清楚自己。算法推薦，最重要的是數據，App利用用戶行為數據不斷建模，才能做到通過推薦的內容刺激用戶分泌多巴胺。,盧鋒使用兩個手機，不僅是為了破除“娛樂繭房”，更關鍵的是也想要保護自己的個人數據安全，從根源上減少算法對個人數據的捕捉。,來源/Pexels來源/Pexels,早在2019年，有網友質疑某金融App擅自保存用戶圖片，涉嫌竊取用戶隱私，這件事情發酵之後引起了盧鋒的警覺，他立刻打開手機查看自己手機App的權限。在當時，據他觀察，大多數App都是默認獲取用戶的通訊錄數據。“這不僅會使得自己的手機號信息泄露，還會泄露手機里好友的手機號，當這些與資產狀況、消費習慣等信息匹配，可能會被大數據殺熟。”,從那時起，盧鋒基本上每周都會檢查一遍自己手機里App的用戶權限，主要查看通訊錄、位置、語音、圖片的授權。“通訊錄授權一定是都關閉的，位置只允許地圖類App使用。另外還有一些App因為臨時需要開了授權，但會忘了關閉，我每周都會定期檢查，及時關掉。”,盧鋒認為，如果持續不關注這些App的授權，自己未來便會被打上各種各樣的標籤，進而在互聯網世界無處遁形。,現在，盧鋒會用備用手機號碼和臨時郵箱註冊不常用的App，但他依舊拒絕信息讀取、照片讀取和語音讀取，甚至因為不願意授權，卸載了一些使用感受還不錯的App。,“不點贊、不評論、不關注、不登錄”，喬思為了不讓App抓取到過多的個人數據，總結出了自己的四不原則。一方面是盡可能少留下信息，另一方面，盡可能減少在網上獲得的反饋，除了微信之外，拒絕了所有App的通知。“大部分‘通知’，既不及時也不重要”。,和喬思類似，多位用戶告訴深燃，對於一些信息瀏覽類的App，在不影響使用的情況下，會拒絕註冊。,但無論是在早期還是在個性化算法推薦的內容環境形成之後，最重要的是，個人有意識地警惕算法推薦。,儘管楊漾希望推薦算法能夠給自己推薦足夠多的內容，但她也深知，這可能會給自己帶來一定負面影響。她的態度是“抱着警惕的心態，約束自己使用App的行為”，並給自己制定的唯一一條準則就是，盡可能少在App上花費過多的時間和金錢。,如何看待算法推薦？,林楓的兩個抖音號，由於搜索的內容不同，如今推薦的內容完全不同，某種程度上達到了將工作和個人興趣進行區分的目的。,喬思也發現，關閉“通知”、“不點贊、不評論、不關注、不登錄”，少了很多推着自己打開各個App的鈎子，自己也會通過有目的地主動搜索來減少算法投喂內容，這在很大程度上降低了自己陷入“娛樂繭房”的幾率。盧鋒也是如此，將抖音等純娛樂性質的App和辦公、學習類的App分開，將更多的時間花在溝通、辦公類的工具上。,不過，喬思和盧鋒也提到，雖然有意識地在“抵抗”，但持續“上滑”的動作並沒有完全消失。他們承認，只要身處當前的互聯網環境，用戶或多或少都會受到算法推薦的一些負面影響。,在日本二維碼聚合支付平台NETSTARSCTO陳斌看來，“算法推薦的恰當使用，其實是一個科學倫理題。”他對深燃分析，利用數據建立模型，很多App可能比用戶更加“懂”自己的喜好。“在這樣的引導下，人幾乎可以成為被引導和塑造的商品，一些企業通過推薦算法利用人的漏洞與人性的弱點來實現利益最大化。”,來源/Pexels來源/Pexels,陳斌最擔心的是，算法推薦越來越廣泛與深入地使用，未來可能每個人的標籤都是透明公開的，這會讓一個用戶在被了解的時候缺乏灰度，沒有隱私可言。而對於一些App的霸王條款，普通人可能難以察覺，更不要提應該如何“抗議”了。,當然，相關部門一直在不斷查處侵害用戶權益的App，責令其下架整改。“科技發展總是先於立法，不可否認，立法層面需要持續加強。”陳斌表示。,同時，他也提出，用戶面對算法推薦應該擺正心態，要客觀獨立思考。“在算法推薦的社會，最重要的是要有獨立思考的能力。每件事情都有兩面性，最重要的是怎麼去對待。技術為人類服務，人類在使用這項服務時，也要保持警惕的狀態。”,陳斌表示，網絡上已經存在很多“自我保護”的方法，需要用戶意識覺醒之後，去主動探索。,在信息泛濫的時代，沒有算法推薦，用戶可能很難高效找到優質內容，但對於算法推薦過於依賴時，用戶又容易陷入信息繭房。不過，現在認識到這個問題還不晚，不盲目順應算法，就是走出“算法陷阱”的第一步。
