龙空技术网

当人们开始对抗“算法推荐”

记者观察杂志 554

前言:

此刻大家对“算法期刊”大概比较关怀,同学们都需要知道一些“算法期刊”的相关文章。那么小编同时在网络上收集了一些关于“算法期刊””的相关资讯,希望小伙伴们能喜欢,小伙伴们快快来了解一下吧!

在互联网日益发展的今天,手机APP在不知不觉间占据了我们的大部分生活,从衣、食、住、行,到日常社交,都充斥着它们的身影。“衣”有淘宝、拼多多、小红书,“食”有美团、饿了么,“住”有贝壳找房、安居客,“行”有滴滴打车、携程、飞猪,日常社交有QQ、微信、微博等……这些软件在方便了人们生活的同时,其中的算法推荐也在一定程度上控制了人们的生活。

于是人们开始尝试摆脱算法的影响,有人试图用“不登录、不点赞、不关注、不评论”来降低算法推荐的影响;有人寻找更多的信息渠道扩展自己的知识面;有人开通多个账号去满足不同的需求……

被算法控制的人们

想象一下这样的场景:早上醒来出门买一份早餐,用微信、支付宝扫码支付,然后走到街上,用APP扫一辆共享单车去上班;下午,用APP点一份下午茶外卖;下班之后,用社交APP和远在千里之外的朋友闲聊几句,然后用APP看一看自己感兴趣的视频、小说;周末,看到有朋友推荐哪个地方比较好玩,于是打开APP开着导航前往……我们似乎随时随地需要手机APP的帮忙,才能在城市间生活行走,才不至于寸步难行。我们似乎很难想象,曾经人们没有手机的生活。

人们与现实世界的接轨,似乎只剩下出门买菜购物,然而这点时间也开始被各大购物APP占领。例如,在2020年7月,美团推出了美团优选,用优惠的价格打开了人们日常购物的市场,涵盖蔬菜水果、肉禽蛋、粮油百货、速食冻品、数码家电、母婴家纺、花卉绿植等各种品类,今天购买,次日送达。看似越来越方便,但就在人们越来越依赖手机软件的同时,软件中也悄悄嵌入了令人“细思极恐”的算法推荐。

算法推荐最初发明的目的,是为了通过数学变量的运算,推算出用户喜爱的内容进行推荐,从而降低用户的时间成本,并提供最适合用户的服务。例如美团外卖界面通常会显示用户喜爱的食物,以方便用户浏览下单,满足了人们的需求。但是在算法一步步优化的过程中,算法逐渐“变了味道”,主动追随用户的喜好这一特点导致用户看到的世界越来越小,也容易成为一些APP为了增强用户黏性,甚至以此获取利益的工具。

而增加用户黏性最主要的表现方式就是延长用户使用APP的时间。有网友说,有时候打开一个软件,本来是为了搜索某个信息,还没来得及点开搜索,便被首页推荐的内容所吸引,不停地点开一条又一条,不知不觉间,已经忘记了最初为什么要打开这个软件。这就是算法推荐带来的第一个负面影响——易沉迷。

算法是如何让用户沉迷其中的呢?网友青临说道,有一件事情经常被人们忽略,我们通常认为互联网是开放的,可现实是互联网如今正变得越来越封闭,各大互联网产品都会有对应的APP,这是因为APP是一个相对封闭的环境,更能够让用户把注意力沉浸在里面。而在这其中还包含了让用户更加难以抗拒的“心理学”。在一部名叫《监视资本主义:智能陷阱》的纪录片中提到,如今有一个学科,叫做增量黑客学,无数的工程师团队,他们的工作就是黑入人们的心理,用户所使用的特别普通的功能,哪怕只是一个下拉刷新的功能,背后也有心理学的支撑。算法就是在这样的繁复过程中,不断收集用户的各种行为数据,然后形成个性化的推荐,取悦着用户。

除了易沉迷,算法还将人们困于一个个“信息茧房”之中,这让人们很难获取到已知信息之外的信息。“我关注的都是美妆类,穿搭类,还有拍摄剪辑,然后还有科普类的视频,像什么金融、医药、生物、物理肯定就关注不到。”一位网友表达了这样的感慨,她认为,算法推荐完全跟随用户的喜好走,就会让人一直缩在小圈子里,接触不到其他领域的东西,思维越来越固化,对人的长期发展不利。

还有网友更是直接表示,越来越“聪明”的算法推荐,让人变得越来越“懒”。算法推荐将用户感兴趣的内容直接推送给用户,使用户懒得去选择和鉴别信息,长此以往,人们越来越懒于思考,这可能会导致人的思维越来越退化。

如果说算法推荐的影响还仅仅限于个人层面的话,影响还不至于如此之大。更值得大家注意的是,由于人们被困于信息茧房之中,了解的信息具有偏向性,可能会让人们走向极端。2018年3月17日,美国《纽约时报》和《英国卫报》共同发布了深度报道,“剑桥分析”曾在2016美国大选期间,利用 Facebook上5000万名用户资料进行分析,最终“读心”有术,向5000万名 Facebook用户发送“专属”政治广告,左右选民投票。

虽然算法推荐最初的目的是为了满足用户个性化的需求,但是其所导致的一系列影响,已经逐渐超出了人们的控制。在现如今人们的日常生活中,摆脱对手机APP的依赖似乎是天方夜谭,但是面对无处不在的算法推荐,越来越多的人开始产生了“逆反心理”。

人们是如何对抗算法推荐的?

大学刚毕业的田田为了对抗算法推荐带来的易沉迷,选择尽量与致瘾性较强的APP隔绝,她会经常查看手机中的软件使用时长,从而有意识地减少一些APP的使用。除此之外,田田还有意识地训练自己尽量减少受到APP推荐内容的影响,控制住自己总是点开内容浏览的冲动。她说,以前打开手机,总是习惯性地打开APP,然后无意识地浏览。现在,她会将容易致瘾、但又不得不用的APP合并放进一个文件夹里,然后刻意控制自己不经常打开这个文件夹。

有的人则采用了更为简单粗暴的方式,就是直接卸载那些自己沉迷时间较长的APP。网友安安表示,如果她在一个APP中沉迷时间较长,只要这个APP不涉及支付和正常社交,她就会直接卸载这个APP,即使偶尔还会使用到,那就继续下载,在短暂使用后赶快删除。

有的APP即使不打开,也会在通知栏推送用户感兴趣的消息。这种做法本质上也是为了延长用户在APP上的使用时间,对此,有人会选择设置每个APP的应用权限,禁止消息在通知栏中弹出。田田表示,她除了微信、QQ和其他一些必要的APP会允许通知,几乎所有的APP都禁止通知栏推送消息。除此之外,田田每下载一个新的软件,在使用之前总会仔细阅读APP申请的权限,谨慎授权,如果是超出这个APP的使用范围的权限申请,田田都会选择禁止。田田说,除了让这些APP更少地影响到自己,更重要的还是使APP尽量少地读取自己更多的个人信息,以此避免更加个性化、易沉迷的推荐内容。

除了尽量隔绝致瘾性较强的APP,提高对算法推荐的警惕意识也同样重要。网友白杨表示,APP能够追踪用户的一切使用行为,读取用户的日历、照片、通讯录等,想要摆脱算法的影响几乎是徒劳的,对抗算法除了要在权限上谨慎授权,最重要的还是学会克制与辨识。青临也表示,开发这些APP的前端工程师即使熟知它们背后的算法都抵抗不住诱惑,更何况是普通人呢?田田现在经常把“主动搜索,拒绝投喂”八个字挂在嘴边,以此来提醒自己对手机中无处不在的算法推荐加以警惕。

田田总结了三条对抗“算法推荐”的方法:第一,“无视”投喂的信息,每当看到推荐的信息慢慢习惯无视它,直接精准搜索;第二,拓展自己获得信息的渠道,从多个不同的信息来源搜索信息,每当发现一个可靠的信息来源就把它保存下来,长此以往,就会形成一个相对完善的信息库;第三,多关注与自己观点对立的、在自己感兴趣的范围之外的内容,不让算法获得自己的精准画像。

为了不让算法获得更多的个人信息,还有的人采取了“不登录、不点赞、不关注、不评论”的做法。23岁的李严表示,在开始使用一个软件时,他绝对不会首先注册和登录,而是先作为“游客”使用。他说,不登录通常会导致算法无法精准获取你的兴趣爱好,只能推荐一些更加大众化的内容,当看不到APP里有趣的、容易让人沉迷的内容时,往往就不会再次打开它。

选择使用多个账号和设备也是一种有效的防止算法推荐获得更多个人信息的手段。网友克拉在一次换手机的间隙阴差阳错开始使用两部手机,一部用来社交和工作,一部用来居家娱乐。由于两部手机的使用状态不同,算法推荐的内容也完全不同。在工作手机中,算法推荐的都是和自己工作、行业相关的内容,这让她无法在这部手机中沉迷。同样,在居家娱乐的手机中,算法推荐的又只是她喜欢的影视剧和明星,完全的娱乐化也不容易让人沉迷其中。

克拉认为,我们所需要手机完成的功能,主要就是“社交”和“娱乐”两个方面,而这两个功能其实是割裂的。因为对社交来讲,理想的状态是“有消息来了,我能够及时回复”,而对于娱乐来讲,理想的状态是“我现在有空,我去看看有没有新消息”。而当两者杂糅在一起,由于缺乏隔离,可能人们只是想去看看微信有没有新消息,结果却误打误撞进了娱乐的圈套。

如何看待人们对抗“算法推荐”

人们开始对抗算法推荐,是在信息时代下自我意识的觉醒。有媒体评论道:“现在的舆论场,常给人这种感觉:态度越来越坚决,观点越来越对立,对话越来越困难。巨量同类信息的裹挟,制造了千沟万壑:我不用去了解其他的知识,感兴趣的还看不过来呢;我不必去理解其他人的想法,和我一样的多了去了。”正是由于在算法推荐下的世界越来越“狭小”,才导致人们拼命想突破它所导致的易于沉迷和构建的信息茧房。

但是无论人们采取什么手段去避免算法推荐带来的影响,算法推荐都已经无处不在,很难完全避免。算法一线工作者白歌表示,人们想要对抗的其实不是算法本身,而是“垃圾算法”,如果一个算法只能是不断构建一个又一个的信息茧房,那么这种算法就应该被抛弃,但是一味地排斥算法推荐的极端思维并不可取。算法推荐的弊端日益显现,恰恰是“新算法”拓展的好时机。从针对用户属性投其所好转向动态适应用户口味,正是减缓原有的基于经验的算法不断内卷裹挟资本的有效方案。他自嘲地表示,新的KPI和预研项目(指预备研发的项目)可能马上就要开始了,自己又有的忙了。

网友安安也认为,对于自己认为不好的算法推荐不看、不用就是了,它自然会慢慢被社会和大众所淘汰。(吕铭欣)

标签: #算法期刊