十一假期打開手機，出行機票火車票被推送到眼前，順序從上到下排列不僅提供合理價格，還兼顧合適的出門時間。等你到達目的地，特色餐館、景點與洗浴放松場所也占據你的屏幕，你并不需要對當地風土了解，不嘗不行的小吃，價位合適且不排隊的餐廳已由一套系統為你安排好。

是誰在背后像秘書般，為你提供一個個選項？答案便是：推薦算法。

從出游機酒篩選，到目的地酒吧推薦，從短視頻平臺興趣內容匹配，到求職招聘為你尋一個老板，甚至打車司機、按摩店、帆布鞋推薦匹配等場景中，推薦算法無處不在。

關于推薦算法，你可能曾聽聞它是某種黑箱玄學，也可能聽說它是流量至上的代名詞，與“信息繭房”掛鉤。

可事實上，今天的人們，可能真的離不開推薦算法。

根據《全國數據資源調查報告(2023 年)》統計，2023年，中國數據生產總量達 32.85ZB（澤字節)，相當于 1000 多萬個中國國家圖書館的數字資源總量。海量內容被用戶們產出，加之AI大模型潮涌，人工智能生成內容進一步使得信息世界變得龐雜、漫無邊際，還有不少低質量虛假信息充斥互聯網。

信息過載下，“時刻渴望高效”的情緒也在蔓延，2024年6月，《中國青年報》一項調查顯示，94.8% 受訪青年感覺自己的生活開啟了“倍速鍵”，需要在短時間內完成更多事情，獲得更豐富的體驗。

尤其面臨社會急速變化，人們對效率的要求不由自主變高起來。“3小時學會Python”隨處皆是，“逼自己一天背下面試題加入大廠”成為流量密碼。

對比過去，人們對信息篩選和獲取效率的渴望，從未像今天這樣高，相應地，針對互聯網信息進行處理及分發的推薦算法，已在方方面面融入人們的生活中。

那么，人們需要怎樣的推薦算法？

到底什么是推薦算法？

在談需要之前，先弄明白——什么是推薦算法。

根據中國人民大學高瓴人工智能學院給出的定義，算法在本質上是“以數學方式或者計算機代碼表達的意見”，而推薦系統就是一個信息過濾系統，幫助用戶減少因瀏覽大量無效數據而造成的時間、精力浪費。

其誕生是伴隨著上世紀八九十年代出現的概念——“信息過載（Information Overload）”。隨著信息技術和互聯網的高速發展，人類的信息獲取方式和半徑被大幅擴展，信息量幾何倍增加，但人的精力和時間卻不足以處理信息爆炸所帶來的海量資訊。

1992年，大衛·戈德堡等學者發表《基于社交關系和條件補全的協同過濾推薦算法》，首個協同過濾系統就此誕生。5年后，保羅·雷斯尼克等學者在《美國計算機學會通訊》中，首次提出了被廣泛接受的推薦系統的概念和定義。

推薦系統真正開啟廣泛應用是在2003年。彼時，亞馬遜提出了項到項的協同過濾，通過分析用戶對推薦的物品、內容或服務的評分，來預測用戶可能感興趣的內容并將之推薦給用戶，協同過濾算法成為當時解決信息過載問題的主流推薦模型。

該技術的爆發則與兩家互聯網企業崛起有著千絲萬縷的關系。2009年，隨著Facebook推出排名式個性化新聞推送，算法改變了人們在線互動的方式。在中國，字節跳動于2012年誕生，信息與個人興趣需求的精準匹配，從“人找信息”的1.0階段，正式進入“信息找人”的2.0階段，滿足信息超載下的用戶剛需。

本質上，推薦算法實際上是一種技術進步，它有效提升了人們信息收集、整合與分析的效率。

經過近10年對推薦算法的嘗試和優化，2021年，TikTok推薦算法被麻省理工科技評論評為“全球十大突破性技術”，因為這一技術讓優質內容得到應有曝光，也讓普通人的興趣愛好有了共通價值。

甚至大模型技術也被應用于推薦算法中。以預訓練模型技術BERT為例，它可通過對大量語料庫進行無監督學習，從而獲取豐富的語義信息。嵌入推薦系統后，BERT可以將用戶和物品描述轉化為具有豐富語義信息的向量表示，更好地理解用戶需求以及物品的屬性和特征。eBay、阿里、美團等互聯網公司都已經開啟了BERT模型在推薦系統應用的實踐。

如今，推薦算法已經在人們的生活中無處不在，它會把相關內容推薦給更感興趣的用戶，信息在這個過程中得到更精準地分發，提升傳播效率，幫助用戶減少無效數據過量帶來的低效浪費。

正是源于推薦算法已是當代信息生活的必備工具，直接影響大眾如何認知和理解現實世界，相關部門也對推薦算法提出要求。

根據2021年12月31日發布的《互聯網信息服務算法推薦管理規定》——算法推薦服務提供者應當堅持主流價值導向，積極傳播正能量，不得利用算法推薦服務從事違法活動或者傳播違法信息，應當采取措施防范和抵制傳播不良信息。監管部門進一步指出，算法推薦應該服務公正公平、規范透明，促進算法推薦服務向上向善，營造更加清朗的網絡空間。

該《規定》也要求算法服務提供者須進行備案。以抖音為例，在網信備案的公示內容里詳細說明了抖音推薦算法的基本原理、運行機制、應用場景和目的意圖。

重估推薦算法

此前一段時間中，推薦算法常被質疑構造了“信息繭房”，但一些專家基于研究提出的不同的觀點。

“信息繭房”一詞，最為人熟知的來源是美國法學教授凱斯·桑斯坦的《信息烏托邦》（出版于2006年），是指當個體只關注自我選擇的或能夠愉悅自身的內容，而減少對其他信息的接觸，久而久之，便會像蠶一樣逐漸桎梏于自我編織的“繭房”之中。

在桑斯坦提出“信息繭房”時，算法還是個模糊的概念。實際上，信息繭房這一概念在學術界根本沒有實證研究、量化數據的支撐。相反，已有的許多研究證明，信息繭房的負面效應并不存在。

清華大學新聞與傳播學院常務副院長、教授陳昌鳳研究指出，信息繭房是一個似是而非、缺乏科學證據的概念。西方學界尚無有力研究證實“信息繭房”的存在。

一方面，造成“信息繭房”的實驗室條件式的純粹信息環境很難存在，人們總是在更多元的、復雜的信息環境中；另一方面，“信息繭房”若作為長期傳播效果來研究，證實其存在更加困難。許多情形下，人們對“信息繭房”存在的是擔憂，而不是擁有確定的論據。

2016年，賽斯·佛萊克曼等研究者選擇了5萬名參與者，要求他們報告自己最近閱讀、觀看或收聽的新聞媒體，同時通過電子手段直接監測和記錄他們的實際新聞消費行為。通過兩項數據的對比，研究最終發現人們實際的媒體消費比他們自己想象中更具有多樣性。

也就是說，人們實際并沒有陷入“信息繭房”中，但他們可能會裝作自己陷入了其中。

此外，也有學者提出，信息繭房與算法本身似乎不存在必然關系。

北京師范大學新聞傳播學院教授喻國明表示：“信息繭房”是個體、社會、場景與技術等因素共同作用的結果，算法既不是“信息繭房”形成前的必要條件，也不在“繭房”生成后起到增效。實際上，隨著算法與人的深度融合，可信任算法正在“信息繭房”的消解上發揮重要功能。

清華大學社科學院發布的《破繭還是筑繭？用戶使用、算法推薦與信息繭房研究報告》發現，從中長期看，個性化推薦算法不一定是導致“信息繭房”的決定性因素，反而可能為個體提供了更多元和理性的信息世界。

因為算法在滿足用戶個性化需求的同時，還會通過多樣性打散、基于算法的興趣推薦，以及引入隨機因素這三種方法為用戶推薦豐富多樣的內容。

對于更多人，推薦算法助力小眾內容分發，知識普惠，甚至創造新價值。

2023年9月，一條名為“探訪‘三花’劇團開放式化妝間”的短視頻在網絡上流傳，此前，成都三花民間川劇團一度瀕臨倒閉。短視頻發布后的短短三個月，劇團通過網絡平臺賣出2.5萬張票，幾乎是過去兩年多的總和，讓這個老川劇團迎來新生。

來源：央視新聞

最近，因讀者對《我與地壇》的一段書評，“子彈文學”一詞爆火，網友用1.5億次短視頻播放“品讀”史鐵生的文筆，進而帶動圖書銷量暴漲。更因4條推薦視頻，40年前的老書《畫魂》被加印了5次……

從《第七天》到《趕時間的人》，從《窄門》到《翦商》，經典圖書、冷門佳作重新翻紅，背后是推薦算法的精準有效分發，讓圖書被有需要的、感興趣的人看到，把人和信息更高效地連接起來。

推薦算法打通了“人找書”和“書找人”的雙向鏈路，實現了圖書與讀者之間的精準匹配和高效連接，這不僅提升了讀者的閱讀體驗，也促進了圖書的傳播和銷售。

不止如此，小眾硬核知識博主持續走紅，讓更多人愛上小眾學科。典型分享者，就有傳播甲骨文知識的李右溪：

另一位代表，是在抖音“招收”近兩百萬學生的“老小孩”、流態化和反應工程領域的領軍人物，中國工程院院士金涌。

毫無“流量點”的學者、平常人發布的信息有機會受到明星同等的關注，并流行起來，是內容公平性的體現；而需求較為小眾、細分的用戶，也能看到符合自己興趣的內容，則是用戶視角公平性的體現。

對于經濟發展，算法同樣成為助推的主要力量。

如果沒有算法推薦，淄博、天水這樣從傳統眼光來看缺乏資源的地方很難被看見。

畢竟每座城市都有豐富的故事和物產，但到底哪一段故事、哪一份情懷、哪一款美食能激發用戶熱情？這不是某個人的理性能計算出來的，只能在無數普通人當下即時、網絡交互式的消費實踐中呈現出來。

換而言之，算法視角以超脫的目光對一個地方旅游資源進行著創造性地再發現和再生產。

借助《黑神話：悟空》的爆火，山西文旅在算法推薦平臺也接住了2000萬玩家的熱情，從旅游攻略和路線設計到旅游接待和服務，背后都有算法對當下情緒的捕捉和挖掘，讓網紅城市從開始的單點爆發，變成不斷的熱點，更多看似不顯眼的地方成為流量爆發點。

推薦算法同樣助力農村地區發展及生產力提升。

比如在抖音“梁老師講農業”直播間里，81歲的老農技員梁振清把自己畢生所學的農技知識，通過互聯網從湖北鶴峰推廣到全國各地。

在推薦系統的幫助下，視頻能被準確推薦給對三農、鄉村、農技感興趣的用戶，另一方面， 用戶能順勢在搜索框中搜索、了解農技相關內容，擴展相關知識。

推薦算法，不僅僅是技能的交流和傳播，也是提升農民收入水平、鄉村振興的“新農具”。

回歸個體，在人生低谷、某行業處于下行周期，豐富的內容、精彩的自我表達同樣撫慰了無數人的情緒和焦慮。

人們需要怎樣的推薦算法

最后回歸自己，究竟什么樣的推薦算法才更適合當下人們？

首先，應正視——推薦算法與“人”的關系。

推薦算法是一個工具，應按人的需求，為我所用。

在人大新聞學院副教授董晨宇看來，推薦算法應當被看作“私人助理”。目前看來，抖音、淘寶、B站、微博、美團、知乎均已支持在“個性化推薦管理”界面中隨時開啟或關閉相關功能。關閉后，系統將不會基于個性化推送處理個人信息，僅會推送與用戶偏好無關、具有普遍性的內容或廣告。

用戶還可在“內容偏好管理”中，標注自己感興趣的標簽，讓推薦更加精準化個性化。而在“熱點榜單”中，用戶則可以獲取當下熱門公共性話題，開拓新認知空間。

其次，大眾算法素養有必要持續提升。

在理解“信息是如何被算法篩選和推薦”的原理基礎上，當代網民可通過主動搜索、與人工智能持續互動，主動地、有目的地訓練算法，讓它成為工作生活中的助手。

人們既可以有意識點擊感興趣的優質內容，也可以“不感興趣”掉低劣或不感興趣的信息，數次操作后，敏銳的系統便能快速理解種種手指點擊背后的“偏好”，端出一套更稱心如意的信息盛宴。

最后，推薦算法不應止于工具屬性，可識別真實、高質量內容，也是對技術發展的必然要求。

片面追求流量數據的“流量至上”時代早已過去，事實證明，如果推薦算法只追求短期流量，反而會導致體驗下降，促使用戶流失，失去競爭力。從商業理性視角而言，平臺為了讓用戶有獲得感、驚喜感，從而愿意更長久地留在平臺上，自然也有動力推薦更豐富多元的內容。

伴隨監管加強以及技術進步，高質量內容所產生的長期流量以及帶來的正向反饋和社會效益成為互聯網平臺在設計推薦算法時更關注的目標。

特別是面對信息愈發魚龍混雜的互聯網環境，一個服務大眾的推薦算法應該以用戶為中心，能夠識別真實、高質量內容。在這方面，越來越多互聯網平臺正為此作出更多努力。

長視頻平臺B站就有相關動作與機制。對于新注冊但內容優質的創作者，平臺將給予更高權重的推薦。同時，B站也并未完全依賴于算法，在系統中引入人工編輯，在價值、新鮮話題方面，讓人為和機器推薦組合起來，提供更好的用戶體驗。

令很多人想不到的是，淘寶的算法也不止提供商品推薦，同樣也用于商品屏蔽，以避免過度重復的商品內容展示，讓用戶感到厭倦和無用。

作為推薦算法代表平臺，近兩年，抖音也在逐步將搜索與推薦結合，讓原本在推薦分發里不占優勢的內容得到更多流量。以知識類、經驗攻略優質內容為例，作品發布3個月以后，搜索的平均流量占比可以達到50%以上。

由于用戶偏愛收藏內容價值更高、學習屬性更強的內容，抖音還加強了收藏按鈕展現。點擊該按鈕后，將被推薦更多相關內容。例如，用戶收藏了吳姥姥的物理課，后續會收到更多科普、文化類的內容。優化后，“有用”類型內容流量顯著提升。

除此之外，抖音的雙列模式也給予用戶更多主動權和選擇權，圖文、中長視頻等內容體裁的建設的加強，以及獨立頻道的上線，也為生活經驗等多元優質內容提供穩定的分發陣地。

當下，大模型時代來臨，文字、圖片、視頻、語音皆可生成之下，AI bot像是一個更為友好的接口，其后的推薦算法也必將繼續迭代，讓大模型為人提供真正有價值、高質量的信息體驗。

比如微軟基于 OpenAI ChatGPT 技術，開發的新一代搜索引擎New Bing，可以與用戶進行聊天式搜索，并且支持多模態回應。字節跳動豆包APP也有類似能力。

未來，關于推薦算法的爭議或許還會繼續存在，但始終應該明白，算法是一個工具，工具所能發揮出的作用取決于使用者的目標和使用方法。

不管是個人還是行業，首先要對推薦算法祛魅，它所推薦的一切內容都是人們與之互動的結果。

因此，人，才是推薦算法的核心。

善用算法，也就掌握了獲取信息的主動權。讓技術為我所用，才能在這個日新月異的時代，看到新的世界和樂趣。