丹道宗师,脸上长斑是什么原因,拜仁慕尼黑-大坑视线-专注闭坑-重新发现价值

频道:最近大事件 日期: 浏览:108

在美国的学术界,很少有人会把“信息茧房”作为一个学术概念来用,学术中用得比较多的是“过滤器气泡”(filter bubble)和“回音壁”(echo chamber)。

作者 | 金乔叶

1

前几年,凯文·凯利就在《必定》里写道,即便只是对曩昔24小时里被发明或发明出的新事物进行概览,也会花费咱们一年以上的时刻。

他说,每年咱们生产出800万首新歌,200万本新书,1.6万部新电影,300亿个博客帖子,1820亿条推特信息,4万件新产品。今天,任何一个普通人都无需花费太多力气,最多便是抬下手腕的进程,就能呼唤出容纳万物的图书馆。

凯文·凯利

但问题就在于,面临这个容纳万物的数字图书馆,假如不能把握一套极点高效的索引体系,作为人类个领会显得非常无力。没有一张定位准确的航海图,人类在信息的汪洋大海中一定会迷失自我。就像凯文·凯利说的:

这个容纳万物的图书馆规划极点巨大,它敏捷吞没了咱们本就非常有限的消费时刻周期,咱们将需求额定的协助才干穿越这广袤之地。

越是能高效地处理信息,越是能给社会发明价值。互联网依据你的运用习气,引荐你想要的东西,这是技能和社会发展的必定。这种个性化引荐,从交际网站上引荐给你的人脉,到电商渠道上的产品,再到互联网音乐渠道“依据你的音乐口味,为你引荐的音乐”,再到其他种种,个性化引荐现已成了今天互联网产品的标配。

假如你对这些引荐的“神准”感觉到惊奇的话,应该看看全球杂乱网络威望巴拉巴西的作品《迸发》,他的研讨是建构在人类日子数字化的大数据基础上的,他以为数字化日子,使得人类行为愈加简略量化,在这些量化的基础上,人类的行为也因而变得能够猜测。

其可猜测的几率是多少?巴拉巴西给出的结论是——高达93%!

所以在今天,“机器比你自己还要更懂你”,真不是一句假话,也没有什么值得惊奇和忧虑的,由于这一定是技能和社会发展的大势所趋,是在为人类处理功率问题,让社会运行得更高效。

截图自电影《机械公敌》

但是,个性化引荐的同一套逻辑运用到资讯渠道和交际媒体上,却让许多人感到了不安。最大的不安,来自于对“信息茧房”的忧虑。

这个词光从字面上看很好了解——在信息爆破年代,个人依据机器引荐所消费的信息,就像蚕吐出来的丝相同,细细密密地把自己包裹起来。渐渐地,外界就跟自己无关了,人们休息于跟机器一同协作制造出来的白色和婉的蚕蛹中。

蚕吐丝将自己包裹起来,终有破茧成蝶的一天,这是一种夸姣的预示,但是“信息茧房”的远景就没这么妙了,它所指向的好像只要管中窥豹、故步自封、作法自毙等负面含义。

这一比方有一种先入为主的暗示,但“信息茧房”是人类在信息爆破年代抱残守缺的必定宿命吗?

这一概念其实是一个假定,是哈佛大学法学院教授桑斯坦在2006年出书的作品《信息乌托邦》(《Infotopia: How Many Minds Produce Knowledge》)中提出来的。

桑斯坦以为,在信息传达中人们因本身的信息需求并非全方位的,只会留意挑选想要的或能使自己愉悦的信息,一朝一夕就会失掉了解不同事物的才能和触摸时机,将本身枷锁于像蚕茧一般的“茧房”中。

《信息乌托邦》

在“信息茧房”的概念被提出的2006年,内容的机器分发还远不像今天这么有论题性,所以这一假定体现了强壮的前瞻性。但从国内的状况来看,“信息茧房”这个概念,是在微博呈现之后才开端引进并逐步盛行的。

2012年是个重要节点,在那一年,主打依据喜好为用户供给个人化精准资讯服务的渠道现在日头条等开端呈现,经过算法过滤和反应处理的内容分发方法,开端独成一类。

这种状况,好像切合了桑坦德在另一本书《网络共和国》中所描绘的“个人日报”现象,经过人工智能剖析个人的喜好喜好等个性化特征,再依据个性化需求聚合相关信息,并针对用户的反应进行调整,以完成个性化、动态化的需求,使内容变得“千人千面”,每个人因而具有了为自己量身定制一份“个人日报”的或许。

正是由于“更懂你”,内容的机器分发方法,在随后几年成了国内许多资讯客户端的挑选。这使人们对“信息茧房”的忧虑不断添加,乃至忧虑用户会被自我“喜好”不断固化,一朝一夕视界变得越来越窄,乃至呈现集体极化的现象。

还有声响以为,有些互联网产品的兴起要归因于“信息茧房”,比方有文章就这样谈论抖音:“近两年抖音忽然兴起,靠算法赢得用户,会运用户深陷‘信息茧房’,但是不靠算法的抖音,和市面上的其他短视频app有什么不相同?所以抖音不会抛弃算法,仍是会把一个个用户带进‘信息茧房’”。

这种忧虑会成为实际吗?

2

要了解这个问题,首要应该站在这样一个基础上,即机器依据人类的喜好喜好匹配信息需求,首要也是带来了全体功率的提高。

比方足球新闻的重度顾客,纸媒年代他买份报纸很或许只为了获取体育版上足球的内容,其他版面临他来说可有可无,体育版上的足球新闻又让他觉得不解渴;互联网的修改精选年代,尽管能聚合许多足球新闻,但这些新闻散落在其他体育新闻中,他相同需求去找寻出来。

机器分发的优点在于能够把足球新闻都聚合匹配给他,大大提高他获取信息的功率。给他匹配看不懂的橄榄球、高尔夫球、棒球、垒球、冰球、板球、手球新闻,对他来说毫无含义,并且是社会资源的糟蹋。

那这种个性化引荐的成果,会不会构成“茧房”效应呢?

首要,得供认“信息偏食”现象的确存在,并且自古皆然。

人类的泛喜好阅览,古往今来,不管中外,都有“挑食”的倾向——只选自己爱看的看,不太乐意承受不爱看的。莫非人们不应该走出“信息茧房”,走到更开阔的地带吗?很惋惜,非要让自己去承受不甘愿承受的内容,这不是泛喜好阅览,很或许是另一种东西——学习,学习和泛喜好阅览彻底是两码事,前者的方针是获取专业知识和才能,后者是依据个人的喜好。

从小到大,咱们都是如此:选自己喜爱看的看,不见得能选自己喜爱学的学。

人的朋友圈也是如此,人们往往会挑选跟自己类似的人做朋友,存在“交际偏食”的现象。哈佛大学教授古乐朋在《大衔接:社会网络是怎么构成的以及对人类实际行为》里征引了一项研讨:

民主党人倾向于跟民主党人交朋友,共和党人倾向于跟共和党人交朋友。主张革新的人与主张革新的人来往亲近,保存的人跟保存的人交流频频。

人是否只会“人以类聚”,不会跟其他人打交道了呢?很明显不是,人依据种种原因,需求在自己的中心人脉圈之外,跟更多人打交道。古乐朋在这本书里运用了“强衔接”和“弱衔接”的概念,以为强衔接能够将个别的一个个人结合为集体,但弱衔接能够将不同的集体结合为更大的网络社会。强衔接引发行为,弱衔接传递信息。

从“交际偏食”相同的视点来考虑,“信息偏食”是否真的能构成“茧房”效应呢?恐怕很难。

首要,商场是充沛竞赛的,一家组织的个性化引荐体系不或许跟另一家彻底相同。

其次,尽管有“偏食”,但人类也不会彻底不会换口味,不然一定会感到腻味,自动订阅作为内容获取方法的一种,能够处理人类调整阅览口味的问题。

第三,当下的互联网产品,首要是针对用户特征来进行引荐。比现在日头条为了让算法通明,来消除各界对算法的误解,曾让资深算法架构师曹欢欢博士出来做共享,介绍“今天头条算法原理”。

曹欢欢博士

曹欢欢说到算法首要考量三个维度:

第一个维度是内容。第二个维度便是用户特征,“包含各种喜好标签,工作、年纪、性别等,还有许多模型刻画出的隐式用户喜好等。”第三个维度是环境特征。结合三方面的维度,模型会给出一个预估,估测引荐内容在这一场景下对这一用户是否适宜。

在这里,用户特征是显性特征,而观念、情绪、情绪等隐形特征机器无法区分。

所以,机器会依据用户的喜好引荐内容,而无法依据用户的情绪引荐特定的内容。正如新媒体研讨者魏武挥说到的,一位对美国大选有喜好的人,他其实彻底有或许对川普或希拉里有预设情绪:比方川普粉+希拉里黑。 但算法引荐只能做到体系知道你对美国大选有喜好,很难知道你的观念落在哪里。 所以这样的成果是很常见的:无论是吹捧川普的,仍是吹捧希拉里的,都推送给这位对美国大选有喜好的用户。

从这个层面上来说,机器把用户感喜好的内容悉数予以引荐,里边包含了互相矛盾和抵触的信息和观念,反而削弱了信息茧房构成的或许性。

3

在美国的学术界,很少有人会把“信息茧房”作为一个学术概念来用,学术中用得比较多的是“过滤器气泡”(filter bubble)和“回音壁”(echo chamber)。

《纽约时报》曾在2014年10月24日刊登一篇文章“Americans Don’t Live in Information Cocoons”(《美国人并没有住在信息茧房中》),文章也供认人们倾向于阅览与自己个人偏好相符的文章(比方政治倾向)。但文章里引用了好几个研讨,企图阐明信息茧房的现象在实际日子中并不彻底建立。

首要,加州大学洛杉矶分校政治科学方面的专家Michael LaCour(University of California, Los Angeles, political scientist Michael LaCour)的研讨发现,民主党和共和党的媒体偏好其实非常类似。

其次,芝加哥大学的两位经济学家Matthew Gentzkow 和 Jesse M. Shapiro发现,大多数人倾向阅览中立的文章。整体而言,尽管filter bubble的确存在,但很少有人只是阅览和自己观念相符合的文章。

第三,交际媒体是否会鼓舞“回音壁”效应呢?纽约大学政治学家Pablo Barberá的一篇论文称,状况并非如此。他发现,人们的确倾向于在Twitter上跟从情投意合的人,但他的研讨也标明,跟着时刻的推移,Twitter上的用户也倾向于跟从一个思想上不那么同质的集体。在网上遇到不同的观念,会鼓舞人们拓展他们的信息流,而不是让人们截然敌对,愈加两极化。

但的确也有人忧虑“过适”(overfitting),也便是说,忧虑只触摸那些现已喜爱的东西是有危险的。

凯文·凯利在《必定》中提出了“抱负的过滤器”的观念,在他看来,抱负的过滤器应该引荐那些“我想知道我的朋友喜爱什么,而那又是我现在还不了解的”,以及“它将是一种会向我主张某些我现在不喜爱,但想尝试着喜爱的东西的信息流”。

也便是说,这种过滤器不是为了营造出一个回音室,而是能够让你不断地跳入下一个圈子。

他举了个比方说,期望是这种引荐——

我非常坚信自己不喜爱歌剧,但上一年我又尝试了一次,那是在一个电影院里看一个歌剧的长途实况转播——在纽约大都会艺术博物馆演出的《卡门》,对白以文字的方式显眼地投放在大屏幕上,最终,我很幸亏自己去了。

毫无疑问,这也正是算法工程师们尽力的方向。

今天头条资深算法架构师曹欢欢也说到,对引荐起到比较重要的效果的四类特征中,有一类是协同特征,它能够在部分程度上协助处理所谓算法越推越窄的问题。曹欢欢说:

协同特征并非考虑用户已有前史。而是经过用户行为剖析不同用户间类似性,比方点击类似、喜好分类类似、主题类似、喜好词类似,乃至向量类似,然后扩展模型的探究才能。

比方,A用户喜爱时政、科技和体育,B用户喜爱时政和科技,那么体系会尝试着给B用户引荐体育新闻。

这样做,正是为了刺破“茧房”,其优点,如“大象公会”在《越上网,你会越狭窄越极点?》一文中所言,“今天头条、抖音等内容引荐算法渠道,绝没有傻到依据用户曩昔的行为,把推送的内容类型越收越窄——谁都期望能扩展对客户的需求服务范围,而不是相反。”

的确,从渠道的视点来看,只要供给给用户愈加多元化的内容,用户的停留时刻才会更长,留存率也会更高。

“大象公会”点评以为:“假如说咱们真的需求一条脱节所谓信息茧房的技能之路,算法显然是筑路者之一,它必定不是路障。”

清华大学新闻与传达学院教授彭兰也以为:对个性化算法或许带来的“信息茧房”问题,咱们的确应该有所警惕。但另一方面,咱们也需求意识到,假如运用妥当,算法也或许成为刺破信息茧房的一种兵器。

凯文·凯利辩驳了过度忧虑“过滤器气泡”的观念,“人们忧虑技能会使咱们变得越来越共同化,越来越产品化,这种忧虑是不正确的。实际上,咱们进行的个性化定制越多,关于过滤器而言处理起来越简略,由于咱们会变得愈加共同。”

伊莱·帕里泽在TED上的讲演

《留神网上“过滤气泡”》

过滤器一向存在,气泡也一向存在,人们关于新生事物总会体现得过于惊骇,就像一些人对转基因的情绪相同,殊不知转基因存在的前史比人类前史还长。人类的确有自己的视界限制,但并没有日子在“信息茧房”中。

END

投稿、转载、前言协作联络微信号 | ciweimeijiejun

声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间服务。