為什麼我們變得越來越「笨」了？這是我見過的最理性的回答

生活中，你是不是會把自己的選擇權交給智能推薦？

想聽歌的時候，打開網易雲音樂，讓系統根據自己以往聽歌的記錄來推薦歌曲。

不知道買什麼書的時候，點開噹噹，系統會根據以往買過的書，向你推薦「和你買過同一本書的人也在買xxx」......

淘寶上一旦搜過「闊腿褲」，再次進入首頁，猜你喜歡里，就會出現不同的闊腿褲。

智能推薦能夠根據我們的喜好推薦我們應該會喜歡的事物，大大節省了時間和精力，然而，當你目之所及，都是自己想看的新聞，想聽的歌曲，想買的衣服，長期待在舒適區的結果就是，我們會變得越來越「笨」。

1.0

我想從智能推薦談起。

最早在國內把「智能推薦」推向大眾的產品，沒記錯的話，是豆瓣電台。

那時，這還是個很新奇的功能。它會提示你，給每一首歌點「喜歡」或「不再收聽」。經過大量的數據訓練，它就能越來越熟悉你的口味，給你推薦更多「你可能會喜歡」的音樂。

那個時候，打開豆瓣電台，一次次地點「下一首」，來研究它的推薦到底準不準，是件挺有趣的事情。雖然從身邊的人來看，大多數人都覺得，不怎麼准。

2.0

智能推薦時代

把時間撥回2016年。

一轉眼，智能推薦早已在國內風靡了數年。除了音樂平台，新聞平台、自媒體平台、購物平台、廣告平台、直播平台、視頻平台、遊戲平台……都紛紛開始轉向智能推薦。

它們理由也非常正確：在這個信息爆炸的時代，傳統的人工分發太沒效率了，我們要依據大數據，利用智能演算法，一方面實現推送內容和用戶喜好的高度契合，另一方面也大大提高信息的分發效率。

所有的平台都在致力於提高演算法質量。我們似乎已經進入一個「智能推薦時代」。

以亞馬遜為例。有數據表明，亞馬遜35%的銷售額是與推薦系統相關的。當你在亞馬遜購物的時候，你一定見到過這句話「購買此商品的顧客也同時購買」，很有可能，你會被其中某個名字吸引，點進去，然後再點進另一個名字，最終買了一堆東西回來。

《一網打盡》中就提到過：

當亞馬遜和大型出版商談判的時候，就會使用「推薦系統」作為殺手鐧。如果出版商沒有達到他們的要求，亞馬遜就威脅將他們的書從推薦系統撤下——這也就意味著大約40%的銷量銳減。這樣的結果是，通常30天左右，出版商就會回過頭來說，「嗨，貝佐斯，咱們再聊一聊？」

9月，Facebook宣布，他們將解散「熱門話題」團隊，轉而使用演算法來抓取最熱的新聞。當然，這個消息放出來第三天，就立刻遭遇了危機——演算法抓到了一條假新聞，並推向所有用戶。不過，從Facebook的態度來看，他們堅信這只是一場小小的意外，智能推薦終將全面代替人工分發。

這幾年，國內崛起的各種資訊平台——比如今日頭條、，以及各種小而美的新聞資訊客戶端，幾乎都基於「尖端演算法」「矽谷核心團隊」，主打「基於興趣和熱門的智能推薦」，大有幹掉傳統媒體平台之意。

今日頭條的CEO張一鳴更是說得很明白：我們不需要主編，有主編就會有傾向性，我們把分發交給演算法，用戶喜歡什麼，我們就推給用戶什麼。我們不干預用戶的喜好。

這是一個浩浩蕩蕩的趨勢。一切看來都很美好。

3.0

智能推薦的本質

但是，我卻始終有一點懷疑。

智能推薦的本質是什麼呢？簡單來說，是這樣的邏輯：

系統通過收集你的歷史數據和個人數據，為你建立一個描述模型，並找到符合這個模型的其他用戶，找到他們所對應的「高評分內容」（比如，點一下「喜歡」，就給內容加1分；點「不再播放」，就扣5分。等等），再將這些內容推給你。

也就是說，系統先通過尋找「與你相似的人」，再將他們關注的、喜歡的內容推給你。

當然，實際的操作，比這要複雜百倍。比如矩陣分解系統、外顯/內隱行為評分機制、基於多因素（包括地域）的策略邏輯，等等。但本質來說，不會偏差太遠。

這樣一來，就會產生兩個問題：

• 為什麼我要讓別人決定我想看什麼？

• 為什麼我一定要關注別人關注的東西？

這種基於大眾行為的機制，可能的結果之一，是「趨同」。

系統推給你的都是在可選範圍內「最大眾」的信息（最多人關注），而你的行為又進一步強化了這種趨勢（為這些信息增加了關注）。

這樣一來，就會導致極端的馬太效應：熱門的信息越來越熱門，冷門的信息越來越冷門。

這是一件很可怕的事情。

如果由智能推薦來決定信息分發，那麼，我們選擇信息的權利，就完全由系統——本質上就是大眾，來決定。

也就是說，我們所關注的信息，會越來越趨向於一致。我們接受到的信息，是大眾關注的信息；我們思考的問題，是大眾思考的問題；我們看到的事物，也是大眾看到的事物。

4.0

智能推薦的後果

當你的信息、視野、思考方式都完全「泯然眾人」，你還如何能輸出更有價值的想法？

我們思考問題的過程，如果拆解出來，是什麼樣呢？

其實無非就是這個模型：Input - Tools - Output （ITO）—— 信息輸入 → 利用邏輯工具對信息進行處理 → 輸出結論。

所以，我們腦子裡的想法，絕大多數的差異，其實存在於第一步，亦即信息的輸入。因為邏輯本身是普適的，對每個人的差異不大。

只有接收到的信息更全面、更龐大，你用來「處理」的素材才會更豐富，也就能得出更精確、更有價值的結論。

這也就是為什麼我們常說「你的問題是讀書太少，而想得太多」的緣故。因為讀書是拓展信息輸入最好的方法。沒有足夠的信息輸入，想再多也是沒有用的，因為從本質上講，你的材料就是匱乏的。

而如果你連接收到的信息都跟大多數人一樣，你還如何能指望比大多數人更優秀？

• 與大眾一致，永遠只能淪為平庸，成為被消費的對象。只有比大眾走得更遠，看得更遠，才能有出類拔萃的可能性。

• 另一種可能的後果，就是圈子的斷層和割裂。

一個圈子裡的內容，永遠只有最平庸、最膚淺、最沒有門檻的信息，能夠被最廣泛的人接受和關注。而這種關注，又會促進它的二次、多次傳播和螺旋發展。

這樣一來，其他的信息要麼被「擠壓」到角落裡，被我們遺忘；要麼被擠出圈子，被我們忽視。

簡而言之，你會只看到你所在的圈子裡，大多數人願意看的東西。

你將看不到真正的世界，而是活在圈子為你構築的「擬態世界」之中。

但這一切，僅僅是智能推薦的問題嗎？

當然不是。

所有的網站、平台、APP，想要更好地生存，都必須融入「輿論場」，讓自己跟進各種熱門事件——熱門的東西，永遠都能吸引多數人的關注，因為熱門本身就意味著多數關注。

那麼，無論是智能推薦，還是人工分發，其實本質都一樣——你所被動接收到的，永遠是「大眾」的信息。

只不過，在信息爆炸的時代，智能推薦實際上做了這麼一件事情：我幫你把信息篩選好，你不用去找，安心等著就好。

但是，這種基於熱門的篩選機制，雖然節省了我們大量去探索和尋找內容的時間。然而，另一方面也意味著，我們在被動接收之中，思維正在慢慢被同化和影響——無論是事件，觀點，事實，還是看待問題的角度。

我們變得越來越「懶」了，因為智能推薦幫我們把信息分門別類打包好，送到眼前。

同時，我們也變得越來越「笨」了，因為我們接收到的信息，都被拉到了大眾的平均（甚至低於平均線）水平。

這種情況發展下去，會怎麼樣呢？

會造成精英和大眾的進一步割裂。

從信息渠道來說，很可能會出現這樣的情況：少量大眾平台掌握著大量用戶和流量，成為信息流通的中心渠道。眾多微型的小眾圈子（APP、個種自媒體）環繞在周圍，基於少量的、小眾的用戶，在內部交換信息。

彼此獨立，畫地為牢，互不干涉。

這並不是一件好事。

5.0

在智能推薦時代如何逃離變懶變笨的趨勢？

那麼，面對這種情況，我們可以怎麼做？

最核心的，還是要基於自己的需求和興趣，主動去進行「探索」，獲取有價值的信息。

你要知道，傳播範圍越廣的東西，其實就越沒有價值。因為它要麼已經人盡皆知，要麼即將人盡皆知。

有意思的是，這個趨勢正在慢慢逆勢上揚。

知乎Live，在行，得到，有不少平台開始嘗試走「有價值的精品內容」路線。當然，我並不是說他們上面都是有價值的內容，你依然要進行篩選和辨識。但相比起被動接收由大眾所決定的信息，這始終是很有意義的一步。

作為個人，對自己的信息渠道進行優化，將更多的精力花在「主動尋找信息」上面，會比被動接收大量的「庸俗信息」更有價值——因為前者才是你真正需要的，後者只是大家認為你需要的。

越是信息碎片化的時代，我們越是要建立結構化的體系。越是信息篩選便利的時代，我們越是要探索門檻更高的信息。這樣一來，才能走在大眾的前面，給自己帶來真正有效而長遠的提升。

大多數人只會成為時代的附庸。當潮水卷過，留下來的，永遠是逆流而上的人。

＃留言互動＃

在選擇什麼的時候，您會用智能推薦？