（原标题：消道长辟谣｜App偷听用户对话？算法导致信息茧房？真相是……）纵横配资
你看到的内容是你想看到的，也是算法想你看到的。
事实上，算法一直饱受争议。有人认为推荐算法的出现，完成了尼葛洛庞帝“我的日报”的预言。用户甚至不需要亲自创造“我的日报”，因为推荐算法正在为每个用户默默执行。但也有人认为推荐算法把用户桎梏在一个个彼此隔绝的“信息茧房”。
因此，算法公开透明显得尤为重要。今年1月，抖音宣布将推出10项措施，推动算法和平台治理透明化。3月，抖音上线了“抖音安全与信任中心”网站，面向社会公开算法原理、社区规范、治理体系和用户服务机制。这标志着互联网行业对算法治理的探索迈入“深水区”。
人们需要算法吗？在社会学家的眼中，大家所处的时代具有两个鲜明特质：信息过载、生活加速。
前者意味着用户每天要面对海量的信息。据IDC发布的《数据时代2025》报告，全球每年产生的数据从2018年的33 ZB（泽字节，是GB的240倍）增长到175 ZB，以25Mb/秒的下载速度计算，一个人下载全人类2025年产生的数据需要18亿年。具体到个人，用户面对的新增信息量，也从报纸时代的每天几十个版面、数百条新闻，增加到一个平台每天就有上亿条新内容，远超个人所能处理的极限。
身处信息爆炸时代，用户难以单凭传统方式筛选出对自己有价值的信息。在这种背景下，推荐算法的出现极大地提升了大家获取信息的效率和质量。
推荐算法是一种基于用户行为、兴趣，向用户推荐内容的信息过滤技术。它的目的是减少用户在海量数据中筛选信息所需的时间和精力，把合适的内容推荐给合适的用户，以提高信息分发的效率和准确性。
从技术视角来看，推荐算法的基础是机器学习。而机器学习是人工智能的核心技术之一，其定义有很多种，大体都可以归结为通过已有的数据进行数学建模、挖掘规律，随后，在此基础上对未知的数据进行预测。
以抖音为例，随着机器学习技术的发展，平台已经几乎不依赖对内容或者用户打标签，而是通过一系列神经网络计算，直接预估每一个用户对每一个内容的目标行为，比如点赞、关注、分享、评论的概率纵横配资，并挑选出概率最大的一部分内容，推荐给用户。这意味着，算法无需理解内容类型或语义，就能直接预测用户行为。
清华大学社科院发布的《破茧还是筑茧？用户使用、算法推荐与信息茧房研究报告》显示，70%的用户对个性化推荐算法持肯定态度，认可算法技术是海量信息时代的一种有效策略，帮助用户解决信息过载的问题。在实际使用调研中，超过90%的短视频APP用户选择开启个性化推荐算法。
算法会导致信息茧房吗？“在互联网平台上，哪些内容我们看久了，之后就会收到重复内容的频繁推送”“我们跟朋友聊什么，就会刷到与之相关的网页、短视频链接”。大数据时代，每个人都被算法“精准投喂”，陷入到“信息茧房”当中。
“信息茧房”一词，最早出现在凯斯·桑斯坦的《信息乌托邦》一书，后扩展至互联网时代的个性化信息过滤问题，指个体通过兴趣筛选信息，逐渐将自己束缚在类似“蚕茧”的同质化信息环境中，导致认知窄化和社会孤立。
不少观点认为，内容平台在推荐算法加持下，只给用户推送他们喜欢看的内容和观点，会致用户处于“信息茧房”中。
为进一步深化互联网信息服务算法综合治理，中央网信办、工信部、公安部、国家市场监管总局等四部门于2024年11月联合发布了《关于开展“清朗·网络平台算法典型问题治理”专项行动的通知》，明确了信息茧房、热搜榜单、新就业形态劳动者权益、大数据“杀熟”、算法向上向善、落实算法安全主体责任等六大整治任务，督促企业深入对照自查自改，进一步提升算法安全能力。通知同时明确了算法导向正确、算法公平公正、算法公开透明、算法自主可控、算法责任落实等工作目标。
除了监管部门和用户，平台同样希望打破信息茧房，因为相似的内容过多直接会影响用户体验，多元化内容有益于用户的长期留存，而算法承接的任务就是实现基于用户感兴趣前提下的多元化。
据抖音总裁韩尚佑介绍，目前抖音建立了多目标模型，设置了100多个目标，以解决单一目标下系统容易重复推送相似内容的问题；还加强了推荐系统中对搜索行为的应用纵横配资，让系统实时根据用户搜索兴趣进行调整。
腾讯公司副总裁陈勇则提到，他们正在陆续构建更丰富的“破茧”功能矩阵，并提供用户指引，通过算法迭代和体验优化的双支点，让用户找得到、用得上、有实效。
小红书总编辑、副总裁许磊认为，“信息茧房”是一个双向过程，平台和用户在内容偏好上，要做到灵活调节，借助正、负反馈机制，进一步破除“茧房”。
具体到算法的技术层面，抖音算法工程师刘畅表示，抖音更关注用户长期价值，而非追求平台的短期数据。为此，抖音算法考虑了众多目标，如完播、评论、点赞、对作者长期消费、分享、跟拍等，力图计算出更符合用户长期价值的目标。
抖音算法在多目标建模体系下，设置了专门的探索维度。一是对用户在平台上已经表现出的兴趣，尽可能推荐更多样的内容，通过多样性打散、多兴趣召回、扶持小众（长尾）兴趣等方法控制相似内容出现的频次。二是帮助用户探索更多新兴趣，采用随机推荐、基于用户社交关系拓展兴趣、搜索推荐联动、“不感兴趣”不再展现等多种方式，让用户的主动行为影响推荐系统，使推荐更加个性化和多样化。
刘畅介绍，抖音的推荐算法与国内外大部分内容推荐平台相似，包含召回、过滤、排序等环节，重点是学习用户行为。抖音基于用户行为的推荐方法包含多种技术模型，如协同过滤、双塔召回、Wide&Deep模型等。算法可以在完全“不理解内容”的情况下，找到兴趣相似的用户，把其他人感兴趣的内容推荐给该用户。目前，抖音算法已几乎不依赖对内容和用户打标签，而是通过神经网络计算，预估用户行为，计算用户观看这条内容获得的价值总和，把排名靠前的内容推给用户。
算法会窥探用户隐私吗？针对算法与个人隐私的冲突问题，《消费者报道》选取了三个与消费者日常生活密切相关的典型场景进行深度剖析，从技术原理、法律法规及消费者权益保护等维度展开全面解读。
质疑1：
我刚和朋友聊到某个商品，打开手机就收到相关广告，到底是巧合还是App在监听？
质疑2：
为什么我在A平台看得多的内容，B平台也会给我推送，我的浏览隐私是不是被泄露或者共享了？
质疑点3：
我不想让推荐算法知道我的浏览习惯，明明对喜欢的内容点了不感兴趣，为什么还会收到相似内容的推荐？
当算法的神秘面纱被揭开，整个互联网行业将会迈上新的发展台阶，为用户带来更优质、安全、多元的服务体验。
正如加拿大传播学家文森特·莫斯可所言：不必压抑这些争论，因为当新技术彻底融入人们地生活后，这些争论自然会趋缓。人们也终于可以用平和与理性去理解技术的结果。
51配资网提示：文章来自网络，不代表本站观点。
