算法是如何左右用戶決策的？

最近兩天關(guān)于互聯(lián)網(wǎng)科技產(chǎn)品明目張膽或暗度陳倉的收集用戶隱私的文章在不斷的爆出。不管是由于量變終于帶來了質(zhì)變的用戶意志覺醒還是自媒體人無聊的自造熱點，不得不承認，近幾年互聯(lián)網(wǎng)產(chǎn)品在收集用戶信息方面愈演愈烈。除了技術(shù)的進步帶來的收集能力提高以外，越來越被大量應(yīng)用的人工智能推薦算法也是促使各互聯(lián)網(wǎng)產(chǎn)品費盡心機去收集用戶信息的重要推動力。

我們今天要講的，就是收集了用戶信息（不只隱私信息）后的推薦算法，它們或許正在悄悄的通過各種我們無法感知到的方式影響我們的決策。

Facebook曾開展過一項為期一周的試驗，研究人員以68,9003 名Facebook用戶為試驗對象，每天向他們推送具有特定情緒傾向的內(nèi)容。有一些用戶看到的主要是積極和快樂的內(nèi)容，而另一些用戶看到的主要是負面和悲哀的內(nèi)容。

當(dāng)實驗結(jié)束時，這些被當(dāng)作“小白鼠”的不知情用戶的發(fā)帖行為已經(jīng)發(fā)生了相應(yīng)改變：每天看到積極內(nèi)容的用戶更有可能發(fā)布積極的消息，而那些每天看到消極內(nèi)容的用戶更有可能發(fā)布消極的消息。

也就是說，F(xiàn)acebook可以操縱用戶的情緒。

或許你會認為，這項實驗中因為有了研究人員的人為干擾，“算法”才會向用戶推薦了具有特定情緒的內(nèi)容，我們當(dāng)前所使用的各種資訊平臺在沒有“研究人員”干預(yù)的情況下，不會主動控制我們的情緒。是的，我們的情緒確實沒有被控制，但我們的認知或許正在被潛移默化的改變。

認知的改變是一家比情緒改變更危險的事情，情緒可以通過外界環(huán)境的改變快速調(diào)整恢復(fù)，而認知一旦被降低，就很難自動恢復(fù)到初始水平。

曾經(jīng)有很長一段時間，我們使用的各種算法分發(fā)新聞APP被吐槽推薦內(nèi)容過于低俗，開始各平臺還會說這是孤立樣本，千人千面的算法會根據(jù)讀者的喜好精準推薦，看到低俗內(nèi)容不是平臺造成的（潛臺詞就是用戶自己低俗）。隨著越來越多的人聯(lián)合起來發(fā)出同樣的質(zhì)疑，平臺不得不改口“會加入人工審核，提高內(nèi)容質(zhì)量”。

其實，推薦內(nèi)容越來越低俗化恰恰是機器算法準確的表現(xiàn)，它發(fā)現(xiàn)了人性的弱點，找到了精準推薦的“竅門”：擦邊色情、低俗段子、標題黨確確實實更容易吸引到用戶的眼球，這些實實在在的點擊量恰恰是對算法推薦的肯定，在沒有人為干預(yù)的情況下，算法肯定會更加頻繁的推薦相似內(nèi)容。

當(dāng)你看了越來越多被算法推薦的低俗內(nèi)容后，你的認知和欣賞水平肯定會受到影響。我們不能說是機器算法錯了，因為它們確確實實響應(yīng)了讀者的需求。

但是，最終受害的卻是讀者自己。

內(nèi)容平臺的出發(fā)點肯定不是為了讓用戶變得低俗，平臺只是想要獲取用戶更多的時間，以實現(xiàn)它們最開始的目的——廣告。

媒體和廣告之間的合作由來已久，從紙媒到電臺到電視到現(xiàn)在的互聯(lián)網(wǎng)，廣告一直是媒體最重要的營收來源。只不過互聯(lián)網(wǎng)之前的媒體廣告對我們的購物決策并未造成太多的影響（除了重要媒體背書帶來的信任感），而今的互聯(lián)網(wǎng)廣告卻在越來越有效的影響我們的購物行為。

曾經(jīng)在電視劇中間插播的廣告讓我們心生厭煩，但現(xiàn)在這些夾雜在feed流中的廣告卻受到很大一部分人的喜愛：因為它們剛好是你想要的。

喜愛之余，你有沒有想過，它們是否真的是你想要的呢？

仔細想一想，廣告前后的內(nèi)容有沒有恰好為你營造了購物氛圍？你最近兩天有沒有恰好搜索過相關(guān)信息？你是否昨天把它放進了購物車但是猶豫后沒有購買？如果是，但為什么昨天你還猶豫不決的購物行為，在今天讀完幾篇剛好相關(guān)的文章以后，你的購買欲大增呢？

去年6月份，我開始學(xué)習(xí)機器學(xué)習(xí)。這是一個非常好玩的學(xué)科，它的核心是數(shù)學(xué)里的概率統(tǒng)計。機器學(xué)習(xí)其實就是給定機器大量經(jīng)過人工分類篩選的數(shù)據(jù)，讓它分析學(xué)習(xí)其中的規(guī)律擬合得到某種函數(shù)，然后應(yīng)用該函數(shù)去完成更多未經(jīng)人工處理的數(shù)據(jù)分類工作。

推薦算法就是數(shù)據(jù)分類的一種應(yīng)用。機器對人類預(yù)先給出分類的數(shù)據(jù)進行學(xué)習(xí)，“掌握”其中的分類規(guī)則后給新添加的數(shù)據(jù)打上相應(yīng)的分類標簽，比如內(nèi)容平臺里的“軍事”“科技”或者“母嬰”等類別主題。對于算法內(nèi)容分發(fā)平臺，機器還有一項工作，就是對用戶進行分類打標簽，根據(jù)用戶在平臺的信息資料和行為數(shù)據(jù)，給用戶打上和文章分類相似的標簽。

完成了對內(nèi)容和用戶的分類后，機器就可以把具有相同標簽的內(nèi)容和用戶放在一起，混合推薦。分發(fā)的過程中，機器也會通過用戶的反饋（比如點贊、分享、不喜歡等操作）不斷地學(xué)習(xí)，內(nèi)容越多，用戶反饋越豐富，推薦的準確度則越高。

所以你會發(fā)現(xiàn)，你在此類平臺上閱讀的內(nèi)容越多，你看到的信息就越符合你的口味。

按照這個推薦邏輯，如果內(nèi)容質(zhì)量有保證的話，理論上我們可以更高效的獲取信息，這是一件好事。但前面我們說過，平臺方的根本目的并不是服務(wù)大眾，他們的出發(fā)點是在占有用戶足夠多時間的基礎(chǔ)上推送廣告，廣告肯定想要最大可能的促成交易。

僅靠用戶在平臺上的行為數(shù)據(jù)很難對用戶的“購買欲望”有準確的了解，所以平臺大都通過各種手段引入用戶的外部數(shù)據(jù)來豐富機器對你的認知，比如你的搜索網(wǎng)站的搜索記錄、購物APP的瀏覽歷史，甚至你的輸入法輸入記錄：

結(jié)合這些“場外”信息，機器能給你打上更“精準”的標簽，然后推送更精準的廣告信息給你，從而提高促成交易的可能性。這個促成交易的過程是通過大量周邊信息的堆砌影響你的心智判斷來完成，整個過程你并不知情，甚至樂在其中。

很多人會說既然享受了便利，付出一些總是應(yīng)該的；也有人會說這種“未經(jīng)許可”采集隱私的行為是有違道德倫理的。我不想在這里討論技術(shù)和倫理相關(guān)的問題，只想提醒大家：

當(dāng)你在一款被算法控制的內(nèi)容產(chǎn)品里“遨游”時，請一定要謹記，你的認知可能已經(jīng)被改變，你此刻的欲望可能正在被算法左右。

來源：喜新（ID：noyanjiu）