只有兩個行業，會把他們的客戶叫做“使用者”，就是毒品行業和互聯網公司。

這就是耶魯大學教授，愛德華·塔夫特，對互聯網公司真誠的評價。

我國28.5小時的周人均上網時長，相當于每周要在手機里來一次通宵加班。

但是哪怕這樣，我們也只在世界上，排17位。

顯然外國人在刷手機這件事上，要比我們更卷。

既然這么多人沉迷網絡，想必也會有很多人把責任歸咎于推薦算法。

但事情只有這么簡單嗎？推薦算法又真的能控制我們嗎？而且，明明是白嫖視頻，互聯網公司又是怎么賺錢的呢？

算法如何“控制”我們？

把時間撥回90年代，那時候的網絡就像青澀的校園，非常單純。門戶網站方興未艾，豐富了人們的信息獲取渠道，這就是在2004年左右開始出現的web1.0和web2.0。

社交媒體和博客興起，互聯網變得更加多元，信息的上傳和下載也成了家常便飯。

至于web3.0，則是去中心化的互聯網模式。不過，現在還沒有實現，更多的是停留在概念上。但可以肯定的是，未來的互聯網生活，將有巨大想象空間。

所以不難發現，從web1.0到web3.0，變化最大的就是信息量，變得越來越多。

信息量變多雖然是好事，可一旦過多，信息過載（Information Overload）的問題也會隨之出現。

用戶被信息海洋吞沒，想找到有用的信息真就成了大海撈針。為了解決這一問題，推薦算法應運而生。

不過，回望整個過程，把推薦算法推向高潮的，還要屬網飛在2006舉辦的算法比賽。

網飛當時，拿出了一百萬美元獎金，來獎勵第一個能夠將影片的推薦效果提升10%的團隊。

重賞之下必有勇夫，歷經三年，一百八十多個團隊的較量，最終一支由各路專家組成的七人團隊獲得大獎。而這一事件，也讓推薦算法，開啟了新的篇章。

時至今日，推薦算法的核心技術基本分為3類。

簡單來講，基于協同過濾的推薦方法，就是利用“人以群分，物以類聚”的原理，把相似用戶的喜好，也推薦給你。

而基于內容的推薦方法：則是以用戶自身特點為主要依據進行的推薦。這種方法，就需要采集大量信息（職業、年齡、性別、偏好、地域、收入 、 評論、收藏、 點贊、觀看、瀏覽、點擊、加購物車、購買等 ），才能構建專屬的推薦算法模型。

至于混合推薦方法：則是權衡各推薦方法的利弊，通過一系列復雜操作（加權、切換、混雜、特征組合）揚長避短，進而提升整體推薦性能。

推薦算法確實一定程度上提高了市場效率，用戶和企業都應該很高興。

在2021年，tiktok的推薦算法還被《麻省理工科技評論》，評為“全球十大突破性技術”。

其母公司，字節跳動，更是在去年做到了年營收580億美元，3700億人民幣。

每天掙10個億，真是種奇妙的體驗。

既然前有大廠帶頭，后面就會有小弟跟著吃肉，目前我國算法相關的公司大約有76000多個。這其中，有一半都是2021年至今成立的，都是看準了這塊蛋糕。

算法這個賽道，可以說是越來越熱，可作為用戶，卻好像并沒有變得更開心，因為互聯網的體驗感正在以肉眼可見的速度下降，算法帶了更多的問題。

算法帶來的負面影響

1、注意力經濟

要搞清楚為什么，就不得不提注意力經濟——一個信息時代孕育出來的畸形產物。

它是1997年，由美國科學家邁克爾·戈德海伯（Michael H．Goldhaber）正式提出的。

在經濟學里，稀缺的資源才會更有價值，而在信息過剩乃至泛濫的今天，信息早已不再是稀缺資源，反而正在獲取信息的人，成了稀缺資源，我們的注意力，就成了信息時代最值錢的東西。

所以在這樣的市場作用下，除了自媒體博主們為博眼球開始逐漸離譜?；ヂ摼W企業則為了讓我們更沉迷手機，逐漸瘋狂。

為了賺錢，臉書在違規的巔峰時期，平均12天就能爆出一個丑聞，看起來非?？伞靶獭?。

2、人腦本身的問題

但哪怕是這樣的公司，卻依然身體倍棒，拼命數錢。其實也并不是因為他們有多厲害，而是我們有著先天的弱點。

人類經過200萬年演化，大腦的體積足足增加了三倍。

但再看看計算機，從19世紀60年代至今，處理能力，可是增長了幾萬億倍。

現在的互聯網公司手握強大算法，對付人腦這套古董硬件，簡直不要太輕松。

我們所有的弱點，都被屏幕另一頭研究人員扒地一清二楚。所以對付我們，互聯網公司就用上了最簡單也最無賴的打法——“上癮”。

相信很多人都聽過一個叫做“腦刺激獎勵”的實驗。

給小白鼠腦內植入電極，通過操作按鈕的方式，刺激大腦調節多巴胺分泌，就能夠讓小鼠變得更快樂，當小鼠自己擁有控制權后，它在12小時內瘋狂按壓了7500多次，平均每分鐘12次，最后忙的飯都不干了。

后來，還把實驗用在了人類身上，得到的結論也基本相同，互聯網公司為了讓我們成功上癮，用了大量精力對用戶進行AB測試。

A/B測試是為Web或App界面或流程制作兩個（A/B）或多個（A/B/n）版本，在同一時間維度，分別讓組成成分相同（相似）的訪客群組（目標人群）隨機的訪問這些版本，收集各群組的用戶體驗數據和業務數據，最后分析、評估出最好版本，正式采用。

簡單說就是通過控制變量來測試某個單獨的變化，對目標效果的影響，而推薦算法，就是通過不斷地測試，輸出你喜歡的內容，讓多巴胺分泌更多。

類似的成癮性設計還有很多，比如利用我們的好奇心，把視頻呈現形式設計成沒有底線的瀑布流。把屏幕底層的圖片設計成一半，讓你一直好奇接下來的內容。還有利用了人們需要社會認同的生存本能，設計的點贊和評論。

仔細看不難發現，現在很多關于內容消費的app，都是無數個成癮要素的最優合集，所以作為普通用戶，想要不被軟件吸引，變得越來越難。

3、廣告邏輯

得到了我們的注意力，下一步就是拿它們賺錢。

你以為你只要堅持原則，一直白嫖，就不會有任何人能掏走你兜里的錢。

但你不知道的是，心理學家對廣告都有一個明確的觀點，就是只要讓用戶接觸到廣告，就足以使消費者對品牌產生積極的態度。

何況通過算法推薦的廣告都是你感興趣的產品，即使你是鐵板一塊，面對數量級龐大的同類人群標簽，也總會有人下單付費，這跟電信詐騙的邏輯是一樣的。所以，沒有產品是不好賣的，如果有，那只能說明廣告推得還不夠。

各個平臺頂風作案收集我們的數據和標簽，其目的也正在于此。

字節的廣告營收占總收入75%以上，僅阿里一家公司，就豪氣的投了180億廣告費。

而在國際市場上，谷歌2021年第四季度廣告收入612億美元，facebook也有326億進賬，一個季度就頂上字節一年。

算法加廣告的組合，成了互聯網公司的印鈔機，整個流程中，平臺賺了，商家也賺了，虧錢的只有我們用戶，總要買一些原本并不需要的產品。

你以為自己每次都能全身而退，殊不知，就連你不愛花錢的行為，都可以被變成了標簽。沒準理財產品，就是你的歸宿。

所以在這樣的商業模式推動下，算法引發的問題，也正在往荒誕的方向發展，就比如nba球星歐文、歐神仙，曾公開宣稱地球是平的；反口罩的人說口罩里有天線，還有像披薩門之類的搞笑組織。

因為他想看什么，就越會看到什么，然后越信越刷，越刷越信，最終變成了離譜觀點的堅決擁護者。

隨著這種極端信息的累積，還有可能催生出更嚴重的后果。

2017年，因為放任種族仇恨的言論在網上瘋傳，間接導致了緬甸七十萬羅興亞族穆斯林人遭到迫害，死傷過萬。臉書遭到難民集體訴訟要求賠償1500億英鎊。就連川建國同志上臺，據說也有臉書的功勞。

時至今日，算法能做到的事，正在逐漸超乎想象，所以算法和人類究竟誰才是主角呢？

目前來看，這個問題雖然沒有準確答案，但可以確信的是，當我們產生疑問的時候，算法就已經悄無聲息成為主角了。

就像黑客帝國里的矩陣，當我們有一天都分不清自己身處的世界，是真還是是假的時候，我們又怎么可能醒來呢？

未來當無人駕駛、人工智能這些強算法催生的行業興起之時，算法當家做主也將變得合理。

但最嘲諷的莫過于，連估算我們人類被取代的時間，都是計算機算出來的，想想這些，還真的有些無奈。

改變和技術的相處方式

1、辯證看待資本

所以以算法為代表的科技發展，對我們來說究竟意味著什么呢？

一味的指責資本貪得無厭，我們的生活好像也并不能變得更好，其實無論是科技的創新，還是算法的演變，從本質上來說，都是為了滿足人類需求而誕生的產物。

資本在這其中，頂多算是推波助瀾，雖然有的時候，也會拿起科技這個趁手的鐮刀來割韭菜，但也是因為資本的介入，才能集中金錢辦大事，要不然科技的發展，也做不到今天這么迅猛。

2、法規

好在目前對于算法濫用的問題，正逐漸成為國際社會共同關注的焦點。

歐盟在18年就推出了《通用數據保護條例》，確定了居民對信息的知情權和處置權。

美國也下了大功夫，比如2020年生效的《加州消費者隱私法案》。

這些條款都對互聯網企業的違規行為設置了巨額的罰款標準，違規一次可能比吃老壇酸菜牛肉面還難受，我國在這個領域干的也不錯，甚至還小優。

從17年開始，陸續出臺了3部法規，奠定了網絡安全的基石。

今年3月，更是把矛頭直指算法，提出了相當明確的管理規定。

效果怎么樣先不談，反正，當人們再看手機app的時候，已經可以找到推薦算法的開關和自己的標簽。

算法這個大怪獸，好像也正在褪去可怕的外表。

3、跟科技共存

當科技發展到今天，技術本身其實并沒有錯，不過是越來越迎合我們的人性。

在未來，科技發展將會越來越快，周圍的誘惑也將越來越多，如果我們依然把自己當成小白鼠，只是被動等待這種低級的快樂，我們的大腦也將會越來越懶惰，失去主動學習和深度思考的能力。

到了那時候，再想走出技術編織的蛛網，將變得更加困難。

所以，讀完這篇文章之后，不如就試著放下手機，開始主動閱讀這些書，鍛煉一下懶惰的大腦，你獲得的思考和收獲絕對會更多。