算法的局限和背后的文化选择

从当前反应来看，对于喂食式的信息推荐模式人们已经略显疲态。很多人已经不再像开始时对今日头条之类的媒体平台那么热衷，用直白的话来说，热乎劲快过去了。任何事情总是有高潮也有回落，这不奇怪，不过今日头条还是目前最热的资讯平台。

资讯平台会收集用户对资讯的点击、阅读速度、阅读完成率、转发、点赞、收藏、评论等信息，通过算法进行个性化推荐，这样平台就会首先推荐给该用户最喜欢的或者感觉最需要的资讯。如果一个人长期沉浸于这样的资讯中，很容易进入信息舒适区，这种喂食推荐机制所推荐给你的资讯起到的作用很可能就是强化固有观念、收窄眼界。当然这种喂食推荐机制也有高效、深度的优点。

2018年1月今日头条对外公布了算法原理，其采用的典型推荐算法有协同过滤、逻辑回归、DNN、因子分解机(Factorization Machine, FM)和梯度提升决策树（GBDT）。

技术是中性的，而技术的选择是有倾向的。对于互联网公司来说，通过满足用户需求实现利益最大化是它的最终目的。算法本身只能沿着固有的机制不断自我强化和迭代，虽然目前业界普遍采用的是混合推荐来综合各个推荐算法的优点，但算法的弱点仍然没有被真正避免和弥补。

每个人的认识都是有局限性的，人们获取信息的目的之一是提高认知能力，从而提高自身的竞争力。在算法的选择上，互联网公司只能在用户需求和利益最大化之间取得平衡。这种喂食推荐机制对于用户高效获取信息，深度了解信息是有益处的，但很难满足用户扩大视野、拓展思维的需求，这是当前的一个突出矛盾，也是产生用户对于目前此类平台逐渐疲劳的原因之一。

互联网公司并非不想全面满足用户的需求，实际上造成目前的矛盾，还是由于推荐机制的不完善，这种不完善主要还是由于算法的数据训练焦点几乎全部集中于用户，而没有从独立的文化库中汲取养分。人类的百科全书式的动态数据应该作为个体用户数据的一个补充，这样的算法设计就可以在实际运用中，体现文化选择的力量，补足用户对扩大视野、拓展思维的需求。

资讯类互联网公司在生存和发展的前提下，还应该承担起传播文化的职责，为用户提供提高认知层次的引导作用。