信息茧房经典案例 信息茧房( 二 )


非常厉害吧,为此当时他认为触屏技术、眼球追踪、语言识别甚至互联网人格的相关研究会是大趋所势,目前看来这些在现在均已经实现 。

信息茧房经典案例  信息茧房

文章插图
3. 第三阶段尼葛洛庞帝在上述基础上,进一步设想了智能计算机将为人类生活带来巨大改变 。
他预言到下一步互联网会进入「极端个人化的信息时代」,即算法推荐;在后信息时代里,电脑、手机APP会基于它对你的了解为自身推荐定制化信息 。
从前,大众媒体把一模一样的信息通过广播或电视无差别的推荐给每个人;而未来APP会主动对信息进行筛选,并通过界面为使用者 *** 独一无二的“个人摘要” 。
【信息茧房经典案例信息茧房】那么,如果按照此指导手册发展,这意味着什么呢?
这不仅让我心中一惊喜,目前买很多电子设备都不用看使用说明书都可以「语言、行为」控制它,以后岂不是更方便么?
但尼葛洛庞帝认为,美好未来虽到来也会在不知不觉中侵蚀人们的智慧和知识;比如:工作机会的减少,导致更多互联网创业者借助线上平台创造更多知识来与企业协同 。
背后意味着复杂的工作交给机器解决,人类创作性工作将很难一步登上山顶,甚至非常优秀的创作也很难人性化的被发现,与此未来你可能更多的是和“机器交流” 。
那么,严重的是机器取代大部分人力的潮流必不可当,针对发展肯定力大于弊;更加严重的是随着算法推荐带来的信息茧房和数字鸿沟,会加深一个人与另一个人的距离感 。
比如:你习惯看历史知识,平台围绕历史中心化展开;若一个天天看娱乐的人被推送的都是八卦,甚至像我这种经常搜“学习内容”的人,试想下种种场景“会带来什么后果”呢?
我们很难逃出“习惯的周边三公里” 。如果不经过主动思考判断或故意去搜寻,会陷入知识获取单一化,没有社会统一认识中,严重者还会造成与社会和企业脱节 。
一个现实的案例是:我看到很多离职3个月以上的人,与他们沟通就已经陷入自身的“信息茧房”,对跨岗一丁点技能还能理解,对跨公司业务就直接出现“黑匣子状态” 。
不可否认,我们正在经历尼葛洛庞帝教授第三阶段的预测;人们无法阻止数字化的变化,它就像无法对抗大自然一样;但至少每个人可以了解它是如何形成的?如何一步一步吞噬着人们独有的思考模式 。
当然,这一切背后离不开人们常说的“算法”或者“个性化推荐”,但它并不是罪魁祸首;那它是什么呢?给自身带来哪些影响呢?
二、算法原理从框架而言,推荐系统一般包含“召回”和“排序”两方面 。
不论是信息还是消费类电商平台,多半以此类型来训练用户,而算法又基于「内容」和「用户行为」两大类别展开 。
我们知道普通人的思维方式分为两种类型:
前者是把认识停留在对事物的抽象而非本质上,并以这样的抽象为出发点,片面、直线的解释某件事;后者是把认识停留在对事物的抽象层并以基石出发来看底层原理 。
机器学习方式和人相似,也分为线性和多种思维(学习)模型,最主要区别是一方面偏向基础原理,一方面偏向多元化加工;从***角度出发市面一共有6种常用方式:
过滤算法;矩阵算法;因子分解机;逻辑回归;梯度提升决策树;深度神经 *** 过滤 。它们用在什么位置呢?
要知道,人们看到的所有信息均展示在APP的首页或分类上,在推荐系统中它们属于最上层的展示层,算法属于中间层,数据是更底层;而算法的主要功能就是排序和召回,上述的六种模型均服务它们两者 。
举个例子:我们经常使用某款APP,它习惯性的抓取自己点击的每个图片或者下方的内容,然后以此用打标签的方式归类在后台中,该行为属于排序,进一步说平台可以收集一个账号的多个标签排序 。
可当自身许久没有打开该APP时,机器就基于自身感兴趣的内容,通过push,短信的方式召回我们 。
大部分大平台(小红书、抖音、快手)的推荐系统分人工干预和自动推荐两种,前者顾名思义人来操作,后者是给机器设定固定时间来循环使用 。
自动推荐是什么呢?
若进一步展开解释,如抖音和头条的监督学习算法Y=F(Xi ,Xu ,Xc),这三个函数包含三个维度的变量分别为:
三者匹配起来是一个复杂的数学问题;市面常用模型有好几种,字节系无非是把多模型混合使用,简单来说就是:你是谁、你在哪里、你爱看什么?基于这些给你推荐什么 。

推荐阅读