1865年，在北京永定门外的平地上，英国人杜兰特在一条只有一里多长的铁路上开起了蒸汽机车。
当时京城的老百姓对此闻所未闻，根据清人李岳瑞 《春冰室野乘记》记载：“京师人诧所未闻，骇为妖物，举国若狂，几至大变。”
最后结局是步军统领衙门下令拆掉。类似的，10年后在上海吴淞铁路建成通车同样引起了骚动，结局也是清政府收购了这条铁路，并将其拆除。
如今，算法的遭遇同样如此。英语里对这种现象有个专门的词，叫Technophobia。类似上个世纪《科学怪人》那种大众文化所体现的，人们对新技术的一种天然恐惧。
简单通俗的讲，算法就是一套评判机制。这套机制对平台的所有用户都有效，通过根据用户的一系列反馈行为来改进平台功能，提高用户体验最终使平台形成一个可循环的良性生态。
但妖魔化算法的言论一直不绝如缕。比如近来《比抖音让人堕落更可怕的，是今日头条让我们变傻》这类文章。
这些文章强调两点：1、算法只给你推你喜欢看的。2、今日头条等平台只靠算法。
这些立论有意将客观事实简化了，其实是非常标准的Technophobia。
当人工智能被用于内容分发之后，随之而来的，用户需求如何与推荐内容进行有效重合并清晰定义其边界的讨论会是一个非常长期的议题，不是简单粗暴就可以下结论的。
头条和抖音的内容机制一直在自我进化
《变傻》一文的作者，很可能并没有用过现在的头条和抖音，他的认知还停留在过去。互联网评论就是这样，总有人喜欢拿一成不变的眼光，来打量、评判对方，以至于得出错误的结论。
头条很清楚算法是不完美的，有自身的局限。所以它需要另一种分发手段来补足算法的不足和弊端，或者说找到驱动头条系的第二个轮子，现在看来第二个轮子就是粉丝分发，或者叫社交分发。
如今的今日头条已经更新过7个大版本，早已不是纯算法，而是“算法+社交+搜索+问答”的综合体。
比如，你可以通过搜索功能自发地去寻找任何对你而言有价值的信息。如果你喜欢哲学，可以在今日头条上搜索“尼采”、“柏拉图”、 “福柯”等关键词来获取相关资讯，和人交流。
事实上，“主动搜索”并获取信息是所有平台都希望大家会去做的事情，因为这本身可以创造更精准的价值。
算法的价值还在于长尾分发，即使小众信息也能获得较好的推荐，与此同时，在信息足够丰富的情况下，拥有小众兴趣的人也能找到有价值的信息。
比如一些比较冷门的电影，80年代的老照片，大学的校园资讯。这些原本散落在互联网各个角落的信息，被收纳进一个推荐盒子，出现在你眼前，而不是像过去那样被埋没在信息的大海中。
而且如果你看一下整个今日头条首页，它其实是有四块：
第一个是搜索区，用户可以主动搜索感兴趣的信息;
第二个是置顶区，属于国家大事;
第三个是要闻区，属于重要的媒体新闻，通常会打上“热”的标签;
第四个才是个性化区，属于用户偏好的资讯，这里既包括用户自主订阅的信息，也包括系统推荐的信息。
也就是说，在今日头条实际产品机制中，算法并不只是给你推感兴趣的内容，也不存在只能看到算法推荐的内容的情况。
今日头条的成功，主要还是靠对流量的理解和公司的运营、算法、数据化思维形成的执行力。算法是很重要，但也只是其中的一环而已。
算法并不是你喜欢什么就只给你推什么
如果你以为算法是你喜欢什么就给你推什么，就未免把算法想得过于简单了。
其实这种说法很早就有了，传播学里面叫所谓echo chamber situation(回音室效应)，很多人担心互联网的内容推荐算法会加剧这种所谓的回音室效应——喜欢什么就推什么，最后全部都是同一类内容，看不到其他。
但事实证明这并没有发生，也没有哪个互联网公司会傻到这么去做。
原因很简单，人性本身就是喜新厌旧的，对多样性的追求是一个很基础的需求。
喜欢什么就永远推什么本身就很反人性。就好像爱吃什么就顿顿都给你吃一样的东西，不给你看菜单一样，没有任何一家饭店会这么做。
比如我们拿抖音实验一下，用一台新手机在未登录状态下打开抖音随机刷10条，统计如下：
日常生活(2条)，简笔画(1条)，萌宠(1条)，户外纪实(1条)，小姐姐(1条)，英文教学(1条)，家庭亲子(1条)，健身(1条)，炒菜(1条)。
在已登录状态连续点赞了50个小姐姐视频，重启后，抖音接下来推荐的50个视频分别是：
小姐姐24个，日常生活9个，旅行风景6个，跳舞5个，正能量3个，萌宠1个，科普1个，健身1个。也就是说，即使你再疯狂关注小姐姐，抖音也不可能连续给你推送小姐姐视频。
事实上，算法针对用户的兴趣偏好，具备一定的打散机制，不会出现连续雷同推荐的现象。认为算法只是记录你单一的喜好，然后根据这一爱好来做推荐，首先是看不起人性，其次是瞧不起算法。
一个拥有健全人格的人，从来不可能只有一种爱好——喜欢小姐姐，并不妨碍你同时喜欢萌宠，世界各地的风景，音乐和舞蹈。
而且因为边际效用递减的规律，连续推送同一个主题是一件很亏的事情，吃力不讨好。
社会心理学上也有“贝勃定律”。当人经历强烈的刺激后，再施予的刺激也就变得微不足道。就心理感受来说，第一次刺激会冲淡第二次刺激。
这也解释了人们为什么总是“喜新厌旧”，一个人的兴趣爱好，不可能总是一成不变。
可以说，即使从满足用户需求的角度，平台也不可能一直给你推小姐姐。
算法自身有探索能力
何况，算法不是机械的算术。
若是如此，各大科技公司也用不着为争抢名校毕业的算法工程师而挤破头，算法工程师也根本不值得年薪百万，Google、微软等也无需聘用大量的高端人才进行推荐算法优化。
算法的魅力，在于不断学习、迭代和进化。机器人之所以能够战胜世界顶级棋手，就是因为它强大的学习能力，形成极高的竞争壁垒。
而探索性，本来就是推荐算法原本就有的特质之一。
这里涉及到一个知识点：协同推荐。
算法的协同推荐，除了内容本身，还包括基于用户推荐，根据分析不同用户之间的相似性，从而扩展推荐的探索能力。
张三喜欢科技、财经、体育，李四喜欢科技、财经、体育、健康内容，那么，算法会尝试将健康资讯推送给张三。
因为在推荐系统看来，张三和李四是相似的人。于是，张三就可以接收到原本不在自己兴趣范围内的健康资讯。
推荐系统是在推荐跟你相似的一群人可能感兴趣的内容。他们感兴趣的内容很可能是你会感兴趣的，但是你此前还不知道的，所谓的“你不知道自己不知道”。这在一定程度上丰富了内容。
算法比社交更容易突破圈层
相比之下，朋友圈具有更大的“回音壁”效应，人往往陷入而不知。
因为朋友圈里的一切信息，完全由你个人定制，因为内容产出方完全是自己筛选出来的，人根本听不到和自己相左的观点和意见，很容易形成同一类人或者同一群人的偏见。
而通过算法推荐内容，不是根据观点推荐，这就可以确保更多种多样的观点。
若不是短视频APP出现，社会底层的工作者、普通人，还会被这个社会继续忽略。
这些人可能是你每天给你送外卖的小哥，很有可能是给你理发的学徒，是你手上拿着的手机的流水线上的工人，他们不曾上过微博热搜，从不逛知乎，更不会出现在你的微信朋友圈里。
是算法让来自全国各地、各种身份的人无差别地汇聚到了你的手机里。这才能透过手机屏幕看到丰富多样的人生百态。
比如，抖音甚至会重新推荐数据库里的“优质老内容”，给它更多的曝光。
这些老作品之所以能被“引爆”，一般都是因为这些账号已经发布了足够多足够垂直的内容，标签变得更清晰，推荐算法能够帮助这些优质内容匹配给更精准的用户。
而在公众号这样的平台上，很少会有一个月前的精品内容能被“挖坟”再火的，这其实是对海量优质内容的浪费。
一个优质的推荐系统，本质上是信息降噪的过程。从一个巨大的内容池中，选出对你而言有价值的信息推荐给你，降低你寻找信息、筛选信息、组织信息的成本。
说到底，算法也好，APP也好，都只是一个工具。诚然，算法作为工具应该不断完善。但具体如何使用，取决于人自己。
罗素提过一个看法：不管你是在研究什么事物还是在思考任何观点，请只问你自己“事实是什么”以及“这些事实所证实的真理是什么”。
永远不要让自己被自己所更愿意相信的，或者你认为人们相信了之后会对社会更加有益的东西所影响。
只是单单地去审视，什么才是事实。
让我们变傻的不是算法，而是失去理性的审视。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
