如今，人们探讨算法分发的价值，最常提到的是提高了信息分发的效率，它表现在：解放了部分人力，同时突破了人力对信息分发造成的限制，实现长尾内容的有效分发，从而更高效地完成人和信息的匹配。
然而，还有一层意义较少有人触及：通过算法实现的个性化推荐，真正关注和理解个体。每一个个体都是一个意义不同的“终端”，而不是永远将个体置于群体中去总体理解。也即尼葛洛庞帝所言的“在数字化生存的情况下，我就是‘我’，不再是人口统计学中的一个‘子集’。”——这也是“personal”(个性化)中“person”的意涵所在。
人性面前，算法有更多可能
算法为人智能地匹配信息，但它推荐的依据还是在于人。
即便推荐算法发展得更加成熟，人们在和算法的日常相处中，也难免会有一些困惑：有时，希望算法再“聪明”、更理解自己一些;有时，并不想老关注自己感兴趣的内容，也想看看公共热点;还有时，会猜想自己除了这些需求之外，会不会也有其他的潜在兴趣?……
今天，对内容推荐的批评声音中，包括让视野窄化、信息低俗化、人的边缘化等——这些声音从根本上折射出人类永恒关注的问题：信息的宽度和高度，以及人的主体性。面对这些追问，也许转而用一种整体的和发展的视角，更有利于我们去理解问题。
首先，算法推荐是重要的，但它并非全部。人类有多种信息需求场景，不同的信息分发方式和工具在互相配合来满足用户的需求。这些分发方式的具体工具，或许在不同阶段此消彼长，但本质上并没有完全取代对方。
举个简单的例子：假设一个初级电影爱好者想在周末看一部电影，会有几种可能?如果他今天想看库布里克的作品，他可能直接打开搜索框，搜索“库布里克”导演，看看他导演的作品还有哪些自己没看过;如果他自己没有特定的想法，便可能打开个性化推荐的APP，在熟悉自己喜好的信息流中，刷一刷看有没有感兴趣的电影;当然，如果他运气好，微信加了一个电影发烧友，也可以直接请对方推荐几部。
从这个例子中，可以看到：搜索引擎满足了用户有明确目的时的主动查找需求;而推荐系统能够在用户没有明确目的的时候，帮助他们发现感兴趣的新内容——从这个意义上看，“推荐”和“搜索”实际上是满足人们不同需求的两个互补的工具。
当个性化推荐应用发展迅速的时候，人们可能会不由自主地假设它占据自己的全部信息场景;然而，在现实情况里，一个人在日常生活中接触信息的渠道，远比我们想象得要更加丰富——2016年Seth Flaxman等学者进行的一项实验，也证明了这个结论(3)。
该研究请5万名参与者，自主报告自己最近获取信息的新闻媒体来源，同时通过电子手段直接监测和记录他们的实际新闻消费行为，包括网页浏览历史等。两项数据的对比后，研究最终发现人们实际的媒体消费比他们所想象的更具有多样性。
再者，从根本上来说，算法是运用智能来解决信息分发问题的思路，而非一个绝对的和定型的操作手段，它本身也在不断发展。算法与编辑、社交并不对立，将三者有机结合可以帮助实现更有效的信息匹配。
《内容算法》一书中，作者把算法比喻为“是个筐，什么都能往里装”：算法是基于我们对现实世界的理解进行的抽象和建模，所有我们关心的因素(编辑分发、社交分发)都可以转化为算法推荐的参考因素。
实际应用的推荐系统通常都会使用多种推荐算法，来提高推荐系统的个性化、多样性、健壮性(即鲁棒性)。比如：运用基于内容的推荐算法，解决用户和内容的冷启动问题;在拥有了一定的用户行为数据后，根据业务场景的需要综合使用基于用户的协同过滤(UserCF)、基于物品的协同过滤(ItemCF)、矩阵分解或其他推荐算法进行离线计算和模型训练，并综合考虑用户的社交网络数据、时间相关和地理数据等进行推荐。
与此同时，人工编辑也在关键的时候发挥作用。比如在今日头条平台，由人工审核和机器算法共同对内容进行把关。一个拥有良好推荐机制和规则的平台，能够助力高质量内容的传播，从而促进内容生态的发展。新技术环境中，专业内容生产和编辑团队的价值不仅不会褪色，还会越来越重要。
最后，从人们围绕算法分发的探讨中，可以看到人们面对信息时的两对永恒需求——个人向和公共向、已知的和未知的。人类永远希望二者可以达到动态的平衡，而这个平衡点又往往因人而异。这给算法的发展和完善提供了动力，也带来了难题。
对于个体来说，一个趋于理想态的信息生态，可能需要具备社会性、群体性、个体性，兼顾信息的高度和宽度——有些问题，算法可以解决，也正在尝试解决;但有些问题，可能人类自己也无法很好地解题，最终还是要不断回归到人性本身。信息分发技术发展和完善的背后动力，还是在于人，在于人对信息分发理想模式的永恒追寻。在这过程中，人始终具有其独特的价值和能动性，坚守“技术为人”。
结尾
算法分发是未来之物，它是信息过载时代智能分发的产物;算法分发或也终将成为过去之物，因为下一代技术的发展永远可以突破当代人的想象，就像宋朝人无法想象移动互联网。但无论如何，人类追寻信息的脚步是不会停止的，这种追寻就是信息分发长河奔流的动力。
追问了推荐算法的“前世”与“今生”，那么在技术发展的未来，算法的“来世”会是如何?
来源：刺猬公社
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：卢松松，转转请注明出处：https://www.chuangxiangniao.com/p/1089445.html
