編輯導語：信息繭房是指人們關注的信息領域會習慣性地被自己的興趣所引導，從而将自己的生活桎梏于像蠶繭一般的“繭房”中的現象。現如今，人們的生活在信息繭房中，線下接觸同一類圈子，線上大數據推送相類似的文章。這不是一個好的現象，如何擺脫信息繭房，如何“破圈”，本篇文章作者将告訴你答案，快來閱讀吧！

“下次隻能光看不點了，我才夾一筷子，給我推送一桌子”。

早上好王先生：您的體溫是38.3攝氏度，體溫不正常建議去醫院檢查；昨天晚上您睡6個小時35分鐘，當中醒來3次；其中深度睡眠時間2個小時30分鐘，最近注意各項指标…….

上述聲音來自我家智能管控系統和手環的反饋，好像把我生活安排的明明白白，又竊喜又憂愁，為什麼？

竊喜的是我可以随時知道身體數據，及時調整狀态；憂愁的是“我對智能系統的依賴慢慢喪某些大腦能力”，事情隻是如此簡單嗎？不是的。

如果我告訴你，除書和電影外，我們的職業和人生選擇都被塞進可被預知的黑匣子中，你會相信嗎？也許多數人都這句話有些茫然，不妨來具體下：不僅是青年，現在的老人和孩子在閑暇時都喜歡抱着手機刷個不停，形容難聽點是“像中毒了一樣”。

大量的信息流平台正在通過算法偏好來迎合我們，向自身投喂相似的内容，它會造成什麼呢？

一方面會讓自身固定在某個信息圈子中難以逃出，它持續強化你對某些問題的看法，最後形成價值觀。

另一方面信息堆積越多，注意力就難以集中在那些複雜的問題上，造成判斷力下降，怎麼辦？

除此外，身邊的一切智能設備仿佛也都在嘗試主動為你“提供服務”，這不是壞事；但有一些會讓我們在不知覺中陷入信息繭房，不妨重新認識下它。

一、信息繭房

我們先來看看它的由來。

2001年美國學者凱斯·桑斯坦（Cass R. Sunstein）在《信息烏托邦——衆人如何生産知識》中提出此概念，并針對内容做出分析和讨論，具體指：

人們的信息領域會習慣地被自身的興趣所引導，從而将生活桎梏于像蠶絲般一樣的「繭房」中的現象。

這個詞彙的源頭可以追溯到一本新聞傳播專業考研必讀的書籍，美國計算機科學家、麻省理工學院教授，尼葛洛龐帝的《數字化生存》，它為什麼這麼厲害呢？

要知道，20世紀90年代中後期，中國開始興起互聯網創業大潮，年輕的互聯網創業者們紛紛有感機遇來臨，但對能否把握住這份機遇卻心存忐忑，它的出現猶如“盲人指路”，被奉為互聯網時代的「指路聖經」。

令人驚訝的是：25年後的今天在打開書中多半描述已經成為現實，主要圍繞三個階段的預言：

1. 第一階段

我想，上過初中三年級的人應該都熟悉，在化學中原子是變化中最小的微粒；如果你不懂沒關系，可以用文科的方式理解：世界萬物都是由原子構成，原子組合後構成分子，分子就像瓦磚，堆成各種物質。

它也是人類最經典且使用最廣泛的基礎假設，用來精準的解釋物理學中的力學，熱力學、光學、量子學等多方面的問題，甚至還能解釋自然科學中的生物學等等。

而尼葛洛龐帝看來，上世紀90年代，大多數信息都是以「原子」的形式呈現，例如：錄像帶、雜志、報紙、和書籍，長期以來大家對此也習以為常。

但随着計算機技術的發展，即時的電子數據傳輸就會成為主流的傳播方式，我們進而進入比特（binary digit，簡稱BIT）組成的世界。

原因在于信息是最小單位，它沒有重量能以光速方式快速傳播，并且無成本拷貝并不會被區域所隔。

這種新的方式能幫助信息擺脫時空的限制，成為全球共享資源，為各個領域的發展帶來便利，同時也能促進互聯網和計算機的普及。

2. 第二階段

在上世紀90年代美國計算機學界還是程序設計語言、操作系統和網絡協議天下時，尼葛洛龐帝召集一幫各領域專家創立家「媒體實驗室」的機構，聚焦研究人機互動。

當時人們把計算機研究重點主要放在“人如何使用它”并沒有關注“如何和計算機更好相處”。

而基于此問題，他又提出新的概念為“計算機設計需要人性化界面、此界面應該是使用人代理模式”，什麼意思呢？

電腦界面必須像你的管家助手那樣能夠認識你，了解你的愛好、品位、傾向與需求；甚至還要知曉你的社交朋友圈、理解你的表達語言和肢體動作。

非常厲害吧，為此當時他認為觸屏技術、眼球追蹤、語言識别甚至互聯網人格的相關研究會是大趨所勢，目前看來這些在現在均已經實現。

3. 第三階段

尼葛洛龐帝在上述基礎上，進一步設想了智能計算機将為人類生活帶來巨大改變。

他預言到下一步互聯網會進入「極端個人化的信息時代」，即算法推薦；在後信息時代裡，電腦、手機APP會基于它對你的了解為自身推薦定制化信息。

從前，大衆媒體把一模一樣的信息通過廣播或電視無差别的推薦給每個人；而未來APP會主動對信息進行篩選，并通過界面為使用者制作獨一無二的“個人摘要”。

那麼，如果按照此指導手冊發展，這意味着什麼呢？

這不僅讓我心中一驚喜，目前買很多電子設備都不用看使用說明書都可以「語言、行為」控制它，以後豈不是更方便麼？

但尼葛洛龐帝認為，美好未來雖到來也會在不知不覺中侵蝕人們的智慧和知識；比如：工作機會的減少，導緻更多互聯網創業者借助線上平台創造更多知識來與企業協同。

背後意味着複雜的工作交給機器解決，人類創作性工作将很難一步登上山頂，甚至非常優秀的創作也很難人性化的被發現，與此未來你可能更多的是和“機器交流”。

那麼，嚴重的是機器取代大部分人力的潮流必不可當，針對發展肯定力大于弊；更加嚴重的是随着算法推薦帶來的信息繭房和數字鴻溝，會加深一個人與另一個人的距離感。

比如：你習慣看曆史知識，平台圍繞曆史中心化展開；若一個天天看娛樂的人被推送的都是八卦，甚至像我這種經常搜“學習内容”的人，試想下種種場景“會帶來什麼後果”呢？

我們很難逃出“習慣的周邊三公裡”。如果不經過主動思考判斷或故意去搜尋，會陷入知識獲取單一化，沒有社會統一認識中，嚴重者還會造成與社會和企業脫節。

一個現實的案例是：我看到很多離職3個月以上的人，與他們溝通就已經陷入自身的“信息繭房”，對跨崗一丁點技能還能理解，對跨公司業務就直接出現“黑匣子狀态”。

不可否認，我們正在經曆尼葛洛龐帝教授第三階段的預測；人們無法阻止數字化的變化，它就像無法對抗大自然一樣；但至少每個人可以了解它是如何形成的？如何一步一步吞噬着人們獨有的思考模式。

當然，這一切背後離不開人們常說的“算法”或者“個性化推薦”，但它并不是罪魁禍首；那它是什麼呢？給自身帶來哪些影響呢？

二、算法原理

從框架而言，推薦系統一般包含“召回”和“排序”兩方面。

不論是信息還是消費類電商平台，多半以此類型來訓練用戶，而算法又基于「内容」和「用戶行為」兩大類别展開。

我們知道普通人的思維方式分為兩種類型：

前者是把認識停留在對事物的抽象而非本質上，并以這樣的抽象為出發點，片面、直線的解釋某件事；後者是把認識停留在對事物的抽象層并以基石出發來看底層原理。

機器學習方式和人相似，也分為線性和多種思維（學習）模型，最主要區别是一方面偏向基礎原理，一方面偏向多元化加工；從專業角度出發市面一共有6種常用方式：

1. 過濾算法；
2. 矩陣算法；
3. 因子分解機；
4. 邏輯回歸；
5. 梯度提升決策樹；
6. 深度神經網絡過濾。

它們用在什麼位置呢？

要知道，人們看到的所有信息均展示在APP的首頁或分類上，在推薦系統中它們屬于最上層的展示層，算法屬于中間層，數據是最底層；而算法的主要功能就是排序和召回，上述的六種模型均服務它們兩者。

舉個例子：我們經常使用某款APP，它習慣性的抓取自己點擊的每個圖片或者下方的内容，然後以此用打标簽的方式歸類在後台中，該行為屬于排序，進一步說平台可以收集一個賬号的多個标簽排序。

可當自身許久沒有打開該APP時，機器就基于自身感興趣的内容，通過push，短信的方式召回我們。

大部分大平台（小紅書、抖音、快手）的推薦系統分人工幹預和自動推薦兩種，前者顧名思義人來操作，後者是給機器設定固定時間來循環使用。

自動推薦是什麼呢？

若進一步展開解釋，如抖音和頭條的監督學習算法Y=F(Xi ,Xu ,Xc)，這三個函數包含三個維度的變量分别為：

三者匹配起來是一個複雜的數學問題；市面常用模型有好幾種，字節系無非是把多模型混合使用，簡單來說就是：你是誰、你在哪裡、你愛看什麼？基于這些給你推薦什麼。

一般當推薦系統的自動化運作時，它就像山頭巡視的小兵，不斷從整個物品或者信息聚合中抽取當次需要查詢的候選集；根據各種不同維度，如物品、年齡、性别、愛好，場景等種類以及規模的大小對候選集進行推送。

此場景猶如流水線工作的「抽樣檢查」，也同樣用在大部分平台的召回手段上，具體策略是什麼樣呢？

• 其一：内容過濾（Content Filtering）；
• 其二：協同過濾（Collaborative Filtering）。

資訊類産品的内容審核是不可缺失一部分，主要目的是确保無低質庸俗，保持平台該有的調性；通常有“先發後審”和“先審後發”兩個原則。

場景較輕如網易雲，QQ音樂此類閱讀、聽歌類産品通常是前者；對社區論壇、偏觀點讨論、樹立權威通常是後者；因此内容抽檢或過濾的基礎也是查敏感關鍵詞、重複度、IP發布次數等權重指數。

協同過濾是基于已知部分用戶或部分物品的偏好或評分，預測缺失偏好或評分的一種方法。

從切入點上，則可分為基于“去鄰域”的方法（本地生活類平台使用居多）和隐語義模型（給每個分類中不同維度标簽的人進行推送），比較難理解對不對？

舉個例子：跟朋友聚餐會習慣性打開美食點評平台去搜索周邊餐廳，過程中我們能看到按照公裡排行的推薦、也有部分商家的競價廣告。

疑問的是，你會發現那些廣告的美食是自己日常愛吃的，并且區域也不是太遠，為什麼會這麼做？

因為可以基于“鄰域”做精準的推薦，以此滿足用戶多頻次的消費和深度洞察；如果把“鄰域”比作數學的“2”，它左手鍊接“1”，右手鍊接數字“3”。

去鄰域算法就是把“1”推薦給“3”，假設不做去中心化折中結果就是上述你看到場景，基于自己搜索習慣、愛好、距離做折中推薦。

對于人工幹預比較容易理解，基礎的說我基于某類标簽做手動推送，如：性别類型、興趣愛好、話題、KOL量級等。

高維一點會融會貫通幾項不同的數據綜合考量，好比針對女人中對護膚話題感興趣，客單價又在多少區間等。

這種方式常見在中小型（百萬級用戶量）以上的平台，主要特征表現在技術的基礎建設已經完成，屬于發展中期還完全不能依靠自動化解決。

一方面防止有巨大漏洞出現，造成損失。

另一方面也能運用人工的方式靈活多維度的基于用戶（商品）進行推送，比如基于點擊率作為推薦指标時，排序算法篩選後，我們會以預測結果為目标。

這些場景中就會用到因子分解，邏輯歸因，梯度提升決策樹，以及各種神經網絡算法，這一切也把它稱之為“混合模型”。

但不管怎麼樣始終都離不開那兩大原則“基于用戶行為”和“基于内容”；綜合上述，我們能得到什麼啟發呢？

企業招聘大量研發人員，利用理科的思維邏輯将人的行為特征變成“數據化”，由數據進行顆粒化，最終通過個性化的分析讓平台更了解每個人，也就有了那句感同身受的話“我都沒有平台了解我自己”。

但真的是這樣嗎？這種理解就狹隘了。

你以為平台很了解自己？其實我們不過是把愛好，需求形成的特征進行标簽化沉澱在平台上，這造成推薦的内容都在自身的“認知圈内”。

簡而言之，每個人在頭部資訊（購物）平台看到的展示頁均不同，他代表一個人的視野和愛好，這仿佛似一面鏡子瘋狂的為你展現熱愛的一面，它帶來的利弊也是極為可見。

三、孰是孰非

從優劣上有兩個方面：一是良好的認知能力，二是陷入回音室效應。

如果我們能夠正确認知到信息繭房如何由來的，或者算法如何基于自身的各種行為形成“虛拟人設”為你定做線上畫像；加上我們能夠辨别哪些信息是優質的，哪些是不能為我所用，那就不存在“繭房”。

這就給我們最大的啟示是，很多時候我們聽到的未必都是正确的，隻有深入并全面了解才會擺脫困境。

比如：很多人拼命的為擺脫算法的囚籠在平台看内容不點贊、不評論、不互動；這就能擺脫它嗎？并不能。

反而會為你推薦一大堆亂八七糟的内容讓自身眼花缭亂失去對關鍵信息的辨别的能力。

換句話說，“信息封閉環境”聽起來是壞事，這好像人們無法接受其他信息一樣，可實際上，這也是一種很常見的現象不是嗎？

在沒有互聯網時，世界上的信息同等無窮盡，新的信息也在産生舊的信息也從未消失，堆積依然很多；即便人用上一生的精力學習也是有限，真正有所造詣的人都是在冰山上抓住某個一角。

進一步而言，五花八門的信息看始終是看不完的，似乎看來人們不但沒有損失什麼，反而還讓人愈發的認為篩選、尋找自身熱愛、匹配自我不同階段是當下不可缺失的能力。

何況很多時候，各種娛樂類、偏社交短内容平台的push大概率是瑣碎事，真正重要的信息你一定會接收到。

假如我們不知道“信息繭房”的概念，在劣勢方面可能會形成持續受害而毫無覺察的狀态，這就容易陷入回音室效應中，它有四個關鍵因素：

在隔離角度你可以把它理解成在固有群體或“小圈子”内幾乎與外界不怎麼交流。

由于沒有外部或不同信息進來，内部觀點會重在重複傳播中不停的在人們心中鞏固，促使人們看到與内部觀點不同的觀點時盡可能否定，從而達到“極端共鳴”。

舉個例子：很多人熱愛進不同的付費社群來學習，圈子中往往會強調一種東西叫“價值認同”或“主題認同”，假設某個行為（主題）觸發大部人群友的愛好或行為底線，那你可能就會被移除群聊。

當所有人的觀點都趨同，那同樣的信息傳播，變着不同的人去表達意思也就發生多變可質量本身并未提高，對個人的成長也并沒有太大幫助。

這四個關鍵表現，很好的解釋了信息與受衆的思維關鍵；具體而言，回音室效應不但可以讓一個人思維禁锢，還極有可能直接廢掉理性思考能力。

根據調查很多受害者是兩種狀态，一是不乏高等教育的專家學者，二是分辨自控力不高的人。

前者學習幾十年光理論不實踐，很容易陷入封閉狀态中，這種原地踏步造成與現實社會脫節還沉浸在固有的圈子中“津津有味”，殊不知外界已經發生巨大的變化。

後者是那些經常以“這樣學習就是對”“哪個專家說”作為标榜或處事依據的人，他們不習慣以理性的事實為基礎，更容易陷入感性層。

正是陷入自己編織的信息繭房之中，才會不停閱讀内容高度重複卻幾乎毫無營養的資訊，這造成自己的認識很難提升到新的層級，不僅荒廢了自己還浪費掉整個人生。

種種行為在我看來，所謂的相對封閉環境，即可以是被動也可以成為主動。

被動是别人提供而主動在自己；如改變你獲取信息的渠道、屏蔽無效信息、把它們變成高質量這是一種選擇。

因此我們所避免的信息繭房可能是錯的，“擺脫”不是目的，如何有效的利用它為自身做增值才是最重要的；那如何做呢？有2個認知1個技巧是我在踐行的。

四、三個錦囊

掌握的概念越多加上日常靈活運用，才能夠減少過錯的概率。

有句話叫做“人無法賺到自身認知之外的錢”，相對的是“人無法碰到自身認知水平之外的問題”，那麼，現在碰到的問題就是自己現階段的一個上限，具體改變上你可以進行參考：

1. 微調認知基模

基模是人與生俱來的行為模式會随着成長而變化，它是一種知識分類體系，呈層次化結構，類似于樹狀圖；一般來說并不以某個具體事例為對象，而具有某種程度的一般化和抽象化的性質。

比如可以将方法論提煉成為規律，将規律用在不同領域，它們彼此間都是有關聯和結構，隻是我們從未發現；并不是淩亂互不相關的保留在記憶中。

1973年，美國學者羅伯特·阿克塞爾羅德在《認知與信息處理過程的基模理論》一文中，提出信息處理的過程模式的解釋：它認為“當我們接觸到一個新的事物或者信息時，我們頭腦中的相關基模就被激活，參與到信息處理的每個環節當中”。

進一步說：當信息的各項特征與我們認知基模相吻合時，人習慣用原有的解釋和态度對待它；當不吻合時，才會對新舊信息進行比較，補充新信息确保新解釋和态度。

如果你認識到就會發現，新信息處理結果對認知基模會産生兩種影響，其一對舊行為認知的強化，假如有矛盾即使修正形成新基模；其二新信息的處理，會讓自己做出分析，推理和判斷。

從發展來看，隻有不斷接觸新信息，認知基模才會發展出分支或做結構調整，這也符合神經心理學中“神經元集群（neural ensemble）的解釋”。

2. 改善偏食情況

很多人喜歡給自己貼标簽，當然他們都有一套邏輯自洽的理論，我不反對也不贊成；我原來也是現在基本不在乎，從我的角度出發往往給的心得是“年輕不要随意貼标簽”，為什麼呢？

标簽會植入到心智中，無形中滲透自身要往哪個圈子發展、學習什麼類型的内容等；這很容易造成“信息偏食”，它會局限的将自我定位。

有人說聚焦不好嗎？正确的聚焦在我看來先有中長期目标，如結合3年-5年規劃再看當下。

第一方面，人與标簽唯一不同在于前者是動态發展後者是靜态呈現；今年認為對的，明年可能就會失效。

标簽是手段，假設自身認為某個标簽在短時間能夠讓自己有個質的提高，或通過此力量能帶來外界優勢，反之是不錯的選擇。

第二方面，即使通過标簽或圈子滲透到某個領域中，自身也需要對領域的知識有全面的認知，不要盲目地跟随别人的意見和建議，這樣，受社交媒體下“群體性孤獨”的影響幾率會不斷減少。

那麼，對于多元化信息的獲取和構建“多元化”的圈子，都是擺脫信息繭房必要的手段，我近些年一直這樣才能橫跨不同的領域。

3. 多看多聽多動手

這句話的具體意思為“盡可能删掉自己曆史浏覽痕迹”，遇到喜歡的内容把它立馬記錄下來或轉存在收藏中；這可确保自己看到的内容不是經過刻意被推薦，而是相對随機的。

此方法好處是可以非常立竿見影的起效，壞處是你始終還很難完全避免掉“被種草”，那怎麼辦呢？

多動手去各種平台獲取信息，并非“多動手點贊”；這樣可以避免單個平台的誤導；就我個人而言，因為我有閱讀習慣，所以經常通過RSS（信息聚合）閱讀完當天所有新聞。

古人雲：兼聽則明，偏信則暗。當自身做到多渠道、全方位的獲取随機性的信息時，信息繭房就會失去存在的基礎，自然就會不攻自破。

總而言之，它仍然是可被破解和避免的，主要是積極主動行動起來，放棄固有習慣，這可能會讓自身逃離舒适區，變得不那麼愉快；我想，比起收益這點付出還算值得。

五、總結一下

最厲害的并不是所謂平台方“算力”或“數據”有多牛，而是人；不信你想想，平台的技術會磨滅我們看世界的好奇心嗎？

并不會，平台多元的分發口徑，沒有成為“繭”，反而織了一張“網”；而讓自身看到的信息能成為繭房，或許這件事隻有自己能辦到，不是嗎？

#專欄作家#

王智遠，公衆号：王智遠，暢銷書《複利思維》作者，人人都是産品經理專欄作家。互聯網學者，左手科技互聯網，右手個體認知成長。

本文原創發布于人人都是産品經理。未經許可，禁止轉載。

題圖來自 Unsplash，基于CC0協議。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部