如何摆脱信息茧房？
早上好王先生：您的体温是38.3摄氏度，体温不正常建议去医院检查；昨天晚上您睡6个小时35分钟，当中醒来3次；其中深度睡眠时间2个小时30分钟，最近注意各项指标.......
上述声音来自我家智能管控系统和手环的反馈，好像把我生活安排的明明白白，又窃喜又忧愁，为什么？
窃喜的是我可以随时知道身体数据，及时调整状态；忧愁的是“我对智能系统的依赖慢慢丧某些大脑能力”，事情只是如此简单吗？不是的。
如果我告诉你，除书和电影外，我们的职业和人生选择都被塞进可被预知的黑匣子中，你会相信吗？也许多数人都这句话有些茫然，不妨来具体下：
不仅是青年，现在的老人和孩子在闲暇时都喜欢抱着手机刷个不停，形容难听点是“像中毒了一样”。
大量的信息流平台正在通过算法偏好来迎合我们，向自身投喂相似的内容，它会造成什么呢？
一方面会让自身固定在某个信息圈子中难以逃出，它持续强化你对某些问题的看法，最后形成价值观。
另一方面信息堆积越多，注意力就难以集中在那些复杂的问题上，造成判断力下降，怎么办？
除此外，身边的一切智能设备仿佛也都在尝试主动为你“提供服务”，这不是坏事；但有一些会让我们在不知觉中陷入信息茧房，不妨重新认识下它。
信息茧房
我们先来看看它的由来。
2001年美国学者凯斯·桑斯坦（Cass R. Sunstein）在《信息乌托邦——众人如何生产知识》中提出此概念，并针对内容做出分析和讨论，具体指：
人们的信息领域会习惯地被自身的兴趣所引导，从而将生活桎梏于像蚕丝般一样的「茧房」中的现象。
这个词汇的源头可以追溯到一本新闻传播专业考研必读的书籍，美国计算机科学家、麻省理工学院教授，尼葛洛庞帝的《数字化生存》，它为什么这么厉害呢？
要知道，20世纪90年代中后期，中国开始兴起互联网创业大潮，年轻的互联网创业者们纷纷有感机遇来临，但对能否把握住这份机遇却心存忐忑，它的出现犹如“盲人指路”。
令人惊讶的是：25年后的今天再打开书中多半描述已经成为现实，主要围绕三个阶段的预言：1）从原子到比特，2）代理人界面，3）后信息时代
第一阶段：
我想，上过初中三年级的人应该都熟悉，在化学中原子是变化中最小的微粒；如果你不懂没关系，可以用文科的方式理解：
世界万物都是由原子构成，原子组合后构成分子，分子就像瓦砖，堆成各种物质。
它也是人类最经典且使用最广泛的基础假设，用来精准的解释物理学中的力学，热力学、光学、量子学等多方面的问题，甚至还能解释自然科学中的生物学等等。
而尼葛洛庞帝看来，上世纪90年代，大多数信息都是以「原子」的形式呈现，例如：录像带、杂志、报纸、和书籍，长期以来大家对此也习以为常。
但随着计算机技术的发展，即时的电子数据传输就会成为主流的传播方式，我们进而进入比特（binary digit，简称BIT）组成的世界。
原因在于信息是最小单位，它没有重量能以光速方式快速传播，并且无成本拷贝并不会被区域所隔。
这种新的方式能帮助信息摆脱时空的限制，成为全球共享资源，为各个领域的发展带来便利，同时也能促进互联网和计算机的普及。
第二阶段：
在上世纪90年代美国计算机学界还是程序设计语言、操作系统和网络协议天下时，尼葛洛庞帝召集一帮各领域专家创立家「媒体实验室」的机构，聚焦研究人机互动。
当时人们把计算机研究重点主要放在“人如何使用它”并没有关注“如何和计算机更好相处”。
而基于此问题，他又提出新的概念为“计算机设计需要人性化界面、此界面应该是使用人代理模式”，什么意思呢？
电脑界面必须像你的管家助手那样能够认识你，了解你的爱好、品位、倾向与需求；甚至还要知晓你的社交朋友圈、理解你的表达语言和肢体动作。
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。
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制作独一无二的“个人摘要”。
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？
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：
1）线性思维，2）非线性思维
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；从专业角度出发市面一共有6种常用方式：
1）过滤算法，2）矩阵算法；3）因子分解机，4）逻辑回归；5）梯度提升决策树，6）深度神经网络过滤
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，数据是最底层；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：1）内容，2）用户特征，3）环境特征
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。
一般当推荐系统的自动化运作时，它就像山头巡视的小兵，不断从整个物品或者信息聚合中抽取当次需要查询的候选集；根据各种不同维度，如物品、年龄、性别、爱好，场景等种类以及规模的大小对候选集进行推送。
此场景犹如流水线工作的「抽样检查」，也同样用在大部分平台的召回手段上，具体策略是什么样呢？
其一：内容过滤（Content Filtering）
其二：协同过滤（Collaborative Filtering）
资讯类产品的内容审核是不可缺失一部分，主要目的是确保无低质庸俗，保持平台该有的调性；通常有“先发后审”和“先审后发”两个原则。
场景较轻如网易云，QQ音乐此类阅读、听歌类产品通常是前者；对社区论坛、偏观点讨论、树立权威通常是后者；因此内容抽检或过滤的基础也是查敏感关键词、重复度、IP发布次数等权重指数。
协同过滤是基于已知部分用户或部分物品的偏好或评分，预测缺失偏好或评分的一种方法。
从切入点上，则可分为基于“去邻域”的方法（本地生活类平台使用居多）和隐语义模型（给每个分类中不同维度标签的人进行推送），比较难理解对不对？
举个例子：
跟朋友聚餐会习惯性打开美食点评平台去搜索周边餐厅，过程中我们能看到按照公里排行的推荐、也有部分商家的竞价广告。
疑问的是，你会发现那些广告的美食是自己日常爱吃的，并且区域也不是太远，为什么会这么做？
因为可以基于“邻域”做精准的推荐，以此满足用户多频次的消费和深度洞察；如果把“邻域”比作数学的“2”，它左手链接“1”，右手链接数字“3”。
去邻域算法就是把“1”推荐给“3”，假设不做去中心化折中结果就是上述你看到场景，基于自己搜索习惯、爱好、距离做折中推荐。
对于人工干预比较容易理解，基础的说我基于某类标签做手动推送，如：性别类型、兴趣爱好、话题、KOL量级等。
高维一点会融会贯通几项不同的数据综合考量，好比针对女人中对护肤话题感兴趣，客单价又在多少区间等。
这种方式常见在中小型（百万级用户量）以上的平台，主要特征表现在技术的基础建设已经完成，属于发展中期还完全不能依靠自动化解决。
一方面防止有巨大漏洞出现，造成损失。
另一方面也能运用人工的方式灵活多维度的基于用户（商品）进行推送，比如基于点击率作为推荐指标时，排序算法筛选后，我们会以预测结果为目标。
这些场景中就会用到因子分解，逻辑归因，梯度提升决策树，以及各种神经网络算法，这一切也把它称之为“混合模型”。
但不管怎么样始终都离不开那两大原则“基于用户行为”和“基于内容”；综合上述，我们能得到什么启发呢？
企业招聘大量研发人员，利用理科的思维逻辑将人的行为特征变成“数据化”，由数据进行颗粒化，最终通过个性化的分析让平台更了解每个人，也就有了那句感同身受的话“我都没有平台了解我自己”。
但真的是这样吗？这种理解就狭隘了。
你以为平台很了解自己？其实我们不过是把爱好，需求形成的特征进行标签化沉淀在平台上，这造成推荐的内容都在自身的“认知圈内”。
简而言之，每个人在头部资讯（购物）平台看到的展示页均不同，他代表一个人的视野和爱好，这仿佛似一面镜子疯狂的为你展现热爱的一面，它带来的利弊也是极为可见。
孰是孰非
从优劣上有两个方面：
一是良好的认知能力，二是陷入回音室效应。
如果我们能够正确认知到信息茧房如何由来的，或者算法如何基于自身的各种行为形成“虚拟人设”为你定做线上画像；加上我们能够辨别哪些信息是优质的，哪些是不能为我所用，那就不存在“茧房”。
这就给我们最大的启示是，很多时候我们听到的未必都是正确的，只有深入并全面了解才会摆脱困境。
比如：很多人拼命的为摆脱算法的囚笼在平台看内容不点赞、不评论、不互动；这就能摆脱它吗？并不能。
反而会为你推荐一大堆乱八七糟的内容让自身眼花缭乱失去对关键信息的辨别的能力。
换句话说，“信息封闭环境”听起来是坏事，这好像人们无法接受其他信息一样，可实际上，这也是一种很常见的现象不是吗？
在没有互联网时，世界上的信息同等无穷尽，新的信息也在产生旧的信息也从未消失，堆积依然很多；即便人用上一生的精力学习也是有限，真正有所造诣的人都是在冰山上抓住某个一角。
进一步而言，五花八门的信息看始终是看不完的，似乎看来人们不但没有损失什么，反而还让人愈发的认为筛选、寻找自身热爱、匹配自我不同阶段是当下不可缺失的能力。
何况很多时候，各种娱乐类、偏社交短内容平台的push大概率是琐碎事，真正重要的信息你一定会接收到。
假如我们不知道“信息茧房”的概念，在劣势方面可能会形成持续受害而毫无觉察的状态，这就容易陷入回音室效应中，它有四个关键因素：
1）隔离，2）观点极致化
3）观点同质化，4）同样信息重复传播
在隔离角度你可以把它理解成在固有群体或“小圈子”内几乎与外界不怎么交流。
由于没有外部或不同信息进来，内部观点会重在重复传播中不停的在人们心中巩固，促使人们看到与内部观点不同的观点时尽可能否定，从而达到“极端共鸣”。
举个例子：
很多人热爱进不同的付费社群来学习，圈子中往往会强调一种东西叫“价值认同”或“主题认同”，假设某个行为（主题）触发大部人群友的爱好或行为底线，那你可能就会被移除群聊。
当所有人的观点都趋同，那同样的信息传播，变着不同的人去表达意思也就发生多变可质量本身并未提高，对个人的成长也并没有太大帮助。
这四个关键表现，很好的解释了信息与受众的思维关键；具体而言，回音室效应不但可以让一个人思维禁锢，还极有可能直接废掉理性思考能力。
根据调查很多受害者是两种状态，一是不乏高等教育的专家学者，二是分辨自控力不高的人。
前者学习几十年光理论不实践，很容易陷入封闭状态中，这种原地踏步造成与现实社会脱节还沉浸在固有的圈子中“津津有味”，殊不知外界已经发生巨大的变化。
后者是那些经常以“这样学习就是对”“哪个专家说”作为标榜或处事依据的人，他们不习惯以理性的事实为基础，更容易陷入感性层。
正是陷入自己编织的信息茧房之中，才会不停阅读内容高度重复却几乎毫无营养的资讯，这造成自己的认识很难提升到新的层级，不仅荒废了自己还浪费掉整个人生。
种种行为在我看来，所谓的相对封闭环境，即可以是被动也可以成为主动。
被动是别人提供而主动在自己；如改变你获取信息的渠道、屏蔽无效信息、把它们变成高质量这是一种选择。
因此我们所避免的信息茧房可能是错的，“摆脱”不是目的，如何有效的利用它为自身做增值才是最重要的；那如何做呢？有2个认知1个技巧是我在践行的。
三个锦囊
掌握的概念越多加上日常灵活运用，才能够减少过错的概率。
有句话叫做“人无法赚到自身认知之外的钱”，相对的是“人无法碰到自身认知水平之外的问题”，那么，现在碰到的问题就是自己现阶段的一个上限，具体改变上你可以进行参考：
1）微调认知基模
基模是人与生俱来的行为模式会随着成长而变化，它是一种知识分类体系，呈层次化结构，类似于树状图；一般来说并不以某个具体事例为对象，而具有某种程度的一般化和抽象化的性质。
比如可以将方法论提炼成为规律，将规律用在不同领域，它们彼此间都是有关联和结构，只是我们从未发现；并不是凌乱互不相关的保留在记忆中。
1973年，美国学者罗伯特·阿克塞尔罗德在《认知与信息处理过程的基模理论》一文中，提出信息处理的过程模式的解释：
它认为“当我们接触到一个新的事物或者信息时，我们头脑中的相关基模就被激活，参与到信息处理的每个环节当中”。
进一步说：当信息的各项特征与我们认知基模相吻合时，人习惯用原有的解释和态度对待它；当不吻合时，才会对新旧信息进行比较，补充新信息确保新解释和态度。
如果你认识到就会发现，新信息处理结果对认知基模会产生两种影响，其一对旧行为认知的强化，假如有矛盾即使修正形成新基模；其二新信息的处理，会让自己做出分析，推理和判断。
从发展来看，只有不断接触新信息，认知基模才会发展出分支或做结构调整，这也符合神经心理学中“神经元集群（neural ensemble）的解释”。
2）改善偏食情况
很多人喜欢给自己贴标签，当然他们都有一套逻辑自洽的理论，我不反对也不赞成；我原来也是现在基本不在乎，从我的角度出发往往给的心得是“年轻不要随意贴标签”，为什么呢？
标签会植入到心智中，无形中渗透自身要往哪个圈子发展、学习什么类型的内容等；这很容易造成“信息偏食”，它会局限的将自我定位。
有人说聚焦不好吗？正确的聚焦在我看来先有中长期目标，如结合3年-5年规划再看当下。
第一方面，人与标签唯一不同在于前者是动态发展后者是静态呈现；今年认为对的，明年可能就会失效。
标签是手段，假设自身认为某个标签在短时间能够让自己有个质的提高，或通过此力量能带来外界优势，反之是不错的选择。
第二方面，即使通过标签或圈子渗透到某个领域中，自身也需要对领域的知识有全面的认知，不要盲目地跟随别人的意见和建议，这样，受社交媒体下“群体性孤独”的影响几率会不断减少。
那么，对于多元化信息的获取和构建“多元化”的圈子，都是摆脱信息茧房必要的手段，我近些年一直这样才能横跨不同的领域。
3）多看多听多动手
这句话的具体意思为“尽可能删掉自己历史浏览痕迹”，遇到喜欢的内容把它立马记录下来或转存在收藏中；这可确保自己看到的内容不是经过刻意被推荐，而是相对随机的。
此方法好处是可以非常立竿见影的起效，坏处是你始终还很难完全避免掉“被种草”，那怎么办呢？
多动手去各种平台获取信息，并非“多动手点赞”；这样可以避免单个平台的误导；就我个人而言，因为我有阅读习惯，所以经常通过RSS（信息聚合）阅读完当天所有新闻。
古人云：兼听则明，偏信则暗。当自身做到多渠道、全方位的获取随机性的信息时，信息茧房就会失去存在的基础，自然就会不攻自破。
总而言之，它仍然是可被破解和避免的，主要是积极主动行动起来，放弃固有习惯，这可能会让自身逃离舒适区，变得不那么愉快；我想，比起收益这点付出还算值得。
总结一下：
最厉害的并不是所谓平台方“算力”或“数据”有多牛，而是人；不信你想想，平台的技术会磨灭我们看世界的好奇心吗？
并不会，平台多元的分发口径，没有成为“茧”，反而织了一张“网”；而让自身看到的信息能成为茧房，或许这件事只有自己能办到，不是吗？
本文来自微信公众号“王智远”（ID:Z201440），作者：王智远，36氪经授权发布。
相关推荐
突破成长困境，你首先要做的可能是摆脱“信息茧房”
我们真的生活在“信息茧房”中吗？
关于“信息茧房”，误解、真相和破解
“信息茧房”这种概念，可能在误导你对技术的认知
喻国明：算法是信息茧房的缔造者，还是打破者？
算法导致“茧房”“回音室”？学术研究说NO
抖音的算法，是如何把你束缚在信息茧房里的？
在爸爸的抖音里，我看不到一个跳舞的小姐姐
年轻人开始“反算法”
极端实验：推荐算法如何探寻我们的兴趣边界？
网址: 如何摆脱信息茧房？ http://m.xishuta.com/newsview55820.html
