1. 首頁 > 生活百科 > >

信息繭房經典案例 信息繭房( 二 )

生活百科


非常厲害吧，為此當時他認為觸屏技術、眼球追蹤、語言識別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 。

信息繭房經典案例 信息繭房

文章插圖
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將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；在后信息時代里，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，大眾媒體把一模一樣的信息通過廣播或電視無差別的推薦給每個人；而未來APP會主動對信息進行篩選，并通過界面為使用者 *** 獨一無二的“個人摘要” 。
【信息繭房經典案例信息繭房】那么，如果按照此指導手冊發展，這意味著什么呢？
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，以后豈不是更方便么？
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，導致更多互聯網創業者借助線上平臺創造更多知識來與企業協同 。
背后意味著復雜的工作交給機器解決，人類創作性工作將很難一步登上山頂，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” 。
那么，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；更加嚴重的是隨著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：你習慣看歷史知識，平臺圍繞歷史中心化展開；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“學習內容”的人，試想下種種場景“會帶來什么后果”呢？
我們很難逃出“習慣的周邊三公里” 。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“黑匣子狀態” 。
不可否認，我們正在經歷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？如何一步一步吞噬著人們獨有的思考模式 。
當然，這一切背后離不開人們常說的“算法”或者“個性化推薦”，但它并不是罪魁禍首；那它是什么呢？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臺，多半以此類型來訓練用戶，而算法又基于「內容」和「用戶行為」兩大類別展開 。
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；后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，最主要區別是一方面偏向基礎原理，一方面偏向多元化加工；從***角度出發市面一共有6種常用方式：
過濾算法；矩陣算法；因子分解機；邏輯回歸；梯度提升決策樹；深度神經 *** 過濾 。它們用在什么位置呢？
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，數據是更底層；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內容，然后以此用打標簽的方式歸類在后臺中，該行為屬于排序，進一步說平臺可以收集一個賬號的多個標簽排序 。
可當自身許久沒有打開該APP時，機器就基于自身感興趣的內容，通過push，短信的方式召回我們 。
大部分大平臺（小紅書、抖音、快手）的推薦系統分人工干預和自動推薦兩種，前者顧名思義人來操作，后者是給機器設定固定時間來循環使用 。
自動推薦是什么呢？
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別為：
三者匹配起來是一個復雜的數學問題；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、你在哪里、你愛看什么？基于這些給你推薦什么 。

推薦閱讀