只有两个行业，会把他们的客户叫做“使用者”，就是毒品行业和互联网公司。

这就是耶鲁大学教授，爱德华·塔夫特，对互联网公司真诚的评价。

我国28.5小时的周人均上网时长，相当于每周要在手机里来一次通宵加班。

但是哪怕这样，我们也只在世界上，排17位。

显然外国人在刷手机这件事上，要比我们更卷。

既然这么多人沉迷网络，想必也会有很多人把责任归咎于推荐算法。

但事情只有这么简单吗？推荐算法又真的能控制我们吗？而且，明明是白嫖视频，互联网公司又是怎么赚钱的呢？

01

算法如何“控制”我们？

把时间拨回90年代，那时候的网络就像青涩的校园，非常单纯。门户网站方兴未艾，丰富了人们的信息获取渠道，这就是在2004年左右开始出现的web1.0和web2.0。

社交媒体和博客兴起，互联网变得更加多元，信息的上传和下载也成了家常便饭。

至于web3.0，则是去中心化的互联网模式。不过，现在还没有实现，更多的是停留在概念上。但可以肯定的是，未来的互联网生活，将有巨大想象空间。

所以不难发现，从web1.0到web3.0，变化最大的就是信息量，变得越来越多。

信息量变多虽然是好事，可一旦过多，信息过载（Information Overload）的问题也会随之出现。

用户被信息海洋吞没，想找到有用的信息真就成了大海捞针。为了解决这一问题，推荐算法应运而生。

不过，回望整个过程，把推荐算法推向高潮的，还要属网飞在2006举办的算法比赛。

网飞当时，拿出了一百万美元奖金，来奖励第一个能够将影片的推荐效果提升10%的团队。

重赏之下必有勇夫，历经三年，一百八十多个团队的较量，最终一支由各路专家组成的七人团队获得大奖。而这一事件，也让推荐算法，开启了新的篇章。

时至今日，推荐算法的核心技术基本分为3类。

简单来讲，基于协同过滤的推荐方法，就是利用“人以群分，物以类聚”的原理，把相似用户的喜好，也推荐给你。

而基于内容的推荐方法：则是以用户自身特点为主要依据进行的推荐。这种方法，就需要采集大量信息（职业、年龄、性别、偏好、地域、收入 、 评论、收藏、 点赞、观看、浏览、点击、加购物车、购买等 ），才能构建专属的推荐算法模型。

至于混合推荐方法：则是权衡各推荐方法的利弊，通过一系列复杂操作（加权、切换、混杂、特征组合）扬长避短，进而提升整体推荐性能。

推荐算法确实一定程度上提高了市场效率，用户和企业都应该很高兴。

在2021年，tiktok的推荐算法还被《麻省理工科技评论》，评为“全球十大突破性技术”。

其母公司，字节跳动，更是在去年做到了年营收580亿美元，3700亿人民币。

每天挣10个亿，真是种奇妙的体验。

既然前有大厂带头，后面就会有小弟跟着吃肉，目前我国算法相关的公司大约有76000多个。这其中，有一半都是2021年至今成立的，都是看准了这块蛋糕。

算法这个赛道，可以说是越来越热，可作为用户，却好像并没有变得更开心，因为互联网的体验感正在以肉眼可见的速度下降，算法带了更多更的问题。

02

算法带来的负面影响

1、注意力经济

要搞清楚为什么，就不得不提注意力经济——一个信息时代孕育出来的畸形产物。

它是1997年，由美国科学家迈克尔·戈德海伯（Michael H．Goldhaber）正式提出的。

在经济学里，稀缺的资源才会更有价值，而在信息过剩乃至泛滥的今天，信息早已不再是稀缺资源，反而正在获取信息的人，成了稀缺资源，我们的注意力，就成了信息时代最值钱的东西。

所以在这样的市场作用下，除了自媒体博主们为博眼球开始逐渐离谱。互联网企业则为了让我们更沉迷手机，逐渐疯狂。

为了赚钱，脸书在违规的巅峰时期，平均12天就能爆出一个丑闻，看起来非常可“刑”。

2、人脑本身的问题

但哪怕是这样的公司，却依然身体倍棒，拼命数钱。其实也并不是因为他们有多厉害，而是我们有着先天的弱点。

人类经过200万年演化，大脑的体积足足增加了三倍。

但再看看计算机，从19世纪60年代至今，处理能力，可是增长了几万亿倍。

现在的互联网公司手握强大算法，对付人脑这套古董硬件，简直不要太轻松。

我们所有的弱点，都被屏幕另一头研究人员扒地一清二楚。所以对付我们，互联网公司就用上了最简单也最无赖的打法——“上瘾”。

相信很多人都听过一个叫做“脑刺激奖励”的实验。

给小白鼠脑内植入电极，通过操作按钮的方式，刺激大脑调节多巴胺分泌，就能够让小鼠变得更快乐，当小鼠自己拥有控制权后，它在12小时内疯狂按压了7500多次，平均每分钟12次，最后忙的饭都不干了。

后来，还把实验用在了人类身上，得到的结论也基本相同，互联网公司为了让我们成功上瘾，用了大量精力对用户进行AB测试。

A/B测试是为Web或App界面或流程制作两个（A/B）或多个（A/B/n）版本，在同一时间维度，分别让组成成分相同（相似）的访客群组（目标人群）随机的访问这些版本，收集各群组的用户体验数据和业务数据，最后分析、评估出最好版本，正式采用。

简单说就是通过控制变量来测试某个单独的变化，对目标效果的影响，而推荐算法，就是通过不断地测试，输出你喜欢的内容，让多巴胺分泌更多。

类似的成瘾性设计还有很多，比如利用我们的好奇心，把视频呈现形式设计成没有底线的瀑布流。把屏幕底层的图片设计成一半，让你一直好奇接下来的内容。还有利用了人们需要社会认同的生存本能，设计的点赞和评论。

仔细看不难发现，现在很多关于内容消费的app，都是无数个成瘾要素的最优合集，所以作为普通用户，想要不被软件吸引，变得越来越难。

3、广告逻辑

得到了我们的注意力，下一步就是拿它们赚钱。

你以为你只要坚持原则，一直白嫖，就不会有任何人能掏走你兜里的钱。

但你不知道的是，心理学家对广告都有一个明确的观点，就是只要让用户接触到广告，就足以使消费者对品牌产生积极的态度。

何况通过算法推荐的广告都是你感兴趣的产品，即使你是铁板一块，面对数量级庞大的同类人群标签，也总会有人下单付费，这跟电信诈骗的逻辑是一样的。所以，没有产品是不好卖的，如果有，那只能说明广告推得还不够。

各个平台顶风作案收集我们的数据和标签，其目的也正在于此。

字节的广告营收占总收入75%以上，仅阿里一家公司，就豪气的投了180亿广告费。

而在国际市场上，谷歌2021年第四季度广告收入612亿美元，facebook也有326亿进账，一个季度就顶上字节一年。

算法加广告的组合，成了互联网公司的印钞机，整个流程中，平台赚了，商家也赚了，亏钱的只有我们用户，总要买一些原本并不需要的产品。

你以为自己每次都能全身而退，殊不知，就连你不爱花钱的行为，都可以被变成了标签。没准理财产品，就是你的归宿。

所以在这样的商业模式推动下，算法引发的问题，也正在往荒诞的方向发展，就比如nba球星欧文、欧神仙，曾公开宣称地球是平的；反口罩的人说口罩里有天线，还有像披萨门之类的搞笑组织。

因为他想看什么，就越会看到什么，然后越信越刷，越刷越信，最终变成了离谱观点的坚决拥护者。

随着这种极端信息的累积，还有可能催生出更严重的后果。

2017年，因为放任种族仇恨的言论在网上疯传，间接导致了缅甸七十万罗兴亚族穆斯林人遭到迫害，死伤过万。脸书遭到难民集体诉讼要求赔偿1500亿英镑。就连川建国同志上台，据说也有脸书的功劳。

时至今日，算法能做到的事，正在逐渐超乎想象，所以算法和人类究竟谁才是主角呢？

目前来看，这个问题虽然没有准确答案，但可以确信的是，当我们产生疑问的时候，算法就已经悄无声息成为主角了。

就像黑客帝国里的矩阵，当我们有一天都分不清自己身处的世界，是真还是是假的时候，我们又怎么可能醒来呢？

未来当无人驾驶、人工智能这些强算法催生的行业兴起之时，算法当家做主也将变得合理。

但最嘲讽的莫过于，连估算我们人类被取代的时间，都是计算机算出来的，想想这些，还真的有些无奈。

03

改变和技术的相处方式

1、辩证看待资本

所以以算法为代表的科技发展，对我们来说究竟意味着什么呢？

一味的指责资本贪得无厌，我们的生活好像也并不能变得更好，其实无论是科技的创新，还是算法的演变，从本质上来说，都是为了满足人类需求而诞生的产物。

资本在这其中，顶多算是推波助澜，虽然有的时候，也会拿起科技这个趁手的镰刀来割韭菜，但也是因为资本的介入，才能集中金钱办大事，要不然科技的发展，也做不到今天这么迅猛。

2、法规

好在目前对于算法滥用的问题，正逐渐成为国际社会共同关注的焦点。

欧盟在18年就推出了《通用数据保护条例》，确定了居民对信息的知情权和处置权。

美国也下了大功夫，比如2020年生效的《加州消费者隐私法案》。

这些条款都对互联网企业的违规行为设置了巨额的罚款标准，违规一次可能比吃老坛酸菜牛肉面还难受，我国在这个领域干的也不错，甚至还小优。

从17年开始，陆续出台了3部法规，奠定了网络安全的基石。

今年3月，更是把矛头直指算法，提出了相当明确的管理规定。

效果怎么样先不谈，反正，当人们再看手机app的时候，已经可以找到推荐算法的开关和自己的标签。

算法这个大怪兽，好像也正在褪去可怕的外表。

3、跟科技共存

当科技发展到今天，技术本身其实并没有错，不过是越来越迎合我们的人性。

在未来，科技发展将会越来越快，周围的诱惑也将越来越多，如果我们依然把自己当成小白鼠，只是被动等待这种低级的快乐，我们的大脑也将会越来越懒惰，失去主动学习和深度思考的能力。

到了那时候，再想走出技术编织的蛛网，将变得更加困难。

所以，读完这篇文章之后，不如就试着放下手机，开始主动阅读这些书，锻炼一下懒惰的大脑，你获得的思考和收获绝对会更多。

注：文/氪星研究所，文章来源：36氪，本文为作者独立观点，不代表亿邦动力立场。

关键词： 免费的才是最贵的 揭开算法背后的商业秘密