个性化信息流杀死了探索,而我听之任之

个性化信息流杀死了探索,而我听之任之

作者:Dr. Ingrid Sørensen · 发布于 2026年11月3日 10:00
互联网社会文化
个性化信息流filter bubble推荐算法意外发现奖励预测误差单纯曝光效应自由形式广播

那家唱片店在地下室,要沿着三级磨旧的台阶走下去,门边的牛奶箱里装着二手 CD。我挑中其中一张,只因为封面够好看:一只奔跑中的灵缇,印刷略微错版。十五欧元,一张笔写的贴纸,一个裂开的盒子。

我记得回家的公交车很热,也记得那天晚上播放它时那种特别的兴奋——我确信自己赌了一把,而且赢了。那张 CD 我已经没有了。它在一次搬家中消失,而那些音乐,我多年一次也没有想起过。

那么,让我把这段记忆到底值多少说清楚。我无法核实它,而核实是我手里唯一的通货。那张专辑多半平平无奇;一次真正了不起的发现,留下的不会只是一个关于牛奶箱的故事。

我本想写的那个论点,比我的记忆体面得多:个性化信息流杀死了不期而遇的惊喜,唱片店和深夜电台带来的探索,已经被某种更窄、更整齐的东西取代。我打算写的就是那篇文章。结果我还是做了一贯会做的事,去找那个数字了。

我找到的是:怀旧有几分是真的,机制是真的,而人人引用的那个效应大小并不真实。还有,说来尴尬,我是自己研究里的一个被试,而且不是一个体面的被试。

算法很懂我

流行的说法是这样的:信息流按照你会与之互动的内容,来排列你看到的东西;互动随时间越收越窄,而发现就在循环里的某个地方死掉了。这个说法配得上一个出处,而出处确实存在——这已经比大多数抱怨能说的强了。

那个无聊的发现——而它正是我最喜欢的那类发现——是平台自己把它写了下来。Covington、Adams 和 Sargin 关于 YouTube 推荐的 RecSys 2016 论文,描述了一个预测期望观看时长的排序模型。

更妙的是,论文明确把候选生成放在探索/利用权衡之上。这个权衡在 Sutton 和 Barto 1998 年的教科书里有标准表述:利用眼下就有回报的选项,或者探索以后可能有回报的选项。

利用的回报在眼下。探索的回报在以后。而季度数字现在就要交。这里不需要反派;激励结构自会按自己的时间表干活。我承认,读到一份肯承认这一点的工程文档,让我觉得耳目一新。

说到这里,我必须对我自己的证据诚实。我的 Daily Mix 是真的好。它周复一周地找到我喜欢的唱片,到了周五,它比我更懂我这一周。我已经不再去查看还存在什么别的,因为查看是多余的。

问题就在这里,平铺直叙地说。推荐是准确的,我不该再假装不是。准确,每天送达,毫无摩擦——这就是探索悄然停止的方式;不是轰然一声,而是因为变得没有必要。

我失去的并不是选择

选择的数量朝着不利于我怀旧的方向走。我现在能够到的音乐,比那个牛奶箱装过的全部还多。选择成倍增长;消失的是摩擦。

所以我的论点必须挪个位置。我怀疑,我失去的不是可及性,而是成本。小心:这是关于一个人——我——的假说,而我没有对照条件,没有随机化,也没有办法把 2000 年代重跑一遍。

想想那张 CD 真正的花费。车费。步行。一张陌生专辑里的冷场段落,还有为了够到好东西不得不熬过去的凑数曲目。以及十五欧元,我可能彻底白花。

想想拐错进一条结果上面有家店的街。我不认识那条街;没有人推荐它;我只是迷路了,便宜地迷了二十分钟,在一座此后被改造到认不出来的城市里。

我的论点,附上应有的不确定性:成本就是机制。风险让回报变得要紧,努力让发现有了安身之处,而十五欧元可能被白白浪费——正是这份可能,才让把它们花在好东西上感觉像一回事。

拿掉成本,你就拿掉了让这次发现扎根的东西。一个让我免费试听任何东西的流媒体服务,并没有对这场赌博征税。它取消了这场赌博,还取消得客客气气,而我十年都没有察觉。

谨慎地谈谈大脑

我和任何一个怀疑者一样不喜欢流行神经科学,所以这一节自带引文,论点也尽量收小。

先说奖励预测误差:中脑的多巴胺神经元发出的信号,是预期奖励与实际所得之间的差距。这是 Schultz、Dayan 和 Montague,Science,1997 年,而这个论点关乎预期而非快感——这是更有趣的那个版本。

这个推论之于我的牛奶箱,幅度不大,却是真实的。一场回报未知的赌博,产生的预测误差比按下一首已知最爱要大。至于这是不是让那张灵缇 CD 在记忆里扎得更牢,我说不上来。一个被试,没有对照,加上二十年的反复讲述。

关于新奇:Duszkiewicz 和同事们在 2019 年的 Trends in Neurosciences 上综述了证据,认为新奇会触发海马体的多巴胺释放,并改善记忆能持续多久。持续。这就是论点的全部。它关乎记忆的持续性,而不是一般认知灵活性的训练,我请求没有人把它抻长成后者。

然后是 Hebb。The Organization of Behavior,1949 年:一起放电的神经元会强化彼此的连接。人人归给 Hebb 的那句口号——一起放电的细胞连在一起——通常记在 Carla Shatz 名下,1992 年。我查证过,因为我喜欢查证,也因为张冠李戴是一种没有追诉时效的小罪。

现在说第一个诚实的更正,而它不利于我的怀旧。幸存者偏差:1990 年代的档案留下的是幸存下来的古怪唱片。无聊的那些被扔进垃圾箱、被回收、被丢在雨里。过去更古怪,这在一定程度上是"什么被留下来"的产物。

第二个更正更糟,而且我觉得它实在惹人烦,就像人们觉得野餐上的黄蜂惹人烦一样。单纯曝光:Zajonc 在 1968 年证明,单是熟悉就能滋生好感。与一个刺激反复接触,就能改善对它的态度,不需要任何奖励。

推论是:一个狭窄的信息流,多半没有让我喜欢上更少的东西。它可能在让我更喜欢它那窄窄的一条,而我浑然不觉。我甚至不能拿自己的享受当作证据,证明我的信息食谱是多样的。烦人。

我的信息流并不完全是一面镜子

Eli Pariser 在他 2011 年的书里提出了 filter bubble 一词,该书由 Penguin Press 于当年 5 月 12 日出版。这个词流传甚广,早于任何人去测量它所描述的东西。

而测量到来时,不如这个词戏剧化,却更有用。

Guess 和同事,Science,2023 年。2020 年美国大选期间,他们把知情同意的用户从算法信息流换到逆时间序信息流。这些用户看到的东西发生了可观的变化。

三个月里没有显著变动的:议题极化、情感极化、政治知识。人们看到了一个可测量地不同的世界,而就仪器所能判断的,大体还是原来那些人。

Boxell、Gentzkow 和 Shapiro 添上了反转,PNAS,2017 年:美国的政治极化,在最不可能使用互联网的人群中增长最快。

让我准确标出这证明了什么、没有证明什么。它没有为排序函数开脱;那个信息流实验测量的是一个平台、一个国家、一个选举周期里的一次替换。三个月不是十年,凭这份证据我不会替平台辩护。

但它确实缩小了反派。信息流不是整台机器,而我逐渐认为这是更坏的消息,而非更好的,因为这意味着机器的其余部分是我们自己。

我改变了什么,以及进行得有多糟

我做了一些改变,小而具体,而我将用我要求文献做到的同样诚实来报告结果。

第一,没有排序函数的广播。Jersey City 的 WFMU:听众支持、非商业、自由形式,1958 年开播至今,美国最长寿的自由形式电台,靠听众捐款而非企业赞助运营。

第二,London 的 NTS:独立电台,2011 年创立,全天候播出。总有人在挑下一首放什么,而那个人不是在优化我的期望观看时长。

第三,一条书店规则:我要从我本不是为此走进来的那一区带走一本书。第四,我关注三个品味与我相左的人。每一条都是我自己刻意强加的小摩擦,结果发现它比听上去难。

结果很糟。在其中一项实验里,我撑了十一天,那个熟悉的应用就又在我手里打开了;我不打算假装不是这样,也不打算把这次失败埋进一段关于广播的美好段落里。

广播很美好,我会留着它。而那十一天才是发现,我也会留着它们。

我本想写那篇人人都在写的文章,写机器压平了我们的品味、偷走了我们的漫游。我去找那个压平了我品味的算法。我把橡胶面具一把扯下,面具下面,是我。

你必须支付 $0.69/小时 并承诺订阅 24 个月才能查看下一段内容,或者你需要不断点击次要按钮。

* 它可能不那么安全和合法,但这没关系,因为你实际上无法在这个网站上支付。
评论
所有评论仅出于娱乐目的生成,并非真实评论。你无法真正发布任何评论。
熊二熊二

太惊艳了。🌟

迈克迈克干爹

请寻求专业帮助。你对发布这些垃圾的痴迷显然是不健康的。

韦小韦小宝

别再尝试让你的“潮流”流行起来了。它不会发生的,就像你的职业生涯一样。

添加评论