這個時代，如何與“演算法”共存？

發現沒有,一個現代人的生活,已經離不開演算法了。

回想一下,那些日常生活中你無比熟悉的場景,比如:

打開京東選購服裝家電、通過抖音瀏覽熱門視頻、點擊美團解決一頓午餐、翻閱小紅書尋找旅遊攻略、刷幾集《紙牌屋》度過週末時光……

這些所有動作的背後,其實你都在和一個對象打交道——演算法。

演算法,早已無處不在。

應運而生的演算法

你知道,中國一年會産生多少資訊數據嗎?在2023年,每天的平均數量是:

90000000000 GB

足足900億個G,每一天!加起來,全年資訊數據總量高達32.85澤字節(ZB),相當於1000多萬個中國國家圖書館的數字資源總量。

這一年,全國生産了影片792部,出版各類報紙258億份,各類期刊18億冊,圖書119億冊(張)……

光是你可以瀏覽的微信公眾號文章,一年就新增了4.48億篇。

任何一個人,站在這樣海量的數據面前,都會感到自己的渺小和無所適從。演算法,正是在資訊大爆炸的背景下,應運而生。

演算法如何悄悄改變世界?先來看一個故事。

2015年,電商巨頭亞馬遜開了一家實體書店,短短一年半就實現了盈虧平衡,讓很多傳統書店大吃一驚。

它是怎麼做到的呢?

這家書店最有特色的設計,就是“圖書推薦”:根據讀者評分、預售情況、銷量排行、書評網站推薦等,選出有可能受到喜愛的圖書上架。

它還設置了這樣幾排書架,叫做“如果你喜歡……”

——如果你喜歡左邊的這本書,它會根據多年積累的大數據,推薦右邊的幾本書給你。

很多讀者,都因為這樣的推薦而找到了自己感興趣的好書。

這一幕,是不是很熟悉?

事實上,今天不管你打開任何一個電子購書網站,都會看到類似的推薦方式,它們背後共同的運作機制就是——演算法。

在這裡,演算法最重要的作用,就是在茫茫書海中,找出你可能最感興趣的書籍。

它所解決的核心問題正是:

資訊過載。

再舉個例子,看看演算法是如何做出精準推薦的。猜一猜,去年在抖音上最火的作家是誰?

你可能想不到,是史鐵生。

這位已故的中國當代作家,因為讀者對《我與地壇》的一段書評,在抖音上收穫了無數的粉絲。網友們用1.5億次短視頻播放來“品讀”史鐵生的文筆。

在一年時間裏,關於史鐵生的抖音視頻越來越多,累計已達18.6萬個,足足增長192%,相關視頻總時長增長415%。

類似的經典圖書還有《史記》《額爾古納河右岸》《紅樓夢》《水滸傳》《平凡的世界》《三體》等,都在平臺推薦演算法的高效分發下,找到了一大批有需要、感興趣的“新新讀者”,獲得了一次“重生”。

甚至一些冷門圖書,也在演算法的助力下,成功做到了“酒香不怕巷子深”。

因為4條推薦視頻,40年前的老書《畫魂》被加印了5次。冷門懸疑推理小説《不可以》一開始只是想清掉1000冊庫存,沒想到推薦視頻獲得了超過110萬的點讚,最後加印了15萬冊。

如果不是持續有人推薦,如果沒有推薦演算法的連接,這些被壓在書山文海之下的小眾、冷門圖書,如何可能找到自己潛在的讀者?

最後只能是變成一堆廢紙,甚至被化為紙漿。

從這個意義上來講,演算法打通了“書找人”和“人找書”的雙向鏈路,幫助優質內容破圈傳播,功莫大焉。

演算法越來越重要

拿圖書舉例子,是為了方便理解,演算法是如何發揮作用的。

事實上,不僅圖書,今天各行各業都必須用到演算法,才能實現高效分發,解決優質內容/産品的連接問題。

尤其是對網際網路公司來説,根據用戶的個性化需求,來進行優質、高效的演算法推薦,已經成為核心競爭力。

比如,淘寶就不斷在優化自身的演算法。“猜你喜歡”已經成為淘寶首屏的主角,早在2018年天貓雙十一的時候,基於個性化推薦帶來的流量,就超過了搜索帶來的流量。

滴滴用演算法連接著幾千萬網約車司機,淘寶用演算法管理著數百萬家店舖,而每一個消費者也都在京東、攜程、小紅書上,隨時隨地用演算法解決自己的需求。

甚至,有些公司還能通過演算法了解用戶的興趣,定制化地去生産內容/産品。

奈飛的《紙牌屋》就是演算法應用的典型案例,被稱為“大數據搭起的《紙牌屋》”。它通過演算法發現,導演大衛·芬奇、影星凱文·斯佩西、英國版《紙牌屋》都很受歡迎。於是,奈飛拿下了《紙牌屋》版權,邀請導演、演員,一氣呵成推出市場,果然大獲成功。

漸漸地,演算法能夠發揮作用的舞臺也越來越大,扮演的角色也變得越來越重要。

比如,你可能還沒有注意到,短視頻已經成了鄉村振興的“新農具”。

現在已經有非常多的農技類科普創作者,活躍在短視頻平臺,傳播鄉村文化、農技知識。在抖音,最受新農人歡迎的一類內容是:

果樹嫁接。

這類視頻足足有30萬個之多,總播放量超過7.5億!

要知道,全中國農業就業人口也不過1億多,這相當於給每個人都科普了5遍。

現在的新農人,開始流行在抖音通過“打聽式做農業”,直接召喚專家指導。比如,在“梁老師講農業”這個直播間,他們就能找到湖北鶴峰81歲的老農技員梁振清,傳授畢生所學的農技知識,解決農業難題。這在以往,簡直不可想像。

除了實用性的知識技能,演算法在助力傳統文化找到受眾,尤其是新的年輕受眾方面,也有出色效果。

上海評彈團的青年演員鄭鳴秋,在直播間表演蘇州評彈時,最高涌入了114萬人觀看,同時線上人數突破1萬。這是線下演出根本達不到的。

更重要的是,線上直播演出不僅會給她帶來打賞、點讚、留言鼓勵,還有不少粉絲到線下看表演,給她獻花,讓她感到“非常開心和欣慰”。

我再舉一個例子。

在成都,有個名為“三花”的民間川劇團,本來已經快倒閉了。創辦劇團的“三姐妹”,藝齡均超過40年,憑著一腔熱情演出,但行情極差,演員都比觀眾多。

直到去年9月,一條名為“探訪‘三花’劇團開放式化粧間”的短視頻,徹底改變了她們的命運。很多網友被感動、吸引了,潑天流量從此源源不斷。

她們,終於被看見。如今,你再到成都去看“三花”的表演,那就需要搶票咯。她們的售票量增長了近10倍。

更讓人欣喜的是,台下涌進來的許多觀眾,都是以前從未好好欣賞過川劇的年輕人——如果沒有演算法推薦,可能他們這輩子都將與川劇無緣。

可見,傳統文化的優質內容,必須先“破圈”,才能吸引更多人奔赴和熱愛。

演算法並不神秘

看完推薦演算法在這麼多領域的運用,可能你會感到有些吃驚,沒想到演算法已經悄悄地在日常生活中紮根,做了那麼多的事。

演算法並不神秘,社會公眾對它的認識,也有一個逐漸深入的過程。

我看到網友一個有趣的説法,媽媽才是最早掌握“演算法精髓”的人。

記不記得你小時候,只因為吃飯時多夾了幾口某個菜,這個菜就大概率會在接下來的一週、一個月、甚至一年內更頻繁地出現。媽媽也會因為你偶爾的口味突變,而亂了陣腳……

這不就是一種“愛的演算法”嗎?

在現代生活中,可以簡單地想像為,演算法就是一個趁手的“資訊助理”,默默地工作,為你高效地獲取需要的資訊。

它通過大數據來盡力匹配你的需求,尋找最有可能適合你的結果。有時候,它也會特地為了讓你“嘗嘗鮮”,給你打破資訊的藩籬,去看一眼更大的世界。

比如,有的短視頻平臺就設置了“興趣推薦機制”,特地給用戶推送一定比例“不常觀看”的內容類目,或增加隨機內容,以保障內容的多樣性。

這樣的演算法設置,就有可能能把你原本認為“不感興趣”的美好事物,“刷”地一聲帶到你面前。

過去兩年,有不少文旅城市“一夜爆紅”。

淄博憑藉“小蔥燒烤卷餅”的煙火氣出圈,天水靠一碗麻辣燙火遍全網,哈爾濱的冰雪世界突然爆紅,憑什麼?

尤其是像淄博、天水這樣傳統上缺乏資源、缺少大的景點、旅遊基礎設施薄弱的地區,本來是很難被看見的。

但是,在短視頻的加持下,當地政府的精心組織、貼心服務,廣大民眾的厚道樸實、溫暖人情,以及美食美景的種種美好場景,都得到海量的傳播。

終於,它們都迎來了屬於自己的高光時刻。

這背後,正是推薦演算法敏銳地捕捉到了它們充滿煙火氣的精彩一面,放大了美好的瞬間。

某種程度上可以説,演算法發現了淄博、天水自己都沒看見的精彩,造就了一個又一個全民關注的旅遊消費爆點。

明白了這一點,我們也就不難理解,為什麼很多“冷門”功夫,能夠在短視頻上被用戶所喜愛、傳播?

布依族人“哩尢”的蠟染和刺繡非遺手藝,收穫了一大批鐵桿粉絲;

昔日“冷門絕學”的甲骨文,如今有60萬網友追更;

甚至考古知識、弦理論、星際化學……

推薦演算法,讓人們發現,原來遠方還有這麼多有趣、有料的事物,打開了新世界的大門。

學習善用演算法

當演算法無處不在,有人感到了驚喜,也有人感到恐慌——演算法會不會刻意製造“資訊繭房”,甚至引導用戶上癮?

這樣的想法很正常,但其實有些多慮了。

演算法絕對不是萬能的,而是現代人可以倚重的工具。在一個透明度越來越高、管理越來越規範的商業環境裏,它受到嚴格的監管。

就拿推薦演算法來説,它的主要功能是高效分發,幫助用戶減少因瀏覽大量無效內容,而造成的時間精力浪費,並可以拓展新的興趣。

本質上,演算法之間也在競爭,只有最高效、有益的演算法,才會真正被最廣大的用戶所喜愛。

所以,我們該如何與演算法相處?

一種更理性的態度是,讓演算法為我所用。提高自身的演算法素養,在演算法的世界裏遨遊。

今天,有很多年輕人已經發展出一種新的玩法:利用演算法來“養”自己的賬號。

具體是怎麼做呢?通過快速點擊感興趣的話題、領域,排除不喜歡的話題,主動增加搜索頻次,對優質內容主動收藏,來告訴平臺:哪些是我想要的,哪些是不需要的。

種種做法,其實也是主動在和演算法互動。

時間長了,就能“養”出一個非常匹配自身需要的個性化賬號。這個賬號能夠以更高的效率,為自己提供高品質的內容。

這,正是一種“演算法素養”的體現。它在現代社會將成為與資訊搜索同樣重要的能力。

有研究表明,個性化的推薦機制,有助於用戶獲得多樣化的資訊。

目前,短視頻APP均已上線“演算法關閉”選項。但清華大學社會科學學院積極心理學研究中心的一份調研研究報告顯示,超過90%的短視頻APP用戶選擇了開啟個性化推薦演算法。其中,抖音用戶對於個性化內容推薦接受程度最高,開啟比例超過94.4%。

如果説,現代社會的“資訊繭房”根本上來自人的惰性、局限性和社交封閉。

那麼,演算法恰恰是可以打破封閉的利器。

史蒂夫·喬布斯有句名言:人們不知道自己需要什麼,直到你擺在他們面前。

享利·福特也曾説,在汽車出現前,如果你問人們需要什麼更好的交通工具?他們的答案,肯定是“一匹更快的馬”。

今天,也許人們最需要做的,是讓演算法幫助自己打開眼界,去發現從未看見過的——蘋果手機和福特汽車。