算法编织了“信息茧房”？抖音公开澄清

撰文/李信马

1850年，哲学家路德维希·费尔巴哈（Ludwig Feuerbach）在论文《自然科学与革命》中以德语写下：“Der Mensch ist, was er ißt.”

这句话后来以英文版的“You Are What You Eat”（你吃什么，就是什么）传播到了全世界，既可以指饮食和健康，也可以指人的精神，由其经历所塑造。

美国行为主义心理学创始人约翰・B・华生（John B.Watson）在1924年出版的《行为主义》（Behaviorism）中也曾提出：“给我一打健康的婴儿，让他们在我设定的环境中成长，我能保证随机挑选一个，将其训练成我选定的任何类型的专家——医生、律师、艺术家、商人，甚至乞丐和小偷，无论其天赋、倾向、能力、职业和祖先种族如何。”

环境也许无法彻底决定一个人的命运，但足以深深影响人的三观。互联网的出现，让信息大爆炸，人类通过门户网站、搜索引擎、公众号微博等方式去了解世界，也被互联网上或真或假的消息印象。

进入移动互联网时代，短视频平台成为新的流量之王，据QuestMobile数据显示，2024年12月，国内用户的月人均使用手机时长已经提升至171.7小时，相当于每天超过5.5小时，其中用于短视频的达到了62.9小时。

短视频让人欲罢不能，也因此有人担心，平台的算法是否编织了“信息茧房”，让人们只能看到自己感兴趣的同质化内容，逐渐变得闭塞甚至偏激？

出于这样的担忧和质疑，算法被视为巫术，背后的平台如抖音、快手也经常成为众矢之的。4月15日，抖音在北京举办了“安全与信任中心开放日”活动，由相关业务负责人就抖音算法原理、平台治理体系以及社会关切的问题，向包括DoNews在内的广大媒体展开了详细介绍和澄清。

短视频平台到底有没有为用户编织一个个的“信息茧房”？看完这篇文章，或者读者就会有一个答案。

一、推荐算法：主观无意愿

“信息茧房”（Information Cocoons），是由美国学者凯斯・桑斯坦（Cass R. Sunstein）在2006年出版的著作《信息乌托邦 —— 众人如何生产知识》中提出的。它是指在信息传播中，公众只注意自己选择的东西和使自己愉悦的内容，如同置身于一个由自己的兴趣和偏见编织而成的蚕茧之中，从而将自己的生活桎梏于像蚕茧一般的 “茧房” 中。

抖音推荐算法的原理是什么？

首先，我们要知道，每天投稿到抖音的内容有上亿，而一名抖音用户，差不多一天只会刷几百个内容。所以，推荐算法解决的如何从海量的内容中，挑选出用户喜欢的内容并分发给他。

但这个过程中，算法并不需要了解内容，它的重点是学习用户的行为。

抖音的推荐算法的包括“召回” 和 “排序” 两个核心环节，当用户点赞了一些美食的视频，算法就会从上亿量级的投稿内容中，通过召回策略，将适合推送给用户的内容缩减至万的量级乃至千的量级。

在筛选出用户可能感兴趣的几百到几千个内容后，抖音会通过排序算法，基于用户的短期行为（点赞、完播率等）与长期价值（收藏、与作者的持续互动、负反馈等），猜测用户会对哪些内容更感兴趣，然后依次打分，再按分数由高到低进行推送。

具体的算法有协同过滤算法，核心逻辑就是寻找兴趣相似的用户群体，比如系统发现你和另一个陌生人点赞的内容有重合，那么某个你看并点赞的内容，他可能也喜欢，反之亦然。

随着机器学习发展，神经网络技术被引入推荐系统。其核心步骤是将用户与内容的特征转化为数值化向量，通过多层网络结构进行复杂信号融合，从而更精准地匹配用户需求。基于神经网络衍生出了双塔召回模型，将用户特征与内容特征分别输入两个神经网络，通过顶层计算二者相似度，来判断用户对内容的潜在兴趣。

还有Wide Deep ，“Wide”层处理浅层次的历史行为数据（如用户曾点赞的内容），“Deep” 层通过深层网络挖掘潜在关联（如喜欢健身的用户可能也对爬山、游泳感兴趣），相比传统协同过滤，能更全面地捕捉用户兴趣。

下面这张图介绍了排序算法的基本原理。

从技术的视角来看，推送给用户的内容如果太发散，许多是用户不喜欢的，那用户的体验就会变差；但技术的出发点，也不是为了让用户只看到自己喜欢的内容。

抖音算法工程师刘畅表示：“用户长期价值，是抖音推荐算法的‘北极星指标’，也就是我们最核心的业务目标。”

这一指标更接地气的说法，是抖音希望有更多人使用抖音，并长期留下来。编织“信息茧房”可能短期让人停不下来，但长期来看不一定是好事，打个比方，如果你知道一个用户喜欢猫，就不停的给他推送猫相关的内容，那他一段时间后就会厌倦离开。还有的用户感性上喜欢看推送的内容，但理性上讨厌“奶头乐”，甚至会特意不点赞来扰乱推荐。

所以，抖音反而有动力在推送用户感兴趣的内容时，也通过算法推送多元化的内容，比如一方面，对用户感兴趣的内容，通过多样性打散、多兴趣召回、扶持小众（长尾）兴趣等方法控制相似内容出现的频次，另一方面，采用随机推荐、基于用户社交关系拓展兴趣、搜索推荐联动、“不感兴趣”不再展现等方式，让用户探索更多的内容。

刘畅在采访中也表示，抖音的算法在向“长期价值”转移：“我们一开始比较容易建模是偏短期性的，长期性的反而不好建模，对于一个短期的互动，它的随机性比较弱，但对长期兴趣它的随机性更强。这个时候我们的技术角度逐步攻克，进一步去做流量上调控。”

只是，客观来说，爱看自己喜欢的、认同的内容，是人性使然，如果2006年“信息茧房”这个现象就被提出，那么今天短视频平台的用户产生类似担忧也是不奇怪了。

二、平台治理：客观有困难

我们畏惧“信息茧房”，更多的是害怕被淹没在同质化甚至有偏见的信息中，最终潜移默化的被影响和改变。反过来说，如果我们接触的都是优质和健康的内容，即使是陷入了“信息茧房”中，似乎也不必太担忧。

但前面有说到，抖音的推荐算法是基于用户的行为，而非对内容的深度了解，那么，存不存在有害的内容在抖音上不断传播的可能呢？事实上，这个可能性是存在的。

客观上，这些情况的出现绝对不是抖音所希望看到的，只是治理上也有困难。目前，抖音的平台治理链路核心有两个原则。首先是所有在发布的内容都会经过评估，流量越高的内容经过评估的次数越多，标准也越严格。其次是“人工+机器”审核相互分工又密切配合。

具体来说，内容上传至抖音后，首先进入机器识别环节，如果内容被识别出含有高危特征，将被直接拦截。如果未命中高危特征但模型判断有问题，则会送至人工审核；若问题概率较低，则获得基础流量进入下一环节。视频被举报、评论区出现集中质疑、流量激增等情况出现，均可能触发“人工+机器”审核。一旦内容在任一环节被处置，系统会立即停止进一步推荐和分发。

下图可以看到，一个短视频要在抖音顺利分发，要经过机器和人工的四次审核。就像谈毒药都要谈剂量，这样也尽可能将不良信息的危害控制住。

实际上，平台治理是今年抖音重点任务。抖音生态运营经理陈丹丹在采访中表示，他们有陆续收到用户、媒体，还有主管部门的反馈，去年年底也经过了多轮的讨论：“我们确实把平台治理和算法透明度作为贯穿全年的重点。我们想要达到的一个目标是信任，因为获得用户信任、媒体信任、社会信任是很难的课题。在这个过程当中，需要我们不断地把治理体系、推荐算法技术做公开，更多是平台选择了这样的动作。”

短视频已经成为国人精神生活的重要组成部分，甚至可以说是当代互联网文化的重要载体，而非只是赚钱的娱乐，忽视这些，技术这把双刃剑也有可能造成破坏。除了商业价值之外，抖音也应在社区价值方面承担更多的责任。