推荐算法下的信息茧房和数字化奴隶!

在推荐算法没出来之前,都是我们主动去寻找信息,而推荐算法出来之后,一切都反过来了,我们成为了被动者,信息主动来投喂我们了。

到了今天,基本上我们的生活已经被推荐算法团团围住,无论是视频形式的软件还是文字形式的软件,无一没有植入推荐算法。

推荐算法就是收集用户的行为数据,然后通过人工智能进行训练,最终推荐类似的数据给用户。

要说推荐算法,那必须得先从今日头条说起。

头条的崛起

字节跳动创始人张一鸣在创建今日头条和抖音之前,他说现在的搜索引擎明显已经不能满足当下的市场,必须要做到信息主动来找人,这样才有机会在这个市场有立足之地。

所以2012年,今日头条发布了第一个版本,随着软件的不断迭代,推荐算法的不断完善,头条逐渐攻入了市场,吸引了大批用户。

我记得头条出现之前,我的同学只玩游戏,基本上不会去看任何资讯,但是头条诞生后的两三年,玩游戏的人逐渐少了,一些同学只要一躺在床上,就开始刷头条了。

不过可以肯定的是,那时候的推荐算法还不怎么强大,所以辐射面不是那么广。

铺天盖地而来的抖音

在抖音还没有出现之前,短视频的龙头是快手,快手在上线后一两年,开始引入推荐算法。

不过快手的产品设计并不是完全走内容推荐路线,包括到今天为止,快手短视频依然不是完全走内容推荐路线。

而抖音则完全不一样了!

我是2019年下半年才下载的抖音,那时候宿舍里面已经有好多同学开始刷抖音很久了,他们都说抖音真NB,我不信邪,于是就下载了一个来玩玩。

刚开始我不习惯个性化推荐这种方式。

因为你完全不知道下一个视频是什么内容,于是我就直接卸载了,大概是是2020年初我又下载回来,然后越刷越上瘾。

但是惊人的是,2020年,抖音的用户量已经达到了五六亿,到今天,抖音已经成为一款国民软件,除了部分老年人和新生儿,基本上没有人不知道抖音。

这么庞大的用户量增长量,在中国互联网的历史上可谓是前无古人,后无来者。

推荐算法在商业上的成功

从人找信息到信息主动找人,这无疑是现代商业成功的必须。

抖音,头条,百度,淘宝等系统通过个性化推荐,激发用户的欲望,达到留住用户,最终刺激用户进行消费。

这样的模式让更多的商家,创作者有了更多的流量,从而有了更多变现的机会。

得益于推荐算法,让很多草根有了逆袭的机会,一个普通人一夜之间火遍全网,赚了别人几辈子都赚不到的钱。

不过这个世界大部分人是观众,表演者永远是那么几个!

而作为观众的我们,无一例外都被信息绑架,禁锢!

推荐算法筑起的信息茧房

不知道从什么时候开始,我们大多数人都有了"自己独特的观点"。

之前在成都,我和朋友在聊天的时候,我们谈到,为什么现在很多女孩子的标准越来越高,即使这个女孩子一个拿着三千的工资,每天下班后躺在床上刷抖音和小红书到深夜。

但是他的要求依然是180以上,市区有房,不能偏远,最好全款,没得商量,因为这是标准,没有这个标准,你就没有入场券。

为什么现在会有这个现象,究其本质,就是因为被信息进行针对性投喂了。

而形成这样的认知的导火索,无一例外就是网上的鸡汤和害人的谬论,每天沉浸在小红书,抖音里面,全身动的只有大拇指,然后刷得越多,平台收集的信息越多,最终数据经过处理,无限循环地进行推送。

最终,我们就像蝉一样被困在茧里,而困住我们的就是信息,单一的信息,你自己喜欢看的信息,你觉得有道理的信息。

从而,你无法接受其他的事实,其他的观点,因为你觉得会降低标准。

对不起,如果这里说的有冒犯到你,那么我给你说一声抱歉。

而对于男性而言,网上也有人进行焦虑贩卖,也会给男性立标准,在这种信息的不断加持下,就会自我怀疑,自我否定,导致焦虑,而正是他们要达到的目的。

当一个人不去读书,不去思考,而是被单一的信息所投喂,那么久而久之,他就会被这些谬论所误导,最终作茧自缚,从而产生对自我的否定!

塑造了我们的三观

不知道从什么时候开始,"读书有用论","读书无用论","努力无用","努力有用"等观点都充斥着我们的生活。

你知道吗?现在的热点大多就是制造对立面,然后对观众进行收割。

有一些人稍有成就以后,因为幸存者偏差,就会大放厥词,从而去搞一些假大空的观点,因为在我们这个社会状况下,只要你有点小成就,别人就认同你的观点,如果你不成功,你虽然刚正不阿,十分正义,你说的话别人就会当放屁。

这个世界上一个观点总有几个对立面,没有绝对的真理。

但是由于我们很多人不去思考问题,别人说的话只要触动了自己的心灵,那么他马上就会将其笃定地设置为自己的人生信条,从而形成自己的三观。

现在一个小孩子出来,他都能顺口说上几套短视频中的"人生哲理",而长久下去,自然而然会对他的思想观念造成很大的影响。

有时候不得不说两句:

破碎而又肮脏的价值观被视为真理,畸形而又可笑的思想被奉为人生信条

个体的沦陷

短视频之所以让人沉迷,最主要的就是抓住了人性不喜欢思考,贪婪,懒惰的弱点。

今天,如果让你一天不刷短视频,不刷小红书,不接触任何电子媒介,基本上大多数人是做不到的。

所以从某种程度上来说,它们已经和鸦片本身没有任何区别,只是时代在发展,我们由封建制度革命到社会主义,烟枪变为了电子产品,而鸦片变为了快餐式的视频,文字,图片,音乐,让人无法自拔!

最后

推荐算法在很大的程度造就了商业的成功,让我们的生产生活方式发生了巨大的改变,但是它也是一把双刃剑。

如果不会去分辨是非,不从自身去思考问题,而是像老牛一样被牵着鼻子走,那么我们最终就会沦为"数字化奴隶"。

感谢你的观看,我们下期见!

相关推荐
NiNg_1_234几秒前
SpringBoot整合SpringSecurity实现密码加密解密、登录认证退出功能
java·spring boot·后端
AI极客菌1 小时前
Controlnet作者新作IC-light V2:基于FLUX训练,支持处理风格化图像,细节远高于SD1.5。
人工智能·计算机视觉·ai作画·stable diffusion·aigc·flux·人工智能作画
阿_旭1 小时前
一文读懂| 自注意力与交叉注意力机制在计算机视觉中作用与基本原理
人工智能·深度学习·计算机视觉·cross-attention·self-attention
王哈哈^_^1 小时前
【数据集】【YOLO】【目标检测】交通事故识别数据集 8939 张,YOLO道路事故目标检测实战训练教程!
前端·人工智能·深度学习·yolo·目标检测·计算机视觉·pyqt
Chrikk1 小时前
Go-性能调优实战案例
开发语言·后端·golang
幼儿园老大*2 小时前
Go的环境搭建以及GoLand安装教程
开发语言·经验分享·后端·golang·go
canyuemanyue2 小时前
go语言连续监控事件并回调处理
开发语言·后端·golang
杜杜的man2 小时前
【go从零单排】go语言中的指针
开发语言·后端·golang
Power20246662 小时前
NLP论文速读|LongReward:基于AI反馈来提升长上下文大语言模型
人工智能·深度学习·机器学习·自然语言处理·nlp
数据猎手小k2 小时前
AIDOVECL数据集:包含超过15000张AI生成的车辆图像数据集,目的解决旨在解决眼水平分类和定位问题。
人工智能·分类·数据挖掘