巨头们迷恋的个性化定制资讯，几乎已经可以精准预测你想了解的人物，感兴趣的页面和你应当了解的当地资讯。哪怕再指责他们窥探用户隐私，你也无法阻止它看到你的喜好，甚至你的财富和情绪，可怕的是，你戒不掉互联网的瘾，它也戒不掉窥私瘾。

问题是，算法在让这个世界越来越方便的同时，是否让我们的信息环境变得更好呢？或许是有的。本期全媒派（ID：quanmeipai）就来聊一聊，不断演进的算法如何改变了我们的信息环境。

算法下的智能媒体环境

不得不承认的是，推荐算法已经成为当下信息环境中不可回避的一个部分，而这些不断调整的算法，的确帮助我们更好地与互联网相处。

Facebook

信息流中增加本地新闻比例

2018年起，Facebook开始在信息流中加大力度打击假新闻，同时更强调社交属性，宣布加大朋友分享和优质新闻源的出现比例，后又更新本地新闻比例，推荐更多朋友点击或将本地媒体发布的新闻推荐到用户首页。目前，这一系列策略已在美国推行，今年将推广到更多国家。

扎克伯格宣布2018年的更新动作

此外，Facebook还加入了Today In板块，目前已进入内测阶段，新奥尔良、小岩城、比林斯、皮奥瑞亚、奥林匹亚和宾厄姆顿六大城市的用户可以率先使用本功能，接收更多本地媒体资讯和当地官方发布的紧急消息。

Today In内容

新的算法采用了机器学习技术，当地媒体经由Facebook新闻合作组许可审查后，其报道能够登上Today In，在当地用户中获得更大阅读量。

扩大本地新闻在信息流中的比例也同样如此，这一举措对当地媒体或小众媒体是件好事，更集中精准的曝光量，有助于本地媒体，尤其是专注体育、艺术、情感报道的媒体巩固与读者的关系。令人欣慰的是，哪怕中心转变，它依然会继续打击假新闻、误导性报道、钓鱼新闻、情绪性新闻和不可信账号。

事实上，本地新闻（local news）属于Facebook在2016年特朗普意外当选美国总统后推出的新闻计划之一，其它的还有在信息流中加入突发（breaking news）和争议（disputed）标签，用技术手段控制假新闻的传播。

在信息流中加入突发标签

争议标签

能看光你钱包的算法Classifier

Facebook在2月1日向大众公开自己的算法黑科技，一键洞悉用户的财富情况，更好服务广告商，进行精准推送，大概等同于“在朋友圈看到奢侈品广告说明你很有钱”。

从树形图中可以看到，Facebook通过了解用户的年龄层、设备使用情况、教育水平、房产情况判断用户的经济状况，而个人旅游历史、网络使用和房屋信息也会列入参考，每一项加权计入总分，通过算法Classifier分拣后，所有用户会列为三类：工人阶层（working class）、中产阶层（middle class）、上等阶层（upper class）。

Facebook算法专利的决策树形图

Twitter

自动裁剪图片嗨点，帮你当网红

Twitter在一项研究中利用眼球追踪了解影响注意力的因素，结果表明，人类很容易被人脸、文字、动物和一些强对比事物吸引。基于此，Twitter开发了图片自动裁剪机器人，利用机器学习技术，识别图片“嗨点”，并自动对预览图进行裁剪和优化。

以往的Twitter对图片的处理比较简单粗暴，一切有人脸的图片都在预览图中突出人脸，但没有人脸的照片则会比较奇怪。工程师开发了“认知提纯”（knowledge distillation）技术以识别图片中的有趣点，神经网络技术则加快了图片的处理速度。同时应用的“修剪”（pruning）技术，则确保算法能够保证不损伤图片优势的情况下，跳过图片的某些特征进行筛查。

如此一来，图片分享的难度大大降低，人人都有可能成为信息流中的修片圣手。

裁剪前：

裁剪后：

Netflix 

新图像算法，最大程度吸引注意力

熟悉Netflix的用户都知道，这家以算法著称的流媒体网站，对每个用户观看的视频标题都做了个性化处理。去年年底，Netflix再次公布技术升级结果：视频图片个性化推荐，即抓取用户可能喜欢的某一帧画面，或将剧中某一角色或场景艺术化处理作为封面图，以契合这1亿用户各自的兴趣点。

为新用户设计的推荐封面

举个例子，同样是电影《心灵捕手》，观看爱情电影较多的用户看到的封面图为Matt Damon和Minnie Driver的亲密无间，观看喜剧电影较多的用户，则会看到Robin Williams的片段。

不同用户的看到的电影推荐封面图

比起文字而言，图片会对用户产生更直接的冲击力，很难有人对这种标题、图片和设计全方位个性化的内容免疫。从更大的互联网语境下而言，我们无法评论这些算法是好是坏，但至少是一种趋势，互联网民越来越懒这一无法阻挡的趋势。

算法：想说爱你真的不容易

算法一直试图猜测我们喜欢什么，推送那些以为我们喜欢的内容。但，这些是否真的是用户喜欢和需要的呢？或许不见得。Twitter用户Caryn Vainio去年12月称，因为FB的算法，她连好朋友最后一面也没见到。因为好友长期不在FB上主动发状态，被算法列入低价值用户，连入院病危的状态都从未推送到好友首页，连再见都来不及说。

在不断被窥私的过程中，有人提出过对算法的质疑，然而，在技术大方向的驱动下，算法会调整，却从未停下。

受伤的媒体

Facebook：朋友看过的新闻

Facebook在1月宣布在信息流中加大“朋友/亲人看过”的新闻比例，在扎克·伯格看来，比起商业、品牌和媒体资讯而言，圈内资讯能让用户之间产生更多联系。

对用户而言，这似乎是个好消息，如小扎所说，少花时间泡Facebook，但花出去的每一分钟都该有价值。此前的一份研究报告表明，漫无目的浏览新闻的用户不会与资讯产生互动，这种感觉本身就会让用户感觉很糟糕，阅读“朋友看过的新闻”至少会提高他们的主动互动意愿，改善糟糕的情绪。甚至于，Facebook还牺牲了自己的短期广告收益，以求得用户认可，刺激用户增长。

此前一年多时间里，Facebook调整策略，减少对媒体的流量倾斜，部分媒体受伤严重。

媒体从Facebook获得的PV

娱乐网站Topix此前因Google算法变化元气大伤后，转而向Facebook支付流量，2017年12月数据显示，Topix的Facebook转化流量比在所有媒体中排名最靠前，达到35.3%，而Bustle和VICE的流量则下滑惨烈，和2017年初的40%转化相比，VICE 12月转化仅达到18.7%。2017一整年，从Facebook新算法中获益的媒体只是寥寥，委屈的还是大多数。

媒体流量倾斜策略下影响的媒体流量变化

这种“朋友看过的新闻或许你会感兴趣”的新算法，且不说是否会造成用户的认知局限，单是流量集中的形式，或许也会再一次导致媒体与平台的关系跌入冰点。

受伤的用户

无法清醒的Instagram 

Hellogiggles网站整理了其中几条对Instagram算法的排序的吐槽，其中一条高赞吐槽说道：

Instagram自2016年公布新的算法排序方式后，传统时间线被打乱了，自然催生了不少打败算法的攻略贴，比如多花点时间在ins上发状态、疯狂打tag、配合粉丝的活跃时间发状态（势必用到ins的推广工具Later）、和粉丝互动等等、建立品牌效应……

Ins的营销推广工具Later

然而，新算法依然让粉丝纷纷吐槽，于是Instagram不断改进算法模型，加入用户参与度、搜索量、点赞频率、关键词、发布时间，试图给用户一个“全世界最好的Instagram”，只不过唯一的问题是：用户需要的，只是一个可以按照时间线排序的Instagram。

Snapchat：用户的每一次更新都是渡劫

Snapchat悄悄更新了产品设计，用新的算法给“朋友”排序：喜欢的朋友排序靠前。据Snapchat解释：“你也可以把它作为一个智能的‘好朋友’算法，让你找人聊天时轻松找到想联系的人”，官方还补充，“翻到底才能找到想找的人，这种糟糕的用户体验我们都有过，但现在，这些好友已经被自动置顶了。”

同时，还分开了“朋友”和“发现”右滑是“发现”，会有一些非朋友的媒体和博主的视频，且做了全屏处理，可以竖屏观看，当然，依然是Snapchat根据你经常点击的内容猜测的最合适你的内容。

当然，新版本的出现通常都伴随着吐槽，有人要“怒删”，有人觉得太“恶心”，有人觉得“忒复杂”，但Snapchat发言人回复《太阳报》：“此次更新之大，必然需要一些时间适应，但我们希望用户能够喜欢。”

用户是否喜欢需要时间去适应，但《太阳报》在文章最后，给出了避免升级的办法。

受伤的内容制作方

YouTube：严打（难打）侵权

为了打击屡禁不止的视频二传现象，YouTube对非官方发布的电视剧或动漫视频采取质量降级处理，这些二传视频可能出现加速、减频、画面震荡和雪花片现象，其目的是利用版权机器人规避侵权现象。

这是YouTube花了大力气开发的Content ID内容识别系统，提供封锁、追踪和盈利三种方式，通过标记内容以保护版权。但文化评论家Mike Rugnetta却认为，视频编辑有些“迷信”意味，YouTube迷信与内容方的关系，大费周章开发了一套一般人也能进行识别的系统，但是系统管得了盗传，却管不了同样是重灾区的下载行为。更何况，系统算法还常常错误标记，比如把一电脑电流声白噪音视频，标记成某一已有视频的电流声。

哪怕有严打侵权的好意，也可能办了错标视频的坏事，在一定程度上也可能影响UGC生态，即使非官方用户标记自己“不拥有版权”。所以，不少up主更选择了版权开放，甚至不再内嵌贴片广告。

系统算法其实从来没有跟上侵权的速度，哪怕用户是抱着好意分享的目的，早几年就有人提问：“如何绕过YouTube算法？”每次内容识别升级，答案就会更新一遍，手把手视频教学更是不少。

近几年的新形式是blind reaction，双屏播放，画面中能看到up主的实时评论和反应，完全合法，几乎从未甚至无法被标记为侵权，比如用户TheFlamingShark，不止二传，还传完了完整的《星际牛仔》动画，人气依然高涨，既没被平台处理，也未得官方追究。

TheFlamingShark 观看《星际牛仔》

至少在媒体LifeHacker看来，版权机器人的开发有些徒劳了。要想维持平台每天大量的内容产出，仅靠部分内容制作方远远不够，二传再制作就成了其中一个内容来源，至于是否打击或如何打击，这需要YouTube动脑筋了，至少up主们已经越来越聪明了。

受伤的社会环境

YouTube：算法扭曲了真相

在推荐算法的驱动下，YouTube常常根据用户的浏览记录、点赞记录等为他们推荐相关视频，即时用户只是偶然点开。这在一定程度上推动着有煽动性的或虚假的消息大肆传播，至今美国人民无法释怀的特朗普的当选，其军功章背后也少不了算法的功劳。

《卫报》Paul Lewis举了一个例子，一月初，Vlogger罗根·保罗探访日本自杀森林，因为视频不尊重死者，有哗众取宠之嫌，视频下架，保罗道歉。然而，看过视频的用户，其观看行为已经被算法记录，推荐列表里，有保罗粉丝的模仿秀、儿童盗窃的监控录像、儿童拔牙等让人感到不适的内容。这是算法的功劳。

更让人不适的，是YouTube算法也在推动阴谋论的传播，拉斯维加斯枪击案事后有段声称阴谋论的视频被大肆传播，而损害儿童身心健康的邪典视频，也在算法的驱动下获得了极大的观看量。

拉斯维加斯枪击案阴谋论视频

《小猪佩奇》邪典视频

如果在YouTube搜索“谁是米歇尔·奥巴马？”，随之而来的推荐视频都是“她是男性”，有80%的天主教相关视频把其领袖形容成“恶魔”、“反基督”和“撒旦”，此外，每天还有几百万声称“地球是平的”视频被上传，一切都只是为了满足算法需求，获得更多推荐曝光。

在不加监控的情况下，算法已然无法为用户提供中立有用的内容了，算法与个人兴趣之间形成了一个怪圈，不断恶性循环。

技术并不作恶，为提高效率而传播速度而生的机器算法，表面上看的确中立，但正如《嬗变的主体性和缺位的公共性：没有价值判断的个性化算法，真的让内容更好了么？》所言，没有价值判断个性化算法下的内容，是否让内容变得更好，或许还要打个问号。