信息茧房的概念被广泛讨论，却常被错误归因于算法推荐。本文深入剖析了信息偏食的本质与推荐算法的运作机制，揭示‘算法制造茧房’这一流行观点的认知误区，带你重新思考技术与认知边界的关系。

20年前，哈佛大学教授凯斯·桑斯坦首次提出了“信息茧房”概念。彼时的他恐怕完全没想到，这四个字后来会被人拿来跟“算法”绑定。

在他看来，“在信息传播中，公众所接触的信息是有限的，会选择自己愉悦的信息，久而久之，会将自身桎梏于像蚕茧一般的‘茧房’中”，此之谓信息茧房。

可正如作家埃里克森在小说《Reaper’s Gale》里所说的：Language changes over time. Meaning twists. Mistakes compound with each transcribing。翻译下就是：语言随时代流变，词义亦随之偏转，每次转录，都会让谬误不断累积。”

在今年全国“两会”上，“信息茧房”一词又被多位代表委员提及，基本论调依旧是“算法制造信息茧房”。

这难言新鲜：“一提到信息生态，就会想到茧房；一提到信息茧房，就会想到算法”，已成不少人的惯性思维。

只要觉得视野受限，就归咎于信息茧房，只要觉得困于茧房，就归结为算法误我，挺符合许多人面对复杂问题时的简化归因习性。谁让信息茧房听着专业，算法又自带黑箱属性呢？

但语言学家门肯说过：“对于每个复杂问题，都有一个清晰、简单且错误的答案。”在对那些复杂问题给出清晰简单答案时，不少人也许需要思考下：它真的准确无误吗？

依我看，“算法制造茧房”一说不过是流行谬误，既误解了算法，也错解了信息茧房。

01

u1s1，“算法制造茧房”的说法，错解了信息茧房的实质和本源。

毋庸讳言，在网络巴尔干化的今天，部分网民认知极化导致的舆论劣化现象日益显性化。

对于这类情形，很多人会习惯性地拿信息茧房说事：今天渲染“信息茧房正让你陷入傻子共振”，明天威胁“信息茧房正夺走你的认知主权”。

我曾对此感慨道：时下有两个舶来的传播学概念近乎被用烂，一个是“娱乐至死”，另一个是“信息茧房”——“遇事不决，量子力学；归因无方，信息茧房”，成了流行归因方式。

这番感喟，不是否认认知窠臼的存在，而是唏嘘信息茧房的被滥用。

认或不认，现实就摆在那：每个人都被困在自己的认知局限里，没有人能够跳出柏拉图洞穴寓言中的那个“洞穴”。

但所谓“被困”，很多时候都是“自困”。萨古鲁就说：“大多数人困在自己制造的局限中，却没意识到是自己把自己锁在了里面。”

人为什么会“自己把自己锁在里面”？答案就在于：不论是邓巴数，还是脑腐现象，都表明，人的信息处理会受限于物理限制和生理阈值等。

在此情形下，信息偏食就成了人脑抵御信息过载的自我保护机制，其本质就是脑部基于人的喜同恶异、趋利避害本性自动开启的信息筛选机制。

如今已通货膨胀的“信息茧房”，根源其实就指向了信息偏食——事实上，桑斯坦当初提出“信息茧房”时意在警示“信息偏食”。

可当下，很多人在说“信息茧房”时，却是将信息茧房视作互联网信息供给模式和传递路径的产物，默认为信息技术是因、信息偏食是果，从中倒推出的结论是：因为有了包括算法在内的信息技术，人的视野在窄化、思维在固化。

这既是对信息偏食本性的否定，也是对信息偏食后果的夸大。

首先，将算法跟信息茧房嵌入因果链中，默认逻辑是：算法在前，信息茧房在后。但别忘了，在算法推荐还没问世时，人就开始做各种筛选了，物以类聚、人以群分的本质就是筛选。

细想下，我们在微博上关注同频者、在小红书上点赞同好者，不都是另一种“物以类聚”吗？

现实中，我们也会基于兴趣爱好等，选择跟什么人打交道、对什么信息停留或划走……社会学中的“选择性接触”、心理学中的“确认偏误”，早已对这类信息的选择性摄取做了解释。将多因性的信息偏食情况简单归为算法使然，才是对人“认知主权”的攫夺。

其次，信息偏食的确会抑制异文化视野，可其另一面是帮人们脑部减压——对所有信息照单全收，脑负荷必然超标。罔顾其两面性，只强调某一面，都有失偏颇。

02

u2s2，“算法制造茧房”的说法，更误解了算法的原理和初衷。

时至今日，很多人想象中的算法就是“我点赞什么，算法就给我推什么”，对算法的认知还停留在单维度匹配兴趣的原始阶段。

可真实的算法让凯文·凯利的“理想过滤器”设想已成真——既能推荐那些“我想知道我的朋友喜欢什么，而那又是我现在还不了解的”，也能推荐“某些我现在不喜欢，但想尝试着喜欢的东西”。

都知道，眼下生成式AI声势正高，互联网平台的推荐算法其实也与之同源。

早在上世纪90年代末，推荐算法就已在硅谷互联网平台中落地应用，经过多年迭代，它早已形成“精准记忆+泛化探索”的平衡体系。

就在前些天，有朋友就提醒我，在抖音App上搜“看得懂的算法”，就能看到抖音算法推荐的基本原理。我体验了一番后，最大的感慨便是：这届算法虽然没成精，但它已是成熟的AI技术，学会自己去对抗“算法制造信息茧房”的偏见了。

不少人以为，算法推荐的打开方式就是“我喜欢看南翔，它就拼命给我推二百者也、特别乌啦啦等美食博主或江寻千、山白等非遗博主”，可实质上，算法不光会给你推美食、非遗方面的内容，还可能给你推影视、绘画、宠物、旅行、体育、科技等各个领域的优质内容。

因为推荐系统遵循着严谨的“召回→排序→扰动”全流程：先是多兴趣召回，之后精准排序，接着还有随机扰动。

在抖音上，我起初喜欢看影视二创类内容，结果平台有时会给我推荐动物解说类内容，我又喜欢上了动物解说类内容，结果平台又会给我推荐综艺趣味点评类内容……简直是预判了我多变的趣味。

这就叫多兴趣召回——算法不是只盯着咱们点赞过的内容，而是从海量视频库里同时抓取咱们已知兴趣、潜在兴趣、多元领域的候选内容，避免一开始就把范围锁死。

避免把范围锁死的，还有多样性频控与打散。它会通过技术手段控制同类内容的推荐频率，保证推荐列表的多样性。

问题来了：如果是我1秒内划走的内容，算法还会给我推吗？

这就涉及排序问题了。按抖音说法，系统会结合咱们的兴趣偏好、浏览习惯打分，但绝不会只按“喜好度”单一排序。

我经常会好奇，我没关注很多博主，他们的视频怎么会出现在我的推荐页上？

现在我知道了，因为还有“随机扰动”——算法会主动调整排序，刻意加入陌生内容，避免推荐列表千篇一律。

我在“体验算法”板块里拖动“扰动强度”滑块，亲眼看到推荐列表从全是同类内容变成画风突变、多元丰富。

这就相当于，我原本想待在自己的舒适区里，只看自己想看的，结果算法努力掰开我的眼睛：“不，你不想——你还需要看些别的。”

而从“Wide &Deep模型”+“兴趣时钟”看，算法也是为了打破我们的信息茧房操碎了心。

你说，算法怎么知道我的潜在兴趣是什么？

“Wide &Deep模型”给出的解法是：“Deep”负责精准记住你的过往喜好，如你喜欢的美食、宠物、旅行内容，保证推荐的基础精准度；“Wide”则负责大胆泛化，主动探索你从未接触过的领域，比如你喜欢看旅行视频，算法会顺带推荐小众目的地、户外攻略、地域文化，甚至摄影技巧等。也就是说，算法正努力既懂你的“旧爱”，又敢猜你的“新欢”。

“兴趣时钟”提供的办法是：根据不同时间段调整推荐偏好。你早上刷到新闻资讯、通勤时刷到轻松短剧、晚上刷到知识科普、睡前刷到治愈内容，不是算法“困着你”，而是它在适配你的生活节奏，同时在不同时段推送不同类型内容，尽可能丰富你的信息获取。

鉴于这些，再拿单一维度的兴趣匹配看算法，多少有些刻舟求剑了。

03

“算法制造茧房”的说法误解了算法、错解了信息茧房，还误判了我们自身的行为机制跟平台的关切点。

对很多人来说，让“信息茧房”相关的讨论回归“信息偏食”本源，将“困在茧房里”的责任归为自己既有的认知框架、现实中的社交圈层、自选的信息舒适区，远没甩给那个想象中抽象、模糊、难自辩的算法方便。

但这样“与其反思自我，不如责怪算法”的归因方式，混淆了“主动选择”与“被动投喂”的界限，更反映了“既要，又要”的纠结。

算法推荐的结果，本质是用户行为的映射。可太多时候，喜欢看娱乐八卦内容的我们看到平台推荐的知识科普内容时，会没耐心停留，身为城市白领的我们看到农村老人的笨拙舞姿时，也会快速划走……

算法为我们打开了一道“看见世界参差”的窗，但我们时常会因为不感兴趣将它合上。因而，如果非要说“茧房”，那我们自己也是自己茧房的筑造者。

这两年，跟吐槽算法制造茧房并存的，还有吐槽算法推荐不准，“想看到的没刷到”。

可这这本身就是个悖论：感兴趣的内容推多了，是“制造茧房”；推少了，是“推荐不准”，所以算法到底是要精准满足，又是要打破满足？那些“推荐不准”的吐槽，会不会就是算法打破“茧房”的体现？

值得注意的是，许多人在批评“算法织茧”时，会怀念从前：从前的日色慢，车马邮件都慢，一生只够爱一人，一辈子没信息茧房。

这倒是给评估算法影响带来了纵向比较的重要维度：和“前算法时代”比，人类有了社交媒体之后，看到的世界究竟比以前更大了，还是比以往更小了？

我的看法是：信息匮乏时代的“茧房”是物理性的，因为没得选——今天那些言必称“信息茧房毁了下一代”的人，可能忘了在社交媒体出现之前大家只能听“同一首歌”。信息丰裕时代的“茧房”则是心理性的，它不是由分发渠道决定，而是由大脑的信息加工机制塑造。

在大家只能看那几个电视台、几份报纸的年代，真的没有信息茧房吗？并不是。那时的信息的壁垒是空间性的、地理性的、结构性的。只是怀旧滤镜容易将其美化而已。

到了今天，信息技术至少带来了更多打破信息垄断的可能。虽然碎片化、情绪化内容传播带来的挑战伴随而至，但这跟“信息茧房”是两个维度的问题。

真要让某些人回到那个信息闭塞的前算法时代，他们会对“信息茧房”有更真切的认知。

罔顾这些复杂命题，将信息茧房作为原罪扣在算法头上，是认知上的偷懒。

说到这，可能有人会说，平台有利用“制造信息茧房—诱导用户沉迷—提升平台日活”的利益动机。

抛开理性不谈，这貌似在理。但若理性地看，会发现这想得太简单了。

算法的核心目标，从来不是 “圈住用户”，而是 “留住用户”，长期留存比短期沉迷更重要。而留住用户的关键，就是让用户始终对平台保持新鲜感。

人性本就喜新厌旧，一味推送同类内容，只会让用户快速审美疲劳，最终卸载APP。对平台而言，以失去用户长期留存为代价，把用户困在“茧房”里换来单次浏览时长，得不偿失。

04

马克·吐温说：“让我们陷入困境的不是无知，而是看似正确的谬误论断。”

结合种种情况看，“算法制造信息茧房”，就是典型的流行谬误：它既错解了信息茧房的本源 ，毕竟，主动选择才是认知封闭的核心；也误解了算法的本质，毕竟，从商业利益考量到技术细节设计，都不支持算法织茧。

用梁实秋的话说，“曩昔的金言有些未必可以奉为圭臬，有些即使仍在流行，事实上也已近于谬论。”算法织茧说，就在此列。

流行谬误，再流行，也是谬误。故而穿越认知迷雾，很重要。

这不是说，今天的算法不是没有不足，也绝非不能置喙。

只是说，批评监督的前提，该是看见更贴近算法本来面目的算法——它不是织茧者，倒像是在人们已知的花园和未知的荒野之间开垦的园丁，试图找到那条让人们愿意继续探索的小径。

如果将信息茧房定义为“让人只能看到自己想看到的”，将破茧路径视作“让人还能看到他不知道自己想看的和不是自己想看到的”，那算法其实已提供了太多的破茧工具，包括多样性频控和打散、多兴趣召回、随机扰动等“反茧房设计”。

而要让真实的算法被看见，需要学界多些专业科普，传播学界就有很多实证研究证伪了“算法制造信息建房”的说法；需要公众多些科学素养，渲染算法织茧前不如先到抖音上的“体验算法”板块上体验一番；需要平台将算法可理解性作为公共产品，持续推动算法透明化，并改进科普方式，努力弥合认知差。

在专业文章外上线“体验算法”板块，通过给用户“可看、可点、可知”的亲手操作体验，降低算法科普的专业门槛，让用户亲眼看到自己的点赞、评论、收藏行为如何影响推荐，在自行调节随机扰动强度中感受算法如何根据调整推荐……就比纯文字性科普要好得多。

说到底，算法不织茧，破茧需由人。

如果自我封闭，算法可以是我们自我封闭的借口；如果足够开阔，算法完全可以是我们拓展广度的窗口。