算法茧房是真实存在还是流行谬误

“信息茧房”这个概念被讨论得很多，但人们常常错误地将它归咎于算法推荐。今天，我们就来深入聊聊信息偏食的本质和推荐算法的真实运作机制，看看“算法制造茧房”这个流行观点，到底存在哪些认知上的误区，以及我们该如何重新审视技术与认知边界的关系。

二十年前，哈佛大学教授凯斯·桑斯坦首次提出了“信息茧房”的概念。他大概不会想到，这个词日后会与“算法”紧紧捆绑在一起。按照他的定义，信息茧房指的是在信息传播中，人们倾向于接触让自己感到愉悦的信息，久而久之，就把自己困在了一个像蚕茧一样的封闭空间里。

然而，语言的含义会随着时间流转而发生偏移，甚至产生误解，正如作家埃里克森在小说中写到的：每一次转述，都可能让谬误叠加。

在今年全国“两会”上，“信息茧房”再次被多位代表委员提及，核心论点依然是“算法制造了信息茧房”。这并不新鲜。如今，一谈到信息生态，很多人就会联想到茧房；一提到信息茧房，算法就成了默认的“罪魁祸首”。这成了一种思维惯性。

似乎只要感觉视野受限，就归因于信息茧房；只要觉得困在茧房里，就一定是算法在作祟。这种将复杂问题简单归因的做法，倒也符合不少人的心理。毕竟，“信息茧房”听起来很专业，而“算法”又自带一层神秘的黑箱色彩。

但语言学家门肯曾提醒我们：“对于每一个复杂问题，都有一个清晰、简单且错误的答案。”在急于为复杂现象寻找简单答案时，或许我们该停下来想一想：这个答案真的准确吗？

事实上，“算法制造茧房”这个说法，本身就是一个流行的误解。它既错判了算法的本质，也曲解了信息茧房的根源。

01 误解的根源：错把“自困”当“被困”

平心而论，“算法制造茧房”的说法，首先就误解了信息茧房的实质和本源。

不可否认，在网络空间“巴尔干化”的今天，因部分网民认知极化而导致的舆论环境劣化现象，确实越来越明显。面对这类情况，很多人会不假思索地搬出“信息茧房”来解释：今天说“信息茧房让你陷入傻子共振”，明天警告“信息茧房正在夺走你的认知主权”。

必须指出，当下有两个舶来的传播学概念几乎被用滥了，一个是“娱乐至死”，另一个就是“信息茧房”。仿佛“遇事不决，量子力学；归因无方，信息茧房”，成了一种时髦的归因方式。

这番感慨，并非否认认知局限的存在，而是对“信息茧房”概念被滥用的唏嘘。

现实就摆在那里：每个人都受限于自身的认知框架，没有人能完全跳出柏拉图洞xue寓言中的那个“洞xue”。但关键在于，这种“被困”，很多时候是“自困”。正如萨古鲁所言：“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“自己锁住自己”？答案在于我们大脑的物理和生理限制。无论是邓巴数理论，还是“脑腐”现象，都表明人类的信息处理能力存在天然阈值。在这种情况下，“信息偏食”就成了大脑应对信息过载的一种自我保护机制。它的本质，是基于人类“喜同恶异”、“趋利避害”的本性，由大脑自动启动的信息筛选程序。

如今含义已经泛化的“信息茧房”，其根源恰恰指向了“信息偏食”。事实上，桑斯坦最初提出这个概念时，本意正是为了警示“信息偏食”的风险。

然而，现在很多人在谈论“信息茧房”时，却将其视为互联网信息供给模式和传递路径的必然产物，默认信息技术是因，信息偏食是果。由此推导出的结论便是：因为有了算法等技术，人的视野才变得狭窄，思维才趋于固化。

这种看法，既否定了信息偏食是人类的本性，也夸大了其后果。

首先，将算法与信息茧房嵌入因果链条，其默认逻辑是“算法在前，茧房在后”。但别忘了，在算法推荐技术诞生之前，人类就已经在进行各种信息筛选了。“物以类聚，人以群分”的本质就是一种筛选。仔细想想，我们在社交媒体上关注同频博主、点赞同好内容，不正是另一种形式的“人以群分”吗？在现实中，我们也会基于兴趣爱好，选择与谁交往、对哪些信息驻足或划走。社会学中的“选择性接触”和心理学中的“确认偏误”，早已解释了这种对信息的选择性摄取。将这种多因性的信息偏食现象，简单地归咎于算法，反而是对人类自身“认知主权”的一种剥夺。

其次，信息偏食确实可能抑制我们接触异质文化的视野，但它也有另一面：帮助大脑减轻负荷。对所有信息照单全收，认知负担必然会超标。忽视其两面性，只强调其中一面，难免有失偏颇。

02 算法的真相：不是“织茧者”，而是“破壁人”

进一步说，“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，很多人对算法的想象还停留在“我点赞什么，它就拼命给我推什么”的原始阶段，认为算法只是在做单一维度的兴趣匹配。

但现实中的算法，早已实现了凯文·凯利所设想的“理想过滤器”功能——它不仅能推荐“我知道我的朋友喜欢什么，而这是我目前还不了解的”，也能推荐“某些我现在不喜欢，但或许愿意尝试去喜欢的东西”。

众所周知，当前生成式AI声势浩大，而互联网平台的推荐算法其实与之同根同源。早在上世纪90年代末，推荐算法就已应用于硅谷的互联网平台。经过多年迭代，它早已形成一套“精准记忆”与“泛化探索”相平衡的复杂体系。

就在不久前，有业内人士指出，在一些主流App上搜索“看得懂的算法”，就能直观了解其推荐的基本原理。体验过后，最大的感触是：如今的算法虽然尚未“成精”，但它已是一项成熟的AI技术，并且正在努力对抗“算法制造信息茧房”这种偏见。

很多人以为，算法推荐就是“我喜欢看美食视频，它就拼命给我推各种美食博主”。但实际上，算法不仅会推荐你已知兴趣领域的内容，更可能向你推送影视、艺术、宠物、旅行、体育、科技等多元领域的优质内容。

这是因为，现代推荐系统遵循着严谨的“召回→排序→扰动”全流程：首先是基于多兴趣的广泛召回，接着是精准排序，最后还会加入随机扰动。

以个人体验为例，起初喜欢看影视解说，平台有时会推荐动物科普内容；当对动物科普产生兴趣后，平台又开始推荐综艺点评……算法仿佛能预判兴趣的流转。这就是“多兴趣召回”在起作用——算法并非只盯着你点赞过的内容，而是从海量内容库中，同时抓取你已知的、潜在的兴趣以及多元领域的候选内容，避免从一开始就把推荐范围锁死。

同样致力于打破范围锁死的，还有“多样性频控与打散”机制。它会通过技术手段，控制同类内容的推荐频率，确保推荐列表的多样性。

那么，如果用户对某类内容快速划走，算法还会继续推荐吗？这就涉及到排序逻辑了。根据平台披露的信息，系统会综合用户的兴趣偏好、浏览习惯进行打分，但绝不会仅凭“喜好度”这一单一维度来排序。

另一个常见疑问是：我并没有关注很多博主，他们的视频为什么会出现在我的推荐页？答案在于“随机扰动”。算法会主动调整排序，刻意加入用户未曾接触过的内容，以避免推荐列表千篇一律。在一些平台的“体验算法”功能中，用户可以亲手拖动“扰动强度”滑块，亲眼见证推荐列表从高度同质化变得画风多元、内容丰富。

这感觉就像，用户本想待在自己的舒适区里，只看熟悉的内容，而算法却在努力“掰开”用户的视野，提示道：“不，你或许还需要看看别的。”

从“Wide & Deep模型”到“兴趣时钟”机制，算法为了打破信息茧房可谓用心良苦。

算法如何知道用户的潜在兴趣？“Wide & Deep模型”提供了解决方案：“Deep”部分负责精准记忆用户过往的喜好，比如喜欢的美食、宠物类型，保证推荐的基础精准度；“Wide”部分则负责大胆泛化，主动探索用户从未接触过的领域。例如，如果你喜欢看旅行视频，算法可能会顺带推荐小众目的地、户外攻略、地域文化甚至摄影技巧。简言之，算法正努力做到既懂你的“旧爱”，也敢猜你的“新欢”。

而“兴趣时钟”机制，则根据用户在不同时间段的行为模式调整推荐偏好。早上刷到新闻资讯，通勤时看到轻松短剧，晚上出现知识科普，睡前推送治愈内容——这并非算法在“困住”你，而是它在尝试适配你的生活节奏，并在不同时段注入不同类型的内容，尽可能丰富你的信息菜单。

了解了这些，如果再以单一维度的兴趣匹配来看待现代算法，就有些刻舟求剑了。

03 责任的归属：我们自身与平台的博弈

“算法制造茧房”的说法，不仅误解了算法，错解了信息茧房，也误判了我们自身的行为机制以及平台的核心关切。

对许多人而言，将关于“信息茧房”的讨论拉回“信息偏食”的本源，把“困在茧房里”的责任归于自身既有的认知框架、现实的社交圈层以及自我选择的信息舒适区，远比把责任推给那个抽象、模糊、难以自辩的“算法”要困难得多。

但这种“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，也折射出一种“既要……又要……”的纠结心态。

算法推荐的结果，本质上是用户行为的映射。但很多时候，喜欢看娱乐八卦的用户，面对平台推荐的知识科普内容可能毫无耐心；身处都市的白领，刷到农村老人的生活记录也可能快速划走。算法为我们打开了一扇“看见世界参差”的窗，但我们自己却常常因为不感兴趣而亲手将它关上。因此，如果非要说存在“茧房”，那么我们每个人都是自己这间茧房的共同筑造者。

一个有趣的现象是，近两年，与吐槽“算法制造茧房”并存的，还有大量关于“算法推荐不准”、“想看的刷不到”的抱怨。

这本身就是一个悖论：感兴趣的内容推多了，被批评是“制造茧房”；推少了，又被指责“推荐不准”。那么，算法究竟应该精准满足，还是应该打破满足？那些关于“推荐不准”的吐槽，会不会恰恰就是算法在尝试打破“茧房”的体现？

值得注意的是，许多人在批评“算法织茧”时，常会怀念“前算法时代”，仿佛那时信息纯净，没有茧房。这倒为评估算法的影响提供了一个纵向比较的维度：和“前算法时代”相比，人类在有了社交媒体之后，看到的世界究竟是更大了，还是更小了？

一个基本的判断是：信息匮乏时代的“茧房”是物理性的、结构性的，因为选择极其有限——今天那些动辄声称“信息茧房毁了下一代”的人，或许忘了在社交媒体出现之前，大众的文化消费可能仅限于“同一首歌”。而信息丰裕时代的“茧房”则更多是心理性的，它不再由分发渠道的垄断所决定，而是由大脑的信息加工机制和个人的选择偏好所塑造。

在只能收看几个电视台、阅读几份报纸的年代，真的没有信息茧房吗？并非如此。那时的信息壁垒是空间性的、地理性的、结构性的。只是怀旧的滤镜容易将其美化。到了今天，信息技术至少带来了更多打破信息垄断的可能性。虽然碎片化、情绪化内容传播带来了新的挑战，但这与“信息茧房”是两个不同维度的问题。

真要让某些人回到那个信息闭塞的“前算法时代”，他们或许会对“信息茧房”有更真切的体会。

罔顾这些复杂的命题，简单地将信息茧房作为原罪扣在算法头上，是一种认知上的偷懒。

说到这里，可能有人会提出，平台有利用“制造信息茧房—诱导用户沉迷—提升平台日活”的商业动机。抛开理性分析不谈，这种说法似乎有些道理。但若理性审视，便会发现这想得过于简单了。

算法的核心目标，从来不是“圈住用户”，而是“留住用户”。长期留存远比短期沉迷更重要。而留住用户的关键，在于让用户始终对平台保持新鲜感。人性本就喜新厌旧，一味推送高度同质化的内容，只会让用户迅速产生审美疲劳，最终导致流失。对平台而言，以牺牲用户长期留存为代价，用“茧房”换来短暂的单次浏览时长，无疑是得不偿失的。

04 结语：穿越流行谬误的迷雾

马克·吐温说过：“让我们陷入困境的不是无知，而是看似正确的谬误论断。”

综合来看，“算法制造信息茧房”就是一种典型的流行谬误：它既错解了信息茧房的本源（主动选择才是认知封闭的核心），也误解了算法的本质（无论是商业利益考量还是技术细节设计，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”大抵就在此列。流行谬误，再流行，也还是谬误。因此，穿越认知的迷雾，看清本质，显得尤为重要。

这并非说今天的算法完美无缺，不容批评。恰恰相反，批评和监督的前提，应当是看见更贴近其本来面目的算法——它不是“织茧者”，反倒更像是在人们已知的花园与未知的荒野之间辛勤开垦的园丁，试图找到那条能引导人们持续探索的、充满新鲜感的小径。

如果将信息茧房定义为“让人只能看到自己想看到的”，而将破茧路径视为“让人还能看到他不知道自己想看的、以及不是自己原本想看的东西”，那么现代算法其实已经提供了相当多的“破茧”工具，包括多样性频控与打散、多兴趣召回、随机扰动等在内的“反茧房设计”。

要让真实的算法被公众看见，需要多方共同努力：学界需要更多专业的科普，事实上传播学领域已有不少实证研究证伪了“算法制造信息茧房”的说法；公众需要提升自身的科学素养，在渲染算法织茧之前，不妨先到相关平台的“体验算法”板块亲手操作感受；平台则应将算法的可理解性视为一种公共产品，持续推动算法透明化，并改进科普方式，努力弥合技术与公众认知之间的鸿沟。

例如，在专业文章之外上线“体验算法”互动板块，让用户通过“可看、可点、可知”的亲手操作，降低理解门槛，亲眼看到自己的点赞、评论、收藏行为如何影响推荐，并在自行调节“扰动强度”中感受算法如何据此调整内容……这种方式，就比纯文字性的科普要直观有效得多。

说到底，算法本身并不编织茧房，破茧的关键依然在于人。如果自我封闭，算法可以成为我们为自己开脱的借口；如果心态开阔，算法完全能够成为我们拓展认知广度的窗口。