算法替你看见了什么

打开手机。往下刷三次。

一篇关于AI的文章。一个做饭的视频。一条朋友的动态。一个广告。

你点开哪一条，当然是你的选择。

但在你选之前，另一次选择已经发生了。

世界上此刻有无数文章、视频和消息。只有极少的几条出现在你面前。你没有从全部内容中选出这一条。你是在一张已经替你缩小过的菜单上点菜。

菜单是怎么写出来的。

推荐系统会记录一些行为。你看了什么，停留了多久，点赞、收藏或划走了什么。它再用这些痕迹预测，下一次把什么放到你面前，你更可能停下来。

听起来很像一面镜子。你用行为表达偏好，它再把偏好反射回来。

但它不是镜子。镜子不会在反射你之后，反过来改变你。

你偶然看完一条健身视频。系统认为你对健身感兴趣，多推了几条。你又看了两条。这些新行为进一步确认了最初的猜测。几天后，你的页面里充满了饮食、体脂和训练计划。

一开始可能只是偶然。反馈了几轮之后，它变成了一个稳定的你。

你过去的行为，正在编写你未来的菜单。未来的菜单，又会影响你接下来的行为。

这是一个闭环。

闭环里还有一个误会。

行为不完全等于偏好。

你看完一条让人焦虑的视频，不一定是因为你喜欢焦虑。可能是标题让你不安，你想确认事情有没有那么糟。你在一场争吵下停留很久，也不一定是认同任何一方。可能只是人对冲突很难移开视线。

系统看不见这些心理区别。它先看见一个事实：你停下来了。如果「停下来」是它要预测的东西，焦虑、好奇、赞同和愤怒，就可能被折叠成同一个数字。

然后这个数字反过来定义你。

「你曾经看了很久」，慢慢变成「你喜欢这个」。「你喜欢这个」，又变成「这就是你」。

一个人本来是会变的。今天的好奇不等于明天的身份。但推荐需要预测，预测需要假定过去和未来之间有某种稳定性。所以系统会把你暂时做过的事，当成你接下来还会做的事。

推荐因此不只可能把视野变窄。它还可能把一个正在变化的人，反复送回他过去的影子里。

闭环本身没有恶意。它甚至很有用。没有推荐，你会淹没在无穷的内容里。筛选不是问题。人的注意力有限，任何信息系统都必须筛选。

真正的问题是：它在为什么而筛选。

有的系统更在意你会不会点开。有的更在意你会不会停留。有的希望你完成一项任务，有的希望你找到真正有用的内容。当一个系统同时考虑多个目标时，它还要决定这些目标谁更重要。

优化目标，就是算法的偏好。

如果系统奖励点击，标题就越来越会抓人。如果奖励停留，能让人犹豫、惊讶、愤怒或不断往下看的内容，就可能获得更多机会。如果奖励长期满意度，系统又可能做出不同的选择。

这就是为什么「它越来越懂我」这句话，只说对了一半。

它可能越来越擅长预测你的下一个动作。但预测你会做什么，和理解什么对你好、你希望成为什么样的人，不是同一件事。前者可以从行为中学习。后者需要一个还没有发生的你参与回答。

当然，推荐系统也可以被设计得更喜欢探索。偶尔放进一些不符合旧偏好的内容，避免菜单越来越窄。但「多陌生才算多元」、「多少意外才算刚好」，仍然是系统要替你回答的问题。

它可以在菜单上放一道你没吃过的菜。但它不能只根据你过去的点单记录，知道你是否正准备换一种生活。

一个人最值得保留的部分，也许正是这种对过去的不忠诚。我以前喜欢，但我不想再喜欢了。我过去从不关心，但我决定从今天开始了解。

这种句子不能从「你一直是谁」里自然预测出来。它来自「你想要成为谁」。

算法不需要「想要」塑造你。只要它反复奖励某种行为，你看到的世界就会逐渐朝那个目标倾斜。

倾斜最难察觉的地方，是它没有留下空白。

一家图书馆少了一本书，书架上有个空位。一张报纸只刊了某些新闻，你至少知道有编辑在选。

推荐流没有空位。它永远是满的。

一个话题没有出现，屏幕上不会留下一块黑色，告诉你「这里本来还有别的东西」。另一条内容会立刻把它的位置填上。

所以你很难感到自己少看了什么。你只会感到，今天又看了很多。

更深的影响不是某条内容说服了你。是一个话题反复出现后，它开始显得很重要。另一个话题长期不出现，它就慢慢离开了你对「正在发生什么」的想象。

算法不只在排列内容。它也在排列重要性。

你可能会说，我可以主动搜索。

可以。这是一个重要的区别。推荐是世界替你选一个入口。搜索是你带着一个问题去找入口。从推荐切换到搜索，你似乎拿回了一部分方向盘。

但搜索有一个前提。

你得先知道自己要搜什么。

你不知道存在的东西，很难被写进搜索框。你还没有说清的困惑，也很难变成一组关键词。

这就是推荐流的边界，也是下一层问题的起点。

在主动寻找之前，你必须先把一种模糊的不安，变成一个可以被问出来的问题。

如果连这一步，也有工具替你完成呢。