可信任演算法正在繭房消解上發揮重要作用，作為一個日均更新為億數量級的影片平臺，抖音進化演算法的動力更加迫切
文｜施然
短影片平臺已經是人們生活中不可或缺的一部分，平臺使用者量超過10億，但流量與演算法之間的關係一直是一個神秘黑箱。
今年1月，國內短影片平臺抖音宣佈，將推出10項措施，推動平臺工作透明化，和演算法向上向善。3月30日，抖音安全與信任中心網站（95152.douyin.com）上線試執行，網站面向社會公開抖音演算法原理、社群規範、治理體系和使用者服務機制。
這個網站的特別之處在於，它是行業裡首次公開推薦演算法原理的平臺，介紹其推薦演算法如何預估使用者行為機率，並透過多目標建模等方式來實現更優質、豐富的內容推薦。而演算法需由平臺治理體系對其進行約束和規範。網站也披露了抖音平臺治理的稽核流程，闡述平臺如何應對謠言、網暴等違規內容帶來的挑戰。
關於演算法的討論中，“資訊繭房”是對演算法機制最直接的攻擊。
“資訊繭房”最早出現在凱斯·桑斯坦的《資訊烏托邦》書中，是對部落格時代“友情連結”功能帶來觀點單一的擔心。在當下環境中，“資訊繭房”已成為網路常用語，但含義已經發生變化，更多是用於描述資訊同質化等現象。一些人認為，內容平臺在推薦演算法加持下，只給使用者推送他們喜歡看的內容和觀點，因而導致個體使用者會處於“資訊繭房”中。但這並非事實，“資訊繭房”對於平臺、使用者和創作者來說都會帶來傷害。
使用者抗拒資訊繭房；一些創作者希望自己的內容能夠被更多人看到，而不是永遠停留在固定的使用者圈層裡；平臺同樣不喜歡，抖音實踐發現，儘管多樣性的推薦內容可能會在短期減少使用者活躍度，但長期隨著時間積累，演算法會幫使用者探索出更多興趣，帶來更多使用者長期價值，因此抖音也想打破“資訊繭房”。
從技術視角看，這是推薦的精準性和多樣性平衡的命題，需要在保證內容推薦效率的同時，不斷調整推薦方向和節奏。因此，演算法最佳化並非一蹴而就，需要長期持續最佳化調整，而演算法公開是關鍵一步。抖音不斷調整最佳化價值模型，希望實現內容、使用者、作者以及平臺的多方價值共贏。
抖音演算法主動打破“繭房”：推薦給朋友、不感興趣、遮蔽關鍵詞頁面。圖源：抖音安全與信任中心官網
為引導演算法打破“資訊繭房”，抖音演算法在多目標建模體系下設定專門的探索維度：一是針對使用者已展現出的興趣，透過多樣性打散、多興趣召回、扶持小眾（長尾）興趣等方法，控制相似內容出現頻次，推薦更多樣的內容；二是幫助使用者探索更多新興趣，採用隨機推薦、基於社交關係拓展興趣、搜尋推薦聯動、“不感興趣”不再展現等多種方式，讓使用者主動行為影響推薦系統，使推薦更加個性化和多樣化。
爆款與演算法
移動網際網路時代，演算法必不可少。在電商平臺上，演算法不僅為使用者推薦商品，在商品配送和供應鏈環節都發揮作用。在外賣平臺上，演算法要結合天氣、高峰時間段和交通等多重因素，最佳化業務鏈條。
抖音平臺上有大量使用者和內容，更需要推薦演算法。抖音演算法工程師劉暢近期在與我們交流時介紹，抖音每一天的內容投稿量為億數量級，但一個使用者一天能觀看的內容大約平均幾百條，因此抖音需要很強的分發效率，才能夠讓使用者找到自己感興趣的內容，同時也能把內容分發給合適的使用者，讓使用者和創作者都能在平臺上有不錯的體驗。
從外界視角來看，抖音上會出現郭有才等素人快速走紅的“大爆款”內容。一些人認為，這是“平臺造神”的結果，即平臺為了保持流量熱度不斷推出新網紅。
從實際操作的視角看，平臺沒有動力和意願去“造神”，也沒有能力隨便捧紅一個人。此外，社交媒體平臺普遍具備“去中心化”特徵，使用者不僅是資訊接受者，也會用觀看、點贊、評論等行為表達自己的偏好。這些內容偏好被演算法捕捉後，才會被推薦給更多人。這種“去中心化”的推薦機制，實現了“使用者對使用者的推薦”，平臺無法將全部流量集中到某個創作者，無法隨意地將其打造成“神”。
中國人民大學新聞學院釋出報告稱，媒體報道、熱搜是網紅“出圈”關鍵。報告對抖音網紅漲粉數進行迴歸分析發現，是否上熱搜能夠顯著影響網紅的30天內漲粉情況，即上熱搜能夠助推漲粉並實現破圈傳播。與此同時，一些抖音單月漲粉超過500萬的創作者，如生活劇情博主“大圓哥”、母嬰育兒博主“朱兩隻吖”，由於沒上過熱搜，缺乏主流媒體報道，則未能觸及更廣泛的圈層、為大眾所熟知。
短時間內走紅的網紅，或是新聞事件當事人，或有特殊的內容稟賦，具有不可預測性。藝人經濟公司很難靠砸資源捧出真正的大明星，網紅也沒有明確的“造星”路徑。一家頭部MCN機構創始人認為，“頭部網紅自身有很強的特質，這是他的核心競爭力，一家機構再厲害，也複製不了李佳琦這樣的網紅。”此外，如果演算法想捧誰就捧誰，平臺可能會因此受到“反噬”，與某些網紅的深度繫結，也容易為平臺帶來內容風險。
推薦演算法原理
推薦演算法的工作流程，一般包含召回、過濾、排序等環節，重點是學習使用者行為。
使用者每次重新整理，推薦演算法啟動的第一步是召回，即從候選內容池中快速撈取可能感興趣的內容。然後，深度學習演算法基於使用者的歷史行為，給每個使用者形成一套專屬的價值模型，模型會預測使用者對候選影片的行為，結合使用者行為和影片本身的價值權重，推算出影片推薦的價值分數，並將綜合得出的價值最高的影片推送給使用者。
這個估算價值的模型，隨著演算法的進步，已近乎即時調整，使用者每次動作，演算法都會根據使用者實際動作調整自己的引數，對各類價值重新加權，以更好滿足使用者需求。
演算法是工具，是為解決使用者需求，打分的最終目標是使用者長期價值。在那場交流中，劉暢提到，長期價值是抖音演算法的“北極星指標”，而不是短期資料，“如果我們比較關注短期資料，那就會強化像點贊、完播這些短期好收集的訊號，但如果我們關注使用者的長期價值，我們就會看他對某些作者長期的一些互動，比如會不會經常去收藏某些內容，這些內容才是使用者對平臺長期認可的方式。”
演算法基於使用者行為推薦，對可能發生的使用者行為預測打分。圖源：抖音安全與信任中心官網
比如，抖音平臺上有一條長達450分鐘的紅樓夢解析影片，播放量超過3億。在短影片平臺，這條影片實在是太長了，長影片有一個特點，完播率大幅低於短影片。但從播放量看，這條影片的播放量是很好的。過去，不少人認為，完播率是演算法推薦的核心權重，如果很少使用者能夠看完這條影片，演算法可能會判定為低質量內容，不會推薦。這是片面的觀點，這條450分鐘的長影片的分享量、評論量和收藏量都很高，在多維度的打分標準下，得到了平臺演算法推薦。
短影片分享平臺有最佳化演算法的迫切動力——推薦內容越豐富，越多元，使用者長期留存率越大。“資訊繭房”很多時候是要求演算法足夠精準，只推薦使用者明確感興趣的內容，這樣能夠在短期內獲得高流量，但長期來看，使用者也會因為內容單調而流失。
抖音需要平衡演算法的精準度和多樣性。一方面，在一個日均更新為億數量級的超級影片平臺上，如果完全採用使用者探索模式，獲取資訊的效率會非常低，需要演算法主動做出推薦。另一方面，也需要基於使用者的基本興趣做多樣性處理。
為了更好地推薦內容，抖音還加大了對小眾內容的扶持，對內容做“打散”，如果使用者連續刷到類似的內容，演算法會介入，控制相似內容出現的頻次。
不管推薦演算法如何複雜，其工作的核心都是學習使用者產生的行為反饋資料，並透過機率計算，將模型中推薦價值最高的影片推送給使用者。但如果單純依靠演算法預判行為而不加約束，可能會帶來不當內容氾濫等新問題。因此，還需要人工為其構築多層“護欄”，避免演算法對內容價值的“認知盲區”引發的問題。
抖音平臺透過五項舉措來為演算法設定“護欄”。第一，組建專門團隊，負責對治理標準進行准入及準出的管理工作。第二，該團隊設定了多項條款，並根據不同型別的內容制定對應標準。第三，不斷迭代和評估相關標準。第四，持續對標準落地質量追蹤和糾偏。第五，對使用者和作者開展治理標準普及工作。
去年，抖音建立了熱點當事人核實機制和事件核實機制。平臺會對熱度較高，但有可能是擺拍演繹內容，和作者建立聯絡，溝通並確認真實情況到底是什麼樣的。
演算法需要公開
演算法是工具，需要根據應用場景不斷最佳化調整，演算法公開是最佳化演算法的第一步。
從2024年開始，抖音演算法團隊就不斷討論演算法公開的可行性和具體方式，且已經將平臺治理和演算法透明度列為重點工作。
抖音生態運營經理陳丹丹在近期的一次交流中提到，隨著抖音平臺越來越大，大家在業務實踐過程中發現了很多問題，一方面，抖音需要彌補自己的短板；另一方面，也需要和外界做更多、更深入的溝通。透過提高透明度來營造一個可被信任的平臺環境。
資訊爆炸時代，在海量資訊中尋找自己所需的內容很多時候無異於大海撈針。據國際資料公司IDC釋出的《資料時代2025》報告顯示，全球每年產生的資料將從2018年的33 ZB（1 ZB等於10萬億億個位元組）增長到175 ZB，以25Mb/秒的下載速度計算，一個人下載全人類2025年產生的資料需要18億年。具體到個人，面對的新增資訊量，也從報紙時代的每天幾十個版面、數百條新聞，增加到一個平臺每天就有上億條新內容，遠超個人所能處理的極限。
人們需要演算法來做內容推薦，但如果演算法是個“黑箱”，不可避免會帶來包括繭房、資訊誘導等擔憂。演算法公開可以幫助打破資訊繭房，利於使用者高效率獲取資訊；也能讓公眾更好理解演算法，並參與到演算法治理中，提出實際有效的建議。
推薦演算法本質上是一套資訊分發系統，讓資訊匹配更高效。當代社會，資訊流動效率越高的經濟體，越具有競爭力和創新活力。推薦演算法帶來許多行業的新機遇，比如直播帶貨的主播，已經成為國家認證的新職業。這份工作背後已經有一套成熟的運作機制，而不是簡單粗暴的靠演算法發“彩票”。公開演算法，讓更多瞭解演算法的運作機制，能夠讓內容、社交生態都進入一個更良性的迴圈。
在提升資訊獲取效率之外，演算法在很多時候也能帶來社會價值。過去兩年，有不少相對小眾的旅遊城市被大眾熟知，包括山東淄博、甘肅天水等，很多本地人都沒能看見的資訊，被演算法看到了。
2023年9月，一條“探訪三花劇團開放式化妝間”的短影片在抖音上火了，成都三花劇團當時經營困難，一度瀕臨倒閉，但這條影片讓三花劇團在之後的三個月裡，賣出了2.5萬張票，比過去兩年賣的票還多，也直接讓這家劇團“起死回生”。
2023年2月，甲骨文專業研究生李右溪釋出了一條“挑戰全網最冷門專業”的影片，當晚播放量過百萬，而這也讓她調整了職業發展方向，變成了一個知識博主，在抖音上科普甲骨文知識，目前粉絲數量超過90多萬人，讓這個曾經極度冷門的專業變得受歡迎。
類似這樣小眾內容被看見的案例還有很多，比如鄉村老師張建濤在抖音上學習物理實驗，教孩子們成功發射了“水火箭”，他的影片又被更多人看到，一度帶動了鄉村學校研究“水火箭”實驗熱潮。重慶大學化學化工學院教授勾茜在抖音上科普星際化學知識，她希望透過這種方式把深奧的理科概念講得通俗易懂，這樣才會有更多人對冷門專業感興趣，加入研究隊伍。
今天，在抖音上，我們能很容易找到水稻種植、菌菇培育的相關內容。中國中小農使用者分佈廣，種植養殖種類眾多，需要的技術門類繁雜，過去科研機構和農業企業推廣、科普的過程中普遍面臨成本高、人手不足的問題。短影片和直播的平臺再加上演算法的助力，能夠讓專業人士和農業同行們更好的交流。在抖音，目前有超過30萬個果樹嫁接的影片，播放量超過7.5億。
演算法是技術工具，而非“幕後黑手”。瞭解演算法，調整演算法，最佳化演算法，才能讓演算法持續向善。
