去年，差評君刷到個影片，影片中有位鄂倫春族奶奶正唱著一種叫贊達仁的歌。
贊達仁，是鄂倫春族的傳統民歌。歌曲歌詞有些是即興編創，有些僅用 “ 那耶希那耶 ” 等虛詞。
奶奶的歌聲清澈空靈，有一種大自然的寧靜。
有人說一聽到奶奶的歌聲，就彷彿逃離了紛擾世界；有人說雖然聽不懂，但腦海裡有了遠山草原的畫面；
在網友們熱情地點贊、收藏、轉發下，奶奶的歌聲被推送到了更多人的首頁，前後有 4000 萬人都聽到了這首贊達仁。
奶奶很開心，因為過去她的觀眾只有窗外的大山和家裡的白牆。
但你可能不知道，大興安嶺深處的鄂倫春族，其實才不到一萬人。奶奶唱的那首贊達仁，能即興演唱的人更不足 5 人。
如果事情發生在 15 年前，奶奶的歌聲即便傳到網上，也許都走不出東北。
但這些年，網際網路出現了演算法推薦系統。
正是有了演算法，奶奶的歌聲才被推送給全國各地潛在的興趣觀眾，讓更多人的人認識到了鄂倫春族文化。
說起來，網際網路上對於演算法的討論一直眾說紛紜。有人認為演算法是偉大的發明，也有人覺得演算法是把雙刃劍。
其實這種情況在歷史上並非少見。
報紙開啟了大眾傳媒時代，但當時不少學者都批評報紙只追求傳播速度，拋棄了內容深度。電視在普及之初，評論家們也擔心電子媒介會損害人類的思維模式。
當然不管你怎麼看，有一個不爭的事實是，我們其實早活在演算法的世界了。從聽歌到看影片，從購物到點外賣，你在電子世界裡的衣食住行，都被演算法承包了。
之前還有一波網友嘗試關閉過短影片 App 裡 “ 個性化推薦 ” ，結果發現 App 幾乎沒法用了，只能作罷。
現在，反而更多人選擇主動調教演算法，積極搜尋、點贊、收藏，讓演算法更清楚自己想要什麼。
看到這，你可能會納悶：為什麼演算法變得無處不在了？它有這麼重要嗎？
去年 10 月國際資料公司 IDC 釋出一則資料報告，預測 2025 年全球資料量將達到 175 ZB 。
如果你對這個資料沒啥概念，那我換一句。2023 年每過一秒，全球就產生了 4.2 PB 的資料，相當於 8 萬部沒有壓縮過的藍光電影。
在資訊過載的時代，咱們已經沒辦法看完所有內容了。
這時就需要一個資訊漏斗，把它雕刻你喜歡的形狀。透過它篩選的內容，才是你想要的。
而演算法，就是那個漏斗。並且演算法還是目前唯一的辦法，你總不能靠人工給每個人挑揀有用的資訊吧。
那演算法是怎麼猜到你喜歡什麼的？主要有三類辦法。
第一種大家很熟，就是內容推薦。根據你對作品點贊、收藏等反饋行為，給你推薦屬性相似的作品。
第二種是
協同過濾
。人以群分嘛，相似的使用者往往有相似的愛好。
比如差評君點贊過《 復仇者聯盟 》《 鋼鐵俠 》《 美隊 》，而火鍋點贊過《 復仇者聯盟 》《 鋼鐵俠 》，那麼演算法就會推測火鍋也喜歡《 美隊 》。
最後一種叫混合推薦。
比如你的互動記錄比較少，沒有展示太多興趣愛好，那平臺就會融合（ 加權、切換、混雜、特徵組合 ）多類技術，給你引入一些歷史行為中未曾出現的內容，幫你發現潛在的興趣愛好。
也許有差友好奇了：這演算法猜我的愛好，我理解。。。但幫我開發新愛好是為啥？
誒，就是為了推送更多的未知內容，讓你在 App 裡瀏覽、探索。
打個比方啊。
如果你喜歡玩 Dota ，讓你在短影片平臺看一整天 Dota 影片，興許還能接受。可如果一整年，平臺都只讓你看 Dota 影片呢——
你一定想卸了這個平臺。
其實大部分人都這樣，前段時間一篇發表在 AI 技術頂會 KDD 的論文就發現：
如果影片 App 推送的內容足夠多樣化，那使用者平均活躍天數和活躍時長就會顯著提升。
也就是平臺推給使用者的影片越多樣，那使用者看得越滿意。畢竟就算是喜歡的東西，天天看，誰都會膩嘛。
所以為了獲得使用者認可，實現長期留存，平臺工程師在設計算法時，就一定想會讓他們看到更多元的內容。
當然，這些多元化內容理論上也是儘可能基於你的個人特徵和興趣正規化推薦的。天天給你推薦爺爺奶奶喜歡看的影片，那你也頂不住啊。
一個月前，暨南大學在新聞學頂刊《 Digital Journalism 》發表一篇論文，他們用一系列實驗探討了 “ 演算法 ” 與 “ 使用者行為互動 ” 對新聞多樣性的影響，一共有三種測試組：
a.無個性化推薦，純隨機曝光；
b.演算法推薦，使用者躺平任演算法推薦；
c.演算法推薦，但使用者可以干預。
最後結果發現， b 看到的新聞多樣性大於 c 大於 a ，也就是演算法有助於使用者接觸到更多元的新聞。
因為演算法基於內容推薦，它能提高整個平臺，不同類目資訊的分發、獲取效率，節省時間成本。
比如差評君之前收藏了一個 “ 孩子哭鬧 ” 影片後，就被推薦瞭如何製作幼兒輔食，溼疹處理等教學。
演算法的去中心化特性，還讓每一個普通創作者都有機會被大眾看到，激勵創作者製作優秀的內容。
2018 年，一位叫沈丹的年輕母親在抖音發了女兒在田間抓魚的影片。
就是這段隨手一拍，沒有任何修飾的影片，勾起了無數網友的兒時回憶，獲得了 15 萬點贊。
可能誰都想不明白，為什麼一位普通媽媽隨手分享的影片會這麼火？
因為演算法把它推薦給了那些懷念淳樸、自由田園生活的網友。
還有不識字的彝族女性透過短影片，第一次看到了大涼山外的世界；在江西的廢棄村落，有阿姨每天拍攝記錄村裡的人和事，再分享出去；42 年前陝西一位被拐賣的孩子，在演算法的推薦下，去年成功和親生父母團聚。
當然，我們剛也說了：
演算法還會依據你的其他特徵去開發新愛好，給你推薦大量未曾涉足過，卻又感興趣的內容。
大部分人刷影片，應該不會主動去搜 “ 甲骨文 ” 這些詞吧？
但這兩年在演算法推送下，有幾千萬人看到了李右溪的甲骨文影片，他們和我一樣看完才發現：原來甲骨文這麼有意思。
為啥甲骨文的 “ 光 ” 字是 “ 人 ” 頂著一團 “ 火 ” ？為啥甲骨文時期，我們就有了萬這個單位？
甚至差評君也才瞭解，破譯甲骨文，最高能拿到 10 萬懸賞金。
是不是有點心動了？
別急，簡單的早就被前人破譯出來了，近些年唯一破譯成功的就是 “ 蠢 ” 這個字。
原來那會就頭頂尖尖的 ▼
這兩年來，李右溪一共漲了近 100 萬粉絲，影片被點讚了 800 萬次。
怎麼說呢，如果不是演算法，像甲骨文這種普通人夢都夢不到的小眾知識，也許真的會一直雪藏下去，不被大眾發現。而這一百萬粉絲，也很難有機會接觸到這些有趣但冷門的故事。
演算法的多樣性推薦，並沒有因為使用者 “ 沒表現出對甲骨文的興趣 ” ，就決定不推薦甲骨文了，而是透過複雜的推算，最後決定向潛在使用者提供一個學習新知識、發現新樂趣的可能。
你看，奶奶唱的贊達仁火了之後，千萬人看到了深藏在大興安嶺的鄂倫春文化。
無數生活在內陸的人，也是看了漁小仙的趕海影片，才知道原來可以過這樣的人生。
一本 40 年前的《 畫魂 》，在 4 條解讀影片火了之後，被搶購一空，還加印了 5 次。
為什麼說演算法對使用者有價值？
因為它的確幫使用者提升了眼界，讓他們看到了更多元的知識、更多樣的內容。
綜上呢，差評君再回答一下開頭的問題。
演算法之所以變得這麼重要，就是因為在資訊過載的時代，對平臺、對創作者、對使用者，它都是一套優雅的解決方案，一個當下最優解的系統。
與報紙重塑資訊獲取、電視改變視聽體驗、電動汽車革新出行方式相似，演算法也在重構人類與資訊的互動模式。
雖然歷史上很多新技術、新媒介的誕生，都引發過人類擔憂和恐慌，比如蘇格拉底認為文字這種媒介讓人類變得愚蠢，因為文字沒有思考，只是重複。但只要歷經時代的選擇，新媒介終究成為主流，被大眾接受。
如今的演算法，讓每個單位各取所需，提高整個社會資訊流動的效率。而在我們看不到的背後，演算法也早就成了科技企業們的核心生產力，應用在內容資訊、招聘交友、出行旅遊等領域。
演算法、算力、資料，是人工智慧三要素。DeepSeek 的出現，打破了 “ 算力壟斷 ” 敘事，讓更多人把目光投向了演算法技術和工程能力，演算法的含金量還在上升。
雖然現在的演算法技術還稱不上完美，但正是這套系統的存在，才讓更多有用、美好的資訊、知識、文化，被更多的人看見。
如今，我們要做的不僅是要學會與演算法共存，或許還要知道要如何使用演算法、駕馭演算法，去更有效率地接收資訊、獲取知識。
撰文：刺蝟
編輯：莽山烙鐵頭
美編：煥妍
圖片、資料來源：
全網“最冷門專業”的95後博主，在抖音教甲骨文爆火出圈
News Diversity Under Algorithms: The Effects of Pre-Selected and Self-Selected Personalization on Chinese TikTok (Douyin)
Trinity: Syncretizing Multi-/Long-Tail/Long-Term Interests All in One
演算法向善與個性化推薦發展研究報告
知乎@Databri AI：混合推薦系統介紹
全球市場洞察| IDC DataSphere最新趨勢預測
抖音@少年星期八、@鄉愁、@李右溪、@漁小仙、@趙健的讀書筆記
