反推荐很容易走向另一个极端:只订阅已经信任的人,只阅读支持既有问题的来源,把偶然性从系统里清空。
“戒掉算法”听起来很有力量。
执行几天以后,常出现两种结果:因为工作和关系需要重新装回原来的应用,或者换到另一个推荐平台,然后相信新的信息流更干净。
问题并不在算法存在。搜索、过滤垃圾邮件、发现音乐和小众作品都离不开算法。真正脆弱的是,一个人把“今天看见什么”几乎全部交给同一套不透明系统。
它开始决定什么出现、重复几次、以什么情绪出现,也间接决定创作者为了被看见应该提供什么。

反推荐很容易走向另一个极端:只订阅已经信任的人,只阅读支持既有问题的来源,把偶然性从系统里清空。

当前开放前 20% 试读,后续内容需要订阅有效期内阅读。
反推荐很容易走向另一个极端:只订阅已经信任的人,只阅读支持既有问题的来源,把偶然性从系统里清空。
“戒掉算法”听起来很有力量。
执行几天以后,常出现两种结果:因为工作和关系需要重新装回原来的应用,或者换到另一个推荐平台,然后相信新的信息流更干净。
问题并不在算法存在。搜索、过滤垃圾邮件、发现音乐和小众作品都离不开算法。真正脆弱的是,一个人把“今天看见什么”几乎全部交给同一套不透明系统。
它开始决定什么出现、重复几次、以什么情绪出现,也间接决定创作者为了被看见应该提供什么。

算法的优势是低摩擦。打开就有,而且越来越像自己。
代价是来源、选择过程和遗漏很难看见。一条观点可能从论文、公司公告或亲历事件出发,经过媒体标题、博主转述、平台截取和评论区情绪,最后以一句确定结论来到面前。我们看见供应链末端,却常把它当作事件本身。
传统媒体也有筛选,只是版面、频道和编辑身份让部分闸门较为可见。个性化推荐把同一件事拆成每个人不同的入口,选择过程更贴近个人,也更难被旁观。两个人说自己“都在网上看过”,实际可能接触了完全不同的事件、重复频率和情绪框架。