最近我常跟00后小伙伴搞一種玩法，叫作「交出你的抖音」。

這個說起來有點失禮。因為據說算法會制造信息繭房，將小中老登的差異越拉越大，所以出于打破繭房的自律，我很渴望知道小登們每天都在刷些什么，而迫使他們交出手機是個最簡單粗暴的方式。

每次圈閱他們的喜歡列表，都能讓人收獲新知識：

咦？這位網紅老師我怎么沒刷到過？大數據隔離得真徹底啊！這該死的算法！

直到有一天一位小伙伴問了一句，陳老師，有沒有可能這不是算法的問題，而是寧的問題？

我承認，他的發問讓人產生了一點精神內耗。這個問題的本質，顯然不是我誤會了自己，而是，是不是大眾誤會了算法？

有種說法持續很長時間了：算法推動下的社交媒介并不簡單，它討好每個人的興趣是小，而封印了個體的認知、導致了觀念的極化。這個問題可就大了，妥妥是造成社會撕裂的元兇啊！

社會撕裂不是小事情。熱點評論區總是激烈對線，鍵盤俠層出不窮，就連都市麗人每年回鄉走過村口，短短幾十米都會經歷一次身敗名裂。村口大爺大媽的審視標準既統一又單一，均可歸結為兩點：你結沒結婚、你是否正經？

村口是這個世界的一種真實寫照，坐鎮村口的人和路過村口的人，總會視彼此為異端。

那么，這關算法什么事呢？

將觀念極化歸咎于算法制造的繭房，但這無法解釋在算法出現前，人類社會本就存在到處可見的對立，也無法解釋村口老登們遠離算法之外，也總是以一成不變的標準審視人。

我認為的「村口效應」，就是一群人只要各自搬著小板凳，坐到一起，就足夠形成一種輿論。

然而現在有個詞叫「傻子共振」，它針對的不是小板凳，而是算法，意思是那些持荒謬觀點的人，是在算法的幫助下強化荒謬，才導致極化的病情越來越重。

那事實到底是不是這樣呢？讓我好奇的是，還真有學者在仔細研究這個。

前一陣子，阿姆斯特丹大學的兩位社會學家搞了個實驗，刊登在頂級科學期刊《Science》的八月刊。是的，社會科學也是可以搞實驗的。這個實驗怎么做呢？他們精心打造了500個AI人，這500個人都有年齡性別、教育愛好、信仰傾向等區別，有的是油膩老登人設，有的則是傻白甜或小可愛。除了沒有肉身，他們跟真實人類也差不多。

該論文被Science關注

這500人團需要做什么呢？讓他們活躍在一個虛擬的社交平臺上，像正常的網民一樣評論熱點事件。重點是，這個社交平臺非常原始，沒有算法的介入，成員看到的信息基本只依賴于發帖、回復、轉發，大概跟古早時期的論壇差不多。

社會學家期待通過這個實驗去證實，剝離算法的干預之后，觀點抱團和極端言論這些壞東西就不存在了。

然而結果讓人大失所望。那500個AI人根本不是什么省油的燈，他們既沒有出現安定團結的大好局面、也沒有誕生理性客觀的討論氛圍，該吵鬧還吵鬧、該極端還極端。哪怕實驗循環一萬次，也還是呈現相同的結果。

這個實驗的崩潰，仿佛又讓人看到了村口的影子。是不是人類一旦「聚眾」，就會莫名其妙地「集體降智」？我問了問豆包，又翻了翻經典，發現很早就有學者研究過這個猜想，并且早已得出了結論。

在130年前，法國學者勒龐在它那本神作《烏合之眾》里說過一段話：

群體是匿名的，也就是說無須負責，當一直約束著個體的責任感消失不見時，人便會肆無忌憚。

一本書的名氣會越來越大，代表它的含金量在不斷上升。老先生在《烏合之眾》里為了說明這個觀點，舉了個歷史上存在的真實操作。

在法國大革命時期，掌權的國民公會搞審判，陪審員基本都是溫和的中產階級，私下里都主張手下留情。哎呀，不要搞得太殘酷嘛，日后好相見。然而當他們聚在一起后，在幾個「意見領袖」的影響下，總是毫不留情把一些無罪的人送上斷頭臺。悲劇啊！

歷史上的很多悲劇，都是由于人的抱團成群、集體施暴導致的。極端觀點是一把殺人無形的刀。在群體中，尤其一個人發現自己的觀點是少數時，往往會因害怕孤立而陷入沉默。在眾多氣氛組的烘托下，極端意見很容易形成優勢。

喧囂的一小撮，總能裹挾沉默的大多數。

人和人的悲喜并不相通，立場也不會一致，人類天然就是一個容易各自抱團的社會。不是一個團，而是很多個團，也如同一個個散落的村口。

成團的因素通常極其簡單，性別、年齡、學歷，跟什么人交朋友、去過多遠的地方。

比如，大爺大媽幾乎很少走出村子，他們在村口就可以原地成團。因為自己都沒走出過多遠，假如聽聞有殘障人士抱怨出行不便，那他們必然會一致認為，殘疾人就不該出門給社會添麻煩。你看看大爺大媽，在家里都待得好好的。

不過，社會始終在進步的，現在絕大多數人都知道了，分歧是不好的，相互理解是重要的。所以在面對顯而易見的撕裂時，很少有人愿意承認是自身「頭發長，見識短」的原因：嗯，一定是媒介給我的信息不夠完整全面。

甩鍋于傳播信息的媒介，是一件非常輕松的事，而且成本極低。我們仔細捋一捋就可以發現，幾乎任何時代的主流媒介，都是被甩鍋的對象。

過去要么抱怨媒體提供一種類型的報道，報喜不報憂；要么就說他們立場偏頗、夾帶私貨，從而做了社會撕裂的幫兇。

而現在，算法更容易被怪罪。一個原因是，算法是去中心化的，首先干掉的是編輯和總編輯們。

當年被編輯人為篩選掉的、無法構成選題的信息，現在素顏地出現在了觀眾面前。因此，許多過去沉默的、邊緣的聲音出現在公眾視野，讓以往的「主流」感到詫異：完了，小群小團怎么還越來越多了？

這不是算法制造了現實，而只是還原了真相。

而算法另一個容易被遷怒的原因是，他太強大了，人們認為算法無所不包、無所不能，理應提供滿漢全席式的套餐。但如果算法是一個技藝高超的廚師，他也無法保證將每一道菜都投喂到用戶的嘴里。

當算法試圖將某些新口味送到用戶面前時，可能短短一秒鐘，他或許就已經點了「不感興趣」。

人們總是過多看重媒介對信息的篩選和推送，而忽略了自身對信息的過濾。

如今有傳播學者也開始懷疑，所謂的信息繭房是一個假說。換言之，繭房到底是造成問題的原因，還是說，它僅僅反映了一個結果？

到底是有許多屋子困住了人，還是每個人都有著天然的偏好，走進一個喜歡的小屋，便賴在里面不走了，更不再對別的屋子感到好奇？

那么有什么好辦法，將人從屋里趕出去，時常地交換空間呢？主動打破社交隔離是一個辦法，但搶奪00后的手機畢竟不太體面，也不高效。

與很多固有的印象相反，算法或許還真是一個有效的辦法。它本身就具備打破繭房的動機，就平臺來說，也并不樂見于總給用戶推薦單一的內容。

例如，抖音的實踐經驗是，只推薦單一內容會使用戶很快厭倦，導致用戶體驗與活躍度下降，因此平臺也在試圖打破繭房。抖音在網站上公開了他們打破繭房的一些手段，其中我比較感興趣的有三個。

第一，多樣性的優化。比如一個擼貓愛好者，他之前刷五個視頻就有三只貓貓，而進行優化之后，貓貓的數量降低到了一只。與此同時，勢必要用其他內容來補齊。

這就是第二點，探索更多興趣。假如我是一個音樂愛好者，那么算法會隨機拉著我往舞蹈和美術的方向靠一靠，畢竟藝術都是相通的，尤其一個老派的文藝青年一定同時能欣賞多種技藝的。

而第三點，則是基于用戶社交關系進行興趣拓展。在獲得用戶授權后，推薦系統會通過用戶的“互相關注好友”推斷用戶的興趣圈層，朋友喜歡的內容會成為用戶的興趣探索內容。這一點在我的理解是，無論在線上還是線下，信息的拓展必然要依賴朋友圈的拓展。

老東西如果只接觸老東西，那肯定滋生不了小清新，只會分泌更多油膩。

那回過頭來說，村口回來了年輕人，實在是一件大好事。只是這一年一次的交互太少了。也許最終瓦解村口的，并不是大爺大媽們的「自然減員」，而是強大而多元的算法能夠覆蓋村口，也經常告訴他們：

外面的生活是這樣和那樣，有很多種樣子的。

就像一個牢固繭房中，能滲透進不同的聲音，哪怕微弱但只要持續，也是扭轉觀念、彌合分歧的開始。

關注這個傳達室

更容易看到我的推送