無論我們打開百度、今日頭條還是網易云音樂，推薦的都是對自己口味的內容。這樣的個性化推薦，雖然能確保我們不錯失感興趣的信息，但同樣容易使我們陷入「回聲室效應」——在一個相對封閉的環境上，我們接受到的信息都是自己喜歡的類型，而這類信息不斷重復，讓人以為自己接觸到的信息就是事實的全部。

反個性化，從了解你朋友愛看什么開始

只依靠個性化推薦獲取信息，顯然沒辦法幫助我們全面的看待事物。在這次的 NIPS 大會上，芬蘭阿爾托大學和意大利羅馬第二大學的研究人員，推出了他們合作開發的反個性化推薦的算法，可以讓社交媒體用戶收到他們不一定喜歡或贊成的觀點、信息。

個性化推薦往往通過我們在搜索引擎中留下的搜索和瀏覽數據，來了解我們的興趣愛好。而這個反個性化的算法除了了解你的興趣愛好外，還要了解你親密好友的興趣愛好。

如果某一社交媒體上的兩個用戶是朋友或者彼此點贊、評論過，這個反個性化算法就會把兩人算作熟人樣本。當積累足夠多的熟人樣本后，算法會根據所有用戶針對某一話題的態度，劃分出兩個擁有對立態度的群體。接下來，一種叫做「貪婪算法」的算法會從所有用戶中挑選出，熱衷于發表意見的「意見領袖」。隨后，社交媒體就可以向這些意見領袖發送對立雙方的觀點，通過影響他們來傳播不同立場的信息。

看你不想看的，更全面的認識世界

在這次的 NIPS 上，阿爾托大學的研究人員以一個「詞云」實驗，來解釋這一算法是如何工作的。研究人員搜索了網上 #russiagate（指 2016 年美國大選中關于特朗普和俄羅斯之間勾結的傳聞）標簽相關的主題，并根據特朗普的支持者和反對者關注的話題事件，形成了下圖上方的兩個詞云。

其中，特朗普的支持者關注的主要是「石油」、「能源」和「天然氣」之類對特朗普利好的話題，而反對者則更關注「環境」、「綠色」和「能源」這些特朗普在政策層面讓人不滿意的話題。不難發現，這兩個詞云中關注的核心話題少有重合。這說明，無論是特朗普的支持者還是反對者，受網絡信息個性化推薦的回音室效果影響，都更樂意接受自己認可的信息。

詞云圖片的底部，顯示的則是特朗普的支持者和反對者都關心的事件。研究人員發現關心這些事件的人，往往樂于面對爭議并發表自己的見解，而且能同時接觸到觀點對立的兩類人。研究人員認為，通過發送針對性的信息給意見領袖，就能讓其傳播一些更加平衡的觀點，起到反個性化推薦的作用。

參與這項研究的阿爾托大學的博士生 Garimella Kiran認為，他們的這項新算法，有利于通過平衡信息暴露，減少社會上的情緒對立和兩極分化。比如，即使一個用戶是美國民主黨的忠實支持者，也有機會聽到共和黨人關于某一事件的看法，而不是在個性化推薦算法下，反復接收到自己固有觀念的重復版本。

不過，這項技術雖好，但對數據的可用性和數量級卻有要求。這意味著，想要取得理想效果，就少不了 Facebook 或 Twitter 這樣的大型社交平臺的參與。

來源|極客公園