作为一种普遍规律，但凡是创新，就必然会受到来自方方面面的审视与诘问。对于算法型信息分发而言，眼下最具社会普及性意义的一个突出问题就是：它是不是造成“信息茧房”（以及见识窄化，甚至是引发“后真相”时代）的罪魁祸首？

答案是否定的。

“信息茧房”假说未证实

迄今为止，人类的信息分发模式大体上经历了三个主要的发展类型：第一，倚重人工编辑的媒体型分发；第二，依托社交链传播的关系型分发；第三，基于智能算法对于信息和人匹配的算法型分发。作为一种“闯入”信息传播实践的新生产力量，算法型信息推荐(分发)技术实现了信息生产与传播范式的智能化转向，同时带来了用户价值主导下的场景化适配。其发展与变化是一种重塑传播规则、改变人们认知的全新机制设计。

“信息茧房”则是由哈佛大学教授凯斯·桑斯坦在2001年所提出的一种假说。在传播学中，欧美学者常见的概念表述是“信息回音室”或“过滤气泡”。前者突出的是“人们听到和自己类似的声音”，也就是所谓“回音”。后者强调的是社交媒体上的人际关系，以及算法推荐功能带来的信息过滤效果。而对于算法信息分发的质疑就在于，认为智能机器会持续地为你只推荐一类信息，从而造成用户的兴趣和见识窄化。

从逻辑上讲，这一假说成立的前提是，你喜欢看什么算法就只给你推送什么。事实上，算法没有好恶，虽然能判断你的兴趣爱好，却无法判断你的观点和态度。因此会推荐正反两方的文章给你，避免偏听偏言。相比起订阅和关注这类高度认同的信息来源，算法少了人工干涉，反而帮助你高效地接受多元化的信息。现实的情况是，人们除了被动接受平台所推送的信息和观点之外，还可以用搜索功能来主动探索求证形成自己的认知，主动打破“茧房”隐患。

事实上，桑斯坦关于“信息茧房”的假说在其后的学术性实证研究中，从来没有被证实过。反而，习惯研究常常得出与之相异的结论：在算法型内容推送之下，人们的认知边界不但没有缩小，反而在明显地扩张，并且认知层次也在随之加深。

算法越来越多元

换言之，在社会生活的具体实践中，算法其实不但不会造成“信息茧房”现象，反而会更有利于打破这种见识窄化。原因是显而易见的：

首先，关于智能算法型信息分发所依赖的算法，已具有越来越多元的发展趋势。在市场竞争日趋激烈与分工更加细化的格局之下，不同的算法型信息分发平台很少会使用同一种算法，而是根据自己的市场定位与资源禀赋，采用多种不同类型的推荐算法，以实现自身所掌握的资源与用户需求的场景适配。实际上，采用多种算法的信息分发平台所具有的社会构造，从信息流动层面来说，总体上能够有效地避免“茧房效应”的发生。因此，问题的关键不是一个算法型信息分发平台在满足人们需求时是否有局限性，而是整个社会信息推送的算法是否足够多元。

其次，智能算法型信息分发所依赖的算法，如今正处在不断优化和迭代过程中。脸书、谷歌、今日头条均已深度介入信息分发，算法是互联网信息分发平台在实现传播效能中一个最重要的工具。目前，所有算法型信息分发平台的优化举措有以下几个方面：

第一，它们都有限度地向社会开放其算法，加强透明性，引入社会的监督和参与。如今日头条在2018年公开了自己的算法原理，核心是为用户量身定制精准度更高的信息推荐。

第二，算法的迭代将沿着两个维度持续升级：一是通过引入更加多维的数据（如：席位数据、未知数据、社交关系数据等）加深对用户需求定义和理解的广度与深度;二是除了注重用户价值之外，将更多的价值维度引入算法的计算框架中，如人们所处群体的价值维度、社会的价值维度、国家的价值维度等等。如此一来可以使算法越来越能包容社会不同的价值诉求，从而使信息的分发成为一种社会诸多价值“合力作用”的结果。

平台不追求用户兴趣窄化

作为平台来说，“聪明”的算法平台都不会希望自己的用户兴趣窄化，就像没有一个商场的经理会希望顾客每一次来到商场都只关注同一类别的商品一样。事实上，商场经理都希望顾客关注尽可能多的产品品类，以扩大其消费能力。同样的道理，算法型信息分发平台也希望用户尽可能持续地拓展关注的范围与数量。

从根本上说，从海量内容中挑选用户感兴趣的内容，这样的信息推荐系统一定是智能的、可学习，并且会根据用户的反馈自我调整。通过正向和负向反馈，不断观察学习，根据这些市场信号和社会信号不断调整自己，让自己更能符合用户的兴趣需求和社会的价值潮流。所以，推荐系统的设计者会非常希望自家系统在短期数据方面有很好的表现，更需要深挖用户的兴趣点，尽量在一个平台上满足用户多元化的兴趣点。推荐内容越多元，用户对信息平台的依赖度和长期留存率也越大。

因此，算法推荐不但不会导致“信息茧房”，反而有助于人们打破“信息茧房”。一句话，将算法与“信息茧房”简单画等号的做法真的可以休矣。(来源：环球时报）