算法比你还了解自己？胡扯

网络冲浪时，你一定曾刷到过这样的测试题，根据输入习惯来测性格，比如输入「ysbg」，候选词是一丝不苟还是一丝不挂，前者证明是个正经人，后者则不是。

测试的原理很简单，手机输入法会记住你的输入偏好，因此候选词一定程度上可以反映一个人的性格，算法比你自己更懂你。

我劝你别信，这不过是新时代的「电子迷信」罢了，打出「一丝不挂」不一定是不正经，这个锅应该算法来背。

输入法的候选词预测功能，原本是为了提高输入效率，但在算法的介入下走向了「歧路」。

算法预测，不一定和你有关

经历过功能机时代的人，可能都会有这样一个共同回忆，老师在黑板上挥动粉笔，你在课堂下揣兜，发出轻微的抖动。

嗡嗡嗡，一条短信就这样发出去了，盲打手机键盘是高阶手机玩家的专属技能，也是学校朋友圈的社交门槛之一，这背后就输入预测功能。

手机输入法从计算机延伸而来，全键盘的输入效率很高，但要求输入完整拼音，对于手机这种小巧且经常单手操作的设备而言，并不是非常合适。

手机出货量越来越高，输入麻烦的问题就越发严峻，好在永远有人能从产品体验中找到赚钱机会，Tegic Communications 公司开发出 T9 输入法，摩托罗拉为了与之竞争推出了 iTab 输入法。

这两种输入法的共同特征是都为手机键盘设计，支持 9 键，同时带有输入预测功能，不仅能根据已经输入的文字调整候选词，还能根据人们的输入习惯调整候选词顺序。

比如按下 7 键（wxyz）和 9 键（qprs），候选词会出现「我是」，进而候选词又会优先显示姓名。

根据输入习惯调整候选词顺序的认知，在功能机时代就已经形成，今天社交平台上的「输入法测试」，不过是又一次社交轮回，我们还在重复十年前的事。

有趣的是，随着短信被各种互联网服务取代，让你打字更快的输入法，在输入预测方面进化出了新功能——算法预测和热词推荐，且破坏了自功能机时代就形成的认知，输入候选词不一定和你的输入习惯有关。

比如「yyds」的候选词原本应该是一衣带水等词，在网络文化的影响下，「永远滴神」在候选词中排序越来越靠前，这和你的输入习惯没有任何关系。

热词推荐选取的热词，往往来自各种网络流行文化，今天是 YYDS，明天是绝绝子，之后还会有更多。

iPhone 默认输入法的输入预测功能，甚至会参考 Safari 浏览器的浏览记录。

输入「ysbg」，候选词中有一丝不挂，并不是你不正经，可能是陈奕迅的歌太火，又或是作为陈奕迅的粉丝，你听过这首歌。

为了让你输入更快，输入预测越来越智能，但人们的固有认知并没有及时更新，导致不少人替算法背了锅。

如果不想某天输入候选框，窜出奇奇怪怪的词，还是直接关闭热词推荐等功能比较好。

信息流的误解

比起输入法预测，信息流资讯应用和短视频应用更像是「算法比你更懂你自己」的原教旨信徒，每一款信息流应用都力争将如山如海般的内容，通过算法算法推荐，准确地推送每一个人的手机屏幕上。

然而，理想和现实总是会有距离，你可能有过类似的遭遇，刷着新闻或短视频，信息流突然出现一条一言难尽的八卦内容，刚好又被朋友看见了。

不出意外，朋友脸上很快会浮现「原来你是这样的人」的表情，满是调侃与嬉笑。

又一次，你替算法背了锅，它并没有那么懂你。

信息流算法推荐只是在推测你的喜好，它并不能完全真实反馈出喜好，尤其是初使用期间，当没有用户数据参考，算法会如何推荐内容呢？

作为日常接触大量电子设备的编辑，我有一个切身体验，每次换不同型号的手机，第一次打开 B 站必然会推荐相关机型的内容，有时是评测，有时是产品介绍。

算法推荐内容和平台氛围、热门内容也有不小的关系，UC 震惊体、标题党的认知，很大程度上来自平台部分热门内容，即便后续有所改善，但印象一旦形成要再改变，可能要付出数十倍的努力。

算法推荐，最终还是要平台内容供应。

即便是算法推荐广为吐槽的问题信息茧房，也有有着两面性。

美国学者凯斯·桑斯坦在《信息乌托邦》一书中提出了信息茧房的概念，即人们关注的信息领域会受个人兴趣引导，丰富的内容不一定能扩大认知，反而会让人持续形成偏见，陷入到「茧房」当中。

人的兴趣是不断变化的，主动训练算法其实可以带来意想不到的效果，编辑部就有一位梁姓编辑，将小红书用成了「插画灵感」平台。

她有意地不点击吃喝玩乐类内容，而只会点赞、关注、进一步浏览插画类内容，且保持每日 30 分钟，很快小红书信息流主页就基本都是各式各样的插画了，便于学习了解。

在梁编辑看来：纯粹依靠算法推荐喂养自己接收到的信息无疑是有风险，极有可能陷入到盲从、偏见当中，主动从兴趣出发选择内容，是扩展信息领域和自我认知的新方法。

算法推荐上瘾，其实比信息茧房更严重。

算法黑盒不开，误解不止

算法就像是一个黑盒，我们只能远远的看见黑盒表面，无法看破其中的奇妙之处，一知半解再加上算法推荐的高效，自然会不断引发误解。

微博被广泛认为是娱乐八卦中心，吃瓜群众不亦乐乎时，也有不少人选择逃离，但其实微博也是社会新闻的集散点，大量社会新闻在微博发出、发酵、影响。

提及小红书，吃喝玩乐是大多数人的第一印象，但正如上文梁编辑的亲身经历一样，通过持续主动地训练，小红书也可以成为一个质量颇高的插画创作灵感平台。

2018 年，字节跳动曾向公众揭开了算法黑盒的神秘一角，公布了《今日头条》的推荐系统原理。

算法基于三个维度的数据调整内容分发，比如内容特征指的是系统分析图文、视频、微头条等类型内容的特征；用户特征则包括兴趣标签、职业、年龄、性别、机型等；而环境特征则包含地点环境，人们的行为（工作、旅游）等。

点赞、关注、阅读都会影响算法最后分发到每一个人屏幕上的内容

听起来似乎很好理解，但这不过是一个定性的介绍，而非定量分析，三大特征影响占比总是在不断变化，一套算法也不能满足所有内容的个性化分发。

内容推荐算法是一个内容平台的核心，同时也是其商业命脉，技术和原理双门槛，能拦住不少试图猜测算法谋利的黑产，做号党一旦完全了解平台的算法，完全可以通过内容赚取大量流量收益，这并不是平台所想看见的。

即便打开了一角，内容平台的推荐算法对于绝大部分人而言，还是一个黑盒，只能远观表面，而不能深入了解，未知带来的误解也就不会停止。

但至少，下次你可以甩锅给算法，一个工具，怎么可能比你还了解自己呢。