中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導語：抖音現(xiàn)在已經(jīng)是很多人生活里不可或缺的一部分了，但是也有一部分人會在下載卸載中反復搖擺，為什么這部分人要選擇卸載抖音呢？這背后又有什么值得我們學習的呢？讓我們一起來看看吧！

我們的技術顯然已經(jīng)超越了人性，這讓人不由得毛骨悚然。 ——阿爾伯特·愛因斯坦

一、人情和技術織成了一張大網(wǎng)

前幾天看了一篇文章，作者寫了他卸載抖音30天后的一些變化，包括工作效率翻倍、讀的書和看的電影多了等，總體上是“整個人都好了”，過得更有意義了。

我之前也是抖音的資深用戶，把刷短視頻作為一種閑暇時候的消遣方式，結果每次都沒法做到淺嘗輒止，一旦刷起來就很難停下，擠占原定的讀書時間。

后來干脆卸載了，但經(jīng)驗告訴我們，對于一款容易讓人上癮的APP來說，卸載從來就不是安裝的對立面，只是作為安裝的一部分而推高了下載數(shù)據(jù)。

在小米應用商城中，抖音的下載量高達98億次，而“拉人砍一刀”的拼多多是81億次。

抖音是2016年上線的，這6年時間里，大多數(shù)人也就使用過2到3個手機，拋開換手機造成的下載，那么高的下載量，你說多少人在卸與裝中反復橫跳。

我也橫跳過幾次，但沒了抖音，就沒有了可以“殺時間”的APP嗎？王者榮耀、微信短視頻、長視頻網(wǎng)站、B站、小紅書、大眾點評……哪個還沒有點讓你停不下來的本事？

主要APP用戶時長（分鐘/天）

資料來源：Questmobile，中信證券研究部

當把一眾“殺時間”的APP卸載，不看微信的短視頻后，手機似乎變得干癟了，偶爾閑下來，擺弄著無精打采的手機，襲來的無聊感很容易讓人破功，再次裝上，手機中頓時又充滿了歡樂的氣氛。

后來在一次次自我譴責后，我還是把抖音、快手、王者榮耀等極度殺時間的APP卸載了，轉而較多使用B站、微博等消耗時間較短、沒那么歡脫的APP，再接下來，可能更多使用豆瓣、知乎等有些知性的APP，在這個過程中，慢慢多分配一些時間放在有意義的事上。

我想，既然一下子戒不掉所有殺時間的APP，那就采取漸進策略推進，有個消耗時間從高到低的梯度轉移過程。

這樣下來，好久沒有再安裝抖音了，時間長了也就沒有再裝回來的欲望。

在我的注意力梯度轉移過程中，我也隱約感覺到了身處信息時代，我們每個人都無法避開的一張大網(wǎng)。

具體來說，你可以卸載抖音，但還有其他一眾軟件來繼續(xù)瓜分你的時間，每個都很擅長揣摩你的內(nèi)心：短視頻推給你想看的美女帥哥、美食、萌寵；電商給你推送剛剛跟朋友討論時你說想買的物品；新聞資訊推給你符合口味的內(nèi)容；甚至婚戀網(wǎng)站也推給你慣?？粗樠鄣娜恕?/p>

即便你能狠狠心卸載某個軟件，也架不住親朋好友讓你幫忙下載個PDD“砍一刀”；架不住身邊的人討論突然火了的劉畊宏、王心凌，而你不知道；架不住想用這些軟件窺探一下關心的人發(fā)了什么、做了什么。

這是一張用人情和技術織成的、串聯(lián)起每個人的大網(wǎng)，人情讓這張網(wǎng)得以建立并越來越穩(wěn)固，技術從我們的本性中抽取并滿足著我們毫不掩飾的欲望，獲取了我們的關注度和參與度，并轉化成經(jīng)濟效益。

最近正好也讀了錫南·阿拉爾寫的《炒作機器》，科學深刻地解讀了這張網(wǎng)的運作機制。

錫南·阿拉爾曾經(jīng)在臉書位于加州門洛帕克的總部看到了墻上的一行字“社交網(wǎng)絡就是電腦”。

他認為正如這句話所講，我們這個世界本質(zhì)上已經(jīng)變成了一臺龐大的信息處理器，其功能就是傳遞穿梭其間的各種思想、概念和觀點。

而由微信、抖音、快手、臉書、推特等匯集在一起所構成的、通過數(shù)字化方式連接在一起的社交網(wǎng)絡就是“電腦”。

這部電腦的算法決定了我們能看到什么，什么時候能看到，我們在網(wǎng)絡上應該和誰聯(lián)系，什么關注多一些、什么少一些。

從這個視角出發(fā)，現(xiàn)代化的信息秩序?qū)嶋H上是一個正在不斷演化的、代理人類事務的網(wǎng)絡，實際控制信息流動的就是各種算法。

二、算法構筑的小世界

社交網(wǎng)絡中很關鍵的角色是算法，它是人工智能的一部分。但算法再牛，也不可能脫離人硬生生創(chuàng)作一套運行機制，它只能是在吸收我們思想、行為和觀點基礎上，反過來策劃我們在信息流中看到的那些。

但我們?nèi)祟愃枷?、行為和觀點那么多，應該從哪里下手？

要織成社交網(wǎng)絡，當然是從人情這張網(wǎng)下手了。

人情最大的特點是什么？

喜歡跟性格、喜好等像自己的人成為朋友、伴侶，跟聊得投機的人搞合作，所謂“物以類聚，人以群分”。

這是人類骨子里就帶著的人情屬性，尤瓦爾·赫拉利在《人類簡史》就說到推動人認知革命很重要的就是八卦的能力，八卦討論的不就是誰好誰壞，誰可以交朋友，誰要離得遠遠的嗎？

別小看這種能力，這能迅速讓人進行識別“同類”，快速確定關系，促成合作。

“人以群分”的最小單元是三個人，為什么？

假設我在百貨公司當售貨員，我有兩個好朋友，一個是考上北大的張華，另一個是進了中等技術學校的李萍，我們都有光明的前途，我跟張華、跟李萍分別都是“強關系”。

雖然張華、李萍之前不認識，學歷也相差甚大，但他們倆互相不認識的可能性極小。

因為他們都認識我，跟我興趣愛好可能都相同，我們?nèi)齻€經(jīng)常在一起玩，他們倆也會建立起或強或弱的關系。

一旦他們倆建立了聯(lián)系，那這個三角關系就很可能越來越穩(wěn)固。因為如果張華、李萍互相看不順眼，那他們就會減少與我相見，避免見到另一個人，甚至揣測我跟誰關系更好一些，引發(fā)一些責難，三角關系就崩了。

所以為了避免一系列麻煩，我們?nèi)齻€內(nèi)心都會有維系這個關系穩(wěn)固的傾向，形成一個閉合的三角形，這被稱為“三元閉包”。

人類就是由無數(shù)這樣基礎上的小圈子組成，這種同質(zhì)性使溝通變得更容易，讓人們可以更簡單地預測朋友的行為，更方便建立信任，降低了維持關系所需要的成本及建立新關系時可能面臨的風險。

這樣就讓越來越多相似的人組成團，再加上偶爾會出現(xiàn)的弱連接，成為一個“很小的世界”。

任何兩個人都可以通過很短的路徑產(chǎn)生關聯(lián)。所以就有了“六度人脈”說法，即社會上任何兩個人之間間隔的人都不會超過6個。

多說一句，不超過6個人是在有好友推薦機制的社交網(wǎng)絡上，像臉書，兩個人之間的間隔甚至連5度都不到，這個理論拿到線下就垮了，因為社交網(wǎng)絡的“小世界”遠比我們真實的大千世界要小得多。

說這些干嘛呢？

這種熟人網(wǎng)絡催生的能量是巨大的。當年臉書剛創(chuàng)辦時，美國第一大社交網(wǎng)站是MySpace，臉書怎么打敗這個行業(yè)老大？

臉書瞄準了大學校園里的學生，讓他們從自己所在的人群聚類中招募用戶，而不是跨越不同的人群招募用戶。一下子提升了用戶體驗到的安全感和熟悉度，人越聚越多，臉書也就贏了。

熟人網(wǎng)絡也解釋了為什么QQ、微信可以做的那么大，而Soul、探探這樣的陌生人社交只能發(fā)展成那樣。

還有，你的親戚朋友讓你下載PDD幫忙“砍一刀”，你硬著頭皮也會下載，而街邊遇到的那些讓你掃碼關注公號的人，即便能領小禮品，你也會快步走開。

所以，很多APP剛被安裝的第一件事就是請求讀取你的通訊錄，然后瘋狂向你推薦可能認識的同學、同事、同行、同鄉(xiāng)以及朋友的朋友。

做這些事的就是算法，它把我們?nèi)祟惖年P系都看在了眼里。

它首先分析我們認識誰，我們跟認識的人如何溝通，我們和朋友的圈子都喜歡什么。

它還會不斷提醒你的朋友看了什么、點贊了什么、買了什么，讓你對有過熟人印記的東西多看幾眼。

算法費盡心思地鉆研熟人網(wǎng)絡，造成的結果就是認知和思維方式相似的人更快更大規(guī)模地聚集在一起。

采用了“好友推薦算法”的臉書，其人群聚類程度大約就是微軟MSN的5倍，現(xiàn)在哪個社交APP不用這種算法呢？

這就造成了當下“繭房效應”加劇，網(wǎng)絡上的對立越來越嚴重。也造成了很多人感覺到的網(wǎng)絡跟現(xiàn)實世界嚴重脫節(jié)，因為社交網(wǎng)絡是極度濃縮了的真實世界。

所以，在網(wǎng)上很難真正理解當下的世界和中國，很難理解真實的人際關系，一些人沉迷于自己網(wǎng)絡聚類中的說法，在現(xiàn)實中屢屢感到大為震驚。

在某個特定的網(wǎng)絡聚類中，那些能跳出他們自己所在的人群聚類進行思考的人，也就是我們平常說的那些觀點能“破圈”的人，才能為各種機會牽線搭橋并推動某種創(chuàng)新。

三、把人性的細微之處算計到了極致

人情網(wǎng)鋪開后，信息流算法就登場了，它會最大化地讓我們參與到平臺的內(nèi)容中去。

剛開始，社交媒體的內(nèi)容還沒那么多，一般是用倒序的方式來顯示內(nèi)容，你看到的就是最新的，越往后越久遠。微信公眾號的推送之前也是倒序模式。

但當內(nèi)容供應量超過了我們消費內(nèi)容所需的認知能力時，主動推送的需求就自然而然地出現(xiàn)了。

首先，對于每篇內(nèi)容，信息流算法都會給出一個對每個人來說都獨一無二的“相關性評分”。隨后，在推送給我們的新聞中，這些內(nèi)容會被按照相關性評分依次遞減的順序進行排列。

這個相關性評分是由一些預測模型給出的，這些模型會去了解是什么驅(qū)使著我們給某個內(nèi)容點贊、點擊、分享，花時間仔細閱讀或觀看、針對具體的內(nèi)容撰寫簡短的評論等數(shù)十種行為。

預測模型還會基于是誰上傳了相關的內(nèi)容、內(nèi)容涉及了哪些領域或行業(yè)、其中是否包含了圖片或視頻、視頻中有什么樣的內(nèi)容、是否是最新的內(nèi)容，以及我們有多少朋友曾經(jīng)點贊或分享了這些內(nèi)容等，來預測我們是否也會參與這些內(nèi)容互動。

這樣算下來，你就會被抖音、臉書、視頻號等不斷“投喂”，也就不奇怪網(wǎng)友所說的，刷抖音看到的都是相當符合自己口味的幾種短視頻，像拼盤一樣搭配著推過來，讓人挪不開眼。

據(jù)說字節(jié)跳動之前用最資深的編輯和APP自身的算法推薦做pk，結果資深編輯完敗，他們給用戶推薦內(nèi)容所獲取的流量遠遠低于算法推薦。

這當然還不是算法能做到的終極狀態(tài)，我們一般用眼耳鼻舌身來感知和理解這個世界，機器也會模仿我們的方式來認知世界。

一些主要的社交平臺的研究者都在不斷開發(fā)深度學習的神經(jīng)網(wǎng)絡，分析我們輸入的文本、我們說話的語音、我們在照片和視頻中顯露出來的面部表情和身體姿勢，從而理解我們在做什么、我們對什么感興趣，以及是什么讓我們感到高興或悲傷。

這種技術還使機器能理解那些使我們采取行動的原因是如何與我們對某些事情的參與度、購物的模式，以及聯(lián)網(wǎng)的能力聯(lián)系起來的。

舉例來說，當下是“短視頻吞噬互聯(lián)網(wǎng)”的時代，視頻分析技術很關鍵，美國有一家名叫VidMob的公司，開發(fā)了目前世界上領先的視頻優(yōu)化平臺“敏捷創(chuàng)意工作室”。

敏捷創(chuàng)意工作室可以自動提取視頻中的元數(shù)據(jù)并進行情緒分析，識別出視頻中的情緒、物體、標識、人和單詞，還可以檢測到視頻中人物的面部表情，比如喜悅、驚訝或厭惡。

分析這些干嘛呢？

會去看這些元素是如何與KPI對應的，比如說哪些元素導致了用戶從視頻中退出，然后它能自動對視頻進行編輯，來提升用戶的留存率。

VidMob對TikTok、臉書、推特等的視頻都進行過大量分析，得出很多讓我們感動震驚的結論，比如TikTok短視頻里主體對象的臉部填充不足框架的20％時，點擊率能提高31％；主體對象直接觀看相機時，其視頻點擊率降低1.7倍。

真的是每個使你沉迷的表情、動作、話語都經(jīng)過了精深的分析和計算，也把你觀看視頻時的行為都算到了細微。

更重要的是，技術的精進永遠都是在路上，只會把你算得更細。

錫南·阿拉爾在《炒作機器》中提到，臉書的技術專利中，有通過比較手機的加速度計和陀螺儀的數(shù)據(jù)來推斷兩個人面對面行走，還是朝同方向行走；

還有技術可以通過用戶拍攝照片的相機鏡頭上的灰塵顆粒，推斷兩個人上傳的照片是否出自同一臺相機，來揣測你們的關系。

還有這幾年比較火的腦機接口，目的是實時解碼我們大腦的活動，讓用戶在不接觸鍵盤的情況下，僅通過思考就控制各種社交技術。

其實某種程度上來說，大部分社會性物種都會對孤獨產(chǎn)生一些厭惡。有研究發(fā)現(xiàn)，被從種群中隔離，置于孤獨狀態(tài)下的老鼠出現(xiàn)了腦損傷跡象。

科學家認為，人類的孤獨感之所以一直存在，是因為它對進化有利。為什么呢？

大部分人都抵擋不住孤獨感，雖然我們一直說要學會獨處，但誰都知道獨處和隔離帶來的痛苦，就會去尋求伴侶帶來獲得一些安全感。

這就像饑餓、干渴和疼痛會促使我們?nèi)ふ沂澄?、水源和安全庇護所一樣，孤獨感也會促使我們?nèi)?chuàng)造、修復和維系我們的社會關系。

孤獨感會通過調(diào)節(jié)我們大腦中的多巴胺獎勵系統(tǒng)來造成神經(jīng)系統(tǒng)的損傷，而我們會尋求通過加強社交來修復這種損傷。

人類在進化的過程中就一直被互相綁定著，當我們相互之間進行溝通、聯(lián)系和協(xié)調(diào)時，我們在精神意識上是相互連接在一起的。所以我們相信，世界上有很多個相似的我們，天黑了我們仰望同一片天空。

機器也洞悉到了這一點，鼓勵我們通過相互之間的在線聯(lián)系、參與和分享來獲得更多這種形式的獎勵，刺激多巴胺獎勵系統(tǒng)以獲得快樂、狂喜和銷魂的感覺。

所以臉書合伙人之一肖恩·帕克在2017年時說了這樣一句話：

“在設計的時候，我們主要思考的是，我們?nèi)绾尾拍軌虮M可能多地消耗你的時間和你的注意力？這意味著我們需要每隔一段時間就稍稍給你一點兒多巴胺，因為如果有人對一張照片、一個帖子或者無論什么東西進行了點贊或評論，那么這些點贊和評論就會讓你在網(wǎng)上貢獻出更多的內(nèi)容，而這些新的內(nèi)容又會讓你獲得更多點贊和評論。這是一個社會認同的反饋循環(huán)……這利用的實際上是人類心理上的一個弱點?！?/p>

當機器把人性的細微之處算計到了極致、再抽取出來撩撥我們時，那些讓我們感覺到發(fā)自肺腑的東西，會不會也是表演？

當然，接下來發(fā)揮作用的就是廣告算法。社交平臺做這么多是基于贏利目的。正如清華大學胡鈺教授所說：

“它的動機是獲得金錢，通過與我們互動，它可以使到手的金錢數(shù)額最大化。它向我們提供的選項越是精確，它與我們的互動就會越多，這樣它的說服力就會變得更加強大。它的說服力越強，它所獲得的金錢也就會越多，因此它的規(guī)模也就會隨之變得更加龐大?！?/p>

抖音和快手是中國最會“殺時間”的信息傳播渠道，據(jù)媒體報道，今年一季度，字節(jié)的廣告收入是中國第一，而快手廣告收入也只比早它10年成立的百度少1/4。

很多社交屬性的互聯(lián)網(wǎng)企業(yè)財富的半壁江山甚至命脈也都來自于信息流廣告，某種程度上，將一些互聯(lián)網(wǎng)企業(yè)看作是廣告公司，絲毫不為過。

四、我們會不會越來越笨？

技術是中立的，企業(yè)為追求盈利目的而不斷進行合理的技術創(chuàng)新也無可厚非，但正如古希臘悲劇作家索?？死账顾f：“進入凡人生活的一切強大之物無不具有弊端?！?/p>

當下把我們每個人連接起來的這張大網(wǎng)，在給我們帶來史無前例社交體驗和信息處理效率的同時，也帶來了我們被技術掌控、虛假信息泛濫、社交過度等風險。

我們該如何盡量減少這種“強大之物”的弊端？

錫南·阿拉爾把這臺源源不斷進行信息交換、時刻能涌動躁動和各種情緒、代理著人類日常大多數(shù)事務的網(wǎng)稱為“炒作機器”。

《炒作機器》提出，要利用好四根杠桿來治理社交網(wǎng)絡：用來管理社交平臺的代碼、由社交網(wǎng)絡的商業(yè)模式創(chuàng)造的激勵機制、在使用這些系統(tǒng)時建立起來的規(guī)范，以及為了監(jiān)管市場失靈而制定的法律。

近些年科技巨頭如Twitter、Youtube已經(jīng)開始著手于弱化或取消算法推薦，近年也涌現(xiàn)出許多主打“隱私”和“去個性化”的替代工具，例如Peertube（自建視頻分享）、Mastodon（去中心微博客）、Signal（加密聊天）等，這其實就是對算法邏輯進行的改版。

近些年各國也加強了對互聯(lián)網(wǎng)企業(yè)的監(jiān)管，監(jiān)管模式怎么去搭建，還是個摸索的過程，也需要政府和企業(yè)不斷去互動，只能說過去十年那種所謂“野蠻生長”的狀態(tài)不會再繼續(xù)了。

但這必然是個比較長期的過程。對于我們每個人來說，生活在每天離不開“炒作機器”的世界里，更要保持一種警覺。

我們的個體判斷現(xiàn)在因為系統(tǒng)和算法而產(chǎn)生了相互依賴，同時兩極分化為一大堆同質(zhì)的群體，只有氣味相投之人才會聚攏在一起。另外，這個體系不但延續(xù)了那些已經(jīng)流行的東西的流行，而且加速了某些潮流的出現(xiàn)。

我們很大的變化是，會不由自主地追隨其他人的行事方式。某個人因為自身的喜好無法和其他人的喜好相匹配而產(chǎn)生的焦慮，會促使他重新做出選擇，以形成某種一致。

算法如果運用得當，可以用非常聰明的方式，通過快速地匯聚群體的意見來增強我們的群體智慧。但是，當這些算法把我們的集體缺陷融入群體行為時，群體智慧就變成了群體瘋狂。

詹姆斯·索諾維爾基在《群體智慧》中寫道：

“群體成員施加在彼此身上的影響力越大，他們相互之間的個人接觸越多，這個群體所做出的決定就越不可能是明智的。我們施加在彼此身上的影響力越大，我們相信同樣的事情并且犯同樣錯誤的可能性也就會越大。這意味著，很有可能我們會在個體上變得越來越聰明，但是在成為一個集體后就變得越來越笨了。”

我們的環(huán)境中，離不開的社交網(wǎng)絡、潮流熱門話題、網(wǎng)紅、大V等各種社會影響撲面而來，我們根本不用去找社會影響，它會來找我們，從早到晚各種推送的消息都在用其他人的觀點不斷炸向我們。我們會不會像索諾維爾基所說，越來越笨呢？

說了這么多，概括起來就是，當下沒有什么比獨立思考，關注科學和現(xiàn)實更寶貴的了。

作者：里普，編輯：商隱社研究團隊商業(yè)組

來源公眾號：商隱社（ID：shangyinshecj），探尋商業(yè)世界的隱秘角落

本文由人人都是產(chǎn)品經(jīng)理合作媒體@商隱社 授權發(fā)布，未經(jīng)許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協(xié)議