首頁 >國際 >

算法關(guān)閉鍵上線 我們需要怎樣的“個(gè)性化服務(wù)”

如今,“算法”早已經(jīng)成為大眾耳熟能詳?shù)拿~。隨著網(wǎng)絡(luò)與生活的融合程度日益深化,無論是社交媒體的廣告推送,還是電商平臺(tái)上的購物推薦,背后都離不開算法的支持。互聯(lián)網(wǎng)企業(yè)通過抓取用戶數(shù)據(jù),依照用戶畫像提供定制化信息、娛樂、消費(fèi)服務(wù),一方面為用戶提供了更加“個(gè)性化”的使用體驗(yàn),另一方面也為企業(yè)帶來了更多利潤,看起來似乎是“雙贏”的好事。然而近年來,公眾對(duì)企業(yè)抓取用戶隱私的的擔(dān)憂日漸加深,“大數(shù)據(jù)殺熟”“信息繭房”等次生問題,也引發(fā)輿論關(guān)注。

近日,抖音、微信、淘寶等多款A(yù)pp均已上線算法關(guān)閉鍵,允許用戶在后臺(tái)一鍵關(guān)閉“個(gè)性化推薦”的功能。關(guān)閉推薦后,App將不再根據(jù)用戶的瀏覽記錄生成推薦內(nèi)容或廣告。這是《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》正式實(shí)施后,互聯(lián)網(wǎng)企業(yè)自查自糾的重大舉措之一。政府與社會(huì)監(jiān)管的介入,既能讓公眾看不見、摸不著的算法“黑箱”透明化,也讓算法更好地為大眾利益服務(wù)。

互聯(lián)網(wǎng)的高速發(fā)展,為大眾帶來了前所未有的海量信息,個(gè)人如何在不斷涌入的龐大信息中收集自己需要的部分,是互聯(lián)網(wǎng)時(shí)代的獨(dú)特難題。算法推薦能根據(jù)用戶喜好與需求精準(zhǔn)提供服務(wù),為用戶節(jié)約搜集、篩選信息的時(shí)間。從這個(gè)角度上看,算法并非洪水猛獸,有其存在的獨(dú)特價(jià)值。

然而,問題的癥結(jié)在于,互聯(lián)網(wǎng)企業(yè)的算法推薦機(jī)制基本都是“黑箱”。在應(yīng)用過程中,用戶既不能選擇是否使用這項(xiàng)服務(wù),也無從得知算法收集了什么個(gè)人信息,更不知道算法推薦的邏輯與規(guī)則是什么。許多人在不知情的情況下被收集大量隱私,甚至因此被“宰”。此外,算法推薦與互聯(lián)網(wǎng)服務(wù)牢牢綁定,使得在很多情況下,拒絕算法等于拒絕服務(wù),這也剝奪了消費(fèi)者的自主選擇權(quán),讓他們只能被迫接受算法對(duì)隱私的窺視,坐視自己的合法權(quán)益受到損害。

算法一旦被過度濫用,不僅會(huì)侵害個(gè)人權(quán)益,也可能對(duì)公共空間造成負(fù)面影響。當(dāng)社交媒體、新聞平臺(tái)完全按照個(gè)人喜好篩選并推薦信息時(shí),“信息繭房”也會(huì)加速形成。用戶終日被包裹在同類信息中,與同立場(chǎng)的人抱團(tuán)而拒斥其他信息,自然會(huì)成為一個(gè)個(gè)“孤島”,最后導(dǎo)致網(wǎng)絡(luò)不再是交流溝通的橋梁,而淪為不同群體互相攻訐的空間。

算法推薦造成的困境,讓我們不得不深入思考“個(gè)性化”的內(nèi)涵。今天的“個(gè)性化”服務(wù),本質(zhì)上是一種被動(dòng)的“個(gè)性化”。用戶只能被動(dòng)地接受算法推薦,被動(dòng)地讓算法收集自己的數(shù)據(jù),被動(dòng)地讓算法告訴自己什么是自己需要的、喜歡的服務(wù)與信息,最終被框在“舒適區(qū)”中難以逃脫。在這樣的“個(gè)性化”之下,算法推薦變成了一種“馴養(yǎng)”用戶的手段。而用戶真正需要的“個(gè)性化”,應(yīng)該是主動(dòng)的“個(gè)性化”。用戶應(yīng)該能主動(dòng)選擇是否使用算法,在了解算法推薦規(guī)則與邏輯的前提下,定制自己需要的服務(wù),并且知道算法推薦篩選掉了什么內(nèi)容,以此突破“信息繭房”,接觸不一樣的世界。歸根結(jié)底,算法推薦應(yīng)該成為用戶的工具,而不是套在用戶頭上的枷鎖。

1987年9月20日,中國首次成功發(fā)送電子郵件,它的內(nèi)容是“越過長城,走向世界”?;ヂ?lián)網(wǎng)科技的進(jìn)步應(yīng)該讓人更便利、更自主、更自由,讓企業(yè)在算法上的設(shè)置更加透明,賦予用戶更充分的選擇權(quán)和知情權(quán),才能讓真正的“個(gè)性化”成為互聯(lián)網(wǎng)的未來。

關(guān)鍵詞: 我們需要

責(zé)任編輯:Rex_01

推薦閱讀