MindStages
Back to Discover
Spark

推荐算法：越懂你，为何越无聊

推荐算法通过不断强化你过去的点击偏好来提高准确率，但这种'利用'机制会主动压缩探索空间，导致兴趣范围越来越窄，从而产生熟悉又无聊的矛盾体验。

Before you enter

A complete interactive classroom, not just a preview.

Start when you are ready to enter this Stage's 4 scenes and explore, respond, and learn as you go.

4
Scenes
8 min
Estimated
Content language: zh-CN
Created by
SPG
Start this Stage
Remix into your version
Sign-in may be required to play
What happens inside
  1. 01一个让人又爱又恨的现象slide
    Slot 1Hook

    打开某短视频App，首页前几条几乎都是你爱看的，但你刷了五分钟就想关掉——这是巧合，还是算法的'副作用'？

    • 推荐准确率在上升
    • 用户新鲜感在下降
    • 两者同时发生并不偶然
    Phenomenon

    推荐内容越来越准，但用户越来越快感到无聊。

    Question

    一个'越用越懂你'的系统，为什么反而让你觉得越来越没意思？

  2. 02直觉的陷阱：精准 = 惊喜？slide
    Slot 2Tension

    大多数人以为：算法越准，命中率越高，体验越好。但你自己的使用感受却在反驳这一点——'猜中'和'想看'真的是同一件事吗？

    • 命中≠满足
    • 命中是已知偏好的复现
    • 满足需要一点未知
    Prediction

    如果算法越来越准，你每次打开App都应该更开心。

    Tempting intuition

    准确率就是用户体验的全部，更准=更好。

  3. 03动手调一调：兴趣半径如何被压缩interactive
    Slot 3Reveal

    拖动滑块改变算法的'探索率'（ε，0~0.3），观察推荐池的兴趣半径随时间如何变化：当ε=0，兴趣半径几天内就收缩到很小；当ε=0.2，半径保持稳定。

    • ε=0：纯利用，兴趣半径快速塌缩
    • ε=0.1：偶发探索，半径缓慢收缩
    • ε=0.2+：保持新鲜感，但短期命中率略低
    Evidence

    在交互模拟中，'只看相似内容'的用户兴趣半径从100%在第10天降到约35%；加入20%随机探索的用户，同期半径维持在85%以上。

    Conclusion

    推荐的'无聊感'源于算法对已知偏好的过度利用，而不是精准度本身。

    Mechanism
    1. 1算法根据你的点击历史计算'相似度'，把相似度高的内容优先推给你
    2. 2你点得越多，这类内容被进一步强化，其他类型内容几乎没有曝光机会
    3. 3系统从未主动'冒险'推荐未知的领域，你的兴趣世界就被自我闭环锁死了
  4. 04把这套逻辑搬到你身上slide
    Slot 4Takeaway

    下次你想抱怨'算法把我困住了'之前，先看看自己的行为：是否只点一类内容、是否主动搜过不同关键词？算法不探险，用户也不探险——茧房是双向合谋的结果。

    • 无聊感 = 利用过度 + 探索不足
    • 算法有ε，用户也有自己的'ε'
    • 主动搜索是打破信息茧房的最低成本动作
    Transfer

    把'推荐系统'换成'你的社交圈'：只和相似的人聊天，朋友圈也会越来越窄——结构同构。

    Expected inference

    当你再次感到'刷什么都没意思'，能立刻意识到：不是内容变差了，是你的探索参数ε太低了。

Discussion

Discussion threads for a Stage aren't available yet.

Where this leads
More from this author
Explore more

More in Technology & Computing

See all