本文来自微信公众号：硬核读书会（ID：hardcorereadingclub），作者：王一恪，编辑：张文曦，题图来自：视觉中国

打开社交媒体，是许多人开启新的一天的必经程序。在社交媒体中，爱猫人士会更容易刷到猫咪视频，喜欢电竞的玩家的首页更有可能出现游戏主播的直播页面，会主动搜索美妆教程的用户也更容易接触到和美妆有关的内容。

我们似乎都处在一个同质化的空间中，社交媒体像一个蚕茧一样包裹住我们。麻省理工学院教授锡南·阿拉尔在新书《炒作机器》中将社交媒体比喻成一个“炒作机器”，它在无尽的炒作中让我们越来越同质化。

除了同质化的内容，社交媒体上还有数不尽的热榜词条。刷手机的间隙，我们会偶然发现，社交媒体就像一块吸引着无数铁屑的磁铁，你、我与我们的数据都是无数铁屑中的一小部分。在社交媒体设置的舒适陷阱中，我们还能爬得出来吗？

社交媒体作为信息的集散地，已经是我们这个时代最不可缺失的一个部分。麻省理工学院的教授锡南·阿拉尔（Sinan Aral）在他的著作《炒作机器》中，将社交媒体具像化为了一个“炒作机器”，这台机器以数据作为原料，批量生产观点和决策，反映在现实生活中，使人们的行为和思想越来越同质化。

《炒作机器：社交时代的群体盲区》，[美]锡南·阿拉尔 著，周海云 译，中信出版社，2022-5

蒸汽机车的汽笛和内燃机的轰鸣警示着人们世界已然变化，而炒作机器如幽灵一般安静地盘旋在每一条信息中。我们看不见这台机器存在的证据，然而世界运作的方式已经确确实实地改变了。

制造信息茧房

根据“六度分隔”理论，对世界上任何一个人，你联系到他最多只需经过6个中间人。在具体的实践中有许多种推荐算法，如第一次注册时平台毫不避讳地询问你喜欢的东西，并将一群你从来没有听过的人推荐给你，他们和你的距离大概率大过2。

而效率更高的连接方式是“你朋友的朋友”推荐给你，他们和你的距离只有2，这种“你可能认识的人”算法建立连接的效率是“距离更远”算法的5倍以上。而社交软件的话术也已经迭代到一句话直击你的“心巴”，谁不好奇“有37个共同好友”的人呢？

“人以群分”的古老教诲在社交网络时代离真理更近了一步，在人们被算法鼓励与有很多共同好友的人做朋友时，其实也被鼓励与相似的人结识，就像在朋友圈里常看到你的两个朋友也是好友，是一种情理之中的“原来你们也认识”。

在社交媒体的算法里，“距离”也不仅仅是人与人之间相隔的距离，只要在同一个系统中的两个元素，数学家总有办法将一个数字定义为他们之间的距离。就像广州和北京之间有个距离一样，平面上两个点之间有一个距离，两个向量之间有一个距离，甚至函数与函数之间也可以定义出一个距离。

同样，在庞大的社交媒体推荐算法里，作为元素的人与作为元素的信息之间，也有一个距离。当你查看一类信息越多，在这套算法里，你就离这类信息越近。

当晶体管成为人类大脑的外延，我们沉浸在进化为新人类的喜悦里。在这个系统里，用户被抽象成一组数字，在屏幕上的每一次滑动、点击，甚至任何电子传感器可以监测到的行为，都被记录、提取、加工、包装。

数据成为我们这个时代最奇特的商品，数据的生产者甚至没意识到它的存在，数据的使用者就已经利用其成为了当下最富有的行业，当人们反应过来，在享受其带来的便利的同时，却产生了一阵阵恐慌——而上一个被人类如此担心会毁掉自身的发明还是原子弹。新人类“代谢”的数据成为了这个时代最庞大生意的生产资料。

锡南认为，炒作机器由三个环节构成，分别是底层的数字社交网络、处理层的炒作环路及媒介层的智能手机。媒介层很明显，就是与我们直接交互的工具。

其中作为底层的数字社交网络，是指使用社交网络的人已经庞大到足够影响现实世界。根据腾讯公布的业绩报告，截至2021年9月末，微信已经有12.6亿个账户。在已经有足够庞大的信息传播的温床中，炒作环路中的算法将同质化的人连接在一起，其中不能不提的一道程序就是好友推荐算法。

在社交网络已经具有规模的炒作环路中，炒作机器分析用户在网络上的行动，进而优化算法。根据算法继续推送你可能感兴趣的内容，也就是那些距离你更近的内容，在这种推荐下用户形成新一轮的信息消费，并做出相应的决策。由此开启了新一轮的炒作环路，周而复始。

我们好像陷入了近两年被频繁提及的“信息茧房”，看到的内容越来越同质化。根据锡南的研究，人们的观点越来越两极分化，一个群体内人们对于不同事件持有的观点越来越相似，用一个例子表明，就是喜欢吃甜豆腐脑的北方人和喜欢吃咸豆腐脑的南方人越来越少。

复旦大学哲学学院教授徐英瑾在《人类认知与信息茧房》一文中提到，人类的大脑具有“节俭性”的原则。这是说我们为了节省大脑处理信息所用的能量，会将第一印象作为判断的重要根据，会将各类事物贴上标签来简化它们，会将自己的生活经验推广到整个世界，会倾向于用“好”“坏”来判断事件，并且在无法判断的时候根据主流看法来下结论。

这种原则可能让人类在古老的采集—狩猎时代中得以更好地生存，然而在现代信息社会，这些心智特征却成了认识世界的绊脚石。认知偏差让我们容易仓促概括，爱贴标签，难以看清事件全貌，盲目自信且易被虚假权威误导，从而催生了“信息茧房”。

被同时提到的另一个概念是“注意力经济”。锡南认为，一旦捕获了用户的注意力，那就有了说服的可能性。而广告的目的就是改变你的认知、观点和行为。

当你在视频网站上观看当下热门的电视剧时，长达120秒的广告就成功地捕获了你的注意力。而要摆脱这份广告，你需要付出的代价是一定量的金钱，从某种程度上，你的注意力在这里被明码标价了。当用户数量和用户参与度增加，用户付出的注意力相应增加。如果你是平台，你会选择怎么做到这一点？无疑是将用户喜欢的内容反复地投放。在炒作机器的支持下，广告已经做到了个性化。

不过广告到底有没有改变人们的行为和观点，带来真实的商业收益，我们并没有办法下一个直接的判断。

锡南在《炒作机器》中一直强调的一点是，需要慎重对待因果关系。在观察到两件事情之间具有相关关系时，轻易地说一件事是另一件事的原因是轻率的。一个典型的例子就是吸烟与肺癌之间的关系。在只看见与吸烟人数和患肺癌人数相关的数据时，我们可以说吸烟更多的人群中得肺癌的人数量更多，但是说吸烟导致肺癌是不负责任的。

锡南在他麻省理工学院办公室的大门上挂了一幅讲述相关性和因果性之间关系的漫画。其中两个人展开了如下对话：

-“我曾经以为相关性隐含了因果性。之后我选修了统计学课程。现在我不这么认为了。”

-“听起来这门课对此很有帮助。”

-“也许吧。”

创造热搜

另一个大量消耗你注意力的是那些流行的信息，用更接地气的话来说就是热榜。

那些已经很受人欢迎的内容在算法放大下传播得更加迅速，由此吸引到更多的人参与其中。如果说用户的参与度真的可以为广告带来更多的收益，那热榜可谓是一块香饽饽。

而从热榜动辄几千万、上亿次浏览的数据和热搜位广告天文数字的报价来看，人们对此深信不疑。这也不难解释，为什么各个社交平台都热衷于制造热榜，有些平台甚至根据不同规则生造出数十个排行榜。

于是我们的社交媒体呈现出的样貌就像吸引着无数铁屑的磁铁。如果一条信息可以引发人们震惊的情绪，那这条信息就很有可能快速流行起来，并且将在算法和排行榜的作用下具有更大的流行度。

注意力成了一种稀缺的资源。/《美丽心灵》剧照

人们在炒作机器的诱导和投喂中，在社交媒体上创造出了极其丰富的信息，但是在经济学家赫伯特·西蒙看来，这也导致了注意力的匮乏。也就是说，注意力成了一种稀缺的资源。

面对众多选择，用户不知道该将注意力分配到哪里。对于广告投放商来说，对注意力的竞争也更加激烈。就像我们在一些社交平台上看到的那样，许多人即使发与热榜完全无关的内容，也要带上热榜前列的词条。

这种不加分辨地将任何一条有热度的消息扔进正反馈循环，使其万众瞩目的做法，用锡南的话来说，是一种“潮流的暴政”。那些令人感到新奇和震惊的信息，其真实性也往往并不能得到保证。在这样的炒作机器中，注意力的分配是失衡的，一小部分内容占据了绝大多数的注意力。这损害了锡南在书中提到的一个关键概念：群体智慧。

群体与智慧

关于群体智慧，锡南举了一个例子：在100多年前，英国统计学家弗朗西斯·高尔顿的实验发现，让足够多人对一头公牛的体重进行猜测，然后计算这些猜测的体重数据的平均值，就可以得到与公牛真实体重相差一斤以内的数据。而一头公牛的体重在2000斤左右。这个数据精确得令人印象深刻。

英国统计学家弗朗西斯·高尔顿。/wiki

一群人聚集在一起就可以得到群体智慧吗？也并不是。

群体智慧建立在“一群拥有不同独立观点的平等个体”上，与之相反的一个词语叫“乌合之众”。比如在豆瓣上，对本已经是高分的电影，人们倾向于给予其更高的分数，美食点评上高分的店铺往往也会继续得到更多的顾客和好评。锡南和他的同事在社交平台上做了相关的实验。他们发现人们倾向于正面的从众，也就是称赞前人称赞过的事件，而在负面事件中这种效应并不明显。

不被加以干预的炒作机器将“独立”“平等”的假设系统化地削弱了。在炒作机器的影响下，人们的判断高度依赖于他人，“平等”也被所谓的“追随者”和“关键意见领袖”（KOL）的分野打破。人们的观点不由自主地追随受到更多关注的“KOL”。“一群拥有独立观点的平等个体”变成了“一大堆同质的群体”。

复杂系统专家斯科特·佩奇提到，在实际解决问题的团队中，多样性比同质性更重要。就像最近的热词“降维打击”——如果维度是对问题复杂程度的隐喻，那么构成更高维度的不是在单独一个方向上的长度，而是在系统中更多的方向。炒作机器在为你“量身定制”信息流的时候，就已经极大地降低了新闻的多样性，收窄了你的阅读选择。

当炒作机器为我们“量身定制”信息流，就收窄了我们信息阅览的选择。/unsplash

我在大学一门软件实验课的考试中，最后一题是为外卖软件编写一个推荐算法。许多人不假思索地认为用户点单次数更多、评价更高的外卖就是更“好”的外卖。与其说这是一种“推荐”算法，不如说这是一种“纵容”算法。而现实中的算法早已比这种简单的练习成熟很多。

每日活跃用户数量、平均打开时长等判断一个社交媒体软件是否受欢迎的指标，同时也是一个平台商业价值的直观体现。逐利的企业让当下最好用的一群大脑——从技术专家到心理学博士，想方设法增加用户的黏性，提升这些指标。在这样的算法下，甚至有些做了一辈子学问的老教授都难免沉迷短视频。普通用户就在这样的算法中一步步将信息的主动选择权交给了算法。

锡南认为，“如果我们在编写代码的时候足够小心，我们就完全可以鼓励人们去接触与自己观点不同的内容”。在这个对社交媒体技术持乐观态度的人眼中，虽然存在很多风险，但如果炒作机器的四个杠杆——金钱、代码、规范和法律——可以良好作用，那么社交媒体带来的福祉就会令人们拥有更多的力量。

毕竟互联网带来了如此丰富又如此触手可及的信息，这是有史以来闻所未闻的。主动检索和被动输入之间的差别，仅仅在个人的选择。在炒作机器的作用下掉进信息同质化的陷阱的我们，依然有机会从中爬出来。

参考文献

1. 徐英瑾《人类认知与信息茧房》

2. 锡南·阿拉尔《炒作机器》，中信出版集团

本文来自微信公众号：硬核读书会（ID：hardcorereadingclub），作者：王一恪