卸载了抖音，也逃不过人情和技术的大网( 三 ) “我们的技术显然已经超越了

熟人网络也解释了为什么QQ、微信可以做的那么大，而Soul、探探这样的陌生人社交只能发展成那样。
还有，你的亲戚朋友让你下载PDD帮忙“砍一刀” ，你硬着头皮也会下载，而街边遇到的那些让你扫码关注公号的人，即便能领小礼品，你也会快步走开。
所以，很多APP刚被安装的第一件事就是请求读取你的通讯录，然后疯狂向你推荐可能认识的同学、同事、同行、同乡以及朋友的朋友。
做这些事的就是算法，它把我们人类的关系都看在了眼里。
它首先分析我们认识谁，我们跟认识的人如何沟通，我们和朋友的圈子都喜欢什么。
它还会不断提醒你的朋友看了什么、点赞了什么、买了什么，让你对有过熟人印记的东西多看几眼。
算法费尽心思地钻研熟人网络，造成的结果就是认知和思维方式相似的人更快、更大规模地聚集在一起。
采用了“好友推荐算法”的脸书，其人群聚类程度大约就是微软MSN的5倍，现在哪个社交APP不用这种算法呢？
这就造成了当下“茧房效应”加剧，网络上的对立越来越严重。也造成了很多人感觉到的网络跟现实世界严重脱节，因为社交网络是极度浓缩了的真实世界。
所以，在网上很难真正理解当下的世界和中国，很难理解真实的人际关系，一些人沉迷于自己网络聚类中的说法，在现实中屡屡感到大为震惊。
在某个特定的网络聚类中，那些能跳出他们自己所在的人群聚类进行思考的人，也就是我们平常说的那些观点能“破圈”的人，才能为各种机会牵线搭桥并推动某种创新。
把人性的细微之处算计到了极致
人情网铺开后，信息流算法就登场了，它会最大化地让我们参与到平台的内容中去。
刚开始，社交媒体的内容还没那么多，一般是用倒序的方式来显示内容，你看到的就是最新的，越往后越久远。微信公众号的推送之前也是倒序模式。
但当内容供应量超过了我们消费内容所需的认知能力时，主动推送的需求就自然而然地出现了。
首先，对于每篇内容，信息流算法都会给出一个对每个人来说都独一无二的“相关性评分” 。随后，在推送给我们的新闻中，这些内容会被按照相关性评分依次递减的顺序进行排列。
这个相关性评分是由一些预测模型给出的，这些模型会去了解是什么驱使着我们给某个内容点赞、点击、分享，花时间仔细阅读或观看、针对具体的内容撰写简短的评论等数十种行为。
预测模型还会基于是谁上传了相关的内容、内容涉及了哪些领域或行业、其中是否包含了图片或视频、视频中有什么样的内容、是否是最新的内容，以及我们有多少朋友曾经点赞或分享了这些内容等，来预测我们是否也会参与这些内容互动。
这样算下来，你就会被抖音、脸书、视频号等不断“投喂” ，也就不奇怪网友所说的，刷抖音看到的都是相当符合自己口味的几种短视频，像拼盘一样搭配着推过来，让人挪不开眼。
据说字节跳动之前用最资深的编辑和APP自身的算法推荐做pk ，结果资深编辑完败，他们给用户推荐内容所获取的流量远远低于算法推荐。
这当然还不是算法能做到的终极状态，我们一般用眼耳鼻舌身来感知和理解这个世界，机器也会模仿我们的方式来认知世界。
一些主要的社交平台的研究者都在不断开发深度学习的神经网络，分析我们输入的文本、我们说话的语音、我们在照片和视频中显露出来的面部表情和身体姿势，从而理解我们在做什么、我们对什么感兴趣，以及是什么让我们感到高兴或悲伤。