文 ｜ 闌夕

抖音做了一件幾乎沒有其他國內(nèi)互聯(lián)網(wǎng)大廠會做的事情：在最大程度上，公開了抖音的算法規(guī)則。

被公開的那些信息有多詳細呢，從技術原理到具體模型，甚至是計算公式，全都圖文并茂的逐一做了解釋，足以作為一本入門級的科普讀物出版。

除了在已經(jīng)上線的「安全與信任中心」網(wǎng)站匯總之外，抖音還在北京辦了一場線下公開課，讓算法工程師擔當主講者，深入淺出的把所有細節(jié)又復盤了一遍。

抖音固然有它的壓力所在——算法因其黑箱性質(zhì)越來越從抗壓位向背鍋位轉(zhuǎn)移——但是為了打消社會疑慮，抖音能夠事無巨細的把算法攤開到這種地步，還是比較少見的。

而這逐字逐句的看完所有內(nèi)容之后，可以這么說，當前市面上絕大多數(shù)非技術類媒體所討論的算法問題，都是錯的。

這里的錯，首先指的不是主觀意義上的歪曲，而是過時。

比如很多文章都會寫到，短視頻平臺的推薦算法是在給內(nèi)容和用戶打標簽，然后去做相互匹配，這種甚囂塵上的說法甚至反過來指導了做號產(chǎn)業(yè)，產(chǎn)生了很多教人在養(yǎng)號時怎么引導系統(tǒng)給自己打標簽的玄學。

但事實上，標簽機制是人工編輯時代的經(jīng)驗殘余，是讓算法模仿人類的糊涂做法，只有在非常早期的推薦算法里才有用過，當機器學習的技術成熟之后，依靠幾百個標簽去理解內(nèi)容的做法就完全被淘汰掉了。

這意味著，今時今日的算法不需要去懂內(nèi)容，這聽起來有些反直覺，它不懂內(nèi)容，怎么知道該把什么視頻推送給什么人呢？

答案是：基于特征向量的數(shù)學統(tǒng)計。

說人話就是，算法會圍繞用戶的反饋建模，有沒有點贊、看到了第幾秒、寫了什么評論、是否點開了作者主頁……等等，這些互動都會讓算法對一個用戶的了解逐漸加深，最終越來越準確的「預測」他會感興趣的下一條視頻。

機器學習領域的頂級專家吳恩達教授做過一個系列的「Machine Learning」課程，里面也講過機器學習對推薦算法的主要貢獻在于建立評分系統(tǒng)，在海量算力和海量供給的環(huán)境里，可以無限接近給用戶推薦以他為標準的高評分內(nèi)容的目標。

在炙手可熱的大模型行業(yè)，「預測」也是一個非常熟悉的運行原理，ChatBot對答如流背后，實際上是在不斷「預測」下一個Token，AI并不真的懂得它在說什么——所以才經(jīng)常有分辨不出9.11和9.8哪個數(shù)字更大的笑話——所有的輸出表達，其實都是以最大的概率把字詞組合在一起罷了。

至于為什么算法變成了包括抖音在內(nèi)的幾乎所有平臺都必須使用的分發(fā)技術，這還是和信息爆炸的環(huán)境有關。

根據(jù)IDC的報告顯示，全球每年產(chǎn)生的網(wǎng)絡數(shù)據(jù)量已經(jīng)達到了175ZB，如果把它理解為一部4K視頻，一個人需要花9億年的時間才能全部看完……這已完全超出了歷史上任何一個時代需要處理的信息體量。

抖音的算法工程師在公開課上也說得很直白，抖音每天新增視頻高達億數(shù)量級，而普通用戶平均每天能夠消費的視頻撐死了也就幾百條，那么在這有限的幾百條視頻里，怎么盡可能的確保它們都是用戶喜歡的，就是算法需要不斷精進的母題。

這里面有個非常生動的概念，叫作「召回」，目的是把數(shù)量級降低，從數(shù)以億計逐漸減少到數(shù)以萬計、數(shù)以千計，直到篩選出幾條用戶能夠刷到的內(nèi)容，一切都要依靠算法的「召回」能力。

吳軍博士在「數(shù)學之美」里講過一個類似的科普：

假如足球世界杯剛剛結(jié)束，我卻很不湊巧的錯過了所有比賽，于是問一個知道結(jié)果的球迷「哪支球隊是冠軍」，但他不愿意直接告訴我，而是讓我猜，每猜一次，他就要收一塊錢，并告訴我猜得是對還是錯，那么我需要掏多少錢才能知道世界杯冠軍呢？

直率的人可能已經(jīng)搶答了，世界杯總共有32支球隊，最保險的做法就是猜32次嘛，所以運氣不好的話，可能需要掏32塊錢才能得到答案。

但數(shù)學的「召回」方式是，把32支球隊編號，從1到32，然后提問「冠軍在1號到16號之中嗎」？如果猜對了，就繼續(xù)問「冠軍在1號到8號之中嗎？」如果猜錯了，那么我就會知道冠軍必然在9號到16號之間。如此一來，只需要5次，我就能知道哪支球隊奪冠了，而成本只需要5塊錢。

這就是數(shù)學模型的本事，它并不需要知道這32支球隊的強弱關系，卻能以低且簡潔的成本最大概率「召回」答案，對于通信、數(shù)據(jù)壓縮、自然語言處理都有很強的指導意義。

當然推薦算法要復雜得多，而且涉及到多種技術的組合作用，比如最經(jīng)典的協(xié)同過濾，張三和李四的點贊重疊度很高，那么就會多嘗試把李四喜歡而張三還沒有刷到的視頻推薦給張三，而在有了神經(jīng)網(wǎng)絡的加持之后，算法還能練就記憶和泛化兩大能力，挖掘用戶行為背后的深層意圖——可能連用戶自己都沒意識到的——然后去做更有想象力的擴圈推薦。

簡而言之，在這個高密度的數(shù)據(jù)化時代，「尿布與啤酒」的關聯(lián)神話早就過了版本，在計算資源的充分供應下，推薦算法的研究方向各有所長，但它們的共性在于，都不需要真的去學會像人類一樣感知情緒、畫面或是語義，而是越來越擅長把用戶行為抽象成數(shù)學里的映射關系，最終預判出哪些視頻會讓用戶做出愿意看完、點贊、收藏、推薦等等高滿意度的正反饋。

所以，只有在對算法有了這些最樸實的了解之后——既明白它的深厚之處，也看得出基礎性的常識——才會避免陷入動輒妖魔化算法的暴論陷阱。

最常見的誤解，有三種，首當其沖的就是大名鼎鼎的信息繭房。

去年在和人民大學新聞學院副教授董晨宇的一期連麥里，我們也談過信息繭房這個概念「中熱西冷」的古怪現(xiàn)象，雖然它確實是由西方學術界率先提出的，但因缺少實證支撐，熱度很快就退潮了，但是反而中國經(jīng)久不衰，CNKI里關于信息繭房的論文數(shù)量更是超過了1300篇。

無論是不是因為信息繭房以其生動形象的畫面感而激發(fā)了大眾的警惕性，真正的問題是，其實平臺根本不希望助長所謂的信息繭房，遑論主動制造信息繭房。

來自抖音的一手數(shù)據(jù)顯示，如果順著用戶的單一喜好去做推薦，很快就會拉低用戶的留存，相反，當內(nèi)容推送的多元化保持一段時間之后，用戶的活躍度卻有了長足的提升。

這意味著信息繭房和平臺利益本身都是相互沖突的，平臺非但不會放任信息繭房的存在，還有充足的動力去打破信息繭房，這對算法的挑戰(zhàn)在于「既要又要」：既要多給用戶推薦別處的風景，又要維持精確度的平衡，不能強行替用戶決定他該看什么、不該看什么。

算法和用戶之間有著長期磨合的關系，而抖音也為用戶設置了主動表達喜惡的入口，比如不感興趣這個信號會讓興趣退場——它代表著用戶極其強烈的負反饋——本質(zhì)上，用戶才是算法的主人，他們的一舉一動，無時不刻都在調(diào)較算法。

第二個廣泛的誤解，在于算法是流量至上的，可以輕易「造神」。

其實這類論調(diào)的持有者，大可以和那些經(jīng)常抱怨抖音規(guī)則嚴苛一言不合就封號的人打上一架……這種完全矛盾的兩種體感同時存在，正好就說明了，抖音是對純粹的算法有著干預護欄的。

不止是抖音，所有主流的內(nèi)容平臺都配備了機器+人工的雙重治理機制，機器負責寬度，對上億條新增內(nèi)容進行合規(guī)篩查，人工負責深度，對疑難內(nèi)容進行負荷，避免錯判和漏判，當然抖音因其規(guī)模之大，在這方面的投入只多不少。

也正是因為體量擺在那里，抖音確實能夠長出一茬茬的「爆款」網(wǎng)紅，但與其說是算法「推」出來的，不如說是用戶「選」出來的，若是沒有精準命中一次集體情緒，并引發(fā)大量用戶的行為反饋，平臺哪怕強推也是有心無力的。

最后一個誤解，是關于抖音會讓短且碎片化的視頻泛濫，對需要專注力的中長視頻不夠友好。

早期的抖音，受產(chǎn)品形態(tài)制約，或許是該接下這個指控，不過時至今日，抖音已經(jīng)是一個綜合化的內(nèi)容平臺了，去年站內(nèi)還產(chǎn)生了一條時長高達7個多小時的爆款視頻「450分鐘解讀紅樓夢」，足見供給和需求兩端都很旺盛。

這也不是說一切都是自然發(fā)生的，恰恰相反，為了鼓勵中長視頻的消費價值，抖音的運營在幕后做了很多工作，就像前面已經(jīng)說了，平臺想要強推，在效果上的收益非常低，所以單純的給所謂高質(zhì)量視頻「灌流量」是不可取的，平臺真正發(fā)力的點，在于更新算法。

還是拿「450分鐘解讀紅樓夢」為例，這樣長度的視頻，無論質(zhì)量多好，它在完播率這個指標上，必然處于絕對的劣勢，以致于連一般質(zhì)量的視頻都比不過，這會拖累算法對它的打分，但另一方面，「450分鐘解讀紅樓夢」的收藏率則相當亮眼，從比例上遠遠超過了其他視頻。

所以抖音的解決思路是，對多目標推薦系統(tǒng)做了徹底優(yōu)化，并將收藏按鈕放在了更突出的位置，由此顯著改善了中長視頻的分發(fā)效率，「450分鐘解讀紅樓夢」就是在新的算法模型下跑出來的最佳時間。

更直接的例證是，抖音還專門為中長視頻做了抖音精選的獨立App，開發(fā)、推廣和維護App都是需要投入資金的，如果不重視中長視頻的內(nèi)容，抖音何苦要花這些錢呢？

無論如何，抖音能把信息公開的主體責任落到實處，對所有人乃至整個行業(yè)，都是大有裨益的，先有知情，才會知道，技術固然有門檻，但它從來不是洪水猛獸，也不必總是諱莫如深，打開天窗說亮話，永遠是值得鼓勵的。

抖音的算法其實沒什么神秘的獨家訣竅。在如今技術高度流通的大環(huán)境下，各大公司在推薦算法上的實力差距并不大，只是側(cè)重點有所不同。抖音的算法之所以備受熱議，一方面是由于它作為行業(yè)頭部平臺，必然會成為眾人關注的焦點；另一方面，抖音憑借豐富的數(shù)據(jù)資源，構(gòu)建起強大的數(shù)據(jù)飛輪，使得其推薦體驗相對更為出色。不過，為了消除外界對自身算法的誤解，抖音仍有必要持續(xù)發(fā)力。

對任何新興技術都是如此，毋須仰視，也不必無視，平視就好。