京公网安备 11010802034615号
经营许可证编号:京B2-20210330
全民上瘾、大数据杀熟、隐私操纵,算法到底会将人类带向何方
全民上瘾的抖音、大数据杀熟的滴滴、操纵隐私的剑桥分析,算法正在一点一点蚕食我们的心智、剥削我们的价值、控制我们的思想。
尚处于“智障”阶段的人工智能,已然展露出它的獠牙,当奇点到来时,机器学习迈过自我进化的门槛,血肉之躯的人类又该如何抵挡?
01 从机器分发,到全民上瘾
时间都去哪儿了?
产生这个疑问的时候,你可能刚放下手机,看着窗外凌晨三点的天空,第一百次告诉自己:不能再刷抖音了。
罗振宇在前年的跨年演讲中,提到了一个词:国民总时间。进入所谓的互联网下半场,人口红利不再,放在产品面前的只有两条路,要么帮用户节省时间,要么帮用户浪费时间。
而如今涌现的一批如抖音、快手这样的选手,可能正在将“浪费时间”做到极致。
我们已然来到一个全民上瘾的刷屏时代,短视频正在用鲜艳的色彩、丰富的内容和其特有的沉浸式体验,疯狂地刺激人们的感官,收割人们的注意力。而这背后,恰恰机器分发在推动一切。
每看一条视频、每点一个赞,算法就多了解你一分,同时下一条视频会更符合你的口味。你就这样一边刷着越来越有趣的内容,一边被冷冰冰的算法推下行为上瘾的无尽深渊。
快手的CEO宿华说,算法的价值观,就是人的价值观。
而算法的喜好,又何尝不是人的喜好呢。试想一下,如果你有幸遇到一个三观相合、气味相投的伴侣,她永远都知道你想要什么,而且随时随地都能陪伴在你身边,你会多么地难以自拔。
当然,机器分发并非始于抖音,也绝不会止步于抖音。前有一骑绝尘的头条,后有不甘示弱的百度,和蜂拥而上的微博、知乎等一众内容平台。人类对算法的探索还在继续,而算法对人类的解剖才刚刚开始。
终有一天,它将比你的伴侣、比你的家人朋友,甚至比你更了解你自己。
那时我们看到的世界会是什么样子呢?它会是这个世界的本来面貌,还是算法为我们塑造的美好模样?或者说,我们最终看到的一切,只能是我们内心深处渴望看到的。
现在,回想一下你刚刚刷完的抖音,你还记得起你看到过哪些内容吗?即便偶尔有一两条视频让你印象深刻,但那对你又有多大的意义呢?
“人们在汪洋如海的信息中变得被动,真理被淹没在无聊烦琐的世事中,再也没有人愿意读书,我们的文化成为充满感官刺激、欲望和无规则游戏的庸俗文化。”
阿道斯·赫胥黎的《美丽新世界》预言,人类将慢慢爱上那些让他们丧失思考能力的工业技术,而如今这一切,正初现端倪。
02 大数据杀熟与购买力剥削
同样是打车,为什么我要比别人多付几块钱?
这大概是滴滴被爆出利用大数据杀熟之后,所有人都想问的一个问题。而从算法的角度来看,这个问题的答案很简单,因为就你的购买力而言,这趟车对你来说“价值”更高。
只要对经济学有所涉猎就不难理解,商品的价格是围绕价值波动的。而本质上,需求决定价值。一件商品,对需要的人来说可能价值连城,对不需要的人来说则可能不名一文。
而算法的作用之一,就在于判断需求高低。
想象一下这个场景:炎炎夏日,外出旅游的你在景区已经逛得口干舌燥,好不容易找到一家店铺,你开口问老板买一瓶矿泉水,老板面无表情拿着机器对你一扫,屏幕上跳出来这么一段:
“根据您的脱水程度,如果不补充足够的水分,再过二十分钟就会中暑,而您可能遭受的损失为:景区门票150元,打车到最近的医院50元,挂号就诊200元。综上,矿泉水一瓶400元,谢谢惠顾。”
算法的另外一个作用,则是对需求进行购买力加权,形成“价格歧视”。
大数据杀熟并不是因为和你熟,而是因为你的消费行为,被认为具有较高的购买力,所以商家判断,你愿意接受更高的价格。而事实上,在发现自己遭到“价格歧视”之前,你毫无怨言,甚至此后你依然会继续购买。
那么哪些行为会被判断为“购买力高”呢?常见的有消费频次高,消费决策时间短,消费单价高等等。本质上,所谓的购买力高,并不是说你更有钱,而是说你对价格更不敏感。
如果你难得旅游,还要在去哪儿、携程上各种比价,然后挑了一个价格最便宜的行程,相信我,你订机票的时候绝对比别人优惠。
继资本主义剥削之后,购买力剥削时代已经悄然来临。
同样打一辆车,A需要花25元,而B只需要花20元,也就是说在A手上的25元和B手上的20元,购买力是一样的。如果所有的企业都采取这样的定价策略,显然会拉低高收入人群的消费水平,进而消除贫富差距。
你以为这是好事吗?大错特错。贫富差距是推动社会经济发展的重要因素,能够最大程度地刺激劳动积极性。如果购买力剥削让你付出的劳动变得毫无意义,那么谁还会努力工作,谁还想升职加薪呢?
最可怕的是,你未来的购买力也可能遭到透支。
一旦大数据配合信贷市场,算法还会分析你未来的收入水平,甚至通过你的健康状况判断你的收入年限,最后为你匹配价格。在保证你能活下去的前提下,你将为同一件商品不断付出越来越高昂的金钱。
或许说得有些严重了,但我对此不抱丝毫侥幸。毕竟,资本永远和算法一样,冰冷无情。
03 隐私泄露和价值观重塑
隐私泄露会对你造成多大影响,你真的知道吗?
前不久,Facebook泄露门在网络上引起了轩然大波,这家全球最大的社交媒体正面临着严重的信任危机。但隐私泄露这件事本身在互联网的历史上算不得什么新鲜事,问题主要出在背后的主角:剑桥分析,一家名不见经传的政治咨询公司。
一句话概括这家公司的业务:利用媒体平台抓取用户数据,识别选民政治倾向,然后针对性投放虚假广告,达到改变政治风向的目的。这家公司参与了世界范围内的多起政治活动,比如2016年美国大选和英国脱欧公投。
而这一切的背后,正是冷冰冰的算法在主导。
在这之前,隐私泄露让人联想到的不过是上门盗窃、短信诈骗这样的伎俩,用隐私影响舆论、操纵行为这种事,最多也就是娱乐圈的狗仔队了。而如今,算法正在赋予隐私无穷的威力。
通过你的年龄、性别、教育背景和社交媒体上暴露的其他东西,算法可以轻易地分析出你的性格、喜好,甚至于政治倾向。当然,这样的分析不可能精确到每个人,而是覆盖某个群体。
也就是说,算法至少可以判断出,你所在的群体,大约百分之八十的人会支持民主党,会支持希拉里。而这才是可怕之处。
《乌合之众》告诉我们,群体是最为愚蠢的,也是最容易被欺骗的。
试想一下,当你和你周围的人在Facebook上刷到关于希拉里的都是负面评论,当你们茶余饭后讨论的都是希拉里又干了什么蠢事,你还会坚定不移地支持民主党吗?而这就是剑桥分析所提供的服务。
你可能仍然会狡辩,身为一个思想成熟、三观端正的有志青年,总会有自己的认知和判断,怎么可能人云亦云。很可惜,马修·利伯曼和他的《社交天性》告诉我们,人天生就容易受到他人的影响。
因为人类是通过他人和环境的反应,来了解自己,形成自我认知的。
举一个简单的例子,你可能会理所当然地认为,蓝色更适合男孩,粉色更适合女孩,对吗?来看看1918年出版的杂志《家庭妇女期刊》上的评论是怎么说的吧:
一般公认的规则是,粉色是给男孩准备的,而蓝色是给女孩准备的。原因在于粉色是一种更果断、更强烈的色彩,它更适合于男孩子;而蓝色则让人感觉更加细腻纤巧,因此适合于漂亮的女孩子们。
事实上,直到女权主义兴起,女孩们才开始接受粉色,而“颜色性别”更是服装销售商强行灌输给人们的思想。所以,你的喜好、你的认知,从来都不是天生具备或是独立形成的,而是外界“强加”给你的。
宿华关于算法的言论还有后半句:“用正确的价值观引导算法。”
我看到这句话时,心里有着一丝不安。算法的价值观,就是人的价值观,算法的喜好,就是人的喜好。这可不是一种简单的因果关系,算法和人是互相影响的,因为算法不仅了解你的一切,更可能塑造你的一切。
想想吧,你周围有多少人还在牺牲隐私换取便利,并对周遭的一切习以为常。而他们,却对算法的力量一无所知。
04 结尾
最后,我想分享一个前不久在知乎上看到的话题:淘宝窃听。
如果你搜索一下,会发现有很多人讨论过这个问题,大致意思无非是自己刚刚说过某件商品,打开淘宝就发现它给自己推荐了这款商品,于是纷纷怀疑淘宝“窃听”用户隐私。
我个人以为,淘宝不至于这么丧心病狂,这背后只是阿里强大的算法在作祟罢了。那些玄之又玄的描述,应该只是巧合。
但看完这篇文章,不知道你会不会和我有一样的想法:也许有一天,你打开购物软件,算法不再为你量身推荐商品,而是“强迫”你花费更高的价格去购买你原本不需要的东西。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01