文/孙珷

【关于算法，我们听过太多非黑即白的说法：要么是无所不能的“操控者”，要么被归咎为互联网许多问题的根源。但真实的情况，往往比这些标签更复杂，也更值得细看。为此，我们开辟了《算法向善》专题。这个专题收录了多篇文章，它们从不同角度切入同一个问题：在算法深度嵌入日常的今天，我们该如何与它相处？比如，从个体经验出发，探讨为什么“懂算法”比“反算法”更重要；聚焦社会层面的对立与极化，追问撕裂究竟从何而来；拆解“算法造神”的流行说法，还原网红走红背后的多因生态。这些文章不急着下结论，也不试图给算法“定罪”或“翻案”。它们像不同角度的尺子，帮我们衡量哪些是技术的边界，哪些是人的课题。最终，都指向同一个提问：在算法的时代，人应该如何重新理解自己的能动性与责任？】

你是否有过这样的体验：打开短视频应用，刷了几条，觉得算法推荐的内容越来越不对胃口。你心想，干脆关掉个性化推荐，看看“原生态”的信息流会是什么样。结果，你看到的内容变成了五花八门的“中老年广场舞”和“养生小妙招”，比之前更让你无所适从。

于是你又把个性化推荐重新打开。

这种矛盾心理，在学术界有一个专门的名称：算法焦虑。算法带来了便利，但又让人难以割舍，既享受它精准匹配的高效，又隐约恐惧自己被它“支配”。进退两难之间，很多人选择了一种看似清醒的姿态，反对算法。但这种姿态真的能解决问题吗？

算法焦虑的深层机制：一知半解才是恐惧的根源

2025年发表的一项研究中，对这个问题进行了系统考察。研究者发现，用户与算法的关系并非简单的“喜欢”或“厌恶”，而是一种复杂的动态博弈。

研究者提出了一个核心概念：算法意识，也就是用户对算法存在、运作方式及其可能影响的认知程度。研究揭示了一个耐人寻味的U型关系：当用户的算法意识处于中等水平时，算法回避行为反而最高；而当算法意识很强或很弱时，回避行为反而下降。

怎么理解这个看似矛盾的现象？

想象一下刚学会骑自行车的人。初学者（低意识）并不害怕骑车，因为他们不知道摔跤有多疼；熟练者（高意识）也不害怕，因为他们知道如何控制平衡、应对路况。恰恰是那些“刚学会但还不熟练”的人（中等意识），既知道骑车的危险，又缺乏应对能力，所以最为恐惧，最想回避。

算法焦虑也是如此。对算法一知半解的人，既隐约感到自己正被“操控”，又不知道如何应对，于是产生了最强烈的抵触情绪。他们高喊“反算法”，却往往陷入更深的被动中了，反而把自己的抵触情绪变成了算法预测下一轮内容的依据。

从“反算法”到“懂算法”：用户的实践智慧

武汉大学周茂君和罗丹在2025年的研究中，引入了古希腊哲学概念“米提斯”来理解用户与算法的互动。米提斯指一种实践智慧，不是书本上的理论知识，而是在长期实践中积累的、难以言说的应对能力。

渔夫知道什么时候下网、什么地方鱼多，这不是数学公式能概括的，而是长年累月的经验沉淀。同样，与算法长期共存的用户，也会发展出自己的“算法米提斯”，一套让算法为自己服务的隐性知识。

比如，有些用户发现，如果想探索新内容，可以主动搜索几个不熟悉的关键词，算法就会开始试探性地推荐相关领域的内容；如果想“逃离”某一类内容，点击“不感兴趣”是最直接、最有效的方式，这是告诉算法“我不喜欢这个”的最强信号。点击“不感兴趣”就像画一条清晰的边界：这边是我要的，那边是我不要的，请不要再越界。与其被动地快速划过，不如主动地点击“不感兴趣”，这既是维护信息边界的权利，也是训练算法理解自己的最好方式。

这些操作技巧，不是平台说明书写的，而是用户在日复一日的实践中摸索出来的。它们证明了一件事：用户不是算法的被动接受者，而是主动的“驯化者”。

这给了我们启示，与其把精力耗费在徒劳的“反算法”上，不如转向“懂算法”，去了解算法的基本逻辑，掌握与算法共处的方法，让工具服务于人，而非人被工具异化。

算法不是“他者”，而是主动破茧的伙伴

一个常见的误解是：算法是一面只会“迎合”用户偏好的镜子，你越看什么，它就越给你推荐什么，直到把你困在信息茧房里。

真实情况恰恰相反。研究表明，算法推荐的内容多样性，在某些情况下甚至超过纯随机推荐。问题的关键不在于算法是否愿意推荐多样性，而在于用户是否愿意接受。互联网上的内容天然比线下更丰富多元，真正的“同温层”往往存在于我们的日常社交圈，周围的朋友、邻居、同事，他们的观念和兴趣高度相似，才是真正窄化信息视野的来源。 互联网上的算法反而在不断尝试帮助用户走出这个窄化的信息环境。

在抖音的推荐算法中，工程师们设置了专门的“探索维度”。一方面，对用户已表现出的兴趣，尽可能推荐更多样的内容，通过多样性打散、多兴趣召回、扶持小众兴趣等方法控制相似内容出现的频次；另一方面，算法会主动帮助用户探索新兴趣，采用随机推荐、基于社交关系拓展兴趣、搜索推荐联动等多种方式，让用户的主动行为影响推荐系统，使推荐更加个性化和多样化。正如抖音算法工程师刘畅所说，推荐算法本质上是一套高效的信息过滤系统，而多目标体系算法能主动打破“信息茧房”，为用户带来更丰富多元、实用可靠的推荐结果。

但这引出了一个更深层的问题：算法真的能“懂”我们吗？答案是：算法能预测你的兴趣，但读不懂你的情绪；能匹配信息，但不能替你做出人生选择。美国伊利诺伊大学的Christian Ehret在2024年的研究中，提出了一个更具建设性的视角：算法时代的素养，不是人与机器的对立，而是人与机器协同的“感觉-思考”过程。把算法当作导师是危险的，把它当作工具和伙伴则是明智的。

抖音的实践：透明、可调、可参与

正是在“懂算法”这一理念的推动下，抖音近年来在算法透明化和用户赋权方面做出了系统性探索。

2025年1月，抖音在行业内首次宣布推出10项措施，建立安全与信任中心，切实推动算法和平台治理透明化。不到一年时间，网站访问量已突破200万次。此后，抖音持续深化这一方向。2026年1月，在“2026安全与信任大会”上再次推出10项新举措，继续聚焦算法透明、平台治理、用户服务三大方向。2026年3月，抖音进一步推出“算法体验”交互式小程序，以动画演示形式公开视频推荐机制，用户可沉浸式体验一条视频从上传到推荐的完整链路，直观理解召回、排序、随机扰动三大核心环节。

在产品功能层面，抖音升级了“使用管理助手”，让用户能够自主调节内容推荐权重，真正参与到算法调优中。用户打开“使用管理助手”，可以看到以饼状图呈现的近七日内容偏好分布，然后在“职场”“科技”“旅行”等分类标签中，将自己希望加强的内容滑块拖至“增加”端，将需要弱化的内容拖至“减少”端。这种设计让算法从“神秘工具”变成了“可被驾驭的助手”。

与此同时，抖音还增加了社交推荐功能，鼓励用户为好友推荐该条视频；“不感兴趣”按钮则赋予用户清晰的干预权。针对用户最担心的“信息茧房”问题，抖音还开发上线了“探索更多”模式，帮助用户可视化评估自己的信息环境，主动打破单一的信息摄入模式。

这些设计背后是一个核心理念：算法不是“猜你”，而是“懂你”；不是替你选择，而是帮你更好地选择。

正如研究所揭示的，提升用户的“算法意识”是缓解算法焦虑、促进适应行为的关键路径。而抖音通过透明度建设、用户赋权工具和素养教育，正逐步将这条路径铺开。

算法透明化，打开算法的“科技黑盒”，正在成为整个互联网行业的共识与行动。这不仅是监管的要求，更是企业对用户的基本尊重。

也许有一天，当我们的孩子长大，“算法”这个词将不再被特殊讨论。就像今天我们不会特意“反电力”或“懂电力”，我们只是自然而然地使用它，知道它点亮了灯，也知道它可能触电，于是学会了开关，学会了安全距离。

到那时，“懂算法”不再仅仅是一种能力，而成为一种数字时代的生存本能。

参考文献

[1] 占南, 陈玉孟. (2025). 在共生中抵抗：智能推荐用户算法焦虑与算法回避的非线性关系研究. 图书情报知识, 42(4), 126-138.

[2] 周茂君, 罗丹. (2025). 算法驯化与用户抵抗：智能推荐系统中的动态博弈. 当代传播, 2025(4), 18-23.

[3] Ehret, C. (2024). Critical literacies in algorithmic cultures. Literacy.

[4] de Groot, T., de Haan, M., & van Dijken, M. (2023). Learning in and about a filtered universe: young people‘s awareness and control of algorithms in social media. Learning, Media and Technology, 48(4), 701-713.