-
日期: 2025-09-22 | 來源: KnowYourself | 有0人參與評論 | 字體: 小 中 大
大家有看過父母的社交媒體嗎？
我經常被爸媽手機裡的短視頻給震驚到，打開都是《體檢都是騙局》《年輕人不想結婚，是被外來思想操縱！》，還有老年人在養老院裡被扇耳光、婆媳矛盾的視頻，情緒煽動性極強，即使有些在我看來“壹眼假”，他們都深信不疑。
不光是父母，和周圍人聊天時，也會發現在信息前所未有發達的當下，人與人之間的信息差卻前所未有地大——
男性刷到的短視頻經常有“天價彩禮”、“撈女”、“極端女權”，女性刷到的都是“家暴”、“殺妻案”、“性侵”；孩子看到的是“不幸的童年要用壹生來治愈”，父母看到的是“可憐天下父母心”。
現在，幾乎每個人都活在算法為自己量身打造的回音室裡，無法聽到外界的聲音。甚至，算法正在悄悄改造我們的價值觀，讓我們和最親密的人彼此對立、彼此割裂。
大腦本身擅長制造信息繭房
算法將其進壹步放大
當我們遇到與自己價值觀截然相反的人，第壹反應往往是“怎麼會有人這麼想？太荒謬了”。
但如果深入了解就會發現，這壹點也不奇怪，因為 ta 所接收的所有信息都在不斷加固和維護這種價值觀，以至於從 ta 的視角來看，這簡直就是就是真理。
2021年調查顯示，美國有10%的人認為地球是平的
圖片來源：POLES 2021 survey[1]
理查德·德威特所著的書籍《世界觀》非常生動地描繪了我們的世界觀是如何建立的，觀點和觀點之間不是彼此獨立，而是像是拼圖壹樣，相互契合、環環相扣[2]。
比如，壹個人相信“父母是絕對愛孩子的”，那 ta 大概率也會相信“打是親，罵是愛”，相信父母做出任何事情都是為了孩子好。這些觀點相互契合佐證，組成嚴絲合縫的拼圖。
當 ta 聽到“很多父母不愛孩子，只是想控制孩子”、“原生家庭會給孩子帶來持久的創傷”時，如果要相信，就意味著原有的拼圖被徹底推翻，於是大腦為了減少認知上的負擔，更傾向於拒絕相信那些難以嵌入已有拼圖的觀點。
物理學家因為認知被顛覆而紛紛自殺
圖片來源：《叁體》
哈佛大學教授 Keith Sunstein 最早提出“信息繭房”這個概念的時候，就定義為，在廣袤的信息宇宙裡，我們只選擇讓我們舒適和愉快的東西[3]。
可以說，大腦天然擅長制造信息繭房，我們以為自己每天在接受新鮮的信息，其實只是源源不斷地聽到自己的回聲，給陳舊的世界觀大廈添磚加瓦而已。
算法則進壹步放大這種傾向，它通過相似推薦、放大極端、操縱情緒等方法影響著我們的認知。
個性化推薦：根據你的點贊、停留和分享，推送更多相似內容，讓你覺得“原來大家都這麼想”、“這就是常識”；
放大極端個例：獵奇、沖突或極端的事件被反復推送，讓你覺得“這種事遍地都是”；
正負反饋失衡：偏重正反饋（如點贊），忽略負反饋（如跳過），慢慢地你只能刷到你感興趣的內容，形成信息孤島。
圖片來源：《監視資本主義：智能陷阱》
處處迎合人類的算法，是如何
制造操控，加劇對立的？
當你的偏好被無限迎合
就會越來越無法忍受“不同”
我有壹對情侶朋友在爭吵後分別去找 AI 傾訴，聊完他們都覺得：AI 簡直太懂我了，我沒有錯，該低頭認錯的是對方。
算法對於人的迎合和 AI 起到類似的效果，壹個個帖子、壹條條視頻仿佛都是為自己量身定制，讓人產生壹種深深地被理解、被認同的感受——原來我是對的，原來不是我的錯。
AI 對人類的諂媚
圖片來源網絡
這在壹定程度上是好事，生活中被理解和認同的體驗如此稀缺，網絡和 AI 讓它變得唾手可得。
但與此同時，個體的自戀被前所未有地放大，當人們習慣了處處迎合自己的網絡環境，就越來越難以忍受現實生活中的真實摩擦，聽到不同意見、不同觀點，第壹反應是抵觸甚至憤怒。
我們可能會對親近的人說“就連網上的陌生人都能理解我，為什麼你不能？”、“這個博主講的就是你這種人，你知道錯了嗎？”，不再把對方當成壹個活生生的、有缺陷、有主體性的人，而是希望自己能永遠被迎合，永遠正確，自戀永不受損。
圖片來源：《監視資本主義：智能陷阱》
哲學家約翰·杜威強調，如果壹個環境總是處處迎合我們的沖動，那麼它對成長的限制將和處處充滿敵意的環境壹樣致命[4]。
因為成長恰恰來自於和“不同”“不舒服”的他者相遇，沒有這種摩擦，我們會活在壹個完美的鏡像裡——沒有人能真正和我們相遇，我們也不再真正看見別人。
活在不同信息繭房裡的人
無法說服彼此並走向各自的極端
群體極化（Group Polarization）是壹種社會現象，指的是經過群體討論後，個體的想法不會趨於中肯溫和，而是會被推向更極端[3]。
比如，你本來只是覺得父母有壹些地方做得不好，但當你進入壹個不斷吐槽原生家庭的群體時，群體內的共鳴和情緒會像放大器壹樣，讓你越來越確信“父母皆禍害”、“壹切都源於不幸的童年”。
和不同意見的群體聊天同樣會加劇極化，比如壹個人原本對於婚姻抱有疑慮，但在頻繁看到“曬幸福”“催婚”的言論後，不僅不會向往，反而會更強烈地排斥婚姻，忍不住想尋找證據來證明“婚姻就是牢籠”。
於是，人們壹邊在同溫層報團取暖，點贊自己認可的帖子，壹邊“排除異己”，在不認同的帖子下面花幾個小時和陌生人爭論，最終誰都不會被說服，只會讓彼此都變得更加極端。
群體極化的危險在於，群體內部無限趨同，而群體和群體之間的分裂被無限放大，不同立場的人失去了對話的可能性，即使是身邊親近的人也難以互相理解。
在泛濫的虛假信息中
普通大眾成為被誤導和操控的對象
算法難以區分信息的真假，情緒化、誇張甚至虛假的內容，更容易在平台上被推向大眾。
新周刊曾發布壹篇文章名為《AI假新聞，霸占我的家族群》，其中列舉了“伍角大樓被炸”、“火車撞上修路工人”、“老人被毆打昏迷”等 AI 生成的假新聞，這些假新聞往往聚焦在城鄉發展、階層矛盾、性別對立、國際局勢這些很有爭議的話題，迅速博得巨大的流量[5]。
根據 Quest Mobile 發布的 2021 年《銀發人口經濟洞察報告 》，短視頻已滲透到超過 80%的老年人[6]，他們往往也是缺乏陪伴、在網絡世界難以辨別虛假信息、容易受騙的群體。
在壹些熱點事件爆發的初期，網絡上也總是傳播大量的虛假信息，普通民眾要麼情緒被推到極端，要麼慢慢變得麻木、冷漠。
走出信息繭房
從主動尋求不同開始
尋找突破性知識，留意那些
跟你的認知截然相反的內容
作家 Michael Simmons 把知識分為兩種：增強性知識和突破性知識[7]。
增強性知識是加深我們固有認知的知識；
突破性知識會挑戰我們關於世界如何運作的基礎信念，或者提供壹種全新的看待世界的方式，會對我們的人生產生漫長而深遠的影響。
算法時代，我們被推送的往往都是增強性的知識，主動尋找突破性知識成了突破信息繭房的關鍵。
比如：
特意去查找跟你已有認知截然相反的觀點，會發現相反的觀點也有源源不斷的證據，而自己所以為的“常識”並不是普遍真理；
試著跨不同的學科去看待同壹個問題會煥然壹新，意識到有不同的視角的存在，而自己的視角並不是唯壹答案；
用主動閱讀替代被動推送，比如對某些議題感興趣就去找相關的書籍來閱讀，對它有更體系化的認知後再去刷社交媒體，會更有分辨能力，而不是全盤接收；
走近壹個真實的人類
不局限於待在同溫層
我們常常能刷到這樣的建議：“遠離壹切消耗你的人”、“莫與傻子論短長”。這些話聽起來很有道理，但也讓我們喪失和與自己不同的人交流的動力。
面對壹個跟自己的叁觀差異很大的人時，我們可以試著不去區分對錯好壞，而是意識到每個人接收到的信息可能天差地別，大家都被局限在自己的認知中，或許並沒有誰比誰更正確。
而試著探究對方的世界觀是如何形成的、為什麼會做出這樣的判斷，就是在松動固有的認知拼圖，讓新的碎片有可能加入。
最後，你或許會發出這樣的疑問：“做這些好累，我就不能想刷什麼就刷什麼，怎麼舒服怎麼來嗎？”
對於這種真實也普遍的困惑，社會學家艾倫·約翰遜所說的“最小阻力路徑”給了我很多啟發：壹個系統之所以能長久維持，是因為大多數人都會選擇那條最輕松、最不費力的路徑[8]。
比如壹群人聚在壹起開歧視的玩笑，跟著大家壹起笑是最省力的，而站出來說“這個玩笑很冒犯”則是壹條阻力更大、更難走的路。
當所有人都只想走最小阻力的路徑時，就共同維護了系統的運轉，當越來越多的人不玩這個游戲，選擇那條更難走、但更符合自己心意的路時，舊系統就會自動瓦解。
當我們變得更有分辨能力，不再被極端、虛假的信息吸引，它們就自然會在信息的洪流中被淘汰，我們也在為更好的網絡環境貢獻壹份自己的力量。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見