在我前一篇關(guān)于 TikTok 的文章中，我們探討了 TikTok 的個(gè)性化推薦算法 FYP 作為連接組織運(yùn)轉(zhuǎn)的核心原因,，它就好像汽車總線一樣,，控制連接并形成信息傳輸?shù)拈]環(huán),。

但多數(shù)人還是非常費(fèi)解，為什么很多公司想要收購(gòu) TikTok,，另一方面,，字節(jié)跳動(dòng)是否應(yīng)該將 TikTok 這一備受歡迎的 App 賣掉。圍繞 TikTok 算法大肆的炒作已經(jīng)開始變的異化了,，這也是如今西方對(duì)中國(guó)科技領(lǐng)域項(xiàng)目的普遍分析套路,。

在這篇文章中，其實(shí)我想探討一下 TikTok 的設(shè)計(jì)是如何讓它的算法如虎添翼的,。之前我有寫過(guò) FYP 算法作為 TikTok 核心的原因,，也講到，假如這一核心算法不起作用了,，那么整個(gè)信息傳輸閉環(huán)就會(huì)崩潰,。即使你對(duì) TikTok 或短視頻不感興趣，了解其算法如何實(shí)現(xiàn)準(zhǔn)確性匹配對(duì)你也很有幫助,，因?yàn)樵絹?lái)越多的行業(yè)公司將會(huì)遇到以機(jī)器學(xué)習(xí)算法為武器的競(jìng)爭(zhēng)對(duì)手,。

給大家推薦一本書,，詹姆斯·C·斯科特（James C. Scott）的《國(guó)家的視角》（Seeing Like a State）,，它可以將你的思維轉(zhuǎn)變成硅谷人的思考方式，讓你喜歡使用甚至濫用 legibility（讀懂）這個(gè)術(shù)語(yǔ),。我也是在讀了一篇卡塔什·拉奧（Venkatesh Rao）對(duì)這本書的總結(jié)性文章時(shí)了解到的,，如果你不打算讀原書的話，Rao 的這篇文章倒是可以推薦作為這本書的 tldr（Too Long; Didn't Read,，化繁為簡(jiǎn)的替代方案）,。斯科特·亞歷山大（Scott Alexander）對(duì)本書的書評(píng)也很好，而且非常長(zhǎng),，比較詳細(xì),，也可以作為該書的一篇 tldr。不過(guò)我還是建議你讀下原著,。

這本書能讓人們清晰的認(rèn)識(shí)到到日常生活中各種意想不到的后果,。當(dāng)我們太過(guò)驕傲自大時(shí)，都應(yīng)該保持謙遜的姿態(tài),。世界比我們想象的更加豐富和復(fù)雜,。

舉個(gè)例子，斯科特研究的很多內(nèi)容都與我們現(xiàn)在傲慢的社交網(wǎng)絡(luò)巨頭有關(guān),。這些占據(jù)市場(chǎng)主導(dǎo)地位的應(yīng)用程序旨在提高用戶群的可識(shí)別性,，從而提高用戶參與度，防止用戶流失,，并最終提供有針對(duì)性的廣告服務(wù),。當(dāng)然這些反過(guò)來(lái)也會(huì)給它們的母公司帶來(lái)一些問(wèn)題,。

但這是另一個(gè)話題，之后我在別的文章中再探討,。斯科特關(guān)注的是國(guó)家如何使用簡(jiǎn)化的抽象概念在概要層次上“看到”其公民,，而我想討論的是 TikTok 的應(yīng)用程序設(shè)計(jì)如何讓它的算法“看到”所有需要的細(xì)節(jié),，從而高效,、準(zhǔn)確地執(zhí)行其配對(duì)分發(fā)工作。如果說(shuō)《國(guó)家的視角》研究了常見失敗案例模型,，這篇文章便是介紹通過(guò)程序和服務(wù)的設(shè)計(jì)使機(jī)器學(xué)習(xí)算法發(fā)揮最大價(jià)值的新模型,。

近年來(lái)，至少對(duì)于像我這樣的局外人來(lái)說(shuō),，大家對(duì)機(jī)器學(xué)習(xí)的一個(gè)普遍認(rèn)知是,，僅僅通過(guò)將訓(xùn)練數(shù)據(jù)量增加幾個(gè)數(shù)量級(jí)就可以取得很大的進(jìn)步。也就是說(shuō),，即使算法本身與幾年前沒(méi)有什么不同,，僅僅通過(guò)在更大的數(shù)據(jù)集上訓(xùn)練算法，人工智能研究人員便能取得像 GPT-3 這樣的突破（這給科技巨頭 Twitter 帶來(lái)了短暫的興奮）,。

當(dāng)大家談及 TikTok 的算法是其成功的關(guān)鍵時(shí),，便會(huì)認(rèn)為該公司的秘密武器是一些神奇的代碼。俄羅斯后現(xiàn)代主義作家維克托·佩列溫（Viktor Pelevin）曾說(shuō)過(guò),，所有現(xiàn)代電影的主角都是一個(gè)裝滿錢的公文包,。從《死吻》（Kiss Me Deadly）的放射性物質(zhì)公文包，到《低俗小說(shuō)》（Pulp Fiction）里面的那個(gè)類似的里面金光閃閃的,、不知道裝著什么的公文包,，從《魔頭對(duì)捕頭》（The Formula）的創(chuàng)世紀(jì)方程，到大衛(wèi)·馬梅特（David Mamet）的《西班牙囚犯》（The Spanish Prisoner）里面的秘密財(cái)務(wù)流程,，我們長(zhǎng)期以來(lái)一直對(duì)有魔力的麥格芬（McGuffin,，推動(dòng)情節(jié)發(fā)展的對(duì)象或事件）感到癡迷。最近幾周,，我們對(duì) TikTok 算法的討論已經(jīng)把它提升到了類似的高度,，這個(gè)算法就好像是《奪寶奇兵》系列電影（如《法柜奇兵》（the Ark of the Covenant）、《圣戰(zhàn)奇兵》（the Holy Grail）,、《魔宮傳奇》（lingam Shivling））里面的那些神秘考古文物一樣,。

但該領(lǐng)域的大多數(shù)專家持懷疑態(tài)度，TikTok 在機(jī)器學(xué)習(xí)推薦算法方面并未取得外界未知的突破性進(jìn)展,。事實(shí)上,，他們中的大多數(shù)人認(rèn)為，TikTok 很可能就是基于標(biāo)準(zhǔn)方案解決的問(wèn)題,，跟其他方案無(wú)異,，沒(méi)有什么特殊性,。

不過(guò)機(jī)器學(xué)習(xí)算法的有效性并不僅僅取決于算法本身的函數(shù)，還取決于數(shù)據(jù)集訓(xùn)練后的算法函數(shù),。GPT-3 并不是新創(chuàng)意,，但是通過(guò)大量數(shù)據(jù)訓(xùn)練和大量的參數(shù)設(shè)置，它的輸出結(jié)果往往是令人驚訝的,。

同樣道理,，基于自身數(shù)據(jù)集訓(xùn)練過(guò)的 TikTok FYP 算法，在將視頻與覺得該視頻有趣的人進(jìn)行匹配方面做的非常精確和高效（而且,，反向匹配做的也很精確,，對(duì)某些視頻不感興趣的人就不會(huì)接收到這些視頻） 。

對(duì)于某些領(lǐng)域,，比如文本相關(guān)性較大的領(lǐng)域,，可以輕松獲得大量訓(xùn)練得很好的數(shù)據(jù)。例如,，要訓(xùn)練一個(gè)像 GPT-3 這樣的人工智能模型,，你可以到互聯(lián)網(wǎng)、書籍等上面找到大量可用的文本集,。如果你想訓(xùn)練一個(gè)視覺人工智能模型,，你可以在網(wǎng)上和各種數(shù)據(jù)庫(kù)里面找到大量照片。雖然訓(xùn)練非常費(fèi)錢,，但是至少你可以獲得足夠的訓(xùn)練數(shù)據(jù),。

但對(duì)于 TikTok（或中國(guó)版抖音）來(lái)說(shuō)，他們需要一種能夠出色地向觀眾推薦短視頻的算法,，而這樣龐大的公開可用訓(xùn)練數(shù)據(jù)集是不存在的,。你在哪里可以找到各種各樣的惡搞、孩子們跳舞,、假唱,、有可愛寵物、名人品牌推廣,、士兵們穿越障礙球場(chǎng),、孩模仿品牌等類型的視頻呢？即使你有這樣的視頻,，你從哪里可以找到關(guān)于一般民眾對(duì)這樣的視頻看法的比對(duì)數(shù)據(jù),？除了 http://Musical.ly 的數(shù)據(jù)集以外（主要是由美國(guó)十幾歲的女孩對(duì)口型唱歌的視頻組成），這樣的數(shù)據(jù)并不存在,。

在經(jīng)典的“先有雞還是先有蛋”的問(wèn)題中,，如果沒(méi)有 App 的相機(jī)工具和過(guò)濾器、授權(quán)的音樂(lè)剪輯等，TikTok 算法需要訓(xùn)練的視頻類型并不容易創(chuàng)建,。

這就是 TikTok 設(shè)計(jì)的神奇之處：它是一個(gè)反饋的閉環(huán),，這種設(shè)計(jì)能夠激發(fā)并實(shí)現(xiàn)視頻的創(chuàng)作和觀看，產(chǎn)生的數(shù)據(jù)進(jìn)而通過(guò)其算法進(jìn)行訓(xùn)練,，之后再反過(guò)來(lái)激發(fā)創(chuàng)作和觀看,。

為了讓 TikTok 的算法變得像現(xiàn)在這樣有效，TikTok 成為了它自己的訓(xùn)練數(shù)據(jù)來(lái)源,。

要理解 TikTok 是如何創(chuàng)造出如此強(qiáng)大的學(xué)習(xí)飛輪的,，我們需要深入研究它的設(shè)計(jì)。

說(shuō)到技術(shù)領(lǐng)域的 UI 設(shè)計(jì),，至少在我成長(zhǎng)的 20 年里,，主流思想始終圍繞著如何消除用戶在完成他們想做的事情時(shí)的阻礙,，同時(shí)在這個(gè)過(guò)程中讓他們高興,。設(shè)計(jì)的終極目標(biāo)是優(yōu)雅，換個(gè)說(shuō)法是要設(shè)計(jì)的：直觀,、巧妙,、甚至?xí)r尚。

這種設(shè)計(jì)流派的代表公司便是蘋果,。巔峰狀態(tài)下的蘋果總能把自己的軟硬件做出優(yōu)雅的感覺——“就是這么好用（it just works）”,，但同時(shí)又很性感，讓用戶感覺有品位,。在蘋果的主題演講上發(fā)布新的 MacBook Pro 機(jī)身時(shí),，為什么要專門播放一段視頻，展示它是如何用一塊實(shí)心的鋁制作而成的,？可能是因?yàn)榭吹焦I(yè)激光把那塊鋁雕刻成一體化機(jī)身會(huì)讓你感覺很酷,？然后，當(dāng)你在咖啡店里用筆記本電腦發(fā)郵件時(shí),，那段視頻的一些殘留記憶又會(huì)在潛意識(shí)里給你一點(diǎn)點(diǎn)觸動(dòng)?

這種以用戶為中心的設(shè)計(jì)模式占據(jù)主導(dǎo)地位如此之久是有原因的,，尤其是在消費(fèi)技術(shù)領(lǐng)域。首先,，這確實(shí)有用,。據(jù)最新統(tǒng)計(jì)，蘋果的市值超過(guò)了 2 萬(wàn)億美元,。（還記得 Sean Parker 說(shuō)過(guò)有十億美元很爽嗎,？那還是十年前，現(xiàn)在十億美元不再是頂層了,。財(cái)富的量級(jí)在飛速發(fā)展,。）此外，我們生活在大規(guī)模網(wǎng)絡(luò)效應(yīng)的時(shí)代，科技巨頭們運(yùn)用本·湯普森（Ben Thompson）的聚合理論,，獲得了龐大的用戶基礎(chǔ),，可以對(duì)他們所參與的市場(chǎng)發(fā)揮難以置信的影響力。要做到這一點(diǎn),，最好的方法之一就是設(shè)計(jì)比競(jìng)爭(zhēng)對(duì)手更好地滿足用戶需求的產(chǎn)品和服務(wù),。

這種設(shè)計(jì)流派主導(dǎo)了這么長(zhǎng)時(shí)間，以至于我?guī)缀跬浟酥按蠹页Ｓ玫囊恍┳玖拥能浖O(shè)計(jì)方法了,。

但是,，如果為用戶提供最好服務(wù)的關(guān)鍵，很大程度上取決于機(jī)器學(xué)習(xí)算法的訓(xùn)練會(huì)發(fā)生什么呢,？如果這個(gè) ML 算法需要大量的訓(xùn)練數(shù)據(jù)集怎么辦,？在一個(gè)機(jī)器學(xué)習(xí)占據(jù)主流的時(shí)代，這越來(lái)越成為一個(gè)關(guān)鍵的設(shè)計(jì)目標(biāo),。

在考慮如何設(shè)計(jì)一個(gè)應(yīng)用程序時(shí),，你將越來(lái)越多地需要考慮怎么才能最好地幫助算法去“看”。要想更好地服務(wù)你的用戶,，首先需要服務(wù)好你的算法,。

TikTok 之所以讓我著迷，是因?yàn)樗且粋€(gè)現(xiàn)代 App 的典范,，這就是我所謂的算法友好型設(shè)計(jì)的范本,。（我曾經(jīng)想過(guò)把它叫做以算法為中心的設(shè)計(jì)，但覺得這種說(shuō)法有點(diǎn)夸張了,。一個(gè)幫助算法看見東西的設(shè)計(jì)到頭來(lái)仍然是為了給用戶提供盡可能好的體驗(yàn),。）

我們?nèi)匀豢梢哉J(rèn)為這只是以用戶為中心的設(shè)計(jì)的一種變體，但是對(duì)于那些大量采用機(jī)器學(xué)習(xí)算法組件進(jìn)行產(chǎn)品開發(fā)的團(tuán)隊(duì)來(lái)說(shuō),，明確地承認(rèn)這一點(diǎn)可能是有用的,。畢竟，當(dāng)產(chǎn)品經(jīng)理,，設(shè)計(jì)師和工程師開會(huì)討論 App 設(shè)計(jì)時(shí),，算法是不會(huì)出席的。但是,，對(duì)算法的訓(xùn)練需求必須得到體現(xiàn),。

詹姆斯·斯科特（James Scott）的《國(guó)家的視角》談?wù)摿顺鞘性O(shè)計(jì)等領(lǐng)域的巨大變化，比如讓土地面積和業(yè)主數(shù)量對(duì)征稅者“清晰可見”,。TikTok 的設(shè)計(jì)使它的視頻,、用戶和用戶偏好對(duì)它的 For You Page 算法清晰可見。該應(yīng)用程序的設(shè)計(jì)實(shí)現(xiàn)了它的主要職責(zé)之一：“像算法一樣看事物,?！?/p>

我們不妨仔細(xì)看看。TikTok 打開后就是“For You Page”頁(yè)面，然后直接進(jìn)入視頻,。這就是它的樣子,。

整個(gè)屏幕被一個(gè)視頻填滿,。只有一個(gè)，它以垂直方向全屏顯示,。注意,，這是不能滾動(dòng)的,，而是分頁(yè),。視頻幾乎是立即自動(dòng)播放（接下來(lái)的幾個(gè)視頻是在后臺(tái)加載的，這樣當(dāng)輪到它們的時(shí)候,，它們也可以快速播放）,。

這種設(shè)計(jì)會(huì)促使用戶立即思考一個(gè)問(wèn)題：你對(duì)此刻你面對(duì)的這段視頻有什么感覺?

從視頻開始播放的那一刻起，你所做的一切都是你對(duì)該視頻感受的信息,。你會(huì)在視頻還沒(méi)播放完的時(shí)候就刷到下一個(gè)視頻嗎,？是的話就隱含表示你對(duì)它不感興趣（雖然不明確）。

你是不是看了不止一次,，讓它循環(huán)播放了好幾次,？似乎不知道什么原因它就吸引了你。你有沒(méi)有通過(guò)內(nèi)置的分享面板分享這段視頻,？這是正面情緒的另一個(gè)有力指標(biāo),。如果你點(diǎn)擊右下角旋轉(zhuǎn)的 LP 圖標(biāo)，看了更多有著同樣背景音樂(lè)的視頻的話,，就表明該視頻對(duì)你胃口的進(jìn)一步信息,。音樂(lè)線索往往是模因的代名詞，現(xiàn)在 TikTok 又有了一條為你推薦視頻的軸線了,。還有,，你打開了視頻制作者的個(gè)人資料頁(yè)面了嗎? 你看了他們的其他視頻了嗎，之后你關(guān)注了對(duì)方嗎? 是的話，說(shuō)明你除了欣賞視頻以外,，也許你特別喜歡他們這些人,。

但是，讓我們往早一點(diǎn)回顧一下,，在你看視頻之前,，TikTok 算法是如何“看到”視頻本身的？其實(shí),，在這個(gè)視頻通過(guò) FYP 算法發(fā)送到你的手機(jī)之前,，TikTok 的運(yùn)營(yíng)團(tuán)隊(duì)有人已經(jīng)看了這個(gè)視頻，并添加了大量相關(guān)標(biāo)簽或標(biāo)記,。

這個(gè)視頻是跟跳舞有關(guān)的嗎,？是對(duì)口型？還是視頻游戲,？有小貓嗎,？還是花栗鼠？是搞笑的嗎,？主體是男的還是女的,？大概幾歲？是群視頻嗎,？背景在哪里,？用的是什么濾鏡或視覺效果？如果里面包括有食物,，是什么食物,？等等。所有這些標(biāo)簽都成為了算法現(xiàn)在可以看到的特征,。

視覺人工智能也會(huì)對(duì)視頻進(jìn)行處理,，并在一定程度上貢獻(xiàn)它看到的內(nèi)容。TikTok 的一些相機(jī)濾鏡能夠追蹤人類的臉,、手或手勢(shì),，所以視覺人工智能往往在視頻被創(chuàng)建出來(lái)之前就被調(diào)用過(guò)了。

這個(gè)算法還可以看到 TikTok 所了解到的有關(guān)你的信息,。你過(guò)去喜歡看什么類型的視頻,？有關(guān)你的人口統(tǒng)計(jì)學(xué)信息或心理學(xué)信息有哪些？你是在哪里看這個(gè)視頻的,？你用的是什么類型的設(shè)備,？等等。除此之外,，還有哪些其他用戶跟你相似,？

我們不妨回到你在手機(jī)上用 TikTok 看視頻的那一刻,。FYP 算法現(xiàn)在可以關(guān)閉所有的反饋回路形成閉環(huán)了。它通過(guò)你對(duì)視頻的每一個(gè)動(dòng)作來(lái)猜測(cè)你對(duì)這個(gè)視頻的感受,，以及它的所有屬性,。

上述所有的步驟都不是像火箭科學(xué)那樣的硬核技術(shù)，尤其是對(duì)于那些從事社交算法研究的人來(lái)說(shuō)這些并不新鮮,。在我之前的文章中,，我說(shuō)過(guò) TikTok 并沒(méi)有真正強(qiáng)大的社交圖譜。這款應(yīng)用之所以有如此效果,，原因之一是它不會(huì)假裝自己不是的東西,。也就是說(shuō)，人們已經(jīng)有了許許多多其他的社交網(wǎng)絡(luò)和與他們認(rèn)識(shí)的人分享的方式,。他們沒(méi)有強(qiáng)迫人們?cè)?TikTok 應(yīng)用程序中下載視頻,，而是讓通過(guò)外部渠道下載或分享視頻變得非常簡(jiǎn)單。不過(guò),，TikTok 想保留的是你選擇分享視頻這一行為數(shù)據(jù),。這個(gè)數(shù)據(jù)就能（也只能）滿足他們的算法需求。由于這些視頻都帶有水印,，所以它們也可以通過(guò)分享獲得免費(fèi)的宣傳,。實(shí)際上，TikTok 之前發(fā)表了一篇博客文章,，主要描述解釋了他們的 FYP 算法工作機(jī)制,， 我相信大家只要是做軟件技術(shù)的，看過(guò)之后都知道其中并沒(méi)有什么新鮮的創(chuàng)造,。

但是,，把 TikTok 的 FYP 算法所看到的東西，跟其他大多數(shù)社交網(wǎng)絡(luò)動(dòng)態(tài)消息的推薦算法所看到的東西對(duì)比一下,，你就會(huì)發(fā)現(xiàn)它們不一樣在哪里了。

如今,，我們最大的社交網(wǎng)絡(luò)的默認(rèn) UI 是無(wú)限的垂直滾動(dòng) feed（例如,，上面 Facebook 的截圖）。這些應(yīng)用程序不是一次為你提供一個(gè)故事,，而是在屏幕上同時(shí)顯示多個(gè)項(xiàng)目,。當(dāng)你向上滾動(dòng)并經(jīng)過(guò)許多故事時(shí)，算法無(wú)法“看到”你的眼睛所注視的是哪個(gè)故事,。就算能看到,，如果用戶沒(méi)有按“點(diǎn)贊”之類的反饋按鈕的話，他們對(duì)故事的感覺是正面的還是負(fù)面的,？實(shí)際對(duì)用戶情緒的判斷并不清晰,。

如果你認(rèn)同 UI 應(yīng)該消除溝通阻礙的想法,，無(wú)限滾動(dòng) feed 可能是理想的方案選擇。它提供了一種對(duì)消費(fèi)節(jié)奏的無(wú)拘無(wú)束的控制感,。

在分頁(yè)設(shè)計(jì)中,，你一次只能看到一個(gè)故事，而手指每推一次只能讓 feed 滾動(dòng)一條,，這無(wú)論在字面上和還是隱形數(shù)據(jù)獲取上都是一種累贅,。

另一方面，如果 Twitter 更有針對(duì)性的話,，也許你不會(huì)介意一次只看一條 Twitter,；如果 Twitter 知道更多你真正感興趣的 Twitter 類型，也許它們會(huì)更有針對(duì)性,。如果你必須在每條推特上給出明確或含蓄的正面或負(fù)面信號(hào),，Twitter 也許就能更好地了解你真正感興趣的內(nèi)容。

即便在有用戶參與的互動(dòng)故事中,，判斷用戶的情緒也不是一件簡(jiǎn)單的事情,。大多數(shù)應(yīng)用程序只有正面的反饋機(jī)制，最典型的是某種形式的 like 按鈕,。由于像 Facebook,、Instagram 和 Twitter 這樣的應(yīng)用程序都是基于社交圖譜開發(fā)的，因此它們可能會(huì)選擇不提供“不喜歡”按鈕,。

但是,，就像史蒂芬·金在《寫作這回事》（On Writing）里面所寫那樣，“如果你希望成為一名成功的作家,，無(wú)禮應(yīng)該是你最不應(yīng)該關(guān)心的第二件事,。而你最不應(yīng)該關(guān)心的第一件事，正是這文明社會(huì)和它對(duì)你的期許,。如果你有心真誠(chéng)地寫作,，你作為上流社會(huì)一員的日子屈指可數(shù)了?！?/p>

Facebook,、Twitter 和 Instagram 等社交網(wǎng)絡(luò)依靠的是帶有明確的正面反饋機(jī)制的長(zhǎng)滾動(dòng)信息流，因此在用戶更傾向于低阻礙閱讀的同時(shí),，也犧牲了對(duì)負(fù)面信息更準(zhǔn)確的解讀,。在創(chuàng)始人和 CEO 是同一個(gè)人的公司里，你會(huì)看到這種權(quán)衡的另一個(gè)變體：這樣的人往往在自己身邊有一群高管,，他們聽從他們的領(lǐng)導(dǎo),，和他們相處得很好。被一群唯唯諾諾的人包圍的危險(xiǎn)在于沒(méi)有任何人來(lái)挑戰(zhàn)你思維中的盲點(diǎn),。我們總是有必要問(wèn)一下,，誰(shuí)有足夠的權(quán)力,，能夠真正改變像貝佐斯、庫(kù)克,、扎克伯格和馬斯克這樣的人的想法,。答案往往是沒(méi)有人，所以他們的盲點(diǎn)成為公司的盲點(diǎn),。

像 Reddit 這樣建立在興趣圖基礎(chǔ)上的網(wǎng)絡(luò),，確實(shí)有吸納踩（down voting）機(jī)制的傾向，因?yàn)樗麄冏柚褂脩袅魇У闹饕椒ㄊ菫樗麄兲峁┳钣腥さ膬?nèi)容,。這意味著要剔除乏味的內(nèi)容,，就像它要展示吸引人的內(nèi)容一樣。

TikTok 沒(méi)有顯式 downvote 按鈕,，但是通過(guò)每次只提供一條視頻,，他們可以從你是不是很快就略過(guò)不看，以及你沒(méi)有做某一項(xiàng)積極舉動(dòng)來(lái)推斷你是否對(duì)某條視頻不感興趣,。

如果你點(diǎn)擊了某人在 Facebook 上發(fā)布的一篇文章,，但不做評(píng)論或者點(diǎn)贊的話，F(xiàn)acebook 怎么能判斷你對(duì)這篇文章的看法呢,？也許你想過(guò)在評(píng)論中表示強(qiáng)烈的不同意,，但是這個(gè)人恰恰是你的同事或朋友的朋友，然后你便會(huì)決定還是不說(shuō)為妙,。這種負(fù)面情緒很難捕捉,，算法不能“看到”你的感受。

乏味或引起輕微不快的內(nèi)容才是慢性殺手,。在我之前的文章中,，我提到過(guò)，由于你自己的興趣和你認(rèn)識(shí)的人的興趣不匹配,，社交圖上的內(nèi)容可能會(huì)偏離用戶的真正興趣,。從按時(shí)間順序提供信息到按算法提供信息的轉(zhuǎn)變，通常是針對(duì)這種波動(dòng)的默認(rèn)防御措施,。

但是,，如果算法不能“看到”用戶越來(lái)越不感興趣的信息，只能看到用戶參與的正面信息的話,，內(nèi)容和用戶興趣不匹配的情況就不可避免。你之后可能會(huì)發(fā)現(xiàn)用戶慢慢地失去了興趣,，不再喜歡看那么多東西,，不再經(jīng)常打開你的應(yīng)用，但是究竟是哪條 feed 讓他們離開你還不清楚,。當(dāng)用戶表現(xiàn)出要離開的跡象時(shí),，通常已經(jīng)太晚無(wú)法挽回了,。

對(duì)算法友好的設(shè)計(jì)不一定對(duì)用戶不友好。它只是采用了不同的方法來(lái)滿足用戶的興趣,。分頁(yè)可能會(huì)給用戶帶來(lái)某種程度的阻礙,，但這樣做可以為算法提供更詳細(xì)的信息，從而在長(zhǎng)時(shí)間內(nèi)保障 feed 的質(zhì)量,。

最小化阻礙只是獲得良好用戶體驗(yàn)的一種方法,。任何設(shè)計(jì)的目標(biāo)都不是減少阻礙，而是幫助用戶達(dá)到某種目的,。減少阻礙通常與這一目標(biāo)相一致,，但并不總是如此。你可能會(huì)說(shuō),，引用推文減少了手動(dòng)復(fù)制他人推文的阻礙,，但如果你的目標(biāo)是 和諧文明的公共討論的話，那么減少噴子涌到某人推文底下瘋狂攻擊的阻力也許并不是你要鼓勵(lì)的核心機(jī)制,。所以有些形式的阻礙是好的,。

你有沒(méi)有聽說(shuō)許多有影響力的 Twitter 大 V 用戶建議其他人盡早把禁言和屏蔽功能使用起來(lái)。還有一些用戶甚至大量使用軟屏蔽功能來(lái)秘密拉黑關(guān)注者,。

有些用戶會(huì)故意地在推特上發(fā)布自己禁言了哪些詞的屏幕快照,，以表示他們對(duì)某些熱門話題的不滿（或者他們對(duì)所討論話題的智商優(yōu)越感）。有些人更加極端,，甚至取消關(guān)注所有人,，然后重新關(guān)注。有時(shí)候,，可能因?yàn)?A/B 測(cè)試良好,，Twitter 會(huì)向用戶展示自己關(guān)注的人點(diǎn)贊的推文，甚至是用戶自己沒(méi)有關(guān)注過(guò)的人的推文,。這種做法確實(shí)偶爾會(huì)展示出一些我感興趣的推文,，但從絕對(duì)意義而言，這樣增加了我不感興趣的推文的數(shù)量,，我不得不滾動(dòng)過(guò)去,。沒(méi)有兩個(gè)人有完全相同的興趣愛好。這個(gè)功能的發(fā)布讓我開始考慮取消關(guān)注所有人,，然后再重新關(guān)注,，但我也擔(dān)心會(huì)傷害別人的感情，因?yàn)槲沂且粋€(gè)軟心腸的人,。如果 Twitter 的做法有所改變的話,，這就不是問(wèn)題了。

我有時(shí)也會(huì)考慮采用其中的部分甚至全部策略,，但對(duì)于 Twitter 來(lái)說(shuō),，這些策略的存在性本身就是產(chǎn)品設(shè)計(jì)的失敗,。如果算法能準(zhǔn)確的分辨出什么是你感興趣的東西的話，它應(yīng)該去做些替你禁言主題或者拉黑一些人的事情,，而不用你再煩心這些事情,。正如我上次所寫的那樣，你必須在 Twitter 上關(guān)注所有人才能獲得有趣的內(nèi)容,，很多人認(rèn)為這是基于強(qiáng)大的社交圖譜設(shè)計(jì)的一個(gè)缺陷,。

TikTok 不僅能明確的捕捉到用戶的情緒信息，還能通過(guò)每次交互收集大量信息,。TikTok 的視頻是比較短的,，但即便在這樣短暫的交互中，TikTok 也能收集到很多關(guān)于你喜好的反饋,。

這個(gè)過(guò)程也是比較簡(jiǎn)單的,，即便最讓用戶感覺不舒服的情況，也就是多推送了幾個(gè)他們不喜歡的視頻,，用戶直接劃掉即可,，非常方便。用戶甚至?xí)芟硎苓@種操作,，因?yàn)樗麄冎阑谒惴ǖ姆答仚C(jī)制會(huì)記錄他們的行為并作出反應(yīng),。短視頻正好是非常適合此類機(jī)器學(xué)習(xí)驅(qū)動(dòng)型推薦的類別。

但這并不意味著它適用于所有類型的類別,。音樂(lè)很合適,，時(shí)間不長(zhǎng)，采樣成本低,，重復(fù)消費(fèi)的價(jià)值高,，而且音樂(lè)的相似性通常是可以利用數(shù)學(xué)進(jìn)行計(jì)算的。Spotify Radio 推薦給我的音樂(lè)就很可不錯(cuò),。不過(guò)電影的算法推薦對(duì)我來(lái)說(shuō)從來(lái)都沒(méi)起過(guò)作用,，電影很長(zhǎng)，采樣成本很高,，語(yǔ)料庫(kù)也很小,，每年只有大約 500 部電影上映，而大多數(shù)人只看了其中的一小部分,。這整個(gè)話題可以單獨(dú)發(fā)表一篇文章再討論,。

順便說(shuō)一句，TikTok 并不是唯一一款針對(duì)匹配目標(biāo)對(duì)界面進(jìn)行優(yōu)化的應(yīng)用程序,，這里指每次只展示一個(gè)頁(yè)面,，從而可以更清楚地分析出用戶感受的應(yīng)用程序；在 TikTok 之前,，單頁(yè)展示一項(xiàng)內(nèi)容的 UI 設(shè)計(jì)已經(jīng)比較流行了,。

向右滑和向左滑成為表示認(rèn)可和不認(rèn)可的代名詞是有原因的。Tinder 在觸摸屏 UI 上設(shè)計(jì)了一個(gè)類似于二進(jìn)制投票的原始設(shè)計(jì),。

在這個(gè)軟件時(shí)代,，真正的競(jìng)爭(zhēng)優(yōu)勢(shì)，或者你產(chǎn)品的護(hù)城河,，正變得越來(lái)越虛幻,。大多數(shù)軟件功能或 UI 設(shè)計(jì)都可以在一夜之間輕易地被同類產(chǎn)品或競(jìng)爭(zhēng)對(duì)手復(fù)制。先行者做的很多事情都是替他們?cè)囋囁?。有一次我去中?guó)的的時(shí)候,，曾經(jīng)跟一幫中國(guó)的企業(yè)家共進(jìn)晚餐，我提到了 Instagram 抄襲 Snapchat 的 Stories 引起的爭(zhēng)議,。一家中國(guó)頂級(jí)公司的首席產(chǎn)品官笑著說(shuō)：“在中國(guó),，如果你的競(jìng)爭(zhēng)對(duì)手在兩周之內(nèi)不能把你的某項(xiàng)成功的功能復(fù)制出來(lái)的話，那么他們是不足以作為競(jìng)爭(zhēng)對(duì)手的,?！?/p>

硅谷自以為是創(chuàng)意市場(chǎng)的達(dá)爾文主義者，但種種跡象表明,，中國(guó)的科技界才是的真正的達(dá)爾文主義,；這對(duì)硅谷的相對(duì)產(chǎn)出來(lái)說(shuō)是個(gè)壞兆頭，因?yàn)樵谥袊?guó)觀念傳播和變異的速度更快,。人們通常說(shuō)硅谷已經(jīng)替代了波士頓的 128 號(hào)公路（Route 128）（曾經(jīng)的電子工業(yè)中心）成為技術(shù)創(chuàng)新的地理中心,，部分原因是硅谷更開放的勞動(dòng)力市場(chǎng)允許創(chuàng)意在公司之間自由流動(dòng)。中國(guó)采取了同樣的做法,，并且更加完善了這種策略,。想要在競(jìng)爭(zhēng)激烈的中國(guó)科技行業(yè)中生存下來(lái)，就像是想要從《黑暗騎士崛起》里面的那個(gè)坑里面爬出來(lái)一樣——很恐怖,。

但如果你能創(chuàng)造出像 TikTok 那樣的飛輪,，那么像 Reels 或 Triller 這樣的競(jìng)爭(zhēng)對(duì)手就很難趕上你了。Triller 可能會(huì)花錢把 TikTok 的一些網(wǎng)紅挖過(guò)來(lái)制作視頻,，Reels 可能會(huì)嘗試從 Instagram 引流,，但 TikTok 之所以能成功是因?yàn)楦咝У?FYP 算法把創(chuàng)作者、視頻以及觀看者連接成一個(gè)正向的反饋回環(huán),。

在科技行業(yè),，布賴恩·阿瑟（Brian Arthur）提出了經(jīng)濟(jì)的報(bào)酬遞增與路徑依賴?yán)碚摚谶@個(gè)行業(yè)當(dāng)中,，第一個(gè)實(shí)現(xiàn)產(chǎn)品市場(chǎng)匹配的競(jìng)爭(zhēng)對(duì)手可能會(huì)脫穎而出,。在一個(gè)日益緊密相連的世界里，市場(chǎng)給人的感覺是越來(lái)越贏家通吃的。

字節(jié)跳動(dòng)往往被說(shuō)成是一家算法公司,，而 TikTok 在過(guò)去幾周被認(rèn)為是靠這種算法的黑魔力才取得的成功,；很多人甚至認(rèn)為，如果收購(gòu)條款中不包含算法在內(nèi)的話,，TikTok 就不值得購(gòu)買,。

在我看來(lái)，這個(gè)觀點(diǎn)是錯(cuò)誤的,。我并不是認(rèn)為算法不重要,，的確，重新訓(xùn)練 FYP 的推薦算法可能需要很長(zhǎng)時(shí)間,，甚至這期間會(huì)導(dǎo)致部分用戶流失,。但是，真正有價(jià)值的在于 TikTok 的設(shè)計(jì)和流程里面的每一個(gè)元素是怎么互相關(guān)聯(lián)到一起,，從而創(chuàng)建出一個(gè)數(shù)據(jù)集,，再通過(guò)這個(gè)數(shù)據(jù)集，把算法訓(xùn)練成最佳性能的——這個(gè)反饋回環(huán)里面沒(méi)有一步是超出了美國(guó)眾多工程師的能力范圍的,，我們所需要的就是理解這個(gè)飛輪是如何工作的,，并保證讓每一個(gè)元素和流程都正常運(yùn)轉(zhuǎn)。

我遇到過(guò)的一些產(chǎn)品或服務(wù)似乎在算法推薦的質(zhì)量上都遇到了天花板：這里面包括 Yelp,、OpenTable,、Google、Netflix 等,；不要誤會(huì)我的意思,，這些公司很多都已在舒適區(qū)了，我只想讓他們的產(chǎn)品可以更上一層樓,，對(duì)算法更友好的設(shè)計(jì)也許就是有效的解決方案之一,。

回顧一下，在我關(guān)于 TikTok 的系列文章的第一篇當(dāng)中,，我討論了該算法如何作為一種匹配機(jī)制,，使 TikTok 成為一個(gè)可伸縮的娛樂(lè)網(wǎng)絡(luò)。相比之下,，社交網(wǎng)絡(luò)必須使用社交圖譜來(lái)做興趣圖譜的事情,，這就帶來(lái)了很多問(wèn)題。在關(guān)于 TikTok 的第二篇文章中,，我著重介紹了它的設(shè)計(jì)如何幫助它的機(jī)器學(xué)習(xí) FYP 算法“看到”它需要看到的東西,，從而有效地完成它的工作。對(duì)算法友好的設(shè)計(jì)理念可能會(huì)成為其他垂直領(lǐng)域的公司如何在機(jī)器學(xué)習(xí)時(shí)代取得優(yōu)勢(shì)的一種模式,。

TikTok 的案例之所以那么的迷人而且異類,，還有最后一個(gè)原因,。這一點(diǎn)與軟件和算法關(guān)系都不大，而與我孜孜不倦研究的文化決定論有很大的關(guān)系：創(chuàng)意的網(wǎng)絡(luò)效應(yīng),。這將是我關(guān)于 TikTok 系列文章的第三篇,，也是最后一篇文章的主題。

英文原文鏈接：

Seeing Like an Algorithm

https://www./blog/2020/9/18/seeing-like-an-algorithm