编者按： 在当今数字化时代，人工智能（AI）驱动的推荐算法已成为我们获取信息的重要工具。从新闻、视频到社交网络，这些算法通过分析用户的行为和偏好，为我们提供个性化的信息推荐。然而，这种看似便捷的推荐系统却隐藏着一个严重问题——信息茧房的形成。信息茧房是指用户被算法推荐的同质化内容所包围，从而失去了接触多样化信息的机会，这不仅限制了个人的视野，还加剧了社会的极化和偏见。由中国学者Jinghua Piao，Jiazhen Liu等人发表在《Nature Machine Intelligence》的文章“Human–AI adaptive dynamics drives the emergence of information cocoons”为我们深入剖析了人工智能（AI）驱动的推荐算法如何导致信息茧房（Information Cocoons, ICs）的形成及其背后的机制。
01
研究背景 当下，信息多得让人应接不暇，为了解决这个信息过载的难题，AI 驱动的推荐算法被广泛应用。它能根据用户以往的行为和偏好，有针对性地推送内容。然而，越来越多的证据表明，这些算法可能在无意中构建了信息茧房。这不仅让用户获取信息的渠道变窄，还会让社会上的极端观点越来越多，偏见也越来越深，甚至连创新的火花都可能被浇灭，整个社会的包容性也会大打折扣。虽然之前也有不少研究关注到了信息茧房，但大多只是停留在表面，分析一些相关性。要想真正解决这个问题，就必须深入了解信息茧房是怎么来的，它的形成机制是什么，这样才能找到有效的破解之法。 02 研究方法
研究者使用了两个大规模的真实世界数据集，一个来自中国某顶级短视频平台（包含超过11.1万用户、900万视频和5亿次用户互动记录），另一个来自微软新闻平台（包含超过9万用户、13万新闻条目和3600万次互动记录）。研究过程中，研究者提出了一个适应性信息动态模型（adaptive information dynamics model），该模型基于相似性的匹配（similarity-based matching）和用户反馈（positive/negative feedback）两个基本机制。通过四个参数来描述这些机制，包括相似性匹配强度（β）、正反馈利用系数（γ+）、负反馈利用系数（γ-）和用户自我探索行为（σ）。通过计算信息熵（information entropy）来量化用户接触到的信息多样性。信息熵的下降意味着信息茧房的形成。
03
试验与发现 研究者们利用来自中国顶级短视频平台和微软新闻平台的数据，发现超过57%的用户在一年内经历了信息多样性的显著下降，这表明信息茧房现象普遍存在。具体而言，部分用户的信息熵下降超过24.8%，这意味着他们在平台初期就迅速失去了信息多样性。这一现象不仅影响了用户的个人体验，还可能对社会的包容性和创新性产生负面影响。利用这些数据，研究者进一步分析了信息茧房的形成机制和应对策略。 信息茧房的形成机制 通过大语言模型的计算分析，信息茧房的形成与以下三个关键因素密切相关：基于相似性的匹配、用户反馈以及用户的自我探索行为。推荐算法的核心机制之一是基于相似性的匹配。算法会根据用户过去的行为和偏好，推荐与用户之前喜欢的内容相似的项目。这种机制虽然能够提高推荐的精准度，但也导致用户接触到的信息越来越同质化，从而降低了信息的多样性。研究表明，相似性匹配的强度（β）越高，信息多样性越低（图2a）。 用户对推荐内容的反馈行为对信息茧房的形成起着重要作用。正反馈（如点赞、点击）会强化推荐算法的相似性匹配，使算法更倾向于推荐用户已经熟悉和喜欢的内容。相反，负反馈（如跳过）则可以削弱这种匹配，为用户引入更多样化的内容。研究发现，过度依赖正反馈（γ+）会显著加剧信息茧房的形成（图2b），而增加负反馈的利用率（γ−）则有助于用户逃离信息茧房（图3a）。 用户通过搜索引擎等其他途径主动探索信息的行为，可以引入随机性，增加信息的多样性。这种自我探索行为能够为用户带来更广泛的信息来源，从而抑制信息茧房的形成。研究表明，用户主动探索行为（σ）的增加能有效维持信息多样性（图3b）。 04 结论与意义 本研究通过理论建模与实证分析，揭示了信息茧房形成的动态机制，为设计更合理的推荐算法提供了重要的理论依据。研究结果表明，相似性匹配强度（β）和正反馈利用系数（γ₊）的增加会显著加剧信息茧房效应，使系统更容易陷入深度同质化状态；而提高负反馈利用系数（γ₋）和用户自我探索行为（σ）则能够有效促进信息多样性，帮助系统从信息茧房状态回归到多样化状态。 在理论贡献中，首次通过自适应动态模型阐明信息茧房的起源，指出相似性匹配和反馈机制是驱动信息同质化的核心因素。也提出了相似性匹配作为同质化的“向心力”，而负面反馈和用户自主探索则构成对抗信息窄化的“离心力”，二者的动态平衡决定了系统的信息多样性。 虽然这项研究提供了重要见解，但也存在一些值得关注的局限性。首先，研究模型相对简化，没有充分考虑真实世界中复杂的社会网络影响和用户心理因素。未来可以通过引入行为经济学理论，让模型更贴近现实。其次，目前的研究数据主要来自视频和新闻平台。为了检验研究结果的广泛适用性，下一步可以在电商平台、社交媒体等不同场景中进行验证。最后，当前的用户决策模型较为基础。后续研究可以开发更精细的行为模型，以更准确地反映人们在数字环境中的实际选择过程。这些改进将帮助我们更全面地理解信息茧房现象。 05 结语 在数字化浪潮的推动下，AI算法如同一把双刃剑，既为用户带来了前所未有的信息个性化体验，又在不经意间构筑了信息茧房的陷阱。它在满足我们对便捷和精准信息的需求的同时，也悄然限制了我们接触多元观点和知识的边界。然而，正如研究揭示的那样，信息茧房并非不可逾越的壁垒。通过合理利用负反馈、鼓励用户主动探索信息以及优化算法设计，我们完全有可能打破茧房的束缚，重获信息的多样性与丰富性。在享受AI算法带来的便利时，我们更应警惕其潜在的风险，积极探寻平衡信息个性化与信息多样性的路径。只有这样，我们才能在信息的海洋中自由遨游，拥抱一个更加开放、包容和创新的数字世界。返回搜狐，查看更多