當25歲的資深互聯(lián)網(wǎng)用戶小陳發(fā)現(xiàn)自己開始下意識地滑動，快速劃過那些曾讓他沉迷的、高度符合個人偏好的短視頻時，一種復(fù)雜的情緒涌上心頭：不是滿足，而是熟悉的厭倦。他發(fā)現(xiàn)，自己竟然開始主動搜索一些“冷門”、“奇怪”甚至與自己歷史興趣完全無關(guān)的關(guān)鍵詞，只為“看點不一樣的”。這一微妙的行為轉(zhuǎn)向，并非孤例。

它標志著以算法精準推薦為核心的“興趣繭房”模型，在運行多年后，正遭遇其理論前提的深刻挑戰(zhàn)——用戶并非被動接受信息投喂的容器，而是會疲勞、會反抗、會主動尋求突破的認知主體。極度精準的個性化推薦在經(jīng)歷初期的效率蜜月期后，正陷入邊際效用遞減的困境?！芭d趣繭房”非但未能如預(yù)期般越來越堅固，反而因內(nèi)部信息營養(yǎng)的極度匱乏與用戶持續(xù)的認知疲勞，而引發(fā)大規(guī)模的用戶主動逃離與搜索行為回流。這預(yù)示著，一個單純“推薦為王”的時代正迎來它的轉(zhuǎn)折點，用戶與算法之間的關(guān)系，進入了一個更為復(fù)雜、動態(tài)且充滿張力的新階段。

一、 從“驚喜”到“枷鎖”：精準推薦的效能衰減與用戶倦怠

“興趣繭房”的邏輯建立在兩個基本假設(shè)之上：第一，用戶的興趣是穩(wěn)定且可被數(shù)據(jù)完整描繪的；第二，持續(xù)滿足用戶的已知興趣會帶來更高的參與度和滿意度。然而，現(xiàn)實遠比模型復(fù)雜。當算法將這一邏輯執(zhí)行到極致，矛盾便開始顯現(xiàn)。

首當其沖的是信息環(huán)境的“內(nèi)卷化”與認知營養(yǎng)的衰竭。算法致力于在用戶已劃定的興趣領(lǐng)域內(nèi)不斷挖掘相似內(nèi)容，導(dǎo)致用戶接觸的信息光譜越來越窄，內(nèi)容同質(zhì)性極高。如同在一片過度耕種的土地上反復(fù)種植同一種作物，最終會導(dǎo)致土壤貧瘠。用戶最初因發(fā)現(xiàn)“懂我”的內(nèi)容而產(chǎn)生的驚喜感，逐漸被“怎么又是這些”的審美疲勞所取代。這種高度重復(fù)的刺激，不僅無法帶來新的認知增益，反而消耗用戶的注意力資源，引發(fā)心理學意義上的“認知倦怠”。用戶陷入一種“刷了很多，卻好像什么都沒看”的空虛狀態(tài)，深度思考與信息整合的能力在碎片化的投喂中被悄然削弱。

其次，用戶的興趣本身是流動、發(fā)展和具有探索性的，而靜態(tài)的算法模型難以捕捉這種動態(tài)性。人類的好奇心本能驅(qū)動著我們超越已知領(lǐng)域，探索未知。當算法構(gòu)建的“繭房”過于嚴密，以至于完全屏蔽了意料之外的信息時，它就從一種便利的工具，異化為一種認知的枷鎖。用戶，特別是成長于數(shù)字時代的年輕用戶，開始清醒地意識到自己被“困”在了系統(tǒng)里。這種主體意識的覺醒，催生了主動的“破繭”行為。在小紅書、豆瓣等社區(qū)，主動尋找“冷門推薦”、“反算法內(nèi)容”和“踩坑避雷”筆記成為一種新的風潮；用戶有意識地使用“不感興趣”按鈕、重置興趣標簽，甚至創(chuàng)建“小號”來打破主賬號形成的興趣定式。這些行為都明確傳遞出一個信號：用戶渴望恢復(fù)對信息選擇的部分控制權(quán)，渴望“偶遇”的驚喜，而非完全的“預(yù)見”。

最終，這導(dǎo)致了平臺核心交互模式的悄然回流：搜索行為的權(quán)重在用戶主動選擇中得以提升。當推薦流變得乏善可陳，用戶便回歸最原始、最自主的信息獲取方式——主動搜索。搜索代表著明確的需求和意圖，它不再是被動接受算法的揣度，而是用戶主動向信息世界發(fā)出提問。這一變化具有標志性意義，它說明純粹基于歷史行為的預(yù)測模型，已無法完全覆蓋用戶在當下情境中復(fù)雜、多變的信息需求。推薦與搜索，從“推薦為主、搜索為輔”的單向關(guān)系，正在向“推薦滿足慣性需求，搜索滿足探索與即時需求”的互補關(guān)系演變。

二、 理論透視：“信息偶遇”的剝奪與公共領(lǐng)域的“帶寬壓縮”

從傳播學與認知科學的理論視角審視，“興趣繭房”的危機，本質(zhì)上是技術(shù)理性對人性化信息交往過程的僭越，其后果超越了個人體驗，波及社會認知的深層結(jié)構(gòu)。

一方面，精準推薦系統(tǒng)地剝奪了“信息偶遇”這一關(guān)鍵的社會認知機制。“信息偶遇”指的是在非直接尋獲目的下，偶然接觸到有價值或有趣信息的過程。它不僅是靈感和創(chuàng)新的重要來源，也是個體突破自身認知邊界、與社會保持“弱連接”的重要渠道。偶遇不同觀點、不同領(lǐng)域的信息，能夠溫和地挑戰(zhàn)我們的既有觀念，促進批判性思維和社會同理心。當算法將信息環(huán)境修剪得過于“整潔”，只留下已知興趣的“強相關(guān)”內(nèi)容時，這種寶貴的偶發(fā)性、跨界性的認知碰撞機會便大幅減少。社會如同由無數(shù)個平行但互不流通的“認知隧道”構(gòu)成，整體思想的流動性與創(chuàng)新活力因此受損。

另一方面，正如學者在批判“新聞泰勒主義”時所揭示的，算法主導(dǎo)的“可見性剝奪”與“算法規(guī)訓”正在重構(gòu)公共領(lǐng)域，導(dǎo)致社會整體認知呈現(xiàn)“帶寬壓縮”狀態(tài)。在宏觀層面，當所有平臺都采用相似的、以“最大化用戶停留時長”為目標的推薦邏輯時，能夠獲得最大可見性的內(nèi)容類型便會趨同——往往是那些最能激發(fā)即時情緒反應(yīng)（如憤怒、焦慮、狂喜）、最符合簡單敘事、最易于理解消化的內(nèi)容。而需要深度思考、背景知識或呈現(xiàn)復(fù)雜性的多元敘事和嚴肅議題，則被系統(tǒng)性邊緣化。這導(dǎo)致公共討論的“帶寬”被壓縮，復(fù)雜現(xiàn)實被簡化為同質(zhì)化的、情緒化的符號，理性對話的空間受到擠壓。人們雖然看到更多自己“喜歡”的內(nèi)容，但關(guān)于社會整體的、真實的、多維的圖景卻變得愈發(fā)模糊和扁平。

用戶當前的倦怠與反彈，可以視作對這種“壓縮”狀態(tài)的本能反抗。當個體感到自己的認知世界日益狹窄和情緒化時，其尋求多樣性和深度的內(nèi)在動力便會啟動。這不僅僅是品味的疲勞，更是認知生態(tài)系統(tǒng)在單一化壓力下的一種自我調(diào)節(jié) attempt。

三、 破局之路：從“迎合者”到“拓展者”的平臺責任與用戶素養(yǎng)

面對“興趣繭房”的效能危機與用戶反彈，簡單的算法微調(diào)已不足以應(yīng)對。這要求平臺重新定位其價值角色，從單一追求用戶時長的“迎合者”，轉(zhuǎn)向助力用戶成長與認知拓展的“拓展者”；同時也要求用戶提升自身的數(shù)字素養(yǎng)，成為更積極的信息環(huán)境共建者。

對平臺而言，核心在于設(shè)計“可控的隨機性”與“價值加權(quán)”的混合推薦機制。 首先，平臺可以有意引入一定比例的“非相關(guān)”內(nèi)容，例如設(shè)立“探索”頻道、增加“你可能還感興趣”（基于內(nèi)容網(wǎng)絡(luò)而非用戶行為）的推薦，或隨機插入高質(zhì)量的跨領(lǐng)域內(nèi)容。這并非放棄精準，而是在精準的基礎(chǔ)上，為“信息偶遇”保留制度性窗口。其次，必須改革以“互動率”、“停留時長”為唯一圭臬的評估體系，建立包含“信息質(zhì)量”、“知識密度”、“觀點多樣性”和“社會價值”在內(nèi)的多元評價維度。算法不應(yīng)只學習用戶“喜歡”什么，還應(yīng)嘗試評估并推廣那些對用戶和社會“有益”的內(nèi)容。

例如，對科普、深度報道、理性討論等內(nèi)容類型給予流量加權(quán)，即使其短期互動數(shù)據(jù)不如娛樂性內(nèi)容。這需要平臺承擔起超越商業(yè)指標的社會責任，將培育健康的公共話語環(huán)境作為其長遠發(fā)展的基礎(chǔ)設(shè)施來投入。

對用戶而言，關(guān)鍵在于培養(yǎng)“算法素養(yǎng)”與“主動信息管理”能力。 用戶需要認識到，自己在算法面前并非完全被動?？梢酝ㄟ^定期清理緩存、有意識地瀏覽不同信源、關(guān)注意見相左的優(yōu)質(zhì)創(chuàng)作者、主動使用搜索和訂閱功能，來“教育”和“修正”算法對自己的畫像。更重要的是，用戶應(yīng)建立起對信息環(huán)境的批判性認知，警惕長期沉浸于同質(zhì)化信息所帶來的認知局限和情緒極化風險，有意識地將一部分注意力分配給深度閱讀和系統(tǒng)性學習，以對抗碎片化投喂帶來的思維惰性。

最終，健康的數(shù)字信息生態(tài)，應(yīng)是一種介于絕對控制與絕對放任之間的“有管理的多樣性”狀態(tài)。它既尊重個人的興趣偏好，又為跨出舒適區(qū)提供友好的階梯和激勵；既利用算法的效率優(yōu)勢，又以人文價值引導(dǎo)其發(fā)展方向。當平臺與用戶共同致力于打破那層日漸板結(jié)的“繭房”，信息流動將不再是塑造偏見的回音壁，而有望重新成為激發(fā)思考、連接社會、孕育創(chuàng)新的廣闊原野。這不僅是技術(shù)的優(yōu)化，更是一場關(guān)于如何在數(shù)字時代保有認知自由與思想活力的社會實驗。

參考文獻

1. 史安斌， 鄭恩. 超越新聞泰勒主義：人工智能時代新聞業(yè)的轉(zhuǎn)型危機與制度重構(gòu)[J]. 青年記者， 2025(4).

2. Lee M. K., Kusbit D., Metsky E., et al. Working with machines: The impact of algorithmic and data-driven management on human workers.

3. O‘Sullivan, J. et al. New study reveals that AI cannot fully write like a human. Nature - Humanities and Social Sciences Communications (2025).

4. Content creation ecology: The challenges of small- and medium-scale content production in the digital era. Explorations in Media Ecology, 23, 293-310 (2024).

5. 梁萌. “數(shù)字泰勒主義”影響下的外賣平臺“計件工資制”研究[J]. 社會， 2024(3).

作者簡介：易白，智庫學者，文藝創(chuàng)作者。長期從事政策研究、智庫咨詢與公益普法，曾擔任軍隊政工網(wǎng)《建言獻策》頻道編輯、多家報刊專欄作者及特約撰稿人。在經(jīng)濟學、社會學、文化學及人工智能產(chǎn)業(yè)領(lǐng)域有持續(xù)觀察與研究。文藝創(chuàng)作逾三十年，詩歌、散文、歌曲、繪畫、影視及音樂作品累計在各級各類比賽中獲獎百余次，作品散見于多種文學期刊及媒體平臺。