来源页 · 完整讲稿 · 第64讲
64 注意力经济：我们真的能理解算法吗？
得到用户，你好。欢迎来到《情绪觉知》课，我是王路。
若干年前，就有一个词，叫“注意力经济”。今天这个词被提得少了，大家更喜欢用一个词叫“算法”。
它们的内核实际上是差不多的，要解决的问题是：如何获取人们的注意力？
过去，人们把注意力理解成自己的私产。我的注意力，属于我，由我来决定怎么分配。
现在看，这个理解肤浅了，注意力到底是你的私产，还是算法的KPI？这是一个值得严肃考虑的问题。
如果只是你的私产，你为什么把自己搞得这么疲惫？为什么越来越集中不了注意力呢？为什么要反反复复卸载某些App又装上呢？
注意力如何成为算法的对象
所以，注意力不仅仅是你的私产，同时也是算法的对象，它居住在你的身体里，或者说大脑里，但是，怎样支配，越来越受外部影响。
算法时代和过去相比，有一个关键的结构性变化。
过去的系统想要的是你的钱，或者劳动力，注意力只是手段；而现在的系统，很多时候直接就是想要你的注意力。
你注意到它，事情就已经完成了。你点开看，它的目的就达到了。
至于你看完之后是同意还是不同意，甚至是骂它，很多时候都无所谓。
所以现在有句话叫，黑粉也是粉。有些自媒体博主的逻辑是，你骂我不要紧，没人搭理我才是最不能接受的。
甚至有人说，觉得你内容好的人，一般不太会留言，也不会转发，自己看就完了；反而是想骂你的人一定会留言，留言多了算法就给你推荐了。
这个逻辑，跟过去做内容，逻辑完全不一样了。这也是注意力对人的反噬。我们上一讲已经聊到了。
这一讲不再把人和人的关系作为重点，而是想进一步探讨平台的逻辑。
平台的逻辑比人更复杂。因为人是有情绪的，但是算法没有情绪，只讲效率。
一个搞心理学的人，过去可能对很多事情看得很清楚，因为理解了人就抓住了最关键的抓手；但是今天和以后，越来越不是这个逻辑了，人在慢慢地边缘化，算法渐渐走到了舞台中央，算法看人，看到的不是具体的人，而是“用户画像”。
如果你只理解人而不理解算法，就会有越来越多的误判。我们讲情绪觉知，不要让情绪把自己框死，也要尝试思考和理解一些非情绪的逻辑。
AI内容与限流：从什么原则推演
举个例子：算法怎么看待AI写的东西？会不会给它限流？
很多人说会，因为他们用AI写，发现没啥人看。
其实，这完全不能说明用AI写的东西会被限流，因为他们如果试试自己写，一样没人看。
理解成“用AI被限流”可以减少羞耻感：不是我不行，是AI不行。
如果你问我的看法，我会告诉你：平台不会仅仅因为内容是用AI生成的，就对它限流。如果被限流了，基本上都是其他原因。
——这是一个很危险的看法。我们是在得到平台上讲这门课，所以不妨讲出来。
因为你能听到这门课是因为你买了，或者有人买了转发给你；而不是算法推荐给你的。
在算法推荐的地方，你能听到的绝大多数声音都是反过来的，也就是：AI写的会被限流。
实际上，平台到底是怎样运作的，具体的细则，算法的真实逻辑，我们是不可能知道的。
不仅我们这些普通用户或者说外人不可能知道，平台的绝大多数员工甚至都没法知道。
一方面，它属于商业机密；另一方面，算法本身也是在不断地迭代和演进的，三个月前的逻辑和三个月后的逻辑，就会有一些差别。
甚至在AI时代，算法会越来越像一个黑箱，人类越来越接近于只能看到输入和输出，而无法理解中间的过程。
但是，这也不意味着，人类尤其是外人就100%地不能理解它。我们起码可以理解一些基本的原则。
不是靠拿到某些具体的代码或者指令，而是分析在效率优先的算法体系下，什么样的内容更容易产生平台想要的效果。
我们起码知道，平台一定是想要流量而不是拒绝流量；平台一定希望上面的内容受欢迎而不是不受欢迎。
基于这一点基本的原则，我们就可以尝试推演下一层的逻辑。
- 第一，鉴别海量内容的AI生成度，是一项巨大的成本。
- 第二，更重要的是，没有办法鉴别准确。因为AI生成和AI辅助创作之间，不存在泾渭分明的界限。
一篇文章是人写的，写完让AI改了10个字，能找出来哪10个字是AI写的吗？不可能。
平台也可以在一定范围内提高准确度，但成本会指数级上升。
- 第三，也是最致命的是，平台就算拿到每一份内容的“AI鉴定报告”，也没有太大的用处。
它能说，这篇文章有80%可能性或者80%的段落像AI创作，我就给它80%的限流吗？不会。因为平台要的是效率，要的是用户爱看。
如果一个AI生成的内容用户非常喜欢看，平台会因为鉴定出疑似AI的可能性大就给它限流吗？你可以好好想想这个问题。
尤其是在AI的水平越来越高，超过了越来越多的真人创作内容。如果大平台敢那样干，就会把自己给干死。
假设有某个负责人尝试这么做，数据就会很快给他猛烈的回击，所以，这是不成立的。
离散分发与不稳定的结果
在开放平台上，我们可以看见爆火的帖子和几乎没人看的帖子，这本身未必要理解为有什么“限流”的规则在背后干预。
就像菜市场，有一家摊子生意不好，我们是不是一定要理解为：是菜市场管理中心对他家限流了呢？不一定。
不过，这个比喻和平台内容有个很不一样的地方。
在菜市场，不同摊位的位置是接近的，是连续的，他家左右两边的摊位被曝光的水平基本上可以推测出他家被曝光的水平。
但网络平台上的内容是离散的。很多时候不存在共享的入口，或者“邻近”的位置。
有时候，你会在同一个自媒体作者的账号下看到他连续发了十几条内容基本上一样的视频，其中可能有一个非常火，另一个只是前者的十分之一，而其他的几乎没人看。
你用过去的思路，“这个内容好，有爆点”来解释它，是解释不通的，“有爆点”只是它能火的必要因素之一，而且甚至远远不是最关键的因素。
所以，也许未必存在什么“限流”，更可能是系统稳定运转的自然结果。
为何人们需要简单的解释
由于算法规则下的内容分发是离散的、非连续的，内容创作者在理解系统的时候，天然会面临一个困难：你认为你抓到的规律，用在下一次创作上，发现根本就不灵。
结果高度不稳定，但是原因呢？找不到。
你很难判断一条内容没有曝光度，是内容本身的问题，还是随机扰动让它在某个关键节点没有进入后续的分发渠道。
系统也不会为你解释，而创作者总想为自己的结果找点儿原因，于是，作为“解释”的需求就出现了。
这种解释有点像后人在理解历史事件时候的单线条逻辑，比如理解南宋的灭亡，就说是“贾似道误国”，非常简单地拽出来一条线索，把什么都安到它头上。
这不是理性的选择，但在心理上又是高度可行的。因为理解它需要的心理成本和智力成本都很低。
它能提供一种容易被理解、复述和交流的说法。至于它对不对、在多大程度上对，反而没那么重要了。
算法不是一个人
我们还要搞清楚两点：
- 第一，算法不是一个人。不要企图用理解人的逻辑去理解算法。
- 第二，不要把算法和平台等同。
如果你把算法理解成平台，你就容易倾向认为是平台的负责人或者负责团队在起主导作用。
以为是团队的意志在影响甚至左右算法的方向，这恰恰会导向第一种误解，就是用拟人的方式去理解算法，甚至衍生出来“算法作恶”之类的看法。
实际上，算法是没有感情的。
它的运作方式和产生的模糊结果，不是来自某个具备好恶倾向的主体，而更像是复杂系统和人类认知方式相遇之后的自然结果。
只是顺应这种规律的算法会变得势力越来越大，违背它的算法会逐渐消亡。
大规模的算法系统在效率优先的目标下，往往只能呈现输入和输出，而不能为每一次结果提供明确的可供用户理解的因果链条。
而人类的大脑，天然就会厌恶“没有解释”。当结果高度不稳定，原因又无法被清晰地指明的时候，人们几乎必然会主动寻找一个可以理解的说法。
能被相信的故事与不确定性
在算法的筛选下，最终留下来的，乃至形成广泛传播的，往往是“能被相信的故事”，容易被相信的故事，便于传播的故事；而不是复杂的故事、逼近真相的故事。
其实，不要说在算法时代，就是在前算法时代，在农耕时代，孟姜女哭长城这种故事也是假的，但这不妨碍它的传播。
同时我们也需要知道，孟姜女故事中也包含真实的东西，就是人们的情感和心理需求，而不是那个故事的外壳。
只不过，这种机制在算法时代更容易被成千上万倍地放大。
在算法时代，流行的东西未必真实，也未必准确，但只要它足够简单、足够容易被讨论，就能暂时缓解不确定性带来的心理压力。
从这个意义上说，很多关于算法的想象，与其说是误解，不如说是一种认知层面的自我安放。它让人们感觉到，结果不是完全随机的，是有迹可循的。
在算法时代，稀缺的不是内容，而是人们该如何理解系统和算法，如何避免让自己的注意力成为算法的KPI。
重新安放自己的注意力
对普通用户而言，重要的可能不见得是完整地清晰地理解算法，更在于重新安放自己的注意力。
如果能够意识到，对于确定性和可解释的过度追求，反而有可能滋生误解，遮蔽真相，乃至放大焦虑的时候，就有必要对这些讨论保持克制。
情绪觉知在这里并不是也未必能够让我们变得更聪明，当我们面对一台——甚至都不确定是否该用“一台”这样的量词来形容的那个庞大机器的时候，也许有必要学会放弃徒劳的尝试。
更不要把数据的波动、曝光量的震荡，理解成对自我价值的评价。
接纳不确定性，本身就是一种注意力的回收。它意味着，我们不再把有限的心理资源，过度地花在去揣测一个难以被理解的系统上。就像庄子早就说过的，“以有涯随无涯，殆矣”。
总结
最后，总结一下这一讲的内容：
- 算法时代，注意力不再只是个人私产，也是算法的KPI。
- 对算法的单线条理解，虽然未必准确，但是降低了理解成本，缓冲了焦虑。
- 也许我们更应该把注意力重新放回到那些真正可以被体验、被感知、被负责的事情上，尽管它看起来可能渺小、有限。
以上就是这一讲的全部内容。
我是王路，我们下一讲再见。