推荐漏洞

我盯上一个漏洞很久了。推荐漏洞它不在代码里，推荐漏洞不在协议栈深处，推荐漏洞甚至不在任何一台服务器的推荐漏洞配置文件中。它藏在每个推荐系统最核心的推荐漏洞假设里——那个假设说，用户知道自己想要什么。推荐漏洞

上周我刷短视频，推荐漏洞无意间点开了一个修马蹄的推荐漏洞视频。接下来三天，推荐漏洞我的推荐漏洞推荐页被马蹄铁、钉蹄工具和“马蹄护理避坑指南”塞满了。推荐漏洞我明明只看了那一个，推荐漏洞系统却像抓住救命稻草一样，推荐漏洞把整个马蹄宇宙都倾倒给我。推荐漏洞我试着点“不感兴趣”，推荐漏洞划走，甚至故意去搜“猫咪洗澡”，结果呢？第四天，推荐页上出现了“马蹄铁与猫爪对比测评”。这已经不是推荐了，这是某种执念。

这个漏洞的学名叫“探索与利用的失衡”。系统为了最大化你的停留时长，会快速收敛到你最可能点击的窄小区域。它不敢冒险给你看真正陌生的东西，因为那可能让你划走。于是你被困在信息茧房里，越挣扎，茧房壁越厚。你以为你在选择，其实你在被驯化。

更隐蔽的是，它连你的“反抗行为”也当作数据点。你点“不感兴趣”，它记录下“该用户对马蹄类内容有负面反馈但仍在观看相关视频”——这反而成了强化你兴趣标签的证据。你划走的速度、停留的秒数、瞳孔的微动（如果摄像头开着的话），全被换算成概率。你越是对抗，它越确信你“其实在乎”。

我做过一个实验。连续一周，每天固定用半小时搜索完全不相关的话题——从量子物理到南美蟾蜍养殖。到第三天，推荐流开始出现量子蟾蜍养殖的杂交内容。系统在用它的方式告诉我：它看不懂我的意图，但它学会了我的混乱。这算不算一种另类的诚实？

真正的漏洞在于，推荐系统从来不会问“你为什么要看这个”。它只关心“你会不会再看一个类似的”。动机被彻底忽略了。我点开那个修马蹄视频，纯粹是因为那个师傅的手艺利落，跟马没半点关系。但系统把“马”当成了我的本质属性。它不理解人的好奇心是发散的、跳跃的、甚至自相矛盾的。

这种推荐逻辑正在渗入更严肃的领域。求职平台根据你浏览过的岗位，给你推“相似职位”；新闻APP根据你读过的政治倾向，给你喂同温层内容；连医疗科普都开始根据你的搜索记录，预判你“可能得什么病”。我有个朋友，搜索过一次“失眠怎么办”，接下来两周，他的信息流里全是焦虑症广告和安眠药软文。他本来只是那晚喝了太多咖啡。

我无意全盘否定推荐算法。它确实帮我在海量信息里捞出了几本冷门书，也让我发现了几个值得关注的手艺人。问题是，它把“有用”等同于“可预测”。人不是概率分布。你今天喜欢的东西，明天早上醒来可能就觉得恶心。系统却固执地认为，你昨天的一切行为，都是明天的可靠预报。

破解这个漏洞的方法，说出来有点荒诞：你需要主动污染自己的数据。故意点开一些你讨厌的东西，故意看完一个让你浑身难受的视频，故意搜索一些毫无关联的词。让系统失去对你的确定性。当算法不再能预测你时，它才会开始真正给你推荐——而不是给你重复。这就像在警察面前故意绕几个弯道，才能甩掉那个自以为很懂你的跟踪狂。

当然，更根本的办法是关掉个性化推荐。但大多数平台的开关藏得比保险箱密码还深，而且关了之后，你会看到更粗劣的热门内容——那是给“无价值用户”的猪食槽。所以，我还是选择做一个让系统头疼的异类。它越是想给我画像，我就越要把自己涂抹成一团乱麻。这大概就是数字时代里，普通人能做的最后一点主动反抗了。