第02章 資訊繭房不是偶然是目標函數

作者：Angel Zhang & Charlie Cao

很多人把資訊繭房理解為「用戶自己愛看同類內容」。這只說對了一半。另一半是：系統確實在強化這種偏好，因為它被要求優化某個目標。

2.1 從產品指標看繭房

如果系統主要優化的是：

• 停留時長 → 讓人上癮的內容勝出
• 點擊率 → 情緒化標題勝出
• 回訪率 → 讓你覺得「這裡懂我」的內容勝出

三者疊加，繭房幾乎是必然結果。

2.2 目標函數的副作用

任何優化目標都有副作用（稱為 Goodhart’s Law）：
「當指標本身成為目標，它就不再是好指標。」

推薦系統追求的是可量化目標，而「用戶真正成長」「認知多元」「長期幸福感」這些不可量化，所以被系統性地忽略。

2.3 個性化教育 vs 資訊繭房：一線之隔

同樣的技術，可以做出完全相反的效果：

設計目標	結果
最大化停留	資訊繭房
最大化學習增益	個性化教育
平衡目標 + 多元約束	開放認知系統

目標函數決定系統的靈魂。

2.4 章節小結

繭房不是用戶的錯，也不是平台的惡意——而是優化目標與人類認知需求之間的結構性錯位。
修正它，需要改變目標函數，而不只是改變內容。