現在無論是普通的新聞網頁還是社交網站，都非常迷戀個性化定製資訊。或許你非常不滿意他們窺探你的隱私，但你卻無法阻止它利用你的喜好，向你推薦你想了解的人物或感興趣的資訊。最可怕的是，你永遠都無法戒掉互聯網的癮，而它也戒不掉窺探你的私隱的興趣。

這些網站是如何為你定製個性化資訊的呢?一切源於「算法」。

不得不承認，推薦算法已經成為當下信息環境中的一個非常IN的潮流，而這些不斷被調整的算法，卻幫助我們更好地與互聯網相處。下面我們從幾個案例入手，讓各位看官更明白到底「算法調整」是如何影響我們的互聯網生活呢?

案例一：Facebook-信息流中增加本地新聞比例

扎克伯格宣布 2018 年的更新動作

從2018年起，Facebook開始在信息流中加大力度打擊假新聞，同時更強調社交屬性，加大朋友分享和優質新聞源出現的比例，同時更新本地新聞比例，推薦更多朋友點擊或將本地媒體發佈的新聞推薦到用戶首頁。

Today In內容

此外，Facebook還添加了Today In板塊，據了解此功能目前還處於內測階段。Today In板塊的算法採用了機器學習技術，主要是讓用戶能接受更多本地媒體資訊和當地官方發佈的緊急消息，同時也能讓當地媒體的報道能登上Facebook的Today In板塊，從而在當地用戶中獲得更大的閱讀量。

案例二：Twitter-自動裁剪圖片嗨點

裁剪前

裁剪後

以往Twitter對圖片處理都是粗暴簡單，有人臉的圖片在預覽圖中突出人臉，但如果沒有人臉的圖片就會顯得非常奇怪。因此，Twitter開發了「認知提純」(knowledge distillation)來識別圖片中的有趣點，神經網絡技術則加快圖片的處理速度，同時應用「修剪」(pruning)技術，確保算法能夠保證不損傷圖片優勢的情況下，識別圖片的「嗨點」，並自動對預覽圖進行裁剪和優化。

這樣，就能大大降低圖片分享的難度，讓每個人都能在信息流中成為修圖達人。

案例三：Netflix-新圖像算法最大程度吸引注意力

不同用戶的看到的電影推薦封面圖

熟悉Netflix的朋友都知道，這是以算法著稱的流媒體網站，對每個用戶觀看的視頻標題都做了個性化處理。在2017年年底，Netflix再次公佈技術升級結果，視頻圖片個性化推薦，即抓取用戶可能喜歡的某一幀畫面，或將劇中某一角色或場景藝術化處理作為封面圖，以契合這一億用戶各自的興趣點。

當然，並非所有算法都是方便用戶使用互聯網的，還有不少算法由於設計的失誤，給用戶帶來不便，甚至不安，這些就不一一解說了。在不加監控的情況下，算法已經無法為用戶提供中立有用的內容，同時也與個人興趣之間形成一個怪圈，且不斷惡性循環。個性化推薦算法是好是壞，這取決於技術人員的設計，以及用戶的看法，但無論怎麼樣，隨着算法的不斷調整變得更人性化，這給用戶帶來的好處將會遠超於壞處。