算法推荐真的会导致知识窄化吗？

　　在大数据、机器学习、人工智能等新技术的推动下，算法推荐已经成为我们获取信息的重要方式，但算法推荐这种新生事物也受到很多不公正的质疑，其中最广为人知的就是＂算法推荐＂导致知识窄化？真的会这样吗？这就要求我们了解知识窄化的根源是什么？算法推荐的本质和功用是什么？
　　知识窄化的根源是个人惰性。所谓知识窄化，是指人们对知识的认知、情感或思维意识向某一方面或某一方向高度集中，知识范围也越来越狭窄。一些人认为算法推荐会根据用户画像而只给用户推荐用户喜欢的内容，而导致用户的知识范围越来越窄。其实，知识窄化的根源是个人惰性和认知偏见，个人惰性是指个人不愿意去学习新的知识，认识偏见是指个人只愿意接受自己喜欢的内容而容不得不同意见。无论我们是否愿意承认，这个世界上人和人在意志力、奋斗的意愿、认知能力和自我完善能力都存在很大区别，绝大多数人都有不小的惰性而不愿意去学习和接触新知识，而只有很少的人才能克服自身的惰性和认知偏见去学习更多、更广的知识。
　　算法推荐的本质和功用是解决信息过载。算法推荐利用大数据和人工智能技术，在对大量的内容数据和用户数据进行分析的基础上为内容和用户打上很多很细的标签，即进行科学的内容画像和用户画像，然后再通过算法推荐来实现内容和用户需求的智能化匹配，可以说，算法推荐的本质就是内容和用户需求的智能化匹配。算法推荐的功用是解决信息过载带来的难题，互联网在给我们带来海量信息的同时，也使得我们难以有充分的时间来过滤过载的信息，而且社交技术等技术也难以有效解决信息过载难题，算法推荐无疑是解决该难题的有效途径。
　　算法推荐能够更好地实现用户主导。算法推荐不是机器的凭空推荐，而是基于用户的一次次点击之上的客观反映，所有的人工智能产品都是个体的客观映射，即你是什么样的，你的算法推荐就是什么样的。可以看出，算法推荐实质是用户主导的，而不是机器主导的。
　　算法推荐能够更好地解决知识窄化。很多人误解算法推荐，认为算法推荐只是根据用户喜好来推荐知识，而实际上算法推荐在给用户推荐知识时，一则会给用户推荐比其喜好更大范围的知识，二则在基于用户精准画像的基础上来给用户推荐其成长需要的知识，当能够判断出用户高中毕业时，就可以在未来推荐大学知识或者进入社会所需要的知识，三则算法推荐也给用户提供了选择范围，用户可以增加或者删除某些类型的知识。
　　其实，实际中很多人认为算法推荐会导致知识窄化更多的是随大流，而并不是在深入了解算法推荐的基础上进行判断的，也许上述对算法推荐的解释对你有用。