算法：归纳法、工业化与人格权

• 人赚不到自己认知能力之外的钱，机器同样如此。
• 推荐算法和历史上的汽车、飞机一样，只是人类的新工具（归纳法工业化）。
  

关于归纳法，卡尔·波普尔认为：“它既不能给人们以未来的必然性知识也不能给人们以未来的或然性知识。”时至今日，归纳法在工业化应用之后，波普尔的前半句「必然性」一定程度得到了解决；但后半句「或然性」仍然是归纳法难以做到的。

当计算器可以快速将15*271的结果计算出来时，人就没必要抬杠再去和它比计算速度。人总是生产出来新工具，然后利用它们再去参与世界的活动，算法也是如此。

但由于机器算法缺少了「想象、情感、联想」的能力，使得人类能够借助「演绎法」，暂时保住世界之王的位置。

在新的时代浪潮下，文化冲突与保守主义并没有因为技术进步而衰退，相反，它们卷土重来、愈演愈烈。精英阶层借助技术力量更全面地主导着公众生活，那些站在世界之巅的工程师、产品经理，致力为数十亿人提供服务与产品（Facebook、Amazon、微信...），影响着他们的每一天、每一分钟。

在这种权力的结构下，除了公众权利的保障存在风险，还有更加令人担忧的问题，即：“随着“归纳法（算法）工业化”不断发展，大量的分析决策更加自动化、效率更高，人类难以与机器在相关领域抗衡，致使其主动让渡了部分的「信息选择权、判断权」。

斯坦福教授Jeffrey Pfeffer在研究“权力”的课题时，他发现：如果你自己不放弃权力，别人要削弱你的权力会困难得多”，人类与机器的关系也是如此。拥有选择、决断的能力，是人之所以成为人的最基础要素。技术可以告诉你如果这么做会怎么样，但最后还是要交给人来做判断的，而判断的过程就显示出人的个性，如果这种判断都被剥夺的话，人就不是“人”了。

对这种困境的反思，就是人类使用演绎法保护自己的过程。

效率决定一切？

张小龙的产品哲学很少讲述概念性的词汇，但他对演绎法的推崇却毫不掩饰。如他所说，产品设计就是演绎的过程，是人类对第一性原理的应用。

很长一段时间，我都在疑惑为什么公众号没有一个「订阅广场」，让用户根据自己的喜好去发现新的内容？尽管“朋友圈”推荐是效率极高的一种手段，但难免让人怀疑微信的产品策略过于保守。

张小龙却坚信，熟人推荐的可靠度是最高的，对于用户来说是有很高价值的，这在微博、Twitter盛行的10年前，是难以令人信服的。时至今日，微信在视频号的设计上仍然坚守熟人推荐的核心逻辑，其产品战略的一致性令人敬佩。

回顾大多数王朝的兴衰交替，新竞争者不会被历史淹没，他们周而复始地涌现。辛丑牛年，腾讯还有梦想，但今天的字节跳动已经四面出击，短视频、电商、游戏、教育、企业服务，两个超级平台滑入修昔底德陷阱。表面上是流量争夺战，但产品实质却是归纳法（字节：数据驱动、极致商业化）与演绎法（微信：人的设计能力）的终极对决。

从内容的产品形态上看，订阅号的设计强调：读者所阅读到的信息，都是受自己掌控的，而不是由机器随机推送的，张小龙觉得只有这样才可以真正帮用户提高阅读效率。但当订阅号超过100个时，信息的杂乱又降低了获取高质量信息的效率，用户不得不在退订、增订中徘徊。总的来说，一个人管理信息的效率和范围总是有限的。

内容推荐（头条/抖音）则恰好与订阅号的理念相背，如果机器能够将“全域内容”非常高效地分发给用户，持续提供用户感兴趣内容，并且适度扩展用户的兴趣面，这对用户来说将是非常好的体验，使用成本也会大幅降低。

但事实上，只有在面对「高频选择、低行动成本、供给量巨大」的用户需求时，推荐算法才能大幅度优于主动搜寻、朋友推荐。例如：1小时要刷150个短视频、看10篇很短新闻，要从数千万条的内容里主动搜寻，信息筛选的成本太高了，此时才需要机器代为筛选。

但如果是选择一部需要花30小时的电视剧、15天才能看完的书，用户的决策就属于「低频选择、高行动成本、供给量相对有限」，由于决策/行动成本高，消费内容的质量呈指数增长（内容制作成本也是）。

此时不再是算法为王，而是内容为王。这也是腾讯视频、爱奇艺等长视频平台深耕内容创作、烧钱采买版权，而非聚焦推荐算法的原因。这类重决策的选择，朋友推荐确实更为有效。

同理，当人们选择装修公司、买商品房、买二手车时，高行动成本与SKU的有限性，决定了算法在这类决策上可以提供的用户价值，相对内容推荐、计算广告会小很多。

所以，当做传统行业的互联网企业把注意力都放在技术噱头而非运营能力、供应链能力上时，一般很难取得差异化、可持续的竞争优势。

算法、广告、人格权

算法作为「顶级的归纳法」，我们都每天在体验，抖音、淘宝的内容/商品推荐像是时间黑洞，相比人工智能在传统行业的高开低走，内容推荐、计算广告借助短视频平台的兴起，成为人工智能最佳的应用场景之一。

在旧的资本关系里，资本家通过采买原材料，雇佣劳动力生产实物商品、提供服务。而在新兴的互联网平台下，内容信息、用户信息、用户行为数据作为核心的生产资料，通过工业化算法引擎将海量的视频、图文、广告以全局高效的方式分发给上亿用户，并不断积累数据、强化学习，持续提升用户的依赖度与变现效率。

获得用户满意的同时，平台也通过广告业务赚得盆满钵满。预计2020年，抖音广告收入超过1000亿元人民币，整个字节营收或接近2400亿元。

我们可以把“数据采样率”、“问题的目标函数收益”作一张二维图，可以看到“A类曲线”的问题，随着数据采样率不断提升，目标收益陡然增加，这类问题基本上很难通过小部分数据达到良好的效果，属于典型的大数据问题（内容推荐、计算广告）。此时，海量的数据规模将形成很高的竞争壁垒。

参考文章：

• 《“判断”是人的基本权利，但我们正在把它交给算法丨【芒种·观点】》，腾讯媒体研究院
• 《微信越来越复杂，张小龙却依旧简单》，左林右狸
• 《法国及欧盟视角下个人数据的法律性质》，中国法律评论