算法推荐为什么总是令我们失望？  ｜ Carey K. Morewedge

算法推荐常常让人失望，根源不在算力不足，而在于它们主要依据点击、浏览、购买等行为来推断偏好，把“显性偏好”当成了真实目标，却忽略了更重要的“规范偏好”。偏差会来自习惯、结构性不平等、当下欲望和平台反馈回路，进而让算法学会错误偏好、强化性别或种族偏见、推高同质化内容。围绕这一问题，论述进一步提出改进路径：审查算法是否受人为偏见影响，结合更长时间尺度和鼠标轨迹等数据识别“想要”与“应该”的冲突，选用更能代表理想决策的用户数据训练模型，并减少对行为数据的单一依赖，纳入调查、访谈和明确反馈。读者可据此理解，真正有效的算法应更接近人们想成为什么样的人，而不只是复刻过去的选择。