即使和朋友在同一时间并排坐着搜索同一个词，屏幕上显示的结果也可能各不相同。打开视频应用，与昨天看过的视频相似的内容接连出现；在社交媒体上，与自己想法相近的人的帖子总是先出现。这很方便，但另一方面，我们也无从知道自己错过了哪些没看到的信息。
像这样，“搜索引擎和社交媒体的个性化算法只挑选用户可能喜欢的信息来展示，使用户被困在由符合自己喜好和观点的信息包围的气泡之中的现象”，被称为“过滤气泡（Filter Bubble）”。这个名字的含义是：一张看不见的滤网造就了只属于自己的信息世界。
本文将依次介绍“过滤气泡”一词产生的背景、气泡形成的原理、围绕这一概念的研究与反驳，以及看到气泡之外的方法。
算法造就的专属信息世界：过滤气泡
搜索结果因人而异
“过滤气泡”一词因美国社会活动家、作家伊莱·帕里泽（Eli Pariser）在2011年的TED演讲以及同年出版的著作《过滤泡》（The Filter Bubble）而广为人知。
（1）面向所有人的个性化搜索
帕里泽认为，2009年12月谷歌将个性化搜索扩展到未登录用户，是一个重大转折点。他听到的解释是：谷歌根据访问位置、所用浏览器、以往搜索记录等57种信号来推测用户，并据此改变搜索结果。
（2）同一个词，不同的结果
2010年墨西哥湾石油泄漏事故前后，他请两位倾向相近的朋友搜索石油公司的名称“BP”。一位朋友的首页显示的是投资信息，另一位朋友的屏幕上出现的则是石油泄漏的新闻。
（3）消失的邻居之声
他还讲述了自己的经历：在他的脸书上，政治倾向不同的朋友发布的帖子不知从何时起再也看不到了。原因是他较少点击那些帖子，算法便悄悄地将它们过滤掉了。
气泡是如何形成的？
过滤气泡并不是有人刻意制造的，而是在个性化服务的运作方式中自然产生的。
- 行为数据（Behavioral Data）：点击了什么、看了多久、给什么点了“赞”，这些都会不断累积，成为推测用户喜好的材料。
- 推荐算法（Recommendation Algorithm）：根据累积的记录，把用户最可能长时间停留的内容排在前面。
- 反馈循环（Feedback Loop）：观看推荐内容后，这些记录又会被累积，下一次推荐就会更加相似。这一过程重复得越多，气泡就越牢固。
帕里泽尤其关注的问题是气泡是看不见的。报纸会把编辑挑选的文章同样地呈现给所有人，而个性化算法则给每个人展示不同的画面。用户不仅无法自行决定接收哪些信息，也很难知道哪些信息被过滤掉了。
与之用法相近的说法还有“回音室效应（Echo Chamber）”。回音室效应是指想法相似的人聚在一起，交流相同的意见，使这些想法变得越来越强烈的现象。如果说过滤气泡侧重于被算法挑选的信息所包围，那么回音室效应则侧重于人们自发聚集、彼此呼应对方的声音。
并不只是算法的错
过滤气泡虽然受到了广泛关注，但也有研究指出，它的影响力并没有人们想象的那么大。
在2015年发表于学术期刊《科学》（Science）的一项研究中，脸书研究团队分析了约1,010万名美国用户的数据。经过动态消息（News Feed）算法后，看到相反政治倾向新闻的可能性，保守派用户减少了约5%，自由派用户减少了约8%。
然而，在用户自己选择点击什么的阶段，点击相反倾向新闻的可能性又进一步减少：保守派减少17%，自由派减少6%。研究团队的结论是，在阻碍人们接触多元观点方面，用户自身的选择比算法起到了更大的作用。不过也有人指出，由于这项研究是由脸书自己进行的，对其结果的解读需要谨慎。
归根结底，更准确的看法是：过滤气泡并不只是技术问题，而是人们寻求熟悉、舒适信息的习惯与算法共同造成的现象。
看到气泡之外的方法
完全避开过滤气泡并不容易，但我们可以养成让气泡之壁变薄的习惯。
日常生活中可以尝试的事
- 多元来源（Diverse Sources）：不只依赖某一个应用或频道，也有意去寻找并阅读立场不同的媒体的报道。
- 管理推荐记录（History Management）：偶尔清除搜索记录和观看记录，或者关闭个性化设置，就可能看到与平时不同的结果。
- 按时间排序浏览（Chronological Feed）：如果有按时间顺序而非推荐顺序查看帖子的功能，不妨一并使用。
- 阅读反方意见（Counterarguments）：把与自己想法不同的主张完整读完，有助于理解气泡之外的视角。
打破气泡，归根结底始于对算法所展示内容之外的世界保持好奇的态度。
过滤气泡表明，便利的个性化服务可能会悄悄地缩小我们的视野。它同时也告诉我们，在决定这层气泡有多厚这件事上，我们自己的选择与算法同样重要。
屏幕呈现的世界并不是世界的全部。意识到自己看到的信息是别人替自己挑选的，正是走出气泡、接触更广阔世界、过上均衡信息生活的第一步。
