社交网络和 BBS 等其它早期互联网应用最大的区别就是“时间线”这一机制。早期社交网络的时间线机制非常简单,就是将好友的状态按时间先后排列。如今,很多社交网络仍维持了该机制,如腾讯的 QQ 空间以及微信朋友圈。这种按照时间顺序的时间线简单明了,当用户刷到某个时间点的时候就会知道,自己已经看完了所有的最新的动态,可以结束了。

然而,一种新的时间线机制诞生了:乱序时间线。不过我必须说明一下,“乱序时间线”这个词并不是一个被广泛接受的名字,只是我为了描述这一类时间线机制而生造出来的一个词。

乱序时间线发明的具体时间,我并没有找到确切的记载。是在我的印象中,最早使用此机制的似乎是 Facebook。Facebook 在时间线(或者 News Feed)中使用了一种名为 EdgeRank 的算法。2010 年,Facebook 公布了 EdgeRank 的一个简化版本,从命名上,它应该是致敬了 Google 的 PageRank 算法。但是,EdgeRank 看上去似乎并没有 PageRank 那么复杂,但是因为这只是一个简化版本,所以后其真实情况仍未可知。这个简化版的 EdgeRank 算法采用了三个参数:亲密度、权重、时间。根据这三个参数,Facebook 会把用户的好友状态进行评分,并把这些状态排列。这和 Hackernews 的排序算法颇有几分神似。我还找到了一个专门介绍 EdgeRank 的小网站,主页的配图有种工业革命时代的风格。

不过,今天,Facebook 已经不再使用 EdgeRank 这个算法,而是采用了更为复杂的机器学习算法。新的机器学习算法相比 EdgeRank 参数更多,但是时间线机制总体来说还是类似的。与此同时,Twitter 也开始采用了类似的机制,大约从一年前开始,Twitter 用户的时间线上的推文不在像以前一样完全按照时间顺序排列,与此同时,算法还会自动选择把一部分用户点赞的信息显示在时间线上。但是,相比 Facebook 来说,Twitter 的时间线机制仍然是相对规整的。

和传统的时间线机制相比,这种乱序时间线自然是有些好处的。在传统的社交网络当中,如果用户关注的用户数量过多,时间线就会变得拥挤不堪,让人陷入信息的海洋当中,不知所措。像 EdgeRank 这样的算法,就起到了帮助用户进行选择的作用,从某种意义上节约了用户的时间。看上去,乱序时间线的机制是先进的,是为用户着想的,但在事实上,这其实是一种对用户的暴政,因为用户失去了自由,所有这些使用了乱序时间线的社交网络,而不是让用户自由选择。这也就意味着,乱序时间线是被强加给用户的。

这种乱序时间线暴政有很多危害。首先,它纵容了用户毫无节制地关注其它用户。这在某种意义上提高了用户粘性,但这也让社交网络的规模不受控制。如果使用传统时间线,当关注人数过多,信息拥挤不堪的时候,我们会自然想到精简关注用户数。但是有了算法推荐之后,这种担忧不复存在,关注的数量也不再有上限。第二,用户不再有选择自己看什么内容的自由,算法会决定用户今天看什么不看什么。或许算法本身是大公无私的,但是它并非运行于我们自己的电脑中,而是运行在服务器里,所以,它的运行结果是可以被服务器管理者操控的。所以,到最后,就会演变为,由硅谷的巨头决定用户该看什么不该看什么。互联网的去中心化让传媒权来到了每一个人的手中。只是,互联网的日趋集中化,让传媒权又重新回到了是少数人的手中,不能不说这是一种倒退。这似乎也能解释,为何川普的大本营不是 Facebook,而是时间线机制更加传统的 Twitter。人的思维活动会不可避免的受到外界的影响,这种操纵人心的权利非常值得警惕。

国内的互联网自然难以免俗。知乎和微博早已相继引入了这种算法推荐的乱序时间线。这些机制给了这些网站肆意进行限流和推广的权利,也让这些网站的商业运作有了更大的空间。每天,都会有无数数据包,从闪着绿光并且嗡嗡作响的机器里,发往全球。这些数据包,可能是一个经过精心调校后的人工神经网络的运行结果,也可能直接是某个幕后人物精巧的设计。这种筛选,有的人喜欢,有的人不喜欢。只是,不喜欢的人无力改变,只得选择逃离。