文章重點
- Meta在Threads推出「Dear Algo」功能，讓用戶以自然語言自訂內容推薦演算法
- 4億Threads用戶可直接輸入偏好指令，如「少推政治內容、多推科技和旅遊」
- 功能基於Meta的Llama模型，理解複雜的自然語言偏好描述
- 開創社交媒體從「被動接受推薦」到「主動定義推薦」的範式轉變
- 引發關於「過濾氣泡」加劇和演算法透明度的新一輪討論
演算法的民主化
2月11日，Meta在Threads上推出了一項看似簡單但意義深遠的功能：「Dear Algo」。用戶可以用自然語言直接告訴推薦演算法自己想看什麼、不想看什麼。
這個功能的使用方式極其直觀：用戶只需在設定頁面中輸入類似「我想看更多關於AI和科技的內容，少一些政治爭論」或「多推旅遊攝影和美食，不要推名人八卦」這樣的自然語言指令。
從「猜測」到「對話」
傳統的社交媒體推薦系統依靠「猜測」用戶偏好——通過分析點擊、停留時間、互動等行為信號來推斷用戶想看什麼。這種方法的問題在於，它往往會放大用戶的衝動行為（如刷到爭議內容停留較久），而非真正的偏好。
「Dear Algo」將這個過程從「猜測」轉變為「對話」。用戶可以明確表達自己的意圖，而不是讓AI從行為中推斷。
技術實現
「Dear Algo」的底層依賴Meta的Llama大型語言模型。當用戶輸入自然語言偏好時，Llama模型將其解析為結構化的偏好向量，然後與Threads的推薦系統集成。
智慧的平衡
Meta的工程團隊表示，系統不會完全照搬用戶的指令。例如，如果用戶要求「只看同意我觀點的內容」，系統仍會適度保留多元觀點。Meta稱這是為了「避免極端的信息繭房」。此外，系統會在用戶的明確偏好和探索性內容之間維持一定比例（據報導為80/20），確保用戶仍能接觸到新鮮內容。
過濾氣泡的新爭議
「Dear Algo」的推出立即引發了關於「過濾氣泡」（filter bubble）的新一輪討論。批評者擔心，讓用戶完全控制推薦內容可能加劇信息繭房效應，使人們只接觸到強化自身觀點的內容。
然而，支持者反駁稱，現有的演算法推薦系統已經在創造過濾氣泡——而且是以用戶不透明、不可控的方式。「Dear Algo」至少讓這個過程變得透明和可控。
對廣告模式的影響
從商業角度看，「Dear Algo」對Meta的廣告模式有深遠影響。明確的用戶偏好數據比行為推斷數據更有價值，因為它直接反映了用戶的意圖。廣告主可以根據用戶自述的興趣進行更精準的定向，而非依賴行為信號的間接推測。
這也可能成為Meta應對Apple隱私政策限制的一個策略：與其依賴跨應用追蹤（已被iOS嚴格限制），不如直接讓用戶主動表達偏好。