编辑导语：随着互联网的不断发展，人工智能也开始普及，特别是如今在很多产品中，都会用到“算法”的方式进行推送，持续提升用户的依赖度与变现效率；本文作者分享了关于算法中的归纳法、工业化与人格权的详细分析，我们一起来了解一下。

01 演绎法，人类的无限手套

1月24日，科技媒体人潘乱与张小龙微信连麦，在讨论「数据驱动」话题的时候，张小龙表示：

机器（推荐算法）的优势，通俗来说是一个归纳的过程，它获得一万个经验点可以归纳出一个结论；人是一个演绎的过程，小孩子看到一只猫就可以知道世界上所有的猫，但机器不可能只给它一只猫的照片，它就能知道所有的猫。你要给它十万张猫的照片，它才可能识别出十万零一只猫的照片。

这在认知上其实是不同的，机器还没有到达演绎的能力；演绎就是设计，我们根据自己积累的很少的样本，就可以去推理出新的东西，这是两个事情。我觉得，只有在内容推荐领域，才可以说这个能交给算法，在所有的非内容推荐的领域，还是需要靠人去做的。

张小龙的这段话，可以简洁地表达为：

• 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。

02 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，订阅号的设计理强调：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。

03 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。

如果个人数据可以让平台高效地商业化变现，那未来平台是否还能长期无成本地采集、使用？亦或是变现后是否需要与用户共享经济收益？这些问题，都将不可避免地在未来引发一系列的讨论。

在法国的法律中，个人数据的确切称谓是donnée à caractère personnel，即“个人性质的数据”，强调数据与个人的关联，是个人人格权的无形延伸，揭示个人的身份，具备个人的行为特性，体现为个人相关的不可转让的权利，而不是法国民法典中所规定的财产(biens) 的客体。

因此，法国的个人数据保护，不依赖于一种财产性逻辑，而是通过捍卫个人数据，意图捍卫个人本身，包括其“行事自由”与“私人生活”。

近期，上海市信息安全行业协会会长谈剑锋，建议设立国家“数据银行”，由国家成立专门机构统一管控，负责关键数据的采集、传输、存储和确权等；企业可以从“银行”提取脱敏后的分级分类数据进行分析应用，但不拥有对关键数据的所有权；此举是为了防范互联网巨头过度、无序、随意地采集与应用公众信息。

这让我想起，「2018中国发展高层论坛」谈及Facebook曝出5000万用户数据被窃时，百度董事长李彦宏表达了自己对于数据隐私的看法：

“中国人更加开放，或者说对于这个隐私问题没有那么敏感；如果说他们愿意用隐私换，或者交换便捷性或者效率的话，很多情况下他们是愿意这样做的。”

从事实的角度，确实不少人都愿意这样做，这与A股韭菜明知故闯的逻辑是相似的；但站在监管的角度，对个人数据的法律界定与监管要求，更需要从公众利益与国家安全出发，防范垄断者无节制地搭数据便车的行为。

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