机器（推荐算法）的优势，通俗来说是一个归纳的过程

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。