無論你喜歡的是聽音樂、做蛋糕或者是爬山，各種社交軟件總能根據你的愛好來“猜你喜歡”。這種名為“個性化推薦”的算法，曾在很長一段時間里讓無數人困擾無比。現如今，APP里的“個性化推薦”終于可以手動關閉了。伴隨著《互聯網信息服務算法推薦管理規定》的正式實施，今年“3·15”前后，微博、微信、淘寶等 APP 都陸續上線“個性化推薦”開關。網友們迅速在第一時間進行了測試，然而，測試結果卻不算理想。關閉了“個性化推薦”，卻關不掉對APP的“心理依賴”。

　　揚子晚報/紫牛新聞記者 楊甜子

　　快來試試，“個性化推薦”這么關——

　　APP的“個性化推薦”開關到底在哪里？記者在測試過后，為讀者列出了“個性化推薦”開關的關閉路徑：

　　淘寶：進入淘寶APP，點擊 tab欄中的“我的淘寶”；點擊右上角的“設置”按鈕，進入“隱私”；點擊“推薦管理”，關閉“個性化推薦”開關。

　　B站：進入 B 站，點擊 tab 欄中的“我的”；下拉點擊“設置”；下拉點擊“隱私權限設置”；下拉點擊“個性化內容推薦管理”；關閉“個性化內容推薦”。

　　微博(普通版)：點擊 tab 欄中的“我”；點擊右上角的“設置”；依次點擊“隱私設置 >個人信息與權限”；關閉“個性化內容推薦”。

　　微信訂閱號：蘋果用戶，點擊“訂閱號消息”右上角“三道杠”選項，再在“訂閱號”頁面右上角代表“更多”含義的三個點標志里，選擇“設置”，就可以找到“訂閱號消息個性化推薦”的開關。安卓用戶點擊“訂閱號消息”右上角的菜單，點擊更多按鈕，在彈出菜單中選擇“設置”，就可以找到“訂閱號消息個性化推薦”的開關。

　　微信視頻號：蘋果用戶點擊視頻號右上角的“小人”標志，“隱私 >個性化推薦”，關閉“直播”和“視頻”的兩個個性化推薦開關即可。安卓用戶點擊視頻號右上角的“小人”標志，依次點擊“瀏覽設置”中的“隱私 >個性化推薦”，關閉“直播”和“視頻”的兩個個性化推薦開關即可。

　　關閉之后，你的世界就清靜了？不一定……

　　“之前因為工作關系，經常要去找一些純音樂用作配樂，結果倒好，音樂APP給我推薦的歌單全是‘國外大神收藏的BGM清單’！自己聽音樂都沒了地方。”網友“HANS”表示，自己是“個性化推薦”算法的重度“受害者”。得知“個性化推薦”有了可以自主開關的按鈕，深受困擾的部分網友們迅速行動，不一會兒就將微博、微信、抖音等APP里的按鈕給關了個遍。

　　這下再刷手機，世界總能清靜了吧！不少人“天真”地想。然而，關閉“個性化推薦”后的世界，和網友們想象的不太一樣。網友“鍋里一顆棗”關閉了購物網站的“個性化推薦”開關，再刷手機時他發現，首頁開始給自己推薦紫檀搟面杖和新鮮蒜薹，這讓“鍋里一顆棗”覺得匪夷所思：“這都是啥跟啥？”“古月笙歌”關閉的是某音樂軟件的“個性化推薦”開關，她的“聽后感”頓時有些“穿越”：“我感覺我回到了上世紀80年代。”也有網友獲得了可以掌控的新世界，“hiihsj”說，“關閉各個APP個性化推薦后，感覺打開了新世界的大門，大數據也不知道我喜歡什么，這種感覺簡直太棒了！”

　　記者在挨個關閉“個性化推薦”開關的過程中，也詳細觀察了各個APP對于用戶發出的提醒。其中，淘寶在“推薦管理”頁面中，詳細說明了網站的個性化算法會用到哪些可追蹤到個人的數據。關閉前，淘寶首頁會根據你經常搜索或者購買的內容來進行推薦，關閉后，首頁推薦的內容變得繁多起來，各類生活用品或者直播間的暢銷物品是主流。小紅書APP關閉“個性化推薦”后，首頁的內容顯示區別不算很大，推薦的內容多少還是命中了記者的瀏覽偏好。

　　我們應該如何正確看待“個性化推薦”？

　　網友“pp”并不反感個性化推薦，在她看來，APP提供的有效信息，某種程度上能夠對自己的需求起到一個“初篩”作用。“假如我看上了某一款口紅的新色號，我會習慣性地去搜一搜別人的用戶體驗，看看自己是否踩雷。APP推薦的內容里，不排除有很多是夸大其詞的成分，但‘排雷’這一項功能，我覺得挺好用的。”

　　“我重新打開了抖音的個性化推薦，因為我發現，關掉之后抖音給我推薦的內容壓根沒法看。”網友“bo醬”表示，自己對抖音有著一定程度的依賴，“刷著刷著會上癮，但平時工作壓力太大了，只有刷視頻這種方式能讓我解壓。我刪不掉抖音，只能重新打開‘個性化推薦’，讓抖音的內容恢復到我愛看的分類。”

　　“個性化推薦”到底是“洪水猛獸”還是“生存依托”？南京航空航天大學人工智能學院的相關專家表示，各類客戶端里上線“個性化推薦”算法，都經過了很多種方案的測試。最終能夠上線的，一定是測試結果最好，推廣效果最好的一種算法，并不是后端工程師“憑著想象亂來”。伴隨著我們對于人工智能認識的加深，算法也在不斷地改進中。比如這一次，各大客戶端上線“個性化推薦”開關，讓用戶可以自主決定被“推薦”與否，其實就是一次進步。“開關”功能的提供，讓用戶有了更多的自主選擇。完美的算法，需要建立在掌握大量用戶訪問信息的基礎上，依賴于大量的歷史數據。從業者們正在努力嘗試，未來將算法改進得更加“智能”，既可以滿足用戶的興趣和偏好，又能讓推薦的內容變得多樣，從而更好地把握用戶偏好。