，不会被更多推荐。如果你的评论区是关于视频的延展讨论，甚至有人说你说的好，我有感触，这个事我童年时候也经历过，我也有这样一个故事。算法通过大模型能把这些优质评论识别出来，变成一个友善标签，然后整体加权重去鼓励友善氛围。
从效率逻辑上来说是一样的，社区希望大家认为它是一个有口碑的社区，对平台发展是更好的。我们很难想象一个平台会认为因为有争议，明天大家还来吵架，结果这个平台能涨得很好。
重轻：你之前提过一个词叫“画风”，说平台很在意用户对于产品整体的看法，而不只是对内容的看法。这也反映在推荐算法工作里吗？
风霁：画风这块的工作，很多时候反映我们认为什么是下限，以及评估用户满意的指标是什么。画风是我自己的一个产品观念，跟推荐没有关系。打开这个 APP 都有一个原因，就是意图，满足这个意图的内容，我觉得就是画风。所以它其实是一个产品的增长逻辑，我做一个什么样的APP，满足什么样的用户意图，定义我的产品功能。
重轻：还有一种挥之不去的担忧，像是赛博朋克的小说里面的东西。很多年前，Facebook 在赞和踩的基础上，加了愤怒和大笑的按钮。事后回顾出来，愤怒和大笑确实起到了一个提高用户参与的效果，但是接下来用了两年时间才观察到其中的恶果，它是逐渐累积发生的。仇恨言论和刺激人上火、互相攻击的东西，都冒出来了，最后他们才踩了刹车，大概是一个两年时间的过程。
风霁：我觉得你说的这个点特别好。我自己把推荐系统的价值分为三块，用户、生态和社区的价值。用户价值最容易去定义，就是活跃度。生态价值是结构化的，比如现在这个平台有多少品类，每个品类有多少作者在贡献，每个品类作者的质量又是怎么样的，这是生态价值。它很难衡量，也很难去定义，但是你的每一次迭代也在影响。
第三个就是社区价值：评论区、弹幕、社交口碑，大家怎么看待你？我做推荐，这三部分工作我都会做，最容易衡量的是我们刚刚说的用户价值，用户的 DAU 涨了，你是知道的，但是伤害另外两个价值，是很难观测的，所以我的判断是另外两个是底线，凡是伤到了社区价值和生态价值，就不能做。因为这两个价值都需要非常长期才能观测到，但是用户价值你有很多手段可以涨，用户满意度永远没有达到上限。用户活跃度不是未来，生态和社区价值是不是在一直涨，才是未来。
07
算法没法控制用户喜好，信息战是真实世界的延伸
重轻：对互联网公司来说，不可能干净地切一刀，切完了有一个安全区，只负责这些。作为你的朋友，我希望你的工作是一个单纯的事实，是一个无涉价值判断的工程问题。但如果此刻算法面对的是一个有灰度的事情，它要做价值观判断，怎么办？
风霁：我觉得推荐算法本质还是一个信息检索技术。我研究生同学有人是图书管理专业，这个学科就是教1万册图书怎么做排序，让大家在图书馆里尽快拿到我想要的书，这是最早的信息检索系统。
如果作为一个纯粹的搜索系统，或者作为一个图书管理的系统，也有以上说的所有问题，只是说为什么现在这个问题放大了？因为信息在人类生活中重要的比例越来越重要了。我们既然站在这个位置上，享受了发展的红利，那我们当然要接受这样的挑战。你一定会接受更多的审视和要求。我们应该去满足社会对我们更公平的要求。
哪些是推荐系统可以主张的，哪些不应该有主张？涉及到社会法律规范、公序良俗相关的，我们不去碰。但是一个平台到底是短视频、长视频还是图文，评论区希望说梗轻松一点，还是做深度讨论，这个是我们可以去主张的，前提是 peace and love，以及不违反事实，画风是可以主张的。
我们在一个逐渐建立认知的过程，过去可能对社区和生态价值的认知没那么清晰，还有兴趣探索和“茧房”这个矛盾的体系，目标如何定义，不是技术上没有认知清楚，而可能是社会道德没有对它形成一个统一的认知。如果形成统一认知，那一天我们自然可以解决这个问题。
08
大模型深刻影响推荐，带来技术上的提升
重轻：咱们可以聊一聊未来，接下来两到三年，你眼前那个在较真、研究的东西是什么，会花很大的精力在什么事上？
风霁：AI让我对未来没有判断。大家能想象出来五年后人类跟AI是怎么相处的吗？不知道，如果今天知道了，我今天不应该在公司工作，我应该去创业。
AI会影响用户需求和供给。今天的搜索需求，其实已经极度减少了。现在的视频很多是知识类的，未来很多知识类也会可能被吃掉。供给上面，我们有很多基于AI的内容提效工作，比如有AI生成内容。如果未来的创作视频质量都比今天更好，那用户对于视频的判断和需求，跟今天又会有什么样的区别呢？我们也不知道，这些都是难题。
AI也会影响推荐系统，有很多助力，过去我们对视频的理解是单薄的，表征一个视频的维度可能就几百位，未来可能更充沛。第二个基于现在大模型的技术，我们也在尝试直接用大模型服务推荐，比10年前的推荐技术可能有10倍以上提升。第三块是推荐的交互形式，这也是我积极在探索的，我们现在通过用户行为去决定推荐结果，有没有可能通过wording逼近理想态。
重轻：能不能重新找一种新的方式，让用户直接表达出来他想要的东西，回应了我心里对行为偏好这个事的思考。在我看来，它背后隐藏的判断是，一个人说的话，可能根本不了解自己，但他的行为是100%诚实的。
纯打比方，我有一个群友说，我最近在看机器学习的教程，我搜了好多，但是每一个机器学习算法的视频下面还是小姐姐舞蹈的相关推荐。我想说的是一个人的主观愿望，一个人想要成为的样子，是完全不重要的，他的行为暴露了一切，这不是一个工程师有义务要回答的东西，但我就想把它给说出来，就是我不想臣服于这种逻辑。
风霁：工程逻辑可以解释这个事情。一个用户说我要看这个，但是给他推了之后没看，你要不要做这次推荐？这个是挺经典的搜推联动，如果你搜索了一个东西之后，未来推荐会多出一些这东西，然后你一个都不看，三天之后可能就不给你推了。
那一开始你不看的那几个机器学习视频，是不是仍要推？我们现在的选择是给你推，系统层面有这个机制设计，试探一下你是不是真的喜欢。
你说你想学习，我们配合你学习，但是过了一段时间发现你的真实需求不是学习，还是要满足你的真实需求。你下次再表现想学习的时候，我们再来满足好了。如果你表现了想学习，系统没响应，是系统做得不好。反过来说，如果你表达了学习，过了一段时间还是持续不学习，推荐还要给你让学习，这也是做得不好的表现。
重轻：我心里那个不服的东西，并不是在产品或者算法上有任何实质的意见，我只是觉得人希望自己成为的样子应该是有一份权重的，应该能反映在我所接受的信息、我的经验里面。
风霁：我觉得你不用纠结，我们希望成为的那个人是动力和目标，我们的日常生活，是滋养我们的，是给我们补能的。补能完成了之后，你才能去做你自己的梦想，所以说不相斥。而且兜底来说，你的意图可以通过搜索来满足。如果希望推荐满足我们的一切，10 年前这个事情是不太可能的，按照时间线演进，它变得越来越可能。