推荐系统有什么危害？

　　这是一个非常好的问题，在当前很多大型互联网平台都在纷纷使用推荐系统的大背景下，了解推荐系统的优缺点也是有必要的，普通人在了解推荐系统的过程中，也可以根据自身的需要来＂训练＂推荐系统，以便于让推荐系统更好地运转。
　　说到推荐系统的定义，很多人在不同的角度会给出不同的定义（认知），总的来说，推荐系统是为用户来进行信息定位的，或者说为用户在海量信息当中找出＂潜在的＂价值含量比较高的信息。从这个角度来看，推荐系统的意义是非常积极的，在当前的互联网、大数据时代，推荐系统的作用也会越来越明显。
　　推荐系统既然有好处，也自然会有一些负面作用，而这些负面作用体现在以下几个方面：
　　第一：利用推荐系统＂杀熟＂。推荐系统本身是比如容易了解用户的信息需求动向的，根据用户的网络流量数据，推荐系统也能够掌握用户的很多习惯，以及一些需求方面的细微变化，如果推荐系统根据这些用户的信息进行＂杀熟＂，本身还是比较容易实现的，这也可以看成是推荐系统一个比较大的潜在风险。
　　第二：为用户构建认知＂壁垒＂。推荐系统在某种程度上改变了用户获取信息的方式，很多本来有机会出现在用户视野当中的信息，很有可能会被推荐系统过滤掉，这实际上也会为用户构建起一个隐形的＂信息壁垒＂，对于用户来说，推荐系统就像给用户＂吃糖丸＂一样，用户得到的永远是用户喜欢的信息，而不一定就是用户真正需要的信息。而要想打破这个壁垒，一种比较有效的方式就是通过自己的搜索行为来影响推荐系统。
　　第三：过度商业化。在很多商业互联网平台上，推荐系统必然会有商业化用途，这是无可厚非的，也是推荐系统被开发的早期诉求之一，但是过度的商业化也会为用户带来一定的反感，甚至会影响用户的使用体验。
　　我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
　　如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！
　　推荐算法总体上有两大分类。
　　一、自动推荐算法。用户什么都不用操作，完全自动获取推荐信息。这一类算法，总体上是根据用户的历史浏览记录来判断推荐什么样的信息，最大的特点是获取用户的潜在偏好，推荐用户喜欢的信息，这类算法和那些不用这种算法的竞争对手来说，用户看到和自己偏好相同的内容比较多，用户使用期间分泌的多巴胺就越多，用户留存率就高。
　　二、用户手工指定感兴趣的内容。比如说用户不喜欢娱乐八卦的内容，可以完全屏蔽掉。用户喜欢体育，可以关注体育频道的内容，喜欢财经，关注财经。这类的特点是给所有的资讯都打上标签，用户知道哪些内容自己根本都不会去看，哪些内容会比较感兴趣，他知道屏蔽掉了哪些信息，推荐了哪些信息，明确的告知了算法自己的偏好，而不是算法挖掘自己的兴趣偏好。
　　用户的兴趣偏好的加深是否受推荐算法的影响？答案是肯定的，人都有天然的从众模仿特性，如果他是一个有点偏XX主义的用户，当他在大量文章中选看了几篇XX主义的文章之后，第一类自动推荐算法就挖掘出他的偏好，下一步的推送内容就会加大XX主义文章的所占比例，当他看到XX主义占比比较大时，会误认为XX主义的人数比较多，会进一步加深XX主义的偏好，而实际XX主义只是非常的小众，造成了他对现实社会的判断失误，影响了他的认知。
　　我反对第一类推荐算法，无论是用户购物还是资讯，挖掘用户的潜在偏好并进一步加深，影响用户的认知，都是不应该的。对于第二类算法，任何的推荐都有用户明确的指出来，是可取的。