现在无论是普通的新闻网页还是社交网站，都非常迷恋个性化定制资讯。或许你非常不满意他们窥探你的隐私，但你却无法阻止它利用你的喜好，向你推荐你想了解的人物或感兴趣的资讯。最可怕的是，你永远都无法戒掉互联网的瘾，而它也戒不掉窥探你的私隐的兴趣。
这些网站是如何为你定制个性化资讯的呢?一切源於「算法」。
不得不承认，推荐算法已经成为当下信息环境中的一个非常IN的潮流，而这些不断被调整的算法，却帮助我们更好地与互联网相处。下面我们从几个案例入手，让各位看官更明白到底「算法调整」是如何影响我们的互联网生活呢?
案例一：Facebook-信息流中增加本地新闻比例
扎克伯格宣布 2018 年的更新动作
从2018年起，Facebook开始在信息流中加大力度打击假新闻，同时更强调社交属性，加大朋友分享和优质新闻源出现的比例，同时更新本地新闻比例，推荐更多朋友点击或将本地媒体发布的新闻推荐到用户首页。
Today In内容
此外，Facebook还添加了Today In板块，据了解此功能目前还处於内测阶段。Today In板块的算法采用了机器学习技术，主要是让用户能接受更多本地媒体资讯和当地官方发布的紧急消息，同时也能让当地媒体的报道能登上Facebook的Today In板块，从而在当地用户中获得更大的阅读量。
案例二：Twitter-自动裁剪图片嗨点
裁剪前
裁剪後
以往Twitter对图片处理都是粗暴简单，有人脸的图片在预览图中突出人脸，但如果没有人脸的图片就会显得非常奇怪。因此，Twitter开发了「认知提纯」(knowledge distillation)来识别图片中的有趣点，神经网络技术则加快图片的处理速度，同时应用「修剪」(pruning)技术，确保算法能够保证不损伤图片优势的情况下，识别图片的「嗨点」，并自动对预览图进行裁剪和优化。
这样，就能大大降低图片分享的难度，让每个人都能在信息流中成为修图达人。
案例三：Netflix-新图像算法最大程度吸引注意力
不同用户的看到的电影推荐封面图
熟悉Netflix的朋友都知道，这是以算法着称的流媒体网站，对每个用户观看的视频标题都做了个性化处理。在2017年年底，Netflix再次公布技术升级结果，视频图片个性化推荐，即抓取用户可能喜欢的某一帧画面，或将剧中某一角色或场景艺术化处理作为封面图，以契合这一亿用户各自的兴趣点。
当然，并非所有算法都是方便用户使用互联网的，还有不少算法由於设计的失误，给用户带来不便，甚至不安，这些就不一一解说了。在不加监控的情况下，算法已经无法为用户提供中立有用的内容，同时也与个人兴趣之间形成一个怪圈，且不断恶性循环。个性化推荐算法是好是坏，这取决於技术人员的设计，以及用户的看法，但无论怎麽样，随着算法的不断调整变得更人性化，这给用户带来的好处将会远超於坏处。
