概述

由于信源的缺乏或某种主观意识，使得我们容易陷入信息偏差，并进而影响了当下的决策。但我们或许能够感觉到信息偏差的存在，却也许不见得清楚这种信息偏差是如何产生的。

在《当下的启蒙》一书中，作者提到了一种常见的信息偏差。在两个人均经济发展水平相差无几的地区，A 地区比 B 地区多了一倍多人口，两个地区的恶性事件发生比例差不多，但是 A 地区的人们却会有种生存不下去的感觉。由于 A 地由于人口比 B 地区多，媒体会追逐那些吸引眼球的新闻，使得从媒体上看，恶性事件的实际数量比 B 地区多一倍。这就是由于传播造成的一类典型的信息偏差。

人与人之间最大的不平等，就是信息不对称。作为互联网时代发展的受益者，看似紧跟时代潮流的 IT 技术圈，从业人员几乎都是高层次的人才，或许应该会有着比传统行业更完善的信息评价体系，似乎应该更能从海量信息中提取出符合自己需求的信息，但实际上由于各种因素的存在，信息偏差发生得更加显著。

总结起来，这些影响因素包括"熵"、媒体关注度及"大厂回音壁效益"、技术圈子追逐热点，大数据推荐算法带来的“过滤气泡”等，多重因素交集，形成了当下 IT 圈信息传播的特点。

熵

"熵"起初来源于热力学，1948 年 C.E.Shannon（香农）热力学中将此概念借用过来，用以解决对信息的量化度量问题，并称为“信息熵”。信息熵是信息论中用于度量信息量的一个概念，总结而言：一个系统越是有序，信息熵就越低；反之，一个系统越是混乱，信息熵就越高。在传播中是指信息的不确定性，一则高信息度的信息熵是很低的,低信息度的熵则高。同样，信息熵也符合热力学第二定律：热量总是从热量高的地方向热量低的地方传输。

用物理学家薛定谔来说，“自然万物都趋向从有序到无序，即熵值增加（熵增）。而生命需要通过不断抵消其生活中产生的正熵，使自己维持在一个稳定而低的熵水平上（熵减）。生命以负熵为生。”

熵也可以用来形容某些未知的知识领域，若把这些领域进行细分，可大体划分为舒适区、学习区、恐慌区。由于每个人都有自己的认知圈层，总是优先看到自己舒适区圈层之内的信息，并习以为常的用自身舒适区的认知来理解非舒适区的信息。

事实上要理解高熵的知识，要付出的成本是非常高的，如果不经常对自己的认知进行整理，那我们的认知不仅不会提升，最后只能腐化，进入熵最大的无序状态。当一个人的认知模型熵增已经非常大时，自然而然也会被其认知模型误导，从而影响到信息的提取，形成信息偏差。

媒体和回音壁效益

媒体永远只关心那些吸引眼球的热点新闻，甚至会夸大某些新闻。在《事实》这本书中，作者介绍了一个案例：北极熊杀死了一位猎人得到了媒体铺天盖地的报道，而另外一起家暴中，一位女士被前夫用斧头杀死却从没得到媒体报道。在瑞典，熊杀人百年不遇，而家暴致人死亡却几乎每隔一段时间就会发生，二者有着1300倍的差距。所以熊杀人是大新闻，而家庭暴力不是。

科技类媒体似乎也难以脱俗，如最近 Facebook 改名为 Meta，并带来了元宇宙和 NFT 的繁荣，以及马斯克在太空探索、新能源领域取得的某些成就，总是一遍又一遍出现在我们的视野范围内，事实上这些东西离我们还非常遥远，除了满足猎奇心，短期内不会产生效应。

而把时间再拨回到 2018-2019 年左右，那时占据头条的信息几乎都是互联网新金融创新或区块链创新，彼时的开发者们几乎人手一本“区块链开发教程”，仿佛不学区块链就是老年程序员一般。当然，这些热潮过后，留下了一地鸡毛，也是一代人的共同记忆。

除了某些新概念带来的热点，还有与大厂有关的常规新闻，如美国的 FAAG，中国的前 BAT。这些互联网大厂经常会时不时搞出一些技术资讯，如某些概念技术的运用，从而引发一些热点。随着各类科技媒体竞相宣传，并创造出了一个个”回音壁效益“。——回音壁效应这种概念，是指"在一个相对封闭的环境上，一些意见相近的声音不断重复，并已夸张或其他扭曲形式重复，令处于相对封闭环境中的大多数人认为这些扭曲的故事就是事实的全部"。

在现代社会中，由于互联网的应用，社交媒体的发展，令得这个现象更加深刻，因为部分商业网站会根据搜寻结果记录提供相类似性质的网站资料。在社会化媒体中，人们以社交对象作为信息来源。他们在选择信息来源的同时，也就进行了信息的过滤。此外，社会化媒体在一定程度上强化了人群的分化。人们因社交圈以及自身的立场态度的影响，常常会固守在符合自己偏好的信息与意见的圈子里，各种圈子之间相互隔绝甚至对立。

在社交媒体中更容易形成的“回声室效应”事实上已经影响到了群体的决策。以至于《科学》杂志最近发表社论表示，社交媒体算法可能对科学传播造成破坏。他们写道：“科学话语的规则以及对证据的系统、客观和透明的评估，与大多数社交媒体上的辩论完全不同。通过用户的愤怒和分歧获利的社交媒体平台，是不是说服持怀疑态度的公众相信关于气候变化或疫苗的科学解决方案的最有效渠道，这是值得商榷的。”

大数据、推荐算法和“过滤气泡”

大数据是近几年来的一大发明，互联网平台企业通过各类数据采集工具，实现了对大海量数据的汇聚，并形成了一个又一个的“数据湖”，“数据仓库”，“数据集市”。

在这些个既陌生又熟悉的概念之中，每个个体早就失去了其自身特有的棱角，被抽象化建模为单调无意义的统计样本，并借助推荐算法这个神器，每一位用户不再具备真实的感知属性，变成一个个冰冷冷的输入工具。

每当我们打开某些具备推荐算法的智能化平台应用时，平台应用总能捕获到我们有意或无意触发的某些操作，为我们推荐出看似符合我们“潜意识”需求的资讯。

诚然，有时沉浸在信息海洋之中的我们，每天被各种信息泛滥困扰，海量资讯会使我们迷失航向，平台内嵌的推荐算法使我们能够以更快的效率获取到更直接的资讯，使我们获益匪浅，但算法只能无脑的基于我们过去的搜索历史，过滤掉与我们观点相左或我们不喜欢的信息，提供我们想看的内容，从而造成人们认知的隔绝状态，使我们陷入到“过滤气泡”之中。

由于推荐算法刻意迎合大脑的兴奋，使得我们在阅读推荐资讯过程中时候形成“愉悦”的感觉，进而可能成瘾。虽然有时候我们主观上能够感觉到这种成瘾影响了我们的生活，并试图从中逃离，但只要不卸载某些app，又总会陷入这些App的控制之中。

最麻烦的是，目前几乎大部分资讯类app都将推荐算法作为其主要功能，即便是最近我国刚刚出台了相关制度，你也无法逃离其影响。

结语

由于技术的发展突飞猛进，开发者们总是要时不时刷新技术，自然而然也会被热门新技术所吸引。

而当某些新的技术出现时，其有时以“革命者”自居，称自己为“架构的天然演进”“技术发展的未来趋势”，而媒体的推波助澜，技术圈领袖们的故弄玄虚，一方面可能激起开发者的探索欲望，一方面也加重了许多开发者的某些焦虑情绪。

当然，有时候某些技术的运用确实能够解决我们的某些痛点，但并非每次总是这样，依然取决于实际应用场景。若开发者仅根据有限的资讯获取途径来理解自身所处的环境，盲目聚焦于热门技术，或许已陷入“船货崇拜”（或称“货物崇拜”）之中。

我们或许需要更加理性的掌控自己的信念和结论，并使用批判性的思维、归纳法、数字等更加科学等方法，以实事求是的心态选择技术，将更多的精力专注于自身价值实现本身之上。

参考链接：

http://www.woshipm.com/it/3513779.html

https://news.cnblogs.com/n/712722/

https://news.cnblogs.com/n/712629

https://wiki.mbalib.com/wiki/%E8%BF%87%E6%BB%A4%E6%B0%94%E6%B3%A1