无论你喜欢的是听音乐、做蛋糕或者是爬山，各种社交软件总能根据你的爱好来“猜你喜欢”。这种名为“个性化推荐”的算法，曾在很长一段时间里让无数人困扰无比。现如今，APP里的“个性化推荐”终于可以手动关闭了。伴随着《互联网信息服务算法推荐管理规定》的正式实施，今年“3·15”前后，微博、微信、淘宝等 APP 都陆续上线“个性化推荐”开关。网友们迅速在第一时间进行了测试，然而，测试结果却不算理想。关闭了“个性化推荐”，却关不掉对APP的“心理依赖”。
快来试试，“个性化推荐”这么关——
APP的“个性化推荐”开关到底在哪里？记者在测试过后，为读者列出了“个性化推荐”开关的关闭路径：
淘宝：进入淘宝APP，点击 tab栏中的“我的淘宝”；点击右上角的“设置”按钮，进入“隐私”；点击“推荐管理”，关闭“个性化推荐”开关。
B站：进入 B 站，点击 tab 栏中的“我的”；下拉点击“设置”；下拉点击“隐私权限设置”；下拉点击“个性化内容推荐管理”；关闭“个性化内容推荐”。
微博(普通版)：点击 tab 栏中的“我”；点击右上角的“设置”；依次点击“隐私设置 > 个人信息与权限”；关闭“个性化内容推荐”。
微信订阅号：苹果用户，点击“订阅号消息”右上角“三道杠”选项，再在“订阅号”页面右上角代表“更多”含义的三个点标志里，选择“设置”，就可以找到“订阅号消息个性化推荐”的开关。安卓用户点击“订阅号消息”右上角的菜单，点击更多按钮，在弹出菜单中选择“设置”，就可以找到“订阅号消息个性化推荐”的开关。
微信视频号：苹果用户点击视频号右上角的“小人”标志，“隐私 > 个性化推荐”，关闭“直播”和“视频”的两个个性化推荐开关即可。安卓用户点击视频号右上角的“小人”标志，依次点击“浏览设置”中的“隐私 > 个性化推荐”，关闭“直播”和“视频”的两个个性化推荐开关即可。
关闭之后，你的世界就清静了？不一定……
“之前因为工作关系，经常要去找一些纯音乐用作配乐，结果倒好，音乐APP给我推荐的歌单全是‘国外大神收藏的BGM清单’！自己听音乐都没了地方。”网友“HANS”表示，自己是“个性化推荐”算法的重度“受害者”。得知“个性化推荐”有了可以自主开关的按钮，深受困扰的部分网友们迅速行动，不一会儿就将微博、微信、抖音等APP里的按钮给关了个遍。
这下再刷手机，世界总能清静了吧！不少人“天真”地想。然而，关闭“个性化推荐”后的世界，和网友们想象的不太一样。网友“锅里一颗枣”关闭了购物网站的“个性化推荐”开关，再刷手机时他发现，首页开始给自己推荐紫檀擀面杖和新鲜蒜薹，这让“锅里一颗枣”觉得匪夷所思：“这都是啥跟啥？”“古月笙歌”关闭的是某音乐软件的“个性化推荐”开关，她的“听后感”顿时有些“穿越”：“我感觉我回到了上世纪80年代。”也有网友获得了可以掌控的新世界，“hiihsj”说，“关闭各个APP个性化推荐后，感觉打开了新世界的大门，大数据也不知道我喜欢什么，这种感觉简直太棒了！”
记者在挨个关闭“个性化推荐”开关的过程中，也详细观察了各个APP对于用户发出的提醒。其中，淘宝在“推荐管理”页面中，详细说明了网站的个性化算法会用到哪些可追踪到个人的数据。关闭前，淘宝首页会根据你经常搜索或者购买的内容来进行推荐，关闭后，首页推荐的内容变得繁多起来，各类生活用品或者直播间的畅销物品是主流。小红书APP关闭“个性化推荐”后，首页的内容显示区别不算很大，推荐的内容多少还是命中了记者的浏览偏好。
我们应该如何正确看待“个性化推荐”？
网友“pp”并不反感个性化推荐，在她看来，APP提供的有效信息，某种程度上能够对自己的需求起到一个“初筛”作用。“假如我看上了某一款口红的新色号，我会习惯性地去搜一搜别人的用户体验，看看自己是否踩雷。APP推荐的内容里，不排除有很多是夸大其词的成分，但‘排雷’这一项功能，我觉得挺好用的。”
“我重新打开了抖音的个性化推荐，因为我发现，关掉之后抖音给我推荐的内容压根没法看。”网友“bo酱”表示，自己对抖音有着一定程度的依赖，“刷着刷着会上瘾，但平时工作压力太大了，只有刷视频这种方式能让我解压。我删不掉抖音，只能重新打开‘个性化推荐’，让抖音的内容恢复到我爱看的分类。”
“个性化推荐”到底是“洪水猛兽”还是“生存依托”？南京航空航天大学人工智能学院的相关专家表示，各类客户端里上线“个性化推荐”算法，都经过了很多种方案的测试。最终能够上线的，一定是测试结果最好，推广效果最好的一种算法，并不是后端工程师“凭着想象乱来”。伴随着我们对于人工智能认识的加深，算法也在不断地改进中。比如这一次，各大客户端上线“个性化推荐”开关，让用户可以自主决定被“推荐”与否，其实就是一次进步。“开关”功能的提供，让用户有了更多的自主选择。完美的算法，需要建立在掌握大量用户访问信息的基础上，依赖于大量的历史数据。从业者们正在努力尝试，未来将算法改进得更加“智能”，既可以满足用户的兴趣和偏好，又能让推荐的内容变得多样，从而更好地把握用户偏好。
