「推薦演算法」之困
雖然，通過「推薦演算法」可以讓過量的資訊以更高效的方式展示給用戶，又因為它可以做到推薦資訊的「千人千面」，用戶也會覺得很神奇，覺得平台很「懂」自己。但目前主流的「推薦演算法」也存在很多用戶可以感知到的缺陷。
同質化
就以電商平台舉例來說，隨着行業內推薦演算法的普及和發展，各大電商平台的推薦演算法基本都趨於同質化。最典型的，當你搜索了某類商品後，系統會不停地給你推薦這類商品。社交平台使用的用戶匹配演算法，其核心也還是在於尋找你和其他人的共同標籤，從而將兩個人歸為一類的邏輯。但現實生活中，我們與另一個人的邂逅，往往並不是在我們已知和對方有很多共同點的前提下發生的。這樣的演算法讓交友少了一些浪漫，讓我們邂逅不同類型的人的機會越來越少。
「大數據殺熟」
當然，演算法也有被惡用的情況。我們最近常聽到的「大數據殺熟」就是典型的演算法被濫用的情況之一。比如很多打車軟件，其背後使用的「大數據殺熟」演算法就包含了一條：蘋果手機用戶的收入水準和消費能力高於安卓手機用戶。高端手機型號的用戶的消費力高於低端手機用戶……於是發生了iPhone用戶打車的時候顯示的價格會略高的情況。這樣的惡意演算法已經普遍存在於我們的生活之中。
單一性與片面性
演算法雖好，但如今它也成了困住我們的枷鎖。演算法的基本邏輯是將人分類，但這卻變相剝奪了我們發現未知事物，從而成為新的自己的權利。世界之美就在於它是多元的，每個人是不同的，但演算法會強行將我們與一部分其他人歸為一類，並且通過推薦相同的東西，讓我們覺得自己就是這類人。如果你也感覺到，常逛的電商APP上值得自己買的東西越來越少，短視頻APP上給自己推薦的內容越來越雷同，那麼你也許已經被推薦演算法困住了，而真實的你並不僅限於這些平台所定義的你。
演算法的工作原理，使每個互聯網平台所能了解到的我們的特性都是片面的。不同平台所擁有的關於我們的標籤都只是組成真實的我們的無數塊拼圖中的一部分。過度或者徹底依賴於演算法，可能導致我們無法想像的負面影響，不知不覺中，我們成了演算法的奴隸。
如果目前水準的推薦演算法之困繼續下去，並且受到更普遍的應用，可想而知，我們將生活在一個缺乏新鮮感的「被選擇」的世界，我們自己也將成為喜好邊界明確的一個個人群，缺少了本該有的個性的差異。這樣的世界，讓人細思極恐。
