通常許多朋友在開啟線上音樂應用卻沒有明確的聽歌目標時，往往就會點開“每日推薦”，而討論“每日推薦”是否正好契合也成為許多使用者津津樂道的事情。日前有訊息顯示，Apple Music同樣也在圍繞“推薦”進行一些調整。據悉，蘋果方面正在開發一款被稱為“Siri Picks”的功能，並將其整合進“為你推薦（For You）”中。
同時還有蘋果方面尚未證實的傳言顯示，Siri將根據使用者喜好來生成播放列表，其中會包含曾經聽過、但已經停止播放的歌曲來重新整理原本的記憶。並且其推薦機制也將考慮更多因素，例如聽了多少次特定型別的歌曲，或是為哪些歌曲提高了音量。此外還有知情人士透露，這一功能或將呼叫晶片的神經引擎及機器學習功能。
不同的平臺，對於個性化推薦的態度也截然不同
事實上，蘋果自2015年推出Apple Music以來，其中的“為你推薦”板塊就曾進行過多次的迭代。最早在iOS 10更新後，該板塊就一改此前原本混亂的佈局，轉為更加清晰且有邏輯的內容展現結構，此後在2019年的一次較大更新中，則帶來了更多新的佈局與歌曲推薦，在個人喜好的基礎上新增了主題歌單，同時更新頻率也從每天更新變為全天重新整理。
2020年，Apple Music新增了“現在收聽（Listen Now）”頁面，並替換了此前的“為你推薦”。在原有的基礎上增加了更多的精選播放列表和其他部分場景的內容，但每個推薦歌單的更新時間並不一致，例如每週一重新整理的《起床！》、每週二重新整理的《猜你喜愛》，以及每週日重新整理的《休閒音樂》等。
與此同時，Apple Music也在不斷加強與Siri間的協作。此前，負責Apple Music與Beats業務的蘋果公司副總裁Oliver Schusser曾指出，“Apple Music和Siri可謂天生一對，一直以來的協作默契無間”。而早前Apple Music上線的聲控方案，也針對語音控制進行了全面的最佳化，例如使用者可以對Siri說出“播放晚餐派對歌單”。而此次傳出即將加入的Siri Picks功能，也意味著Siri將進一步參與到Apple Music的歌曲個性化推薦中。
如今在音樂流媒體領域，Spotify、網易雲音樂等平臺事實上也一直以個性化音樂推薦見長。此前，Spotify研究主管Mounia Lalmas-Roelleke就曾表示，Spotify主介面的開發目標是幫助使用者迅速找到可能會喜歡的音樂。而對於其BaRT的AI系統來說，如果使用者在30秒內跳過一首歌，就相當於給出了“差評”。
不過，Spotify在推動個性化音樂推薦的過程中也曾受到過一些質疑，比如應該使用多大範圍的使用者資料來進行推薦，以及是否存在過度使用使用者資料的情況。據TechCrunch早前的相關報道顯示，Spotify涉嫌在使用者“預先儲存”即將釋出的歌曲時，允許唱片公司獲取大量不必要的使用者資料，諸如收聽的歷史曲目、最愛曲目、關注的歌手，以及正在播放的內容等。
而蘋果公司CEO Tim Cook則一直強調，Apple Music的歌單有編輯“人工挑選”。他曾指出，“我一直擔心人性會從音樂中流失，擔心音樂變成一個‘位元和位元組’的世界，而不是藝術和人性閃光的承載物。”
儘管Tim Cook並未對Spotify點名道姓，但很顯然的是，Apple Music的“人工挑選”是反其道而行之。在TechCrunch的這篇報道中還指出，“Spotify已經在音樂流媒體中佔據主導地位，並利用為使用者推薦的播放列表來助推熱門歌曲的產生。但僅僅因為其主導地位而漠視不正當的音樂版權方行為，可能會使聽眾質疑其忠誠度，並轉向更重視使用者隱私的蘋果。”
演算法推薦還是人工推薦？這個問題暫時還沒有答案
“個性化推薦”作為一個自大資料時代以來，無論被學界、業界，還是使用者反覆談論的話題，事實上也並不僅僅存在於音樂流媒體，影片流媒體、聚合資訊平臺等平臺。而一個完善的個性化推薦系統也能夠為這類平臺吸引更多使用者，進而為公司創造更大的商業價值。
其中以Netflix的推薦系統為例，此前該公司曾表示，“推薦系統幫助Netflix贏得了關鍵時刻”。根據關於Netflix推薦系統的研究報告表明，由於推薦系統的應用，該平臺被點播到的影片數量大幅提升，並且更為重要的一點在於，個性化推薦能夠顯著提高推薦影片被使用者接受的程度。
而在國內市場，今日頭條的出現顯然也已經改變了資訊內容的分發方式。在2016年《財經》的一次專訪中，位元組跳動創始人張一鳴就曾指出，今日頭條不會也不需要設立傳統意義上的總編輯，他表示自己最忌諱價值觀先行，並認為不干涉可能是對與內容最好的管理方式。事實上，從創始人的理念到技術層面，今日頭條都可以說是將演算法推薦做到了極致。
此外據海外媒體的相關報道顯示，“Facebook的演算法決定了哪一個狀態更新會出現在使用者新聞流的更高位置，哪一個更新會被淹沒。物以類聚，人以群分，這些人本來就是想找新聞來印證自己的偏見”。而關於Facebook的研究報告也表明，該公司透過優先考慮使用者“感覺舒服”的更新，來決定使用者新聞流的最高位置。
既然有“演算法至上”的內容平臺，自然也存在“人工篩選內容”的網際網路公司。早在2015年Apple News推出時，蘋果方面就堅持僱用編輯來人工挑選內容，其總編勞倫·科恩（Lauren Kern）也曾指出，“人對新聞傳播更為敏銳，更重要的是，這是最合理的消除偏見的方式”。
根據英國《Press Gazette》公佈的最新資料顯示，2021年12月Apple News已有1320萬用戶，在英國所有15歲以上的網際網路使用者中，有27%使用了Apple News應用，併成為了該國瀏覽量最大的新聞應用。
而在國內市場，同樣也有類似知乎一樣的平臺，在2019年啟動了公共編輯計劃，邀請使用者共同參與百科的內容公共創作，進一步完善結構化的內容展示機制。同時，網易雲音樂等平臺也在此前為使用者提供了關閉個性化推薦及廣告的選項。
但在資料模型與演算法已成為不可改變的市場趨勢下，如今在各種型別的內容APP裡，演算法已經在為使用者推送內容和在相關話題中佔據主導，並同樣也會將各種熱門內容推薦至首頁。儘管其中“人工精選”僅佔使用者消費內容中的一小塊，但也足以成為更為鮮活的部分。
個性化推薦貨不會消失，但未來勢必將更為有序
未來，關於演算法推薦與人工推薦孰優孰劣的爭論依舊不會停止，就像樂於分享大資料報告的使用者一樣，也會有消費者樂在其中，並認為個性化推薦節省時間、又滿足需求，但也有人會考慮到背後存在的資料安全問題，以及在演算法降低篩選成本的同時，也難以避免會被引導進資訊繭房。
目前對於此事也有新的觀點逐漸顯現，據美國迪肯大學新媒體與傳播學教授、網路身份研究的學者P. David Marshall表示，消費者越來越明白，他們使用應用程式的方式會影響其看到的內容型別，從而產生數字雙重意識，即“我們意識到我們是數字身份的創造者”。這就意味著，將有越來越多的使用者意識到演算法推薦這一過程，而非陷入到同質化的“回聲室”裡。
此前在2021年12月31日，我國的《網際網路資訊服務演算法推薦管理規定》已經，並將於今年3月正式施行，其中針對大資料殺熟、技術中立和演算法黑箱等現象就設立了明確的問責機制。隨著演算法與個人資料安全的監管逐漸完善，各網際網路平臺勢必也將需要在“人與機器”之間找到合理合規的平衡點。
【本文圖片來自網路】
