Meta 揭秘 AI 推薦機制：發 22 張系統卡拆解資訊流演算法

如果你刷 Instagram 或 Facebook，大概經常會冒出一個念頭：平臺到底憑什麼覺得我想看這個影片？很多時候，演算法推薦就像個黑盒子，要麼準得讓人發毛，要麼離譜得讓人摸不著頭腦。

Meta 決定把這個黑盒子的蓋子稍微揭開一點。他們一口氣公佈了 22 張「系統卡片」，把 Facebook 和 Instagram 背後的 AI 推薦機制翻開給人看。從動態流、快拍、Reels 短影片，到系統如何給你硬塞沒關注的陌生人內容，邏輯全列在裡面。

預測你點贊還是預測你會分享？

AI 決定推什麼給你，核心邏輯並不複雜。簡單說，就是靠一堆預測模型在算機率。

比如系統會預測你有多大機率點贊、評論，或者把內容轉發給朋友。Meta 提到，單靠某一個指標根本猜不準使用者的喜好，所以他們把使用者日常的互動行為和問卷調研反饋混在一起，算出一個綜合價值分，分數高的就先推給你。

這次 Meta 不光發了卡片，還在透明度中心公開了 Facebook Feed 排序用到的絕大多數訊號類別，甚至標出了每類訊號在排序裡被呼叫的頻繁程度。

不過 Meta 也留了一手。他們明確表示，用來抓違規、降權低質內容的訊號不會全抖出來，免得有人鑽空子反向作弊。

把控制按鈕塞回你手裡

除了給技術人員看文件，普通使用者在 App 裡能感知到的變化也不少。

之前只能在廣告和部分動態裡看的「為什麼我會看到這個」，接下來幾週會鋪開到 Instagram Reels、Explore 探索頁以及 Facebook Reels。點一下就能看明白，到底是自己之前的哪次手滑操作讓演算法記了仇。

在控制選項上，Instagram 正在 Reels 裡測試「感興趣」按鈕，配合 2021 年就上線的「不感興趣」，讓大家主動給演算法糾錯。不想被演算法牽著走的人，也可以切回純按時間排序的關注流，或者用收藏夾鎖死想看的人。

針對學術界，Meta 還拿出了 Meta Content Library 和配套 API。經過密西根大學 ICPSR 等專業機構稽核的學者，可以通過圖形介面或 API，調閱兩家平臺上公開的貼文、主頁、社群和公開商業資料。

為什麼重要

對每天泡在社交軟體裡的普通人和創作者來說，這套機制能讓你少交很多「玄學稅」。雖然知道了推薦訊號不等於能把把爆款，但至少摸清了平臺鼓勵什麼、討厭什麼。覺得資訊繭房窒息的人，也能順著新加的反饋入口，把偏航的演算法往回拉一點。

在行業層面，這看起來不僅是一次技術開放，更是一場精明的合規防禦。隨著歐美對演算法黑箱和資料隱私的監管步步緊逼，Meta 率先把 22 個系統的底細亮出來，實際上是在給整個社交媒體行業立規矩，逼著 TikTok 和 X 解釋自己到底是怎麼推內容的。

但我們認為，這種「開箱」也有它的侷限性。Meta 告訴你它用了哪些訊號，卻並沒有公開模型內部複雜的權重分配。對外部研究者開放資料固然值得肯定，但門檻設在特定學術機構，普通獨立審計依然很難觸及核心。平臺究竟是真正讓渡了控制權，還是給黑盒子裝了個好看的透明玻璃窗，答案可能沒那麼簡單。