今天小編分享的互聯網經驗：如何防止陷入AI“搜索繭房”？，歡迎閲讀。
本文來自微信公眾号：王智遠，作者：王智遠，原文标題：《搜索繭房，自由還是陷阱？》，題圖來自：AI 生成
事情是這樣：
前幾天，我在群裏看到有人和 AI 互動，覺得挺有意思。我也打開 DeepSeek，輸入相同的問題：你認為人類最偉大的地方是什麼？請用四個字概括。
大家的答案五花八門：仁者見智、不斷超越、愛與和平……而我的答案是：知行合一。為了對比，我又用豆包、Kimi、騰訊元寶這幾個工具試了試，發現答案都不一樣。
大家玩得很開心，但我心裏卻冒出了疑問：為什麼同一個問題，不同 AI 工具給出的答案會這麼不一樣？是因為它們的模型不同，還是處理方式有差異呢？
經過反復琢磨，我發現每個 AI 似乎都有自己獨特視角，就像不同的人一樣。它們會根據自己的 " 價值觀 " 去解釋同一個問題。這種差異讓我聯想到了 " 信息繭房 "。
一
以前，我們總説信息繭房是推薦算法造成的。
社交媒體、内容平台會根據浏覽記錄和興趣愛好，給你推送内容。乍一看，這種方式挺貼心的，實際上，它會讓你接觸到的信息越來越單一，很容易讓人陷入一個封閉的信息圈。
不過，随着 AI 搜索工具（比如 ChatGPT、Perplexity）的普及，信息繭房的形式也在悄悄改變。現在 AI 搜索，不再單純依賴平台的推薦，而是通過 " 搜索行為和提問方式 " 來定制結果。
你搜什麼、怎麼提問，以及你願意接受哪些答案，都會直接影響你看到的信息範圍。這種新的繭房形式，我們可以叫它 "搜索繭房"，或者更形象一點，叫它 "生成式幻覺繭房"。
那麼，搜索繭房與傳統信息繭房相比，區别在哪呢？
形式不一樣，這是第一點。
傳統信息繭房是我們刷媒體、看視頻時，推薦算法根據之前點了什麼、喜歡什麼、停留時長來推薦内容。基本不用自己去找，慢慢地就把我框在一個小圈圈裏了。
搜索繭房更像自己主動跳進去的。比如：我用 AI 工具搜索一個問題、輸入什麼關鍵詞、直接決定它給出什麼樣的答案；現在還不确定 AI 會不會偷偷看我的手機習慣，或者根據我搜東西的意圖來調整回復。
不過有一點挺明顯：在一個聊天框中頻繁對話幾次，推理模型能理解我想要什麼。換句話説，它用它那高大上的視角，悄悄把我給圈住了。
第二點，内容差異很明顯。
傳統信息繭房内容，大多是平台已有的内容，搜索繭房不一樣，内容是 AI 當場 " 造 " 出來的。我問個問題，它靠着自己的訓練數據和算法，現場給我整出一個答案。
這個過程我完全看不見，就算它能标個引用來源，生成的部分還是它根據學過的東西 " 捏 " 出來的。所以，有時候我拿到的，可能只是某個 " 版本 " 的真相。
第三點，參與過程的區别也很明顯。
傳統信息繭房中，我們最多點個贊，或者浏覽一下。搜索繭房中，表面上把主動提問的權力交給了我們，但實際上，這種主動權并沒有真正掌握在我們手中。
因為搜索方式、用詞習慣，甚至選擇哪個工具，都會直接影響搜索結果。這些限制是隐藏起來的，很難察覺。
這種隐蔽性還體現在，當我們提出問題并得到答案時，很容易誤以為 " 我選的是對的 "，而不會懷疑自己其實被局限在一個很小的範圍内。
比如，我們問了一個問題，AI 給出了一個答案，我們可能就以為這就是全部真相，但其實可能只是冰山一角。
相比之下，傳統信息繭房裏，當我們刷了很長時間的短視頻，發現内容都差不多時，我們内心會產生反感，甚至會警覺起來。
二
你以為就這些嗎？不，還有。其實，這兩種繭房在時間和依賴性上也有很大區别。什麼意思呢？用 AI 搜索時間長了，就會越來越依賴它的反饋增強系統（feedback system）。
傳統算法推薦是 " 養成系 "，像慢慢把你養在一個舒适圈裏，讓你習慣了它給你的東西；主動搜索更像是 " 定制系 "，你有什麼需求，它就馬上給你量身定做。
這種定制每次都能快速給你答案，可越用越依賴，到最後，你連多找找資料、核實一下的耐心都沒了。
有一次，我在小紅書上看到有人評論 "CDPP"，我完全不知道這是啥意思，順手搜了一下，結果出來 " 處對象 "。我還以為這是個新潮説法。
後來我好奇，又去百度搜，結果出來 " 彩帶飄飄 "。你看，這倆完全不一樣。這種快速搜到答案的體驗，讓我越來越懶得去多想，連 " 這到底對不對 " 的疑問都消失了。
説到底，搜索繭房是傳統信息繭房的更新版。它披着 " 聰明 " 和 " 主動 " 的外衣，表面上看起來是我自己在掌控，其實還是悄悄把我框在一個小世界裏。
這讓我忍不住思考：為什麼 AI 會制造出搜索繭房？
説到底，這事兒跟 AI 本身、我們的使用習慣，還有背後的商業邏輯，都脱不開關系。
先説 AI 本身。
從使用者的角度看，AI 的核心任務是給我們提供 " 最好的答案 "。每次我們用它搜索，它就靠算法和數據，給我們一個看起來很滿意的答復。本來，AI 的設計是為了更懂我們，但問題是，AI 的知識和處理方式，其實也有自己的 " 性格 "。
我舉個例子：
現在很多人都在用 DeepSeek 推理模型，還有 Kimi 的 K.15 長思考模型。我發現，DeepSeek 像個專家，回答很專業、很理論化，而 Kimi 更像是個聊天高手，回答更口語化、更接地氣。
這就跟找不同的人問問題一樣，他們會根據自己的經驗回答，結果自然就不一樣。這種差異，不知不覺就把我們的信息範圍給局限了，形成了 " 搜索繭房 "。
更關鍵的是，我們自己也在不知不覺中 " 幫倒忙 "。
我有個習慣，如果 AI 的回答不是我想要的，我會直接説 " 這不是我想要的 "。時間長了，在一個對話框内，AI 會根據我的反饋調整答案；這樣一來，雙方互相強化，繭房的牆就越來越厚了。
還有一個繞不開的因素是商業邏輯。
AI 工具不會永久免費，大家怎麼賺錢呢？肯定是希望用户用得越多越好，最好離不開它，然後收其他費用。
比如，Perplexity 每月要收訂閲費，免費用户搜内容時，可能就會看到植入廣告。這種商業邏輯也推動了 AI 搜索的 " 千人千面 " 設計。
雖然現在國内的大部分 AI 產品沒有收費，但間歇性它在收集我們的大量語料。
我印象裏，OpenAI 的創始人奧特曼説過，要實現通用人工智能（AGI），AI 得像自動駕駛一樣，根據不同人的需求提供定制化的服務。
換句話説，AI 必須滿足每個人的不同需求，同樣的問題，給你不一樣的答案。所以，AI 制造 " 搜索繭房 "，是 AI 本身的特性、我們的使用習慣，以及背後的商業邏輯共同作用的結果。
三
搜索繭房一定是壞事嗎？我覺得也不一定。它可能帶來一種新的 " 商業效率 "。
昨天刷抖音時，看到小米王騰和許斐被人調侃説像夫妻。我挺好奇，就去搜了搜。抖音搜索説他們是夫妻，我還有點驚訝。結果用豆包一搜，説倆人只是同事。
我把這事兒發到群裏，字節的朋友轉發給内部處理了。
説到底，這是 AI 學的語料被污染了。
但換個角度，從商家、品牌營銷的立場看，這事兒其實挺常見。品牌方會批量生產關于自家品牌的内容，通過各種渠道塞給 AI。
這樣一來，别人搜相關問題時，看到的就是定制化的信息。就像一種軟性植入，跟廣告投放差不多。所以，到底是好是壞？真不好一刀切。
説到這兒，我想起之前朋友説的，給 AI 做 SEO 最好的辦法，是一篇文章裏多加一些關鍵字，或頻繁提到某些東西。這樣大量鋪出去，AI 抓取時效率就會很高。
還有人説，盡量多生產一些長内容，因為 AI 會判定這些内容質量很高；其實，長内容也不一定非得做得多好，主要是它的判定機制。
從商業角度看，這種做法确實能精準地找到目标用户，提高了效率。可對用户來説，感覺像被困在了一個 " 定制化 " 的信息繭房裏，未必是啥好事。
不管怎麼説，還是要小心别被 AI 搜索 " 繭房 " 給困住了。
四
如何防止搜索帶來的繭房呢？我踩過不少坑，在過程中也總結了一些方法，你可以試試。
初級階段，基礎認知有三點：
1. 别只用一個工具。今天用 Kimi，明天試試騰訊元寶。不同的 AI 有不同的 " 性格 "，一個問題多問幾個 AI，答案會更豐富。
2. 多反問。比如：你想知道 " 為什麼 AI 好 "，也可以反過來問 " 為什麼 AI 不好 "。讓 AI 幫你反思，它會從不同視角給出答案。
3. 别只看 AI 給的答案。你想讓 AI 幫你驗證新聞是不是真的，或者數據從哪兒來的，你也可以自己手動查一查。這樣，你就不容易被 AI 誤導（這塊我可踩過坑）。
到中級階段，要玩轉策略，熟練掌握怎麼跟 AI 打交道。
你可以試着換着花樣更新提問的方式，别總用黃金圈法則、5W2H 法則，也可以把它們組合一下，甚至自創一套提問方式。
我在提問時，喜歡讓 AI 把商業、心理、倫理這幾個角度揉到一塊兒，這樣問出來的答案視角就變了。為什麼這麼幹？因為 AI 學的内容多少都是按學科分門别類的，交叉着問，有點像打破了規矩，逼它從不同方向給你講明白，答案自然就豐富了不少。
還有，換着花樣問問題特别管用。
比如：想知道 "AI 咋改變生活 "，可以換成 "AI 在哪些想不到的地方影響了咱們？" 或者 "AI 給普通人添了啥麻煩？"
這麼一調整，問題就變了。這不是逆向思維，更像多維度的探索，能幫我從更多角度挖掘問題。
高階階段，還得靠人工檢查。
因為有些東西，AI 在短問短答時，還能答對，但要是連着問好幾輪，它就容易出現幻覺。比如人名、日期這些細節，還得靠我們自己去核實。
所以，多變着花樣問問題，多用幾個工具對比答案，多核實信息，甚至故意找找對立面。這樣一來，就不那麼容易被 AI 套牢了。
最重要一點：建立一種重新認識搜索繭房的思維方式。畢竟，你看到的，才是你的世界，就像王陽明所説 " 心外無物 " 一樣。我們所感知的世界，由内心認知決定，只有當我們主動拓寬視野，才能真正打破搜索繭房的局限。
本文來自微信公眾号：王智遠，作者：王智遠
