移动互联网时代的海量信息，让我们每天都处于一种信息大爆炸的状态，而基于大数据的个性化推荐则为我们打开了一扇门，这种借助强大数据采集、分类和提取的技术，正深刻地改变着中国人的阅读习惯和信息获取方式，但伴随着推荐引擎的争议从来就没有停止过。
一成不变的推荐和不断变化的兴趣
当越来越多的内容分发平台都开始强调“千人千面”的个性化推荐时，它们的产品反而高度同质化了。如今我们打开所有的信息流产品，看到的内容千篇一律，几乎没有什么太大的差别。而低俗、八卦和标题党因为满足了绝大多数人的喜好，永远都会充斥在我们的信息流中。
个性化推荐让我们的兴趣变得越来越狭隘了，其实这是当下所有推荐引擎共同面临的弊端。我们的兴趣似乎很容易被机器“锁定”。强大的算法可以通过用户行为推算出兴趣标签，机器会不断的根据这些标签对我们进行分门别类，最终决定我们能看到什么内容。
但标签本身就是大脑偷懒的产物，凡是能够定义出来的标签，一定程度上都是受限的。以此为判断标准来进行推送，必然会导致局限性。前段时间薛之谦和李雨桐撕逼，出于好奇点击了几篇文章，然后在接下来的一周时间里，被推送的都可能会是一些娱乐新闻。最终满屏幕的娱乐八卦，直接造成了信息负载。你偶尔会看一些娱乐的新闻，但却并不代表着你喜欢生存在只有八卦的世界中。
随着数据的积累，机器算法一直在进化，也慢慢会越来越懂用户，不过问题在于兴趣其实是一直在不断变化的。以我个人举例，平时我喜欢看一些科技数码类的文章，我会希望信息流中出现的都是有关于这些领域的文章。但这不妨碍我在特定的时刻突然对某件事产生兴趣，这可能是薛之谦和李雨桐的口水战，可能是热门影视剧终，也可能是中国足球又输球了。
而也正是因为有这些即时的兴趣，我们才能真正认清自己，并不断从外界汲取新的知识。这种兴趣的变化会时刻伴随着我，并且不断受到外界因素的影响。推荐引擎之所以会让人的思想变得狭隘，很大程度上就在于没办法感知这种时刻变化的兴趣。
新浪的探索，“即时推”会成突破口吗？
个性化推荐确实降低了我们获
