在移動(dòng)互聯(lián)網(wǎng)時(shí)代,，面對(duì)用戶在新媒體上全新的閱讀習(xí)慣和喜好,，基于機(jī)器算法的個(gè)性化推薦閱讀機(jī)制,，正顯現(xiàn)出強(qiáng)大的爆發(fā)力,。這是因?yàn)闄C(jī)器算法會(huì)對(duì)用戶瀏覽,、收藏,、轉(zhuǎn)發(fā)、評(píng)論新聞資訊的行為不斷作出分析,，建立起個(gè)人用戶模型,，智能地為用戶推薦越來(lái)越精準(zhǔn)的個(gè)性化信息,。據(jù)統(tǒng)計(jì),，在網(wǎng)絡(luò)資訊分發(fā)市場(chǎng)上,，算法推送內(nèi)容已逾50%,。

一時(shí)間，個(gè)性推送時(shí)代，算法當(dāng)?shù)?，編輯后撤甚至無(wú)用的說(shuō)法不絕于耳,。果真如此嗎,？機(jī)器算法雖然適應(yīng)了移動(dòng)傳播分眾化、定制化的趨勢(shì)，但其本身存在著不小的局限,。

首先,，縱然機(jī)器算法再智能，但仍無(wú)法猜透更加復(fù)雜的人心,。算法推薦帶來(lái)的弊端是,，容易把用戶一次性的,、偶然性的、表面的行為,，解讀為用戶真實(shí)的,、深層的興趣和心理需求。目前,，機(jī)器算法還處于初級(jí)階段,，追求的是規(guī)模化,，也就是流量,，這會(huì)導(dǎo)致一些媒體一味追求流量，大量生產(chǎn)低俗,、色情,、暴力化的內(nèi)容。唯算法論,，容易造成推薦不一定是用戶所想,、非用戶所需的窘境。

其次,，即便依賴于機(jī)器算法推薦,，會(huì)讓用戶的視野變窄，形成信息孤島,，從而擠壓掉用戶真正感興趣或者培養(yǎng)新興趣話題的空間,。機(jī)器算法看似人性化，實(shí)則在閹割新聞,。用戶生活在自我的世界,，無(wú)法感知興趣之外的新事物，久而久之,，將帶來(lái)個(gè)人信息接收的窄化,，會(huì)將自身桎梏于像蠶繭一般的“繭房”中。新聞除了讓人感知世界外,，還能啟迪思想,。讓人擔(dān)心的是，機(jī)器算法讓思想裹足不前,。

再者,，對(duì)于內(nèi)容生產(chǎn)者來(lái)說(shuō)，需要討好的不一定是用戶,，而是機(jī)器算法,。聳人聽(tīng)聞的標(biāo)題,、格調(diào)低俗的內(nèi)容由于更易被點(diǎn)擊被轉(zhuǎn)發(fā)，因而更容易被算法當(dāng)做“受歡迎”內(nèi)容推薦,。利益驅(qū)動(dòng)下,，機(jī)器算法容易被做號(hào)黨,、標(biāo)題黨,、低俗內(nèi)容利用，“劣幣驅(qū)逐良幣”,，真正的優(yōu)質(zhì)內(nèi)容反而容易被邊緣化,。這無(wú)疑會(huì)擠壓優(yōu)秀內(nèi)容生產(chǎn)者的生存空間，造成優(yōu)秀作者流失,、用戶體驗(yàn)下滑等,。

此外，越來(lái)越多的虛假信息以及敏感信息等混雜在信息流中,，通過(guò)機(jī)器算法推送給用戶,。算法僅能通過(guò)關(guān)鍵詞技術(shù)過(guò)濾掉一些垃圾信息，偽裝好的無(wú)版權(quán),、低俗內(nèi)容甚至還會(huì)因?yàn)闃?biāo)題精彩獲得更好的推薦效果,。完全依賴算法推薦、缺少內(nèi)容人工審查這一關(guān),，會(huì)造成低俗內(nèi)容,、垃圾信息等大行其道。