《扁平時代》書摘心得｜演算法焦慮、文化扁平與我們失去的品味自由
書籍資訊
- 書名：扁平時代:演算法如何限縮我們的品味與文化
- 原文書名：Filterworld: How Algorithms Flattened Culture
- 作者：凱爾・查卡（Kyle Chayka）
- 譯者：黃星樺
- 出版社：衛城出版
- 出版日期：2025 年
本書特別之處：從線上到實體，演算法帶起的文化通用化
作者觀察到演算法不只作用在網路上，也漸漸全面滲透進我們的生活各個角落，悄悄主導了我們的品味，這個世界正變得越來越「通用」，從咖啡廳、觀光行程到書店，處處都是適合打卡的風景，但卻少了屬於地方的氣味與文化的深度。
這本書的特別之處在於，它不只是解析演算法如何運作，更點出了文化如何在這樣的機制下逐漸趨於單一。讀完後，你可能會開始反問自己：那些我說我喜歡的東西，真的是我選的嗎？
抄在筆記本裡的金句
- 扁平是最低限度的公約數，一種平庸的表現， 從來就不是人類引以為傲的自豪成就。
- 在演算法的文化裡，正確的選擇就是大多數人已經選擇的東西。
- 只要人們繼續留在平台上，保持活躍與參與，那麼他們不管做出什麼事情，這個平台都算是成功了。
- 所謂的「品味庸常」是指平庸的安全牌，不會讓人感受到冒犯或不悅，因為他們也通常最不會讓人按下暫停。
- 一則內容的好或壞，最終決定權還是要保留在人類手中才對
書中我想記住的3個觀點
觀點一｜演算法正在推平我們的文化品味
「扁平時代」裡，能夠走紅的文化產品，往往具有幾個共通點：
容易理解、容易複製、容易參與，和任何一個背景搭配都不違和。
演算法很少出錯，因為這些內容通常已經過市場驗證或者巧妙分析，之後就是大量推送，我們會在短時間內看到大量同質性的內容，漸漸的，審美變得統一。
網美照、IG牆也許就是最典型的代表。
即使照片中的人物不同，傳遞的卻都是類似的「歲月靜好」氛圍。
這些內容成為一種標準化的美感模板，也成為演算法安心推薦的安全答案。
最容易被廣泛傳播的，往往是那些缺乏解讀空間、不具顛覆性，
甚至沒有太多意義的文化商品。
最後，演算法就像推土機般，推平了不同文化之間的差異
在個人品味上，弄清楚自己真心喜歡什麼從來都不是件容易的事情。
當演算法機制極力把特定內容推薦給你，並且宣稱這都是你的「個人化內容」時，弄清楚自己不喜歡或不想要什麼也同樣困難。
觀點二｜創作者不可避免的演算法焦慮
這也對新聞和自由撰稿人帶來衝擊，
你必須去猜演算法喜歡什麼樣的內容，只有成功操控演算法才會被看見。
這一段我最有感的先是觀影習慣的改變，我的影視觀看來源幾乎被Netflix 制約，許多台灣的好劇我竟然連聽都沒聽過，因為，自己已經很少看電視。所以像是台灣藝文界培育的《植劇場》，當然不會出現在我日常中，而最近幾部「魷魚遊戲」、「影后」等等都可以看見串流平台鋪天蓋地的宣傳，這麼大筆的投資已經經過精密計算，出錯的機率很低，也因此，看到公式之外的可能性也變得非常低。
在扁平時代裡，數位平台提供了極其精細的數據，讓創作者可以準確知道，什麼人在什麼時間點、用什麼方式接觸了他們的作品。
這也產生了所謂的「演算法焦慮」，為了保住流量，關注平台提供的數據幾乎成了創作者無法迴避的日常，即使一開始是想做自己想做的內容，也很難不被演算法影響，默默把這個世界的人文創作導向同一個樣貌。
觀點三｜保有策展人的意識，找回自己的文化品味
有一段時間，我會試著去掌控演算法，在 Spotify 和 Threads上，看到不想看的貼文，我就按下「不感興趣」或「不要推薦」，希望自己能選擇想接觸的東西。
閱讀本書時，我意識到「同質化」也發生在我一次次的選擇，每一次按下那些按鈕，我都在默默訓練演算法。
「資訊濾泡」，當我們長期接收自己習慣的內容，會慢慢被困在一個封閉的空間裡，除了很難遇到新觀點之外，可能也會扭曲我們對世界的認知，簡單來說，就是活在同溫層裡。
本書鼓勵我們要當「生活的策展人」，有意識的去照顧自己的文化品味。
而我覺得第一步，就是不要只看網路上的東西，走出這個迴圈，看書、看展覽或者去旅行，盡量對網路的依賴、對社群的成癮也許會有幫助，讓網路就是網路，花時間去體驗那些不靠演算法推播的東西。
策展人，是那種願意長時間關注某件事的人，用自己的敏感與理解，從無數選項中挑出真正值得看見的作品。
找出自己除了演算法之外的世界觀。
這本書帶給我的收穫與思考
這本書觸及的議題非常廣泛，從演算法如何改變書店的運營模式、觀光產業的操作方式，到我們接觸世界的方式，本文整理的三個觀點是從個人的角度出發，但這本書的討論遠不止於此。
就在撰寫這篇文章的同時，Facebook 正傳出一波嚴重災情，許多經營多年的帳號突然遭到停權，且幾乎無處申訴。
這讓我想到書中提到的比喻：那是一座建築在沙灘上的城堡。無論它曾多麼堅固、多麼華麗，當浪潮來襲時，也很難倖免於崩塌。
在讀完這本書之後，我對於演算法的紅利和副作用更有感覺，「希望我可以記得，演算法是一個無情的機器，它提供給我數字，而身為一個策展人，更重視的是我清楚我當時的決策邏輯。
