反馈回路

反馈回路是一条循环的因果链：系统的输出重新成为输入，改变接下来发生的事。当你看完一个视频，算法又推荐类似的视频时，就形成了反馈回路——你的行为影响系统，系统又影响你的行为。你也可以想象麦克风离扬声器太近的情景：声音不断传回，越来越响，最后发出刺耳的啸叫。 试试这样：今天留意一下，你使用的应用中有哪些推荐回路。

当系统的输出重新成为输入时，就会形成反馈回路。这些循环会放大变化，或让系统保持稳定。理解这些回路，能帮你明白为什么小小的行动可能不断累积，最终带来重大结果。

主要有两种类型： 增强回路（正反馈）会放大变化，比如复利让赚到的钱继续生钱，或恐慌在人群中蔓延。平衡回路（负反馈）则让系统保持稳定，比如恒温器维持室温，或你的身体在进食后调节饥饿感。

日常生活中的例子： 社交媒体算法会利用增强回路。你的点击让系统学会向你展示类似内容，而你更可能点击这些内容，于是这个模式进一步加强。这样就形成了回音室，让某些观点不断得到强化，却得不到质疑。在人际关系中，善意增进信任，信任又带来更多善意，从而形成良性循环；而怨恨也可能让关系不断恶化。

为什么这很重要： 系统思考学者多内拉·梅多斯指出，反馈回路是推动改变的重要杠杆点。加强平衡回路，比如加入纠错反馈，可以让混乱的系统稳定下来。削弱增强回路，比如限制失控的增长，可以防止系统崩溃。当你认清哪些回路在驱动你想改变的行为时，你采取的干预措施最能发挥作用。

反馈回路是系统理论、控制论和复杂适应系统的基础。研究表明，它们在生物、社会和技术领域中都发挥着作用，而且效果往往与直觉相反。

• Meadows（2008）：增强回路会带来增长、崩溃或事态升级；平衡回路则促进系统稳定，并推动系统朝目标状态调整 [1]。
• Richardson（1991）：系统动力学建模揭示，当干预措施意外触发反馈回路，削弱原本的目标时，往往就会出现政策阻力 [2]。
• Cinelli 等人（2021）：与用户自主控制内容的平台相比，采用算法信息流的社交媒体平台表现出更强的同质性聚集（相似的人聚在一起）和信息传播偏差，从而形成自我强化的回音室 [3]。

反馈回路分析有一些重要局限。并非所有循环因果关系都构成有意义的反馈回路，其中一些只是微弱的相关关系或伪相关。现实系统往往包含多个相互连接的回路，它们的作用可能彼此冲突，因此很难预测结果。即使正确识别了回路，原因与结果之间的时间延迟仍可能导致超调（调整超过目标状态）和振荡。这种分析方法假定我们能够充分界定系统边界和变量，但对于联系松散的社会现象，这一假定可能并不成立。文化和具体情境也会影响反馈在不同环境中的运作方式。