信息茧房这个概念起源于2006年出版的凯斯·桑斯坦的《信息乌托邦》一书。2006年的时候，“信息茧房”还是仅仅停留在概念阶段，其赖以成长的技术基础大数据技术也才刚刚成长起来。直到大数据技术成熟，并孕育出像今日头条这类的信息流 APP 时，信息茧房才引起人们的重视。
凯斯·桑斯坦认为“在信息传播中，因公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，久而久之，会将自身桎梏于像蚕茧一般的“茧房”中。”这也说明了信息茧房本质上还是因为人自身的原因，再辅之以适当的外力的促进作用才能构建成功。
那么人为什么会不自觉的给自己构建信息茧房呢？这里就要提到《思考快与慢》一书中给出的关于人思考的两套系统：“人思考和认知工作分成了两个系统来处理：系统1是快思考：无意识、快速、不怎么费脑力、无需推理；系统2是慢思考：需要调动注意力、过程更慢、费脑力、需要推理。”至于为什么会有两套系统？从能量角度来看，系统1耗费能量极少，而系统2需要的能量就比较多了，但是如果只保留系统1的话，遇到困难就很难解决了；如果只保留系统2的话，遇到一些简单的事，却也要花费能量思考的话，很容易“体力不支”。因此考虑到现实情况，遇到事情时，系统1会先上，直到搞不定了，系统2才会出面解决。因此信息茧房构建的重点就在于让用户不断地使用大脑中的系统1，并从中得到满足，从而进入到一个“正向”循环当中，让大脑中的系统2得不到使用时间。
如果要让用户使用快思考的方式去处理信息的话，那么对于一个信息茧房系统而言就要正确的感知到用户的心理特征、内心世界以及此时此刻用户所处的场景。显然，直接让信息茧房系统去询问用户你到底在想什么是不可能的，因此必须要找到与之等价的信息，那就是用户在世界上留下的痕迹，信息茧房系统依赖于这些痕迹去模拟用户，去猜测用户此时此刻需要些什么。对于计算机世界而言，这些痕迹就是数据，利用这些数据，信息茧房系统可以给用户贴上一个个“标签”，这就是互联网企业常说的“用户画像”。
有了数据和用户画像还是不够的，如果把数据比作材料的话，那还需要一个厨师去把数据变成一盘菜，端给用户，这个厨师就是算法。为了讨论方便，我们把这里的算法局限在推荐系统领域。主流的推荐算法可以分为四类：协同过滤、基于内容的推荐、基于模型的推荐和混合推荐系统。其核心思想是通过某一类人留下的使用轨迹去推测相似的人的使用轨迹。但是人是复杂的，人的所思所想是会随着时间、空间、人与人的关系的变化而变化，一个好的推荐算法需要不断地给用户推荐新的信息（其实这也是解决传统推荐算法的长尾效应），并通过用户对感兴趣/不感兴趣的反馈去摸索猜测用户真正的想法，完善已有的数据画像。随着时间的累积，用户画像会越来越精确，推荐算法所推荐的信息也会越来越准确，用户的慢思考方式使用的机会也越来越少，越来越依赖于信息茧房系统和快思考方式，“茧房”就此完成。
总的来说，可以用(数据 算法) * 快思考 = 信息茧房这么一个公式去描述信息茧房的构建，当然具体到技术上，还有需要细节去完善，但大致上脱离不了这个思路。
那么如何破“茧”呢？信息茧房的构建其实依赖于一批优秀的人花费了大量时间去研究用户画像、去研究算法、去研究心理学和揣摩人性，一般的人想要“破茧”的难度是很高的。综合了下网上的说法，非要说“破茧”，我想最大的因素还是得依赖于运气，在某一时刻遇上了高人指点或者悟了，然后就不再局限于自己的小圈子；再者可能就是教育，不断地逼迫自己用慢思考去思考问题，尽量避免使用快思考的方式思考问题。
最后说点我的尝试，比如用历史的眼光和发展的观念去看问题，把一件事的时间线都找出来，然后进行比较和对比；再就是对付算法的话，如果没有办法避免，那就在里面加入大量的噪音，像强迫自己看一些自己不感兴趣的东西，打乱系统给与你的用户画像，让算法摸不准你的性格。
