用户脸书页面上的可能性很高；同样，在另外两名模拟用户的脸书页面上，《每日电讯报》也有很高的曝光率，而在最后一位模拟用户的脸书上，《每日电讯报》的曝光率略高一些。模拟更多的用户之后都会产生类似的结果，经过200轮过滤后，大多数用户被推送的帖子将会来自这两份报纸中的一份。
需要注意的是，最初这些模拟用户对哪份报纸都没有偏好。每一次的点击选择改变了报纸被推送给用户的可能性，并由此形成了用户的偏好。用户已做出的选择和被推送帖子间的这种反馈，决定了他们最终被更多地展示哪份报纸。
正如亚当·莫塞利所说，刚开始玩脸书时，你是白纸一张。但一旦你在这张白纸上写下第一条消息，互动程度与相关内容被继续推送的可能性之间就开始产生反馈效应了。由于被推送的可能性与交互程度的平方成正比，这张白纸很快将被你第一次碰巧表现出兴趣的报纸所填满。“过滤器”算法由此创造了一个气泡，即便是一开始没有偏见的人也无法幸免。
而对本来就有政治倾向、首次使用脸书的那些人来说，这种影响更为突出。“过滤器”算法会捕捉到微小的初始偏好，并将它们放大，直到与其对立的一方完全销声匿迹。用户被禁锢在自我验证的观点和与一小群朋友的互动中。
当然，脸书用来决定向你推送动态消息的算法要比我的“过滤器模型更复杂一些。脸书称，它的算法利用10万多个个性化因素来决定向你推送什么内容（这意味着它已经对你的“赞”做了主成分分析）。因此，虽然我的模型显示脸书可能会制造过滤气泡，但不能证明所有的用户都会被困在气泡中。我需要弄明白简化版的气泡模型能在多大程度上反映现实情况。
被算法操控的生活O TNUMBFRED
132