算法推荐与“信息茧房”的破解之道

在对智能算法推荐技术社会影响的讨论中，“信息茧房”是最受关注的话题之一：人们担忧，单纯针对用户偏好进行的个性化推荐往往容易加剧用户接触信息的同质化，让人们只看到想看到的东西、只听到自己认同的观点，最终变成一个只能听到自己声音的“密室”，公共信息的传播、社会意见的整合、社会共识的形成会变得日益困难。一段时间以来，算法加剧“信息茧房”产生与泛化的说法甚嚣尘上。但随着智能分发技术应用实践的不断推进以及对“信息茧房”研究的逐步深入，越来越多人意识到不能简单地把算法分发与“信息茧房”划等号。那么，算法分发与社会整体信息构造之间的复杂关系究竟该如何把握？必须看到，算法接管信息分发是社会信息格局变化后应对“信息超载”危机、实现供需适配的必然选择;指责算法加剧“信息茧房”的论断其实忽略了影响社会信息结构的多重因素，罕有支持的证据;而要治理社会信息传播的“茧房”效应，不应是弃用算法，更应该是善用算法技术，构建人机协同的命运共同体和价值共同体。

一、被忽视的语境：算法分发是信息供需适配的优解

迄今为止，人类信息分发模式可大致概括为三类：倚重人工编辑的媒体型分发、依托社交链传播的关系型分发、基于智能算法对信息和人进行匹配的算法型分发，而随着技术的不断进步，智能算法分发不断“收编”人工编辑分发和社交关系分发，成为信息分发的主要途径。

算法接管信息分发的根本驱动力是互联网对社会信息环境的改變。一方面，伴随互联网技术的进步，社会信息化在持续推进，海量信息在互联网上留存和呈现，用传统方式根本无法对其进行有效的处理和价值适配，信息过载时代强大的内容生产能力要求传统的内容分发必须革命性的变革。另一方面，移动传播革命带来信息传播的个人化，个性化需求被触发并形成巨大的个体性内容需求市场，但在算法推送广泛用于社会传播之前，个体在现实中是很难获取与其场景相匹配的有用信息，社会总体的信息过剩难以掩盖社会个体成员信息缺乏的事实。极具多样性和复杂性的信息生态出现了供需之间的结构性危机，正基于此，信息传播的精准化成为移动互联网时代的传播重点，即把合适的内容在合适的场景下传播给合适的受众。

而算法型信息分发实践中算法机制要解决的根本问题正是：从庞大复杂的信息系统中挑选符合用户兴趣习惯和社会特征的内容，呈现在其个人信息系统中，以满足用户的内容需求。尽管智能算法分发中应用了各种模型或公式，但其基础原理是朴素的：更好地了解待分发的内容（标签化处理），更好地了解待接收的用户及其需求（用户洞察），更高效地完成信息与人之间的对接与匹配（场景洞察）。所以说，算法的本质是建立在海量信息和海量用户之间的匹配技术，是信息与通讯技术发展的必然。

作为海量信息与个性用户间的“搭桥术”，算法在当前信息传播系统内显现出无可比拟的优越性。一方面，智能算法推荐有效提高了信息分发效率。倚重人工编辑的媒体型分发所需的平均时间与人力成本较高，分发效率较低，而智能算法可以高效地完成自动筛选、过滤，使信息供需的快速匹配成为可能，为高效实现内容产品的商业变现提供了技术支持。另一方面，智能算法推荐优化了信息分发的配置效率。更具体地说，信息价值得以重估，信息不再有统一的价值衡量标准，亦没有绝对的高低之分（所谓“汝之至宝，吾之敝履”，反之亦然），关键在于价值的适配。由此，信息价值尤其是长尾信息的价值被激活。同时，用户的主动性得到开发，不同于大众传播时代满足最大公约数需求的信息传播与消费模式，智能算法型信息分发与推荐改变了“以传者为中心”的传播模式，人们得以触达更多的、更为个性化的内容。

概言之，智能算法信息分发为应对传统信息处理范式的危机、实现供需新适配提供了优解。如果没有算法的介入，海量信息将无法完成更为有效的传播。智能算法成为信息分发主要手段是互联网时代发展的一种必然，拒绝算法，就像工业化革命初期人们拒绝蒸汽机、纺织机及火车、汽车一样，是荒唐可笑的，也是不切实际的。

二、被误解的问题：算法并非“信息茧房”的独特成因

“信息茧房” （information cocoons）概念由哈佛大学法学院教授桑斯坦提出，他认为，互联网用户在海量信息中以个人喜好选择性地接触感兴趣的信息，排斥与筛出所有不喜欢的东西，长此以往形成“信息茧房”;由于“信息茧房”的存在，人们只会选择和接触与自己意见相同或近似的人群，采纳符合自己预期的观点，于是逐渐形成“回音室效应”（Echo Chambers），走向认知上的极端和表达上的极化，成为群体化事件的温床。

随着算法分发技术在新媒体实践中的广泛使用，国内学者们将“信息茧房”这一概念引入，将其当作一个已然的负面存在来接受，并以此为出发点将算法等技术作为引发“信息茧房”的核心原因而进行全面的批判。

但其实，将算法视为“信息茧房”罪魁祸首的论断是站不住脚的。一方面，“信息茧房”概念有其语境。桑斯坦提出“信息茧房”是基于美国两党政治的语境下对新技术降低政治信息多元化以及政治信息极化的忧虑，“信息茧房”是一种比喻、一种假说。目前，能够严谨地实证“信息茧房”存在的研究尚未看到，只有少数研究非正面地呈现了所谓“信息茧房”的结果，均是一些现象而不是规律、是实验而不是现实研究、是过程而不是效果研究。而且，更多的研究在质疑和反驳“信息茧房”的存在：有研究指出公众对政治的更大兴趣和媒体的多样性都降低了他们困在回音室中的可能性;有研究者用西班牙数据来进行实证检验，确定并没有发现党派回音室的证据，研究样本反而显示了跨党派的媒体信息消费的特征;在国内，利用全国性调查数据，有研究发现用户的信息接收渠道不仅未窄化，对传统媒体等非算法型信源的信任程度还有所提升。因此，越来越多的学者认为，“信息茧房”和“回音室”的某些现象是确实存在的，但对这些现象的担忧其实是夸大了事实。另一方面，“茧房”或者说人们主动选择要接触哪些内容从来不是一个新现象。传播学奠基人之一的霍夫兰所提出的“个人差异论”其实早已阐述了受众的“选择性和注意性”理解，传播学另一奠基人拉扎斯菲尔德也早在关于选民选择的研究中就显示出了选择性接触。受限于人的认知能力，人们对世界的认知从来都是建立在片面性和局限性的基础上的，受众总会以自我价值为核心，以一定的能力、意愿、兴趣为半径为自己建立信息渠道。同样，在前互联网时代，大众传播媒介也并不是“价值无涉”，媒体会根据自身市场定位及角色担当，以某种价值框架来选择性地呈现和反映这个世界;经典的“把关人”研究证实，即使在传统媒体的人工编辑时代，信息也一定程度上会因把关人既有的政治倾向而呈现出的信息框架的窄化及信息价值的偏向。

所以说，在浩瀚的信息海洋里固守一些自己习惯和评价较好的信息菜单和信息渠道，可以被解释为用户应对信息过剩时代的策略机制，是现代人以个体为基础信息消费的必然结果，也是社会发展和人们信息消费迭代升级的外在表现之一。以个人兴趣为核心的“信息茧房”本身，其实是由个人的选择和注意所决定的，算法与数据技术不过是媒介的价值选择机制在数据条件之下的一种“人体的延伸”，并不是形成“信息茧房”的独特成因。换言之，“信息茧房”的锅，算法推荐不能全背，算法技术本身并无“原罪”可言。要解决信息和意见的多样性问题的关键，在于整个社会信息供给结构的多样性，也包括算法模式的多样性。

三、需明确的治理逻辑：从算法的价值内核的“扩容”到算法的社会结构上的多样化来寻求“信息茧房”的破解之道

如前文所分析的，信息偏食的背后是人们的选择性接触心理，是人们维持认知均衡所采用的策略。所以，从心理学角度来看，“茧房”是一个中性词。而之所以关注“信息茧房”问题，其实是为警醒社会信息传播中出现负面的“茧房”效应——信息在社會结构与社会阶层中的充分流动是一个社会协调发展的关键之一，如果信息不流动，就会形成信息和意见的“板结化” ，进而造成利益的“板结化”、社会的“板结化”，将造成社会的偏见、矛盾与冲突，进而引爆社会危机。因此，在这个意义上，在探讨算法技术如何影响社会信息结构时，不应只停留于指责技术的局限性，更应进一步思考如何为算法技术的价值内核“扩容”，包括植入必要的干预机制，通过“技术向善”来加强信息的多元化。毕竟，在当前弱人工智能的技术现实下，算法所出现的一系列问题或争议，实际上还是人与人之间（即掌握着技术权力的人与掌握着政治与社会权力的人之间）的问题;技术会带来更好的社会信息结构还是更坏的社会信息结构，决定者其实依然是人和无形的社会软制度。

一是算法的价值内核的“扩容”。推荐算法的“初心”是对于用户及其需求的洞察与把握，以便于通过这种洞察与把握使其与相关的内容实现匹配和价值变现。但这一价值的维度知识把人当成了一个孤立意义上的人来加以认识和把握。但事实上“人无往而不在社会联系的网络中”。因此，算法的价值内核必须有一个社会性的维度——将个人与环境、个人与群体、个人与阶层、个人与社会等等关联关系所造就的内容需要也要纳入算法的计算逻辑当中。

二是算法模式与媒体（或社会的信源）在社会结构上的多样化的保障，不使任何一种算法成为人们近乎唯一的选择。不同的算法模式、不同的媒体（或信源）的多样性存在是打破“信息茧房”（即所谓信息供给的“窄化”和“偏态”）的不二之选。因此，信息传播领域的“反垄断”则是一种势在必行的要求。

必须看到，优化推荐算法以提升多样性的技术实践一直在推进。从市场逻辑来看，就像没有一个商场的经理会希望顾客每一次来到商场都只关注同一类别的商品一样，算法平台也不会希望自己的用户兴趣窄化，因此，即使在商业性的逻辑中，算法也不可能真正压缩信息空间，相反，它还会在更新迭代中逐步挖掘出个体尚未被开掘的信息消费潜能。实践中，算法优势平台正积极探索通过多样性提升和内容品类打散等方式，有效提升用户留存周期、留存率、人均活跃天数以及停留时长等运营指标。以今日头条为例，其推荐算法经历了几次大的调整、修改和升级，在不断迭代中进行着“有边界的调适”，获得了更好的社会适应度。更具体地说，今日头条不断改进推荐算法在用户数据上的建模能力，将用户搜索与信息推荐结合起来，通过文本相似度特征分析、子频道内容建设等方式，提高对用户有价值的多样化优质信息推送权重，使推荐实现公共价值、专业水准、多元化均衡目标的统一。

显然，算法技术的社会应用中的关键性操作是 “破茧”及如何有的放矢地有效“破茧”。说到底，算法技术实际上并不会缩减人们的视野，恰恰相反，它总能为我们打开更大的世界。借用《算法帝国》一书的作者克里斯托弗·斯坦纳的话来说，在未来的发展中我们将面对一个如何划定效用和威胁之界限的任务。未来20年的故事，是人工智能算法和大数据的故事，而这个故事的结果好坏将取决于如何划定这些界限以及由谁来划定。因此，作为能动者的人类主体应该更加主动与数据及算法相交融，在拥抱新技术的同时保持对人类生存和良序社会的关怀，以人为尺度，引导“技术向善”，让算法技术更好服务于社会信息充分流动的需要，确保智能算法分发实践朝着有益于人和未来发展的方向“迭代”。

喻国明：现为北京师范大学新闻传播学院执行院长、教授、博士生导师，教育部长江学者特聘教授，享受国务院特殊津贴的专家。

主要社会兼职：国务院学位委员会新闻传播学学科评议组成员、北京市社会科学联合会副主席、中国新闻史学会传媒经济与管理专业委员会会长、《中国传媒发展指数（蓝皮书）》主编、《中国社会舆情年度报告（蓝皮书）》主编等。

主要研究领域：新媒体研究;舆论学，传媒经济与社会发展;传播学研究方法。