智媒时代算法的运用与解构

张妲

摘 要：随着5G技术的到来，万物互联、万物皆媒的传播图景逐渐铺展开，若把传播内容比作这幅图景上的颜料，那么把这些内容勾绘联结起来的画笔就是媒介。而将媒介仅仅看作是信息传递工具的这种认知已然过时，媒介同时也在传递更多复杂的社会关系，其传递的内容愈发复杂，传播的媒介更加多样，由此衍生出的算法则是一种更高意义上的媒介。本文将从算法的形成与应用出发，来谈论算法对媒介逻辑的建构和对社会关系的重组一系列重要影响，更加理性地对待与应用算法，以此来促进信息传递的良性循环。

关键词：算法把关;算法推荐;媒介逻辑;社会关系

中图分类号：G206    文献标识码：A    文章编号：1672-8122（2021）11-0017-04

一、算法的形成与应用

算法的研究起源于20世纪末，20世纪90年代在美国举办的人工智能协会中，由卡耐基梅隆大学的 Robert Armstrong等人提出了一个新型的个性化导航系统 Web Watcher，自此出现了个性化推荐的概念。在美国的明尼苏达大学，GroupLens研究小组最先开始算法推荐的研究，他们想要制作一个名为 Movielens的电影推荐系统，从而实现对用户进行电影的个性化推荐。首先他们让用户对自己看过的电影进行评分，然后研究小组对评分结果进行分析，并预测用户对从未看过的电影的兴趣度，以此来向他们推荐他们没看过但可能感兴趣的电影[1]。

技术的发明最终是要落实到应用上，对于算法推荐的研究虽然起步较晚，但因为技术的迅猛发展，算法的应用也就愈发广泛且成熟。国外最早应用算法并取得成功的当属亚马逊公司（Amazon），该网站对用户的浏览购买行为进行了分析，并对用户进行个性化推荐。根据Enture Beat的统计，这一举措将该网站的销售额提高了35%，效果非常显著。而在国内，提到算法推荐，目前最出名的当属字节跳动旗下的两大App：今日头条和抖音，一个主打新闻分发，一个主打休闲娱乐[2]。尤其是在2016年，今日头条的出现直接把算法这一技术完全地推入了大众的视野，国内对于算法的研究也逐渐增多。而对于算法的应用业界褒贬不一，对于由算法引发的一切关于媒介的认知都在促进着媒介技术的发展与社会关系的进步，而如何应用算法来重构媒介逻辑与重组社会认知，也是我们现在亟需解决的问题。

二、媒介逻辑的建构与社会认知的重组

对于算法的研究首先集中到了对媒介逻辑的建构上，并在此基础上去改变受众对社会关系的认知。由技术引发的生产变革，归根到底是生产者思维的转变，而现如今生产者对于媒介逻辑的转变又依附于算法的应用。因此，媒介逻辑的建构与社会认知的重组并不是相互独立的，而是相互影响、相互联系的。下面笔者将从算法对媒介逻辑的建构和对社会认知的重组两方面进行探究。

（一）智能传播：算法加速媒介逻辑的转向  传统意义上的新闻生产仅仅是把媒介看作一种传递信息和发挥社会功能的技术工具和社会角色，是一种技术、一种渠道，可以用于经验性的调查研究和社会管理，也正是基于此，学界展开了两方面的研究，其中一方面是媒介介质可以为人类做什么，另一方面是大众可以用媒介去做什么。但不管是哪方面的研究，大多都是把媒介作为一个单纯的客体来进行考量的，不管是逻辑上还是体系上都没有跳脱出大众与媒介之间存在的一个二元对立的分析框架[3]。这种理论范式在大众传播时代尚可以被人们以现有的经验清晰地感知到，如看报纸、听广播、看电视，在这个过程中受众可以清楚地区分开人与媒介，并且能意识到是受众在使用媒介。而在由智能技术飞速演变发展引起的传播生态变革的今天，很显然，这种把媒介看作是一种信息传递工具的说法已经站不住脚了。5G时代的到来，在人工智能的助推下，算法推送信息，而未来已很难区分大规模的机器人写作发布出来的内容信息流与实际人力写出来的东西，哪部分新闻是机器写的，哪部分是人写的。尤其是被算法日益包围的今天，算法本身已经成为一种媒介，而且是一种更高级别意义上的媒介。

说它是一种更高级别意义上的媒介并不是说它比别的媒介更加高级，而是把它放在一个更加宏观的视野中去看待，面对日益复杂的社会关系网络，精准的应用算法媒介，对于逻辑的建构具有特殊意义。算法被看作是一种传输媒介，一方面为解析算法的特殊社会建构功能提供了逻辑起点，还能把未来媒介的基本运作机理从复杂的媒介形态中挖掘出来[4]。因此，算法的应用已无处不在、不可避免，现在重要的是如何最大功能地利用它来创造出更多的可能。

（二）打破常规：算法对社会认知的重组

技术的发展使得人类的行为以一种数据化的方式呈现，而算法的加入，又使得人们通过数据化的信息来识别与感知世界并順应地采取下一步行动。作为21世纪的一种新型技术，算法不仅优化了传统的媒介传播方式，而且改变了人们对于社会关系的认知。人们在算法构建起来的场域中对自我认同、人际关系、社会地位以及公开言论都有了新的认知与思考。因而，从微型的人际关系到宏观的社会关系，在飞速发展的智媒时代，一个巨大的算法关系架构网络正在逐步形成，而存在于这其中的每个人和每个物都是这个关系网络中的重要节点。

把算法看作一个媒介，为社会认知的重组提供了思路。算法正在潜移默化地渗入社会的各个方面，通过形成一种逼真的“拟态环境”来建构我们的网络关系世界，进而影响我们对现实世界的认知，而算法作为一种更高意义上的媒介，也为媒介的社会化提供了新的思路。在传统的大众传播时代，媒介作为一种工具用以联结人与世界，信息的传递通常是点对点或点对面的，如《乡土中国》的作者费孝通用“差序格局”的概念来描述中国传统社会中的社会关系，他认为在差序格局中每个人都以自我为中心，由此向外扩展结成一个复杂的关系网络，在这种单一的社会结构中，人们对于社会关系的认知是有限的、固定的。而到了万物互联的智媒时代，算法的加入影响了人们的认知，人与人之间的关系网络变得更加错综复杂，人们开始重新思考“差序格局”的适用性，进而对社会的认知进行重组。

不管是算法加速了媒介逻辑的转向，还是算法引发了人们对社会重组的认知，我们都应该清晰地认识到算法作为一种技术，它并不是万能的，可能会带来积极、正向的把关作用，也可能会带来消极、片面的茧房影响。对待算法我们还是应该保持一种理智的态度，尽可能发挥其最大的积极作用，创造更大的社会价值。

三、算法形成信息茧房

美国著名学者凯斯·桑斯坦（Cass R.Sunstein）在著作《信息乌托邦——众人如何生产知识》中首次提出了信息茧房，即公众在大规模的信息洪流中只会去挑选与自己相关并且感兴趣的一部分，形成属于自己的“个人日报”。而长此以往不利于个人对信息世界的全面了解，逐渐形成一种 “回音室”（Echo Chamber）效应，这种现象会导致群体极化（Group Polarization）现象的发生。由于缺乏直接可观测到的数据，学界对于这一观点认同的音量正在逐渐增大。

在移动互联网时代，用户所处的媒介环境其实是高度自由的，在媒介的获取与使用上也空前的便利，而且通过不同的、多样的传播渠道和获取方式，用户有着多重选择。由于渠道不同，对于信息的传播与分发也不同，这样使有着多样信息需求的受众可以得到满足。因此，所使用的媒介不同，用户所接触到的信息也就不尽相同，有调查结果显示，2019年，只有2%的美国人通过单一的媒介渠道获取信息，大多数的受众都会使用多种媒介来全面地获取和了解信息。因此，不难发现，对于信息的获取，大部分的用户并不只是通过一种方式来获取，并且对于信息的接受吸收也未必只有一种需要。

美国实验心理学家卡尔·霍夫兰在个体差异论中说道，由于个体生活环境不同，接受的文化教育不同，由此在信念、理想价值观和个人追求上存在着认知差异。即便是完全一样的的传播内容，不同的受众所感知到的认知以及产生的效果也会完全不同，几乎所有人都更倾向于去按照自己原有的认知来读取解码信息，即具有对信息的选择接近权。但互联网所带来的信息是海量的，面对众多纷杂的信息，受众为了缓解内心的焦虑，达到知识的认知平衡，往往会根据个人的喜爱或既有的认知经验来进行筛选与过滤。但有研究也说明，受众对于不同的信源所传递的信息信任程度并不相同。在目前所有已知的用户可以接触到的媒介类型中，对于更加重要严肃的社会议题，社交媒体的可信赖度依然是最低的，用户更加信赖主流媒体。而主流媒体对于信息的发布更多的是呈现信息本来的样貌，进行修饰的部分偏少，对用户形成自己的判断干预的更少一些。因此，对于算法是否加剧了信息茧房的看法有必要继续进行研究。

四、解构算法把关的乌托邦世界

算法的应用发展到现阶段，社会各界对其褒贬不一。通过对CNKI上的大量文献进行量化分析之后我们发现，由算法的应用引发的各种现象一直是学界热议的话题，如算法究竟是导致了“信息茧房”还是“信息减负”、算法是否实现了客观中立、算法是否侵犯了个人隐私等也一直存有争议，同时也缺乏实证研究的结论来进行佐证。桑斯坦所描述的信息茧房更像是一个半预言式的隐喻，使之至今没有一个清晰和准确的量化研究框架。因此对于“信息茧房”是否存在，对于把算法进行“神化”来建构出的一个乌托邦世界是否存在，依然是有待商榷的。

（一）算法偏见：窄化的思维模式与认知系统  “算法即媒介”的观点让我们能清楚地意识到算法作为一种技术工具所蕴含的丰富含义，将其运用到信息传播中，不仅改变了传播方式，也丰富了传播的内涵。用户享有对信息的选择、接受以及传播的接近和表达的权利，智能化算法推送使得用户的接近表达权有所强化，但在信息的选择接受权方面却在客观上反而有所让渡甚至丧失[5]。这是一种从信源到信宿中间过程的丧失，人们只能进行被动的接受，而大部分的用户并不能察觉到这一点，在算法过滤后推荐的信息中进行选择，实则并没有跳出算法所画出的无形的“包围圈”。

拉扎斯菲尔德提出的选择性接触指出：“受众在接触大众传播活动时，并不是不加选择的，而是对与自己立场相同且有兴趣的信息进行接触”。而智能化推荐抓住了这一点对用户进行数据收集并进行有选择的推送，以一种“温水煮青蛙”的方式潜移默化地影响用户对世界的认知。持批判态度的学者大多对这种观点有同样的担忧，虽然算法一直主张“客观中立”，然而，智能传播环境下算法所进行的实践研究表明，所谓的“算法中立”更多的是人们对数据和技术进行的一种理想化的乌托邦想象。现实存在的固有问题与矛盾难以消除，政治内构与资本介入，社会的偏见化结构，量化计算对有机世界的遮蔽，都会导致算法产生内生性偏见[6]。进而引发思维模式与认知系统的窄化。

（二）算法推荐：社会发展的必然趋势

技术的应用归根到底是要为人服务的，技术的善恶关键在于使用技术的人。依托于大数据而产生的算法推荐俨然已成为新闻生产的“热门选手”。早在2017年，《纽约时报》《华尔街日报》等在內的一批出版商在与Facebook和谷歌的博弈事件中，拒绝把自己的内容通过社交平台渠道分发。二者争论的核心问题就是平台应用的算法技术不仅影响了新闻业的内容生产，还导致了用户的转移，进而影响到了广告的收入和品牌的入驻。尽管新闻从业者们再不满意，依托算法推荐的内容生产依旧在全世界范围内备受欢迎。

根据牛津大学路透新闻研究所发布的《数字新闻报告2017》，通过对欧洲、美洲和亚太地区的36个国家7万名受众的分析结果显示，有超过一半（54%）的受访者更喜欢通过算法来筛选故事，超出喜欢编辑或记者的比例（44%）。在中国的资讯信息分发市场上， 算法推送的内容已超过50%。但是对于算法推荐，新闻从业者为何会存在一种巨大的排斥？很大一部分原因来自于将算法看作是一种技术，一种对于思维方式起决定作用的技术。而在这个过程中从业者时常会忽略掉技术的发展是依托于当下的社会环境的，也忽略了对于技术给予支撑的背后的利益关系和经济制约。因此，当我们把算法看作是一种更高级的媒介时，应该看到算法作为人工智能的基础与核心并不是一成不变的，它也在发展与优化。而对待算法推荐的使用是不可逆的，我们应该看到这是一种社会发展的必然趋势，与其抱怨或者排斥，不如拥抱这项技术，并研究如何让其为我所用，创造更多的价值。

五、结 语

曾经有学者发出警示：“人们目前的生活依然存在着极大的隐患与风险，并且这种风险有可能会让人们重蹈覆辙，慢慢地接受与奴役自己和他人，对于过去结构化的认知与理解依旧会通过隐形的算法塑造着人们的价值观，并逐渐成为过去时代的产物”[7]。这会让人们产生担忧，即使人们对社会媒介所产生的风险已达成了普遍共识，也认识到通过算法对信息的传播所形成的自动化与原始化的影响，不仅没有把信息中所携带的垃圾过滤，还加深了人们对世界的固化认识。对于无处无时不在的算法，我们应该怎么做？目前的网络环境不可避免地要接触到算法，传播行为的发生也要借助智能应用，新媒介逻辑的侵蚀不可避免[8]。但就像媒介理论家道格拉斯·鲁什科夫（Douglas Rushkoff）在《人类团队》中所说道的：“人类现在已经没有办法回到前数字时代了，我们唯一能做的就是必须闯过去”[9]。

智媒时代算法的应用越发成熟与广泛，了解到算法背后真正的原理与机制是善用算法的重要前提。对于算法应该持有何种态度俨然需要我们用更加理性的态度来思考。如何生产更多优质多元的信息内容，呈现更加客观真实的事实真相，是每一个信息生产者值得思考的问题。擅用算法、善用算法，理性地看待算法，破除算法的神话，坚持人机共生，在更加宏观的社会层面上合理地利用算法带来的便利与机遇，打破对算法的偏见任重道远。

参考文献：

[1] 赵守香，唐胡鑫，熊海涛.大数据分析与应用[M].北京：航空工业出版社，2015：182.

[2] 景佳琦.国内媒体个性化算法推荐研究热点分析——基于CNKI的文献计量分析（2016—2019年）[J].新媒体研究，2020，6（13）：7-10.

[3] 徐生权.隐匿的媒介：媒介化生存下的媒介再认识[J].淮海工学院学报：人文社会科学版，2018，16（5）：61-66.

[4] 喻國明，耿晓梦.算法即媒介：算法范式对媒介逻辑的重构[J].编辑之友，2020（7）：45-51.

[5] 喻国明，赵文宇.算法是一种新的传播观：未来传播与传播学的重构[J].西南民族大学学报：人文社科版，2020，41（5）：145-149.

[6] 郭小平，秦艺轩.解构智能传播的数据神话：算法偏见的成因与风险治理路径[J].现代传播（中国传媒大学学报），2019，41（9）：19-24.

[7] Daniel Solove，“Speech，Privacy and Reputation on the Internet” in The Offensive Internet，London：Oxford University Press，2015：16.

[8] 全燕.智媒时代算法传播的形态建构与风险控制[J].南京社会科学，2020（11）：99-107.

[9] Douglas Rushkoff，Team Human，New York：Routledge，2019：8.

[责任编辑：杨楚珺]