算法時(shí)代的“信息匱乏”
——基于Facebook“邊際排名算法”公式的反思

戚金城

2018年初，以“未成年媽媽成網(wǎng)紅”“未婚先孕”“侮辱英烈”等為代表的嚴(yán)重侵蝕價(jià)值觀的社會(huì)話題，借助算法推薦在網(wǎng)絡(luò)世界大肆傳播。同年4月，國家廣播電視總局針對(duì)社會(huì)輿論強(qiáng)烈關(guān)注的今日頭條、快手，約談了兩家網(wǎng)站的主要負(fù)責(zé)人。雖然相關(guān)平臺(tái)已第一時(shí)間清理并道歉，但圍繞以今日頭條為首的內(nèi)容管理、算法推薦等方面的爭議并未停止。

自20世紀(jì)90年代以來，互聯(lián)網(wǎng)的逐步發(fā)展，締造了一個(gè)強(qiáng)大的信息帝國。海量的信息在極大地滿足網(wǎng)民搜索需要的同時(shí)，也加劇了傳播者之間的競(jìng)爭，即自己的信息能否在龐大的信息庫中脫穎而出，成功進(jìn)入受眾的眼睛。于是，互聯(lián)網(wǎng)從比特形式走向了更為高級(jí)的人工智能階段，而這種技術(shù)的本質(zhì)就是算法。人工智能讓新聞生產(chǎn)更加便捷、高效的同時(shí)，卻因其個(gè)性化推薦在海量的信息庫中導(dǎo)致了新的信息匱乏。

算法新聞的理念發(fā)端于美國，率先在發(fā)達(dá)國家得到應(yīng)用。算法，可以解釋為用于解決某一特定問題或達(dá)成特定目標(biāo)所采取的一系列步驟，通過算法進(jìn)行決策依賴于排序、分類、關(guān)聯(lián)、過濾四個(gè)步驟。[1]因此，本文根據(jù)2010年Facebook f8大會(huì)提到的和2018年今日頭條前資深產(chǎn)品經(jīng)理閆澤華在《內(nèi)容算法：把內(nèi)容變成價(jià)值的效率系統(tǒng)》一書中提到的Facebook“邊際排名算法”（Edge Rank Algorithm）核心計(jì)算公式，闡釋算法如何將受眾重新帶回信息匱乏的時(shí)代。

一、算法新聞的理論緣起

20世紀(jì)30-60年代，是算法新聞的理論孕育期：科學(xué)家在機(jī)器學(xué)習(xí)、腦科學(xué)等領(lǐng)域的探究，為算法新聞準(zhǔn)備了理論基礎(chǔ)。此階段的代表性理論研究有英國數(shù)學(xué)家阿蘭·麥席森·圖靈（Alan Mathison Turing）提出的輔助數(shù)學(xué)研究的機(jī)器（1937）和判定機(jī)器是否具有智能的“圖靈測(cè)試”（1950）、美國學(xué)者麥卡洛克(W.S.McCulloch)和皮茨（W.Pitts）提出的神經(jīng)元交互理論（1943）、美國心理學(xué)家羅森布拉特（Rosenblatt）提出第一個(gè)具有完整算法描述的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法（1958）。[2]但是，此階段的研究并沒有投入技術(shù)研發(fā)，只停留在理論層面。

20世紀(jì)70至90年代，是算法新聞的技術(shù)探索期。1976年在耶魯大學(xué)誕生的全球首套故事寫作機(jī)器算法是具有代表性的算法，開啟了機(jī)器模擬人類寫作的先河。21世紀(jì)以來，算法新聞的應(yīng)用越來越成熟，路透社于2006年使用算法為其網(wǎng)站編輯財(cái)經(jīng)新聞，F(xiàn)acebook也在同年推出動(dòng)態(tài)消息。2006年被認(rèn)為是算法新聞應(yīng)用推廣元年；[3]2009年Facebook推出新的首頁、動(dòng)態(tài)消息不再依時(shí)間排序，而是通過相關(guān)程序篩選好友與專頁的大量貼文、照片、故事等動(dòng)態(tài)，目的在于向使用者展示有趣且愿意互動(dòng)的內(nèi)容。

二、 Facebook“ 邊 際排名算法”

Facebook最初的排序公式，被稱為“邊際排名算法”。該算法的核心公式為:E=u×w×d。[4]u：指用戶與內(nèi)容發(fā)布者之間的親密分?jǐn)?shù)，互動(dòng)越高的親密度分?jǐn)?shù)越高；w：不同反饋動(dòng)作有不同的權(quán)重，反饋動(dòng)作包括展示、評(píng)論、點(diǎn)贊等，比如，評(píng)論動(dòng)作的權(quán)重就會(huì)顯著高于點(diǎn)贊動(dòng)作；d：基于時(shí)間的衰減，越新的內(nèi)容權(quán)重越高。如今，社交軟件如新浪微博、推薦引擎產(chǎn)品如今日頭條，都能看到Facebook算法公式的影子。

（一）內(nèi)容呈現(xiàn)掌握在活躍的網(wǎng)民手中

Facebook算法公式的第一個(gè)變量為“u”，即與用戶互動(dòng)程度越高的內(nèi)容越能呈現(xiàn)在該平臺(tái)上。親密度和用戶動(dòng)作的引入極大地抑制了大號(hào)和營銷號(hào)刷屏的情況，沒有互動(dòng)的粉絲就只是停留在頁面上的一個(gè)數(shù)字而已，這使得企業(yè)賬號(hào)在獲取粉絲之后，必須同時(shí)下力氣維護(hù)自己的粉絲群體。Facebook從個(gè)人專頁逐漸擴(kuò)散至Facebook粉絲專頁，集結(jié)了虛擬社區(qū)，達(dá)到了社群營銷的效果。但是，社群集合是為了共同的目標(biāo)，而這個(gè)共同的目標(biāo)則可能是對(duì)社會(huì)不利的。

以2016年的英國脫歐和美國大選為例，有人稱之為“謊言的勝利”[5]?！昂笳嫦唷保╬osttruth）經(jīng)過這兩個(gè)政治事件后被《牛津詞典》評(píng)選為年度新詞。主張脫歐的英國政客約翰遜（Boris Johnson）和特朗普被指責(zé)利用民眾的偏激情緒，不斷發(fā)表煽動(dòng)性言論，曲解事實(shí)，制造謠言而贏得大量支持者。受眾盲目擁護(hù)某個(gè)政見或政客，民眾對(duì)政治事務(wù)的認(rèn)識(shí)僅憑自我感受。按照粉絲互動(dòng)的算法公式，煽動(dòng)性言論只會(huì)甚囂塵上。

1949年，美國信息學(xué)者C.香農(nóng)和W.韋弗在《傳播的數(shù)學(xué)理論》一文中提出過一個(gè)傳播過程模式，被稱為傳播過程的數(shù)學(xué)模式或香農(nóng)-韋弗模式。如圖所示，由信源發(fā)出訊息，再由發(fā)射器將訊息轉(zhuǎn)化為可以傳送的信號(hào)，經(jīng)過傳輸，由接收器把接收到的信號(hào)還原為訊息，將之傳遞給信宿。雖然該模式存在缺陷，但他們提出了一個(gè)重要的概念——噪音。

噪音并不是狹義的概念，而是指對(duì)訊息傳送過程的干擾，使得信息產(chǎn)生某種衰減或失真。人工智能時(shí)代的算法，正是有一種“噪音算法”的干擾，造成信息傳播的失真。這種失真阻礙了普通網(wǎng)民的表達(dá)權(quán)，新聞、言論就無法真正實(shí)現(xiàn)自由，呈現(xiàn)出的內(nèi)容也會(huì)不全面。

（二）內(nèi)容的“能見度”取決于社交媒體使用行為

Facebook算法公式的第二個(gè)影響因素“w”，即反饋動(dòng)作影響內(nèi)容的排名：評(píng)論動(dòng)作的權(quán)重高于點(diǎn)贊動(dòng)作。我國周懿瑾等學(xué)者針對(duì)微信朋友圈使用行為的研究也表明：評(píng)論作為組合式的信息，能夠承載個(gè)性化的內(nèi)容，發(fā)送者能得到接受者進(jìn)一步的互動(dòng)及互惠行為，相較于點(diǎn)贊，更能為用戶帶來社會(huì)資本。[6]評(píng)論動(dòng)作對(duì)于Facebook核心算法的重要作用便是增加內(nèi)容的“能見度”（即新聞內(nèi)容的呈現(xiàn)或遮蔽），讓新聞業(yè)面臨凝聚讀者注意力的挑戰(zhàn)——媒體不得不讓渡過去在“能見度”上的影響力，向算法權(quán)力靠攏。[7]

Facebook 2009年推出的新的首頁，透過預(yù)設(shè)篩選好友與專頁的大量貼文、照片、故事等動(dòng)態(tài)，目的在于向使用者展示有趣且愿意互動(dòng)的內(nèi)容。每當(dāng)使用者登錄時(shí)，算法便掃描并搜集使用者過去一周的每位朋友、追蹤過的每個(gè)人、所屬社團(tuán)中發(fā)布的貼文，還有點(diǎn)贊過的每個(gè)專頁。之后，動(dòng)態(tài)消息便依照貼文的價(jià)值程度進(jìn)行排序。因此，基于Facebook的算法，各大媒體的Facebook賬號(hào)為了吸引受眾評(píng)論和點(diǎn)贊，從而增加被受眾注意的概率，就必然會(huì)投其所好，發(fā)布的內(nèi)容向受眾靠攏。這樣的“窄播”無可厚非，但長此以往，難免會(huì)使受眾局限于狹窄的“視界”中，造成互聯(lián)網(wǎng)時(shí)代的信息匱乏。

（三）優(yōu)質(zhì)內(nèi)容湮沒在海量信息之中

Facebook核心算法公式的第三個(gè)因素是“d”——越新的內(nèi)容呈現(xiàn)頻率越高。從傳統(tǒng)的報(bào)刊時(shí)代到如今的互聯(lián)網(wǎng)時(shí)代，內(nèi)容的生產(chǎn)和傳播速度有了巨大的提高，人人擁有“麥克風(fēng)”也讓互聯(lián)網(wǎng)上的信息越來越泛濫。但Facebook算法公式中的“d”（時(shí)間因素）讓不斷新產(chǎn)生的內(nèi)容覆蓋在老舊的內(nèi)容之上，就可能會(huì)導(dǎo)致舊有的優(yōu)質(zhì)內(nèi)容被湮沒，以至于減少了被受眾注意的概率。以特朗普的Facebook賬號(hào)為例，其頻繁更新的貼文覆蓋了之前發(fā)布的動(dòng)態(tài)，引導(dǎo)Facebook使用者追尋一個(gè)又一個(gè)新的熱點(diǎn)，利用網(wǎng)民的“易忘性”來“冷卻”曾經(jīng)的對(duì)自身具有負(fù)面影響的熱點(diǎn)。

此外，從新聞學(xué)原理來看，衡量新聞價(jià)值的一個(gè)重要標(biāo)準(zhǔn)便是新鮮性，但一味追求速度而忽視新聞的真實(shí)性，就會(huì)導(dǎo)致越來越多未經(jīng)求證或蓄意制造的假新聞、反轉(zhuǎn)新聞出現(xiàn)。新聞的生產(chǎn)需要專業(yè)記者在采訪后編寫而成，但假新聞、謠言的產(chǎn)生速度卻快得多，并且是普通網(wǎng)民便能制造的。在月活躍用戶達(dá)10億的Facebook，造謠者利用謠言的煽動(dòng)作用，裹挾著網(wǎng)民的強(qiáng)大互動(dòng)，便能“滾雪球式”地吸引更多網(wǎng)民的關(guān)注。

三、對(duì)算法新聞的反思及治理建議

Facebook在陷入“半人工”政治偏見風(fēng)波后也更新了最新的算法，即在最初的三個(gè)Edge Rank之外增加新的特征和排序方法，如Story Bumping（對(duì)信息進(jìn)行二次判斷，如果判斷為重要，則會(huì)跳過時(shí)間順序進(jìn)行展示）。但這種算法公式終究還是在機(jī)器的“機(jī)械”操作之下進(jìn)行的。關(guān)于對(duì)算法（人工智能）的治理，已有諸多研究者從新聞傳播倫理、加強(qiáng)人為把關(guān)等方面進(jìn)行過論述，筆者擬從新聞公評(píng)人制度對(duì)算法新聞的治理提出些許建議。

公評(píng)人（Ombudsman）一詞最初源于古斯堪的納維亞語，本來專指調(diào)查公務(wù)人員舞弊情況的政府官員。公評(píng)人制度早先主要運(yùn)用在歐美國家，新聞公評(píng)人則在日本較早嘗試：1922年《朝日新聞》任命一個(gè)委員會(huì)，接受和調(diào)查讀者對(duì)于報(bào)紙錯(cuò)誤的投訴。[8]新聞公評(píng)人的角色定位相當(dāng)于受眾在媒體中的代表，旨在接受和調(diào)查公眾關(guān)于新聞報(bào)道準(zhǔn)確、公平、平衡以及品位方面的投訴，并向有關(guān)部門或人員提供改進(jìn)建議。這種制度有利于媒體自我監(jiān)督，加強(qiáng)與受眾的聯(lián)系及與之增進(jìn)信任，減少政府干預(yù)。

學(xué)者喻國明等人認(rèn)為，算法的本質(zhì)是一種社會(huì)權(quán)力：信息的傳播與控制方式在新媒體時(shí)代受到來自技術(shù)賦權(quán)的挑戰(zhàn)。[9]即算法背后的掌控者在操控內(nèi)容的分發(fā)，一旦技術(shù)被這種權(quán)力操控，就必然為技術(shù)背后權(quán)力主體的利益服務(wù)，信息的封鎖、過濾與審查就將通過技術(shù)手段來實(shí)現(xiàn)。

所以，以Facebook為首的內(nèi)容分發(fā)平臺(tái)要想不被受眾質(zhì)疑對(duì)內(nèi)容的操控，就有必要在人為把關(guān)措施之外實(shí)行新聞公評(píng)人制度：以受眾為主體增加對(duì)平臺(tái)的監(jiān)督，減少權(quán)力的干預(yù)，讓新聞、言論在社交媒體時(shí)代變得更加自由，這也有利于受眾破除“信息繭房”。

注釋：

[1]方師師.算法機(jī)制背后的新聞價(jià)值觀：圍繞“Facebook偏見門”事件的研究[J].新聞?dòng)浾撸?016（9）.

[2]吳鋒.發(fā)達(dá)國家“算法新聞”的理論緣起、最新進(jìn)展及行業(yè)影響[J].編輯之友，2018（5）.

[3]Tomasula, S. Introduction to focus: machine writing[J]. American Book Review, 2014, 35(2): 3-7.

[4]閆澤華.內(nèi)容算法：把內(nèi)容變成價(jià)值的效率系統(tǒng)[M].北京：中信出版集團(tuán)，2018.

[5]劉建明.“后真相”論的執(zhí)迷與幻覺[J].新聞愛好者，2017（12）.

[6]周懿瑾，魏佳純.“點(diǎn)贊”還是“評(píng)論”？社交媒體使用行為對(duì)個(gè)人社會(huì)資本的影響[J].新聞大學(xué)，2016（1）.

[7]蕭維杰.能見度的支配與拼搏：Facebook動(dòng)態(tài)消息演算法權(quán)力下的臺(tái)灣新聞媒體[D].臺(tái)北：臺(tái)灣師范大學(xué)，2017.

[8]劉學(xué)義.大眾媒體的自我檢視：美、加等國新聞公平人制度探微[J].西南民族大學(xué)學(xué)報(bào)（人文社科版），2010（3）.

[9]喻國明，楊瑩瑩，閆巧妹.算法即權(quán)力：算法范式在新聞傳播中的權(quán)力革命[J].編輯之友，2018（5）.