算法與“信息繭房”間不應(yīng)畫等號（觀察家）

喻國明

作為一種普遍規(guī)律，但凡是創(chuàng)新，就必然會受到來自方方面面的審視與詰問。對于算法型信息分發(fā)而言，眼下最具社會普及性意義的一個突出問題就是：它是不是造成“信息繭房”（以及見識窄化，甚至是引發(fā)“后真相”時代）的罪魁禍?zhǔn)祝?/p>

答案是否定的。

“信息繭房”假說未證實

迄今為止，人類的信息分發(fā)模式大體上經(jīng)歷了三個主要的發(fā)展類型：1.倚重人工編輯的媒體型分發(fā)；2.依托社交鏈傳播的關(guān)系型分發(fā)；3.基于智能算法對于信息和人匹配的算法型分發(fā)。作為一種“闖入”信息傳播實踐的新生產(chǎn)力量，算法型信息推薦（分發(fā)）技術(shù)實現(xiàn)了信息生產(chǎn)與傳播范式的智能化轉(zhuǎn)向，同時帶來了用戶價值主導(dǎo)下的場景化適配。其發(fā)展與變化是一種重塑傳播規(guī)則、改變?nèi)藗冋J(rèn)知的全新機(jī)制設(shè)計。

“信息繭房”則是由哈佛大學(xué)教授凱斯·桑斯坦在2001年所提出的一種假說。在傳播學(xué)中，歐美學(xué)者常見的概念表述是“信息回音室”或“過濾氣泡”。前者突出的是“人們聽到和自己類似的聲音”，也就是所謂“回音”。后者強(qiáng)調(diào)的是社交媒體上的人際關(guān)系，以及算法推薦功能帶來的信息過濾效果。而對于算法信息分發(fā)的質(zhì)疑就在于，認(rèn)為智能機(jī)器會持續(xù)地為你只推薦一類信息，從而造成用戶的興趣和見識窄化。

從邏輯上講，這一假說成立的前提是，你喜歡看什么算法就只給你推送什么。事實上，算法沒有好惡，雖然能判斷你的興趣愛好，卻無法判斷你的觀點和態(tài)度。因此會推薦正反兩方的文章給你，避免偏聽偏言。相比起訂閱和關(guān)注這類高度認(rèn)同的信息來源，算法少了人工干涉，反而幫助你高效地接受多元化的信息?，F(xiàn)實的情況是，人們除了被動接受平臺所推送的信息和觀點之外，還可以用搜索功能來主動探索求證形成自己的認(rèn)知，主動打破“繭房”隱患。

事實上，桑斯坦關(guān)于“信息繭房”的假說在其后的學(xué)術(shù)性實證研究中，從來沒有被證實過。反而，習(xí)慣研究常常得出與之相異的結(jié)論：在算法型內(nèi)容推送之下，人們的認(rèn)知邊界不但沒有縮小，反而在明顯地擴(kuò)張，并且認(rèn)知層次也在隨之加深。

算法已越來越多元

換言之，在社會生活的具體實踐中，算法其實不但不會造成“信息繭房”現(xiàn)象，反而會更有利于打破這種見識窄化。原因是顯而易見的：

首先，關(guān)于智能算法型信息分發(fā)所依賴的算法，已具有越來越多元的發(fā)展趨勢。在市場競爭日趨激烈與分工更加細(xì)化的格局之下，不同的算法型信息分發(fā)平臺很少會使用同一種算法。而是根據(jù)自己的市場定位與資源稟賦，采用多種不同類型的推薦算法，以實現(xiàn)自身所掌握的資源與用戶需求的場景適配。實際上，采用多種算法的信息分發(fā)平臺所具有的社會構(gòu)造，從信息流動來說，總體上能夠有效地避免“繭房效應(yīng)”的發(fā)生。因此，問題的關(guān)鍵不是將重點置于一個算法型信息分發(fā)平臺對于人們的需求滿足是不是有局限性，而是應(yīng)該放在整個社會的信息推送的算法本身，是否有足夠多元化的特征。

其次，智能算法型信息分發(fā)所依賴的算法，如今正處在不斷優(yōu)化和迭代過程中。Facebook、Google、今日頭條均已深度介入到信息的分發(fā)中，算法是互聯(lián)網(wǎng)信息分發(fā)平臺在實現(xiàn)傳播效能中一個最重要的工具。目前，所有算法型信息分發(fā)平臺的優(yōu)化包括如下舉措：

第一，它們都有限度地向社會開放其算法，加強(qiáng)透明性，引入社會的監(jiān)督和參與。如今日頭條在2018年公開了自己的算法原理，核心是為用戶量身定制精準(zhǔn)度更高的信息推薦。

第二，算法的迭代將沿著

兩個維度持續(xù)升級：一是通過引入更加多維的數(shù)據(jù)（如：席位數(shù)據(jù)、未知數(shù)據(jù)、社交關(guān)系數(shù)據(jù)等）加深對于用戶需求定義和理解的廣度與深度；二是除了注重用戶價值之外，將更多的價值維度引入算法的計算框架中，如人們所處群體的價值維度、人們所處社會的價值維度、人們所處國家的價值維度等等，如此一來可以使算法越來越包容社會性的價值訴求，從而使信息的分發(fā)成為一種社會諸多價值“合力作用”的結(jié)果。

平臺不追求用戶興趣窄化

再次，作為平臺來說，“聰明”的算法平臺都不會希望自己的用戶興趣窄化，就像沒有一個商場的經(jīng)理會希望顧客每一次來到商場都只關(guān)注同一類別的商品一樣。事實上，商場經(jīng)理都希望顧客關(guān)注盡可能多的產(chǎn)品品類，以擴(kuò)大其消費能力。同樣的道理，算法型信息分發(fā)平臺也希望自己的用戶，盡可能持續(xù)地拓展自己的興趣和關(guān)注的范圍與數(shù)量。

從根本上說，從海量內(nèi)容中挑選用戶感興趣的內(nèi)容，這樣的信息推薦系統(tǒng)一定是智能的、可學(xué)習(xí)的系統(tǒng)，并且會根據(jù)用戶的反饋調(diào)整自己。通過種種正向、負(fù)向反饋，不斷觀察學(xué)習(xí)，根據(jù)這些市場信號和社會信號不斷調(diào)整自己，讓自己更能符合用戶的興趣需求和社會的價值潮流。所以，從推薦系統(tǒng)設(shè)計者來講，非常希望推薦系統(tǒng)短期數(shù)據(jù)有很好的表現(xiàn)，更需要挖掘用戶更多的興趣點，盡量在一個平臺上滿足用戶更多的興趣點。顯而易見的事實是：推薦內(nèi)容的多樣性越好，用戶的信息依賴度及長期留存概率便越大。

以上就是算法推薦不但不會導(dǎo)致“信息繭房”，反而會有助于人們打破“信息繭房”的基本緣由以及其社會邏輯、產(chǎn)業(yè)邏輯和市場邏輯。一句話，將算法與“信息繭房”簡單畫等號的做法真的可以休矣?！ㄗ髡呤潜本煼洞髮W(xué)新聞傳播學(xué)院執(zhí)行院長、教育部長江學(xué)者特聘教授）