殷楚冬

摘要：媒介融合的時(shí)代人工智能、物聯(lián)網(wǎng)等技術(shù)推陳出新，與媒體的迭代衍生出新的媒體形態(tài)與媒介環(huán)境。新聞推送智能算法是新媒體時(shí)代廣泛應(yīng)用于各類社交媒體的產(chǎn)物。本文以 Facebook動(dòng)態(tài)新聞算法的淺析為例，探討當(dāng)前社交媒體動(dòng)態(tài)新聞推送的算法機(jī)制背后所承載的當(dāng)代社會(huì)新聞價(jià)值觀，以及對(duì)社會(huì)造成的潛在影響。

關(guān)鍵詞：社交媒體;新聞價(jià)值觀;協(xié)同過濾機(jī)制

社交媒體的平臺(tái)化已成為新媒體業(yè)界顯著趨勢(shì)。各類社交網(wǎng)站成為當(dāng)今用戶主要新聞信息來源，正潛移默化地重構(gòu)著媒介生態(tài)。以 Facebook為代表的各類社交網(wǎng)站作為新聞媒體消息推送的“窗口”日益成為人們獲取信息、了解新聞的主要渠道。根據(jù)美國皮尤調(diào)查研究中心發(fā)布的《2016美國媒體發(fā)展報(bào)告》數(shù)據(jù)顯示，逾六成的美國成年人從社交媒體上獲取新聞，其中通過Facebook獲取新聞的就占美國成年人口數(shù)的44%。Facebook無疑是美國乃至世界上最大的新聞消息源。

數(shù)字化媒介融合的背景下，社交網(wǎng)站與傳統(tǒng)新聞媒體之間的關(guān)系日益密切，甚至出現(xiàn)了相互交叉滲透的趨勢(shì)。新聞網(wǎng)站和社交平臺(tái)根據(jù)用戶的歷史操作痕跡，精密計(jì)算出用戶偏好并推送感興趣內(nèi)容的算法操作，實(shí)現(xiàn)了用戶體驗(yàn)的人性化與智能化。但由此也引發(fā)了一種思考：這種基于人為關(guān)系或個(gè)人偏好的新聞算法機(jī)制，是否能夠真正符合用戶的偏好或滿足用戶的求知需求？而這類通過程序化算法進(jìn)行新聞信息推送甚至是新聞編輯的社交網(wǎng)站是否正向“社交新聞媒體”的性質(zhì)過渡？假若 Facebook這類的社交網(wǎng)站真的成為新型“新聞媒體”，傳統(tǒng)的新聞價(jià)值觀對(duì)于它們而言是否適用？長期以來，新聞算法機(jī)制的支持者總是自詡“技術(shù)中立”，試圖與傳統(tǒng)新聞的編輯價(jià)值觀劃清界限。2016年美國大選期間，靠算法推送新聞資訊的 Facebook 曾被詬病大面積傳播假新聞，甚至被認(rèn)定其影響了大選結(jié)果。雖然扎克伯格（Facebook 公司創(chuàng)立者）一度堅(jiān)持 Facebook 只是技術(shù)公司，但如今假新聞的泛濫似乎令這些社交網(wǎng)站左右為難，新聞事實(shí)是否需要審查？人工還是算法審查？因此，本文以 Facebook動(dòng)態(tài)新聞算法的解析為切入點(diǎn)，試圖探討當(dāng)前社交媒體動(dòng)態(tài)新聞推送的算法機(jī)制對(duì)社會(huì)產(chǎn)生的潛在影響。

一、Facebook 的算法機(jī)制

什么是算法？簡而言之，算法就是通過分類、關(guān)聯(lián)、排序、過濾等步驟來解決一項(xiàng)既定任務(wù)的自主模式。雖然算法操作起來似乎只是一種計(jì)算機(jī)程式，但實(shí)際上多種主觀因素都會(huì)內(nèi)嵌其中，例如價(jià)值標(biāo)準(zhǔn)的選擇、數(shù)據(jù)提取的依據(jù)以及結(jié)果分析量表的制定等。因此，針對(duì)算法機(jī)制的研究必須將算法視為含有主觀因素的研究對(duì)象，并將其中主觀意圖以及創(chuàng)造者或團(tuán)體納入考察范圍內(nèi)。這也是本文選擇研究對(duì)象要素分析的考量標(biāo)準(zhǔn)。

自2004年 Facebook 誕生伊始，研發(fā)團(tuán)隊(duì)就遵循著“用戶滿足至上”為核心的設(shè)計(jì)框架，包括上傳照片、標(biāo)記好友、動(dòng)態(tài)消息（News Feed）等。動(dòng)態(tài)消息不是指傳統(tǒng)意義上的新聞消息，而是指用戶看到的最近更新的照片、視頻和信息流等。動(dòng)態(tài)消息作為Facebook 新聞業(yè)務(wù)的核心，算法變遷經(jīng)歷了以下幾個(gè)主要階段 ：

（一）階段一：邊際排序算法

邊際排序算法（EdgeRank）是Facebook 提出的動(dòng)態(tài)消息推送排序的新算法，用于區(qū)別傳統(tǒng)默認(rèn)的時(shí)間逆序（Timeline）排序方式。每一個(gè)用戶頁面內(nèi)容之間的互動(dòng)都可以被視作有一條“邊”（edge），而每一個(gè)“邊”都由3個(gè)要素構(gòu)成，算法核心是每個(gè)事件對(duì)這個(gè)用戶而言的權(quán)重 E，其計(jì)算公式是 E= U*W*D， 其中U代表親密度（Affinity），指用戶之間的互動(dòng)情況，互動(dòng)越頻繁，權(quán)重越高;W代表生產(chǎn)成本（Edge Weight），即邊權(quán)重，主要受事件互動(dòng)類型的影響，例如點(diǎn)贊、評(píng)論、收藏等;D代表新鮮程度（Time Decay）：指“邊”更新存在時(shí)間，往往經(jīng)歷時(shí)間越長，權(quán)重就越低。三個(gè)構(gòu)成要素疊加在一起，就產(chǎn)生了邊際排序。邊際排序算法用于描述某信息對(duì)某觀察者（用戶）的重要性，考慮了信息生產(chǎn)者和觀察者的親密度，信息類型以及新鮮程度。

（二）階段二：協(xié)同過濾機(jī)制

在進(jìn)一步升級(jí)程序精準(zhǔn)性的同時(shí)，研發(fā)團(tuán)隊(duì)又一次對(duì)動(dòng)態(tài)消息算法做出調(diào)整，表明“流量黃金時(shí)代”可能很快就會(huì)成為過去。他們提出要把“用戶真正關(guān)心的內(nèi)容挖掘出來”，為此他們?cè)O(shè)置了一套協(xié)同過濾機(jī)制（Luckerson，2015）。事實(shí)上，這套機(jī)制依然是一種帶有人為主觀因素的算法?！拔覀兿Ｍ屇懔私膺@項(xiàng)變化，它可能對(duì)發(fā)布商獲得的推薦流量產(chǎn)生影響。”Facebook產(chǎn)品經(jīng)理麥克斯·尤侖斯坦在自己的博客中寫道，“在某些情況下，帖子的落地率和推薦流量都有可能下滑（Chowdhry，2015）?！?/p>

之后，F(xiàn)acebook對(duì)其動(dòng)態(tài)新聞算法進(jìn)行了調(diào)整。首先，用戶可連續(xù)看到同一個(gè)來源發(fā)布的不止一篇信息?！笆站o”了對(duì)自動(dòng)排除相同信息來源情況的算法程序，以增強(qiáng)用戶對(duì)特定信息流的關(guān)注。其次，用戶可以優(yōu)先看到好友發(fā)布的動(dòng)態(tài)信息內(nèi)容。用戶好友的照片、視頻、狀態(tài)更新或鏈接等社區(qū)內(nèi)容可以在動(dòng)態(tài)消息界面中獲得更高的權(quán)重，以降低用戶錯(cuò)過這些信息的概率。最后，是隱藏用戶的好友點(diǎn)贊或評(píng)論。某種意義上說這樣會(huì)大幅降低內(nèi)容發(fā)布商的二次傳播落地率。

Facebook算法升級(jí)的背后實(shí)質(zhì)上是一種更加突出用戶對(duì)象之間的關(guān)系以及互動(dòng)程度的機(jī)制深化。第一項(xiàng)算法調(diào)整其實(shí)對(duì)發(fā)布商有利，因?yàn)楸M管用戶可以重復(fù)性地“瀏覽”到某一并未關(guān)注的信息發(fā)布商生產(chǎn)的多條信息，但從根本上講，算法更新使得用戶環(huán)境場(chǎng)域愈發(fā)集中于以用戶為核心發(fā)散的好友關(guān)系網(wǎng)絡(luò)。相應(yīng)地，用戶對(duì)陌生的內(nèi)容發(fā)布商的帖子關(guān)注度就會(huì)降低。更新后的新聞算法甚至降低了發(fā)布商生產(chǎn)信息的落地率，限制了大部分的“二次傳播”信息，但事實(shí)上這種算法機(jī)制可以提高特定內(nèi)容的權(quán)重，提高內(nèi)容信息的用戶關(guān)注度。用戶在動(dòng)態(tài)信息流中看到的內(nèi)容取決于很多因素，包括用戶所關(guān)注的主頁、與之互動(dòng)的內(nèi)容以及相關(guān)好友。所以，即使一個(gè)用戶不在Facebook上關(guān)注新聞媒體，但那些媒體生產(chǎn)的新聞內(nèi)容會(huì)通過關(guān)注好友的信息分享出現(xiàn)在該用戶的動(dòng)態(tài)信息流中，從而得到更大的權(quán)重。

（三）階段三：“3F原則”與動(dòng)態(tài)消息新聞價(jià)值觀

根據(jù)2016年英國媒體《衛(wèi)報(bào)》曝光的一份文檔顯示，F(xiàn)acebook的熱門新聞推送基本依靠公司內(nèi)部的編輯團(tuán)隊(duì)進(jìn)行內(nèi)容的篩選與整理，并非采用既定的算法。此次“新聞偏見門”事件成為美國輿論界熱議話題，也引發(fā)了業(yè)界關(guān)于新聞價(jià)值觀內(nèi)涵的討論。受“新聞偏見門”沖擊，F(xiàn)acebook再度更新了動(dòng)態(tài)新聞的算法機(jī)制，提出了動(dòng)態(tài)新聞價(jià)值觀——“3F 原則”（Friends and Family First），即社交經(jīng)驗(yàn)和朋友關(guān)系優(yōu)先（Mosseri，2016）。

相比以往由傳統(tǒng)媒體把關(guān)的媒介環(huán)境，此次Facebook算法更新實(shí)際上是二次建構(gòu)了用戶（受眾）的信息接觸環(huán)境。因此，這種機(jī)制的核心建立在受眾參與的基礎(chǔ)上，而算法只是工具性地將這一機(jī)制賦予執(zhí)行。紐約大學(xué)新聞學(xué)院教授杰伊·羅森認(rèn)為Facebook算法更新是新聞價(jià)值觀的一個(gè)“新開端”，用戶的社交屬性價(jià)值超過公共世界利益價(jià)值，成為網(wǎng)絡(luò)平臺(tái)技術(shù)發(fā)展考慮的首要因素（Rosen， 2016）。但這也意味著用戶將會(huì)更深地沉浸在自我構(gòu)建的“信息世界”里。網(wǎng)絡(luò)天然地把興趣趨向相同或類似的人聚攏在一起，共享著相似的感知態(tài)度和意識(shí)價(jià)值。從而每個(gè)用戶接觸的都是自己喜歡的事物、贊同的觀點(diǎn)。“用的越多，越是你想要的，”，越封閉的圈子越容易接受算法智能推送帶來的偏激。從此，F(xiàn)acebook不再諱言自身的新聞價(jià)值取向——平臺(tái)上信息的“真實(shí)性”可以由特定情境下平臺(tái)媒體與用戶關(guān)系互建決定。也就是說新聞信息的客觀性如今可以由外部化標(biāo)準(zhǔn)決定，傳統(tǒng)新聞價(jià)值觀已悄然發(fā)生了改變。

二、算法背后的新聞價(jià)值觀

Facebook最近一次的算法更新，使其在以往協(xié)同過濾機(jī)制基礎(chǔ)上，進(jìn)一步強(qiáng)調(diào)了用戶體驗(yàn)及其社交關(guān)系對(duì)于新聞推送內(nèi)容以及排序的主導(dǎo)性選擇權(quán)。社交媒體的信息生產(chǎn)方式實(shí)現(xiàn)了“選擇即生產(chǎn)”模式的設(shè)想。那么問題是，作為一個(gè)對(duì)于用戶新聞接觸具有實(shí)質(zhì)意義的社交平臺(tái)，F(xiàn)acebook 應(yīng)當(dāng)扮演何種社會(huì)角色，其異于傳統(tǒng)的信息生產(chǎn)方式隱含著怎樣的社會(huì)新聞價(jià)值觀呢？

美國學(xué)者勞倫斯萊斯格在互聯(lián)網(wǎng)發(fā)展早期就提出“代碼即法律”（Code is Law）的著名論斷。他認(rèn)為，盡管代碼可以擺脫信息編輯的主觀管制，但代碼本身是不固定的，而且極易被商業(yè)、政治等非技術(shù)形態(tài)操縱和改變。人們?cè)诰W(wǎng)絡(luò)空間的行為仍然是受控制的，只不過這種控制是媒體通過更改代碼實(shí)現(xiàn)。按照萊斯格的理論，盡管 Facebook 宣稱“不干涉信息分發(fā)的排序”，但事實(shí)上在內(nèi)容標(biāo)簽、下發(fā)機(jī)制等諸多環(huán)境中，算法的設(shè)計(jì)與迭代都不可避免地?fù)诫s了設(shè)計(jì)者的主觀性。首先，推薦算法本身就需要預(yù)設(shè)某種價(jià)值觀。比如，“看過什么最多，就說明最喜歡什么”和“大家都在看，所以他可能也會(huì)感興趣”，就是兩種主觀預(yù)設(shè)。

更深層次的，是所謂“個(gè)性化推薦”背后對(duì)人性的預(yù)設(shè)和影響。在傳統(tǒng)媒體時(shí)代，信息雖然是由專業(yè)的媒體機(jī)構(gòu)或編輯進(jìn)行把關(guān)過濾，但受眾個(gè)體依然可以在多元化的“被構(gòu)建的媒介環(huán)境”里各取所需。但是在動(dòng)態(tài)新聞算法下，無論信息如何多元自由，都需要經(jīng)過同一套算法的過濾。表面上，這種算法消除了把關(guān)人對(duì)信息的主觀篩選，尊重個(gè)體對(duì)信息的自主選擇，事實(shí)上卻在“代替”用戶個(gè)體完成信息選擇與處理的過程。算法一方面提高了信息的分發(fā)效率，另一方面卻是在剝奪個(gè)體獲取信息的主動(dòng)性。

康奈爾大學(xué)傳播學(xué)系教授塔爾頓·吉萊斯認(rèn)為平臺(tái)媒體（社交平臺(tái)）比他們自愿承認(rèn)的更像傳統(tǒng)媒體（Gillerpie，2010）。社交媒體始終在尋找可持續(xù)的商業(yè)化經(jīng)營模式，有膽量點(diǎn)燃爭議話題的討論。當(dāng)他們發(fā)展到足夠強(qiáng)大時(shí)，不僅可以增加用戶粘性，對(duì)于內(nèi)容呈現(xiàn)的選擇、組織化結(jié)構(gòu)、議程設(shè)置框架、技術(shù)架構(gòu)等甚至可以影響公共話題的輪廓。這種依靠算法進(jìn)行新聞推送排序的方式，實(shí)質(zhì)上仍是極少數(shù)人對(duì)多數(shù)人閱讀習(xí)慣的猜測(cè)和強(qiáng)化訓(xùn)練，而這極少數(shù)人就是算法背后的開發(fā)者。算法頻繁迭代，呈現(xiàn)的則是這一小部分人價(jià)值觀的自主輸入，且往往包含著其他的隱藏的政治或商業(yè)訴求。

或許對(duì)于Facebook來說，強(qiáng)化技術(shù)標(biāo)準(zhǔn)與能力以及以用戶社交關(guān)系為基礎(chǔ)的信息體系都是無法割舍的。前者能夠突出強(qiáng)調(diào)自身的中立原則，保證價(jià)值不涉及任何利益關(guān)系;后者則能弱化信息推送平臺(tái)自身的偏向引導(dǎo)關(guān)系。而事實(shí)上，這一橫一縱的兩大理念同樣重要，F(xiàn)acebook公司可以將信息來源的可信度移交給上一層過濾單位（即傳統(tǒng)媒體），而只需在信息過剩的環(huán)境里提供給用戶真正需要的信息觸點(diǎn)。

參考文獻(xiàn)：

[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（09）.

[2]Amit， C. Facebook Changes News Feed Algorithm To Prioritize Content From Friends Over Pages. https：//www.forbes.com/sites/amitchowdhry/2015/04/23/facebook-changes-news-feed-algorithm-to-prioritize-content-from-friends-over-pages/#75969753127a. April 23， 2015.

[3]Adam， M. Building a Better News Feed for You. http：//newsroom.fb.com/news/2016/06/building-a-better-news-feed-for-you/. June 29， 2016.

[4]David， K. The Facebook Effect [M]. Simon & Schuster. 2010.

[5]Devito， M.A. From Edition to Algorithms： a values-based approach to understanding story selection in the Facebook news feed. Digital journalism， 2016： 1-21.

[6]Gillerpie， T. （2010）. The Politics of“Platforms” [J]. Social Science Electronic Publishing， 2009， 12（3）：347- 364.

[7]Jay，R. Facebook backs off on the View from Nowhere. http：//pressthink.org/2016/06/facebook-backs-off-a-bit-from-the-view-from-nowhere/.June 29， 2016.

[8]Victor，L. Here’s How Facebook’s News Feed Actually Works. http：//time.com/3950525/facebook-news-feed- algorithm/. July 9， 2015.