劉煜洲 仝澤宇

摘 要 通過算法進(jìn)行的內(nèi)容分發(fā)無疑提升了信息傳播的效率，在有關(guān)個(gè)性化推薦算法的研究內(nèi)容當(dāng)中，學(xué)者們常常從“信息繭房”“認(rèn)知窄化”“過濾氣泡”等角度進(jìn)行批判式研究。實(shí)際上，個(gè)性化推薦算法是否真的造成了使用者“故步自封”其實(shí)還是一個(gè)值得商榷的問題。文章提出在個(gè)性化推薦算法當(dāng)中蘊(yùn)含著共同體塑造的可能性，先提出個(gè)性化算法推送易造成全景敞視監(jiān)獄與數(shù)字勞工這兩個(gè)陷阱，再對個(gè)性化推薦算法是如何對共同體塑造構(gòu)建了可能進(jìn)行分析。

關(guān)鍵詞 技術(shù)；共同體；個(gè)性化推薦；算法

中圖分類號 G2 文獻(xiàn)標(biāo)識碼 A 文章編號 2096-0360（2021）19-0072-03

早在1922年，李普曼（Walter Lippmann）在其所創(chuàng)作的《公眾輿論》一書中就提出“擬態(tài)環(huán)境”（pseudo-environment）這一概念，意在強(qiáng)調(diào)新聞媒體機(jī)構(gòu)具有對社會(huì)事實(shí)的“重塑”作用，即大眾傳媒通過對新聞事實(shí)的挑選、編輯、分發(fā)等隱藏在“黑箱”當(dāng)中的操作，從而構(gòu)建出大眾傳媒想要呈現(xiàn)給大眾的“社會(huì)現(xiàn)實(shí)”。這一理論在20世紀(jì)初“魔彈論”盛行的那個(gè)時(shí)期，反映出新聞媒體機(jī)構(gòu)在“建構(gòu)社會(huì)現(xiàn)實(shí)”“凝聚社會(huì)合意”“指導(dǎo)大眾生活”等方面的強(qiáng)大作用。

伴隨信息技術(shù)的不斷發(fā)展，人類從信息匱乏時(shí)代漸入到信息超載時(shí)代。如何進(jìn)行高效率的內(nèi)容分發(fā)，成為了所有信息技術(shù)公司孜孜追求的方向。起初，“分類目錄”和“搜索引擎”的方式在互聯(lián)網(wǎng)發(fā)展的初期為用戶節(jié)約了一定的決策成本。然而，“分類目錄”無法適應(yīng)爆炸式的信息增長，也無法為用戶提供引導(dǎo)服務(wù)；“搜索引擎”也只是一種被動(dòng)的信息過濾機(jī)制，既無法實(shí)現(xiàn)主動(dòng)為用戶推送消息，亦無法挖掘用戶的潛在需求、提供個(gè)性化的服務(wù)[1]。因此，如何在海量的信息面前實(shí)現(xiàn)信息與用戶之間精準(zhǔn)高效的匹配，這不僅對傳統(tǒng)傳媒業(yè)的發(fā)展提出了巨大挑戰(zhàn)，同時(shí)也是數(shù)字媒體技術(shù)時(shí)代公眾與信息技術(shù)公司共同關(guān)注的重要問題。

在此背景下，個(gè)性化推薦算法在海量數(shù)據(jù)的基礎(chǔ)上應(yīng)運(yùn)而生。個(gè)性化推薦算法的運(yùn)作機(jī)理即通過對用戶行為和關(guān)系的分析，挖掘用戶對內(nèi)容的偏好和潛在需求，通過信息聚合，自動(dòng)為其生成符合其需求的信息，從而實(shí)現(xiàn)內(nèi)容推薦與信息發(fā)送的個(gè)性化[2]。也就是說，個(gè)性化推薦算法可以為用戶精準(zhǔn)“描摹畫像”，從而實(shí)現(xiàn)多元信息的精準(zhǔn)分類、匹配與推送。同時(shí)，社交媒體的發(fā)展為聚合用戶使用數(shù)據(jù)、深入分析用戶行為提供了更為便捷的平臺。

有研究者對今日頭條的新聞推送進(jìn)行量化研究后發(fā)現(xiàn)，今日頭條的算法分發(fā)實(shí)現(xiàn)了所謂“千人千面”的傳播效果，即沒有兩個(gè)人收到完全相同的新聞推送[3]。然而，在這樣一種所謂“千人千面”的個(gè)性化推送當(dāng)中，是否可以將其理解為每位用戶都作為一個(gè)“個(gè)體”在不同的時(shí)間、地點(diǎn)進(jìn)行著信息的收受活動(dòng)？個(gè)性化算法推送會(huì)不會(huì)將具有主動(dòng)性與能動(dòng)性的用戶再次打散為大眾社會(huì)論者眼中的原子化的大眾？個(gè)性化推薦算法當(dāng)中是否有著類似于大眾傳媒“凝聚社會(huì)共識”的作用？

在大數(shù)據(jù)的支持下，基于用戶的使用習(xí)慣、興趣愛好以及社交網(wǎng)絡(luò)等進(jìn)行信息推送的算法打著個(gè)性化的旗幟，表面上為用戶提供更好的服務(wù)與更精準(zhǔn)的內(nèi)容推送，實(shí)質(zhì)上則是將作為使用主體的用戶推向了全景敞視監(jiān)獄與網(wǎng)絡(luò)時(shí)代的數(shù)字勞工的陷阱當(dāng)中。

2.1 看不見的控制：全景敞視監(jiān)獄

法國哲學(xué)家?？碌娜俺ㄒ暠O(jiān)獄理論具有極強(qiáng)的啟示意義。在全景敞視監(jiān)獄中，象征權(quán)力的高塔是人們所“可見”的，似乎那里總是有人在監(jiān)視周圍“犯人們”的一舉一動(dòng)。但是對于“犯人們”而言，監(jiān)視者是否正在監(jiān)視著他是“不可見”的，甚至不確定高塔中是否存在所謂的監(jiān)視者。“犯人們”在這種不確定性之下只能時(shí)刻規(guī)范自己的行動(dòng)，以保證自己的行為不管監(jiān)視者何時(shí)看到都是符合制度準(zhǔn)則的。久而久之，這樣一種心理就會(huì)內(nèi)化為自身的一種規(guī)范，從而實(shí)現(xiàn)對于監(jiān)視者而言，最低成本而又最高效益的“自我監(jiān)視”。這與過去監(jiān)獄中象征著權(quán)力的皮鞭、牢房的情況大有不同。這樣一種隱性的權(quán)力在現(xiàn)代社會(huì)發(fā)揮著越來越重要的作用[4]。

個(gè)性化推薦算法實(shí)質(zhì)上正是媒介技術(shù)營造全景敞視監(jiān)獄的中介。在算法的個(gè)性化推送的邏輯當(dāng)中，倘若沒有對于每位用戶隱私數(shù)據(jù)的收集，在爆炸式的信息面前是無法做到信息與用戶的精準(zhǔn)匹配的。而用戶隱私數(shù)據(jù)的提供正是通過各種不得不點(diǎn)擊的“我同意”“我接受”的條款。之所以說“不得不”，是因?yàn)榧傧刖芙^或關(guān)閉這些條款和權(quán)限，那么現(xiàn)如今絕大多數(shù)的應(yīng)用軟件都是無法使用的。當(dāng)你在接受這些條款并進(jìn)行必要的實(shí)名認(rèn)證或基本信息填寫之后，你的個(gè)人信息、使用數(shù)據(jù)、瀏覽痕跡等都將一一上傳到服務(wù)器當(dāng)中。在商業(yè)公司的合謀之下，你剛在淘寶上瀏覽過的某個(gè)產(chǎn)品，就會(huì)出現(xiàn)在隨后打開的抖音廣告界面當(dāng)中。

隱藏在所有應(yīng)用軟件背后的算法，靜悄悄地源源不斷地收集著你的個(gè)人數(shù)據(jù)，在越來越個(gè)性化的同時(shí)，不僅伴隨著隱私泄露更大的可能性，在更無意識或有意識的層面上規(guī)范著使用者的行為。算法就像是一雙看不見的眼睛，無形卻持續(xù)監(jiān)督著使用者的行為。你的網(wǎng)頁瀏覽痕跡、點(diǎn)贊評論內(nèi)容、LBS（移動(dòng)定位服務(wù)）都將成為算法個(gè)性化推送的依據(jù)。

2.2 數(shù)字勞工：數(shù)字資本的免費(fèi)勞動(dòng)力

在算法源源不斷地收集個(gè)人數(shù)據(jù)信息以便更精準(zhǔn)地實(shí)現(xiàn)個(gè)性化服務(wù)的同時(shí)，每一位用戶實(shí)際上又成為了數(shù)字資本的免費(fèi)勞動(dòng)力?；ヂ?lián)網(wǎng)政治經(jīng)濟(jì)學(xué)研究領(lǐng)域的代表性學(xué)者克里斯蒂納·富克斯教授根據(jù)馬克思關(guān)于勞動(dòng)的定義和媒介政治經(jīng)濟(jì)學(xué)派學(xué)者達(dá)拉斯·思邁茲的“受眾商品論”，提出了更符合互聯(lián)網(wǎng)時(shí)代的數(shù)字勞工理論。正如富克斯所總結(jié)的關(guān)于數(shù)字勞工在商業(yè)資本當(dāng)中的勞動(dòng)方式：

其一，勞動(dòng)具有強(qiáng)迫性，在互聯(lián)網(wǎng)時(shí)代的浪潮下，我們的生活日益變得網(wǎng)絡(luò)化、全球化與數(shù)字化，人們越來越離不開互聯(lián)網(wǎng)，越來越依賴于互聯(lián)網(wǎng)，互聯(lián)網(wǎng)的使用對于人們而言變成了一種必需品；其二，異化的勞動(dòng)，本質(zhì)上講互聯(lián)網(wǎng)的使用者是在為網(wǎng)絡(luò)商業(yè)公司打工，而人們卻幾乎得不到任何實(shí)質(zhì)性報(bào)酬，商業(yè)公司從中獲取利潤；其三，網(wǎng)絡(luò)用戶的雙重商品化，使用者本身是一種商品，而使用者生產(chǎn)的信息也是一種商品[5]。

通過開啟軟件的各種權(quán)限，軟件中的算法不斷收集用戶的使用數(shù)據(jù)、地理位置等信息，從而在大數(shù)據(jù)的支持下實(shí)現(xiàn)信息與用戶之間的精準(zhǔn)匹配。而用戶在此過程當(dāng)中恰恰充當(dāng)了數(shù)字勞工的角色，不得不使用、接受算法的推薦；表面上自己獲取了個(gè)性化的服務(wù)，實(shí)際上卻是異化的勞動(dòng)的表現(xiàn)；用戶自己生產(chǎn)的數(shù)據(jù)源源不斷被算法收集，成為商業(yè)公司合謀下的數(shù)字商品，同時(shí)再將其與新聞或其他信息進(jìn)行匹配輸出成另外一種商品銷售給使用者。

作為網(wǎng)絡(luò)社會(huì)研究領(lǐng)域的代表性學(xué)者，曼紐爾·卡斯特在其著作《認(rèn)同的力量》一書中通過對原教旨主義、民族與民族國家的關(guān)系以及地方共同體等方面的討論表述了共同體的概念與形成，他認(rèn)為共同體“往往以歷史、地理或生物學(xué)所清楚界定的、很容易就能分辨出抗拒邊界的認(rèn)同為基礎(chǔ)，建構(gòu)出集體的、抗拒那些不如此就無法承受的壓迫力量的認(rèn)同”[6]。

國內(nèi)學(xué)者在研究個(gè)性化推薦算法時(shí)，往往將個(gè)性化推薦與信息繭房、知識窄化、過濾氣泡等概念劃等號。然而，正如學(xué)者喻國明所言，智能算法型信息分發(fā)所依賴的算法，不僅具有越來越多元的發(fā)展趨勢，同時(shí)也處在不斷優(yōu)化和迭代的過程當(dāng)中。算法平臺雖然以個(gè)性化推薦、信息與用戶的精準(zhǔn)匹配為目的，但是算法平臺并不希望用戶的興趣窄化，只有促使用戶關(guān)注更多的內(nèi)容種類，才能不斷保持用戶對該平臺的興趣與新鮮感，即算法平臺“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”[7]。實(shí)際上，算法推薦平臺中“同城”“可能認(rèn)識的人” “附近的人”等基于LBS的內(nèi)容推薦，以及通過協(xié)同過濾方式均在隱性的層面上有可能實(shí)現(xiàn)共同體意識。

3.1 基于LBS內(nèi)容推薦的地方共同體的可能

卡斯特在其著作《認(rèn)同的力量》一書中說“人們是在他們的地方環(huán)境中進(jìn)行社會(huì)化和互動(dòng)的”，與此同時(shí)，根據(jù)研究共同體問題的學(xué)者及卡斯特的跨文化觀察，可以認(rèn)為“人們將會(huì)抗拒個(gè)體化和社會(huì)原子化的過程，而更愿意在那些不斷產(chǎn)生歸屬感、最終在許多情況下產(chǎn)生一種共同體的、文化的認(rèn)同的共同體組織中聚集到一起”[6]。

在今日頭條、一點(diǎn)資訊等新聞聚合平臺，包括愛奇藝、騰訊視頻等視頻類平臺均設(shè)有“同城”欄目，在基于LBS的內(nèi)容推薦與新聞價(jià)值中地理上的接近性相契合的基礎(chǔ)上，這樣的設(shè)置不僅可以促進(jìn)用戶對所在地區(qū)信息的快速獲取，也能夠在一定程度上了解該地區(qū)的經(jīng)濟(jì)文化等相關(guān)信息，倘若該地區(qū)的文化符合用戶的期待，或接近用戶在自身社會(huì)化過程當(dāng)中所接受到的文化背景，便容易對該地區(qū)產(chǎn)生共同體意識。

不僅如此，在許多應(yīng)用軟件當(dāng)中都有“家鄉(xiāng)”或“故鄉(xiāng)”之類的個(gè)人信息填寫，盡管用戶可能身處他鄉(xiāng)，但算法通過對用戶個(gè)人信息的收集，依舊能夠推送用戶故鄉(xiāng)的相關(guān)信息。由于故鄉(xiāng)是幾乎每個(gè)人社會(huì)化最重要也是影響最持久的場所，當(dāng)算法對其相關(guān)信息進(jìn)行推送的過程當(dāng)中，便能夠起到維系“鄉(xiāng)愁”的重要作用。

3.2 協(xié)同過濾實(shí)現(xiàn)隱性共同體意識的可能

概言之，“協(xié)同過濾”即在海量數(shù)據(jù)面前，通過計(jì)算找到用戶與用戶之間的相似興趣，并將此興趣內(nèi)容進(jìn)行目標(biāo)推薦。陳昌鳳將協(xié)同過濾算法又分為“基于用戶的協(xié)同過濾算法”和“基于物品的協(xié)同過濾算法”，前者的原理是“人以群分”，通過聚類分析若干用戶的行為數(shù)據(jù)，將行為類似的用戶編入一個(gè)隱形閱讀小組，將目標(biāo)用戶推薦該小組中其他用戶感興趣但未被目標(biāo)用戶閱讀過的新聞；后者的原理是“物以類聚”，如果某兩則新聞總是被同一個(gè)用戶閱讀，則默認(rèn)二者之間有更大的相關(guān)性，因而會(huì)給閱讀過其中一則的用戶推薦另外一則，該算法不直接計(jì)算兩則新聞的相似度，而是通過用戶對兩則新聞交互行為的類似性，推斷出兩則新聞具有的相似程度。

在“協(xié)同過濾”機(jī)制運(yùn)作的過程當(dāng)中不難發(fā)現(xiàn)，無論是“人以群分”的隱形閱讀小組，還是“物以類聚”的進(jìn)行新聞配對推送，都在一種潛在的方式形成了某種不確定的、不易被察覺的共同體。

“用戶”與“受眾”比起來，前者的“用”代表著主動(dòng)性，“戶”代表著獨(dú)特性與差異性，“受眾”作為大眾傳播理論時(shí)代的名詞，更多意義上是將人們視為被動(dòng)信息接受的群體，缺乏主動(dòng)性與獨(dú)特性[8]。算法的衍生漸進(jìn)了權(quán)力運(yùn)作方式的轉(zhuǎn)變，算法作為一種權(quán)力無情將用戶拋入了全景敞視監(jiān)獄和數(shù)字勞工的陷阱當(dāng)中。用戶不僅無時(shí)無刻被監(jiān)視，更充當(dāng)著商業(yè)公司“更好為你服務(wù)”承諾下的廉價(jià)勞動(dòng)力。以此而言，在現(xiàn)有文獻(xiàn)多從“信息繭房” “過濾氣泡”等個(gè)性化的陷阱討論的基礎(chǔ)上，思考算法對社會(huì)的共同體塑造有著重要意義。

參考文獻(xiàn)

[1]陳昌鳳，師文.個(gè)性化新聞推薦算法的技術(shù)解讀與價(jià)值探討[J].中國編輯，2018（10）：9-14.

[2]喻國明，李慧娟.大數(shù)據(jù)時(shí)代傳媒業(yè)的轉(zhuǎn)型進(jìn)路：試析定制內(nèi)容、眾包生產(chǎn)與跨界融合的實(shí)踐模式[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報(bào)），2014，36（12）：1-5，11.

[3]王茜.打開算法分發(fā)的“黑箱”：基于今日頭條新聞推送的量化研究[J].新聞?dòng)浾撸?017（9）：7-14.

[4]包亞明.?？略L談錄：權(quán)力的眼睛[M].嚴(yán)峰，譯.上海：上海人民出版社，1997：158.

[5]Fuchs，Christian.Dallas Smythe today： the audience commodity，the digital labour debate，Marxist political economy and critical theory. Prolegomena to a digital labour theory of value[J].tripleC：Open Access Journal for a Global Sustainable Information Society，2012，10（2）：692-740.

[6]曼紐爾·卡斯特.認(rèn)同的力量[M].2版.曹榮湘，譯.北京：社會(huì)科學(xué)文獻(xiàn)出版社，2006：8，64-65.

[7]喻國明.算法與“信息繭房”間不應(yīng)畫等號[N].環(huán)球時(shí)報(bào)，2019-12-17（14）.

[8]張小強(qiáng)，郭然浩.媒介傳播從受眾到用戶模式的轉(zhuǎn)變與媒介融合[J].科技與出版，2015（7）：123-128.

3347501908246