列夫?曼諾維奇 /文 張 斌 / 譯

今天的文化讓一切都變得千篇一律。電影、廣播和雜志形成了一個(gè)體系……利益團(tuán)體喜歡用技術(shù)術(shù)語(yǔ)來(lái)解釋文化工業(yè)。他們爭(zhēng)辯說(shuō)，數(shù)以百萬(wàn)計(jì)的參與者需要復(fù)制過(guò)程，這不可避免地導(dǎo)致使用標(biāo)準(zhǔn)過(guò)程來(lái)滿足無(wú)數(shù)地方的相同需求……實(shí)際上，操縱和追溯需求的循環(huán)使系統(tǒng)更加緊密地統(tǒng)一起來(lái)。1Max Horkheimer and Theodor Wiesengrund Adorno, Dialectic of Enlightenment, trans. By E. Jephcott, Stanford, CA:Stanford University Press, 2002.

斯庫(kù)巴（Scuba）是Facebook的快速切片數(shù)據(jù)存儲(chǔ)庫(kù)。它存儲(chǔ)了成千上萬(wàn)表格，數(shù)據(jù)高達(dá)100TB。它每秒吸收數(shù)百萬(wàn)新數(shù)據(jù)行并刪除同樣多的數(shù)據(jù)行。它的吞吐量峰值大約為每秒100個(gè)查詢，每秒掃描1000億行，大多數(shù)響應(yīng)時(shí)間低于1秒。1Jo-Ann Wiener and Nathan Bronson, Facebook’s Top Open Data Problems, https://research.fb.com/facebook-s-topopen-data-problems/.

我們的數(shù)據(jù)真的很重要。衡量全球大多數(shù)主要網(wǎng)站的每一個(gè)頁(yè)面上的每一秒用戶參與度意味著科學(xué)定義的海量數(shù)據(jù)。2About Chartbeat, https://chartbeat.com/about/.

技術(shù)媒體的歷史可以想象為一系列相互重疊的階段。在每一個(gè)階段，創(chuàng)建、存儲(chǔ)、分發(fā)和使用內(nèi)容的新技術(shù)和新實(shí)踐都很突出。但是這些實(shí)踐不會(huì)以線性的方式相互替換。相反，舊的系統(tǒng)會(huì)繼續(xù)與新系統(tǒng)共存。例如，印刷的大規(guī)模復(fù)制、廣播、使用個(gè)人電腦創(chuàng)建媒體、網(wǎng)絡(luò)作為出版和分發(fā)平臺(tái)、社交網(wǎng)絡(luò)和媒體共享網(wǎng)站等都只是這些實(shí)踐中的一部分。它們現(xiàn)在都很活躍，盡管在很長(zhǎng)一段時(shí)間內(nèi)，早期的實(shí)踐可能并不那么重要，或者以重要的方式進(jìn)行了轉(zhuǎn)變。

這篇文章旨在描述現(xiàn)代技術(shù)媒體發(fā)展的最新階段。我稱這個(gè)階段為“媒體分析”（media analytics）。與其他階段不同，它的核心不是創(chuàng)作、出版或發(fā)行，盡管它也會(huì)影響這些業(yè)務(wù)。這個(gè)新階段的核心是對(duì)所有在線媒體內(nèi)容以及在線個(gè)人和群體行為和交流的自動(dòng)計(jì)算分析。因?yàn)檫@個(gè)行業(yè)沒(méi)有一個(gè)單獨(dú)的術(shù)語(yǔ)來(lái)指代這些實(shí)踐，所以我姑且命名為“媒體分析”。

媒體分析的動(dòng)機(jī)和用途是多種多樣的，但它們都與21世紀(jì)早期數(shù)字文化的規(guī)模有關(guān)。這個(gè)規(guī)模就是數(shù)字內(nèi)容的數(shù)量——網(wǎng)絡(luò)有140億網(wǎng)頁(yè)，每天分享20億張照片，流媒體Spotify有3000萬(wàn)首歌曲，等等。它還包括分享、互動(dòng)或購(gòu)買這些內(nèi)容的人數(shù)。截至2017年初，世界有25億活躍社交網(wǎng)絡(luò)用戶和37億互聯(lián)網(wǎng)用戶，這些數(shù)字還在繼續(xù)增長(zhǎng)。因此，說(shuō)媒體分析和“大數(shù)據(jù)”范式的興起有關(guān)就有些輕描淡寫了。事實(shí)上，谷歌和Facebook開發(fā)的下一代存儲(chǔ)、檢索和分析大數(shù)據(jù)的技術(shù)現(xiàn)在也用在其他領(lǐng)域，因?yàn)樗鼈兊拿襟w和交互記錄的數(shù)量非常龐大。

一、媒體分析案例

通過(guò)網(wǎng)站或應(yīng)用程序（app）銷售文化商品和服務(wù)的公司（如亞馬遜、蘋果、 Spotify、Netflix），組織和制作可搜索的信息和知識(shí)（谷歌、百度、Yandex），提供推薦（Yelp、TripAdvisor），實(shí)現(xiàn)社交交流、信息共享（Facebook、QQ、微信、WhatsApp、推特等）和媒體分享（Instagram、Pinterest、YouTube）都依賴于對(duì)大量媒體數(shù)據(jù)集和數(shù)據(jù)流的計(jì)算分析。這些數(shù)據(jù)包括：

● 用戶在線行為的痕跡（即數(shù)字足跡）：訪問(wèn)網(wǎng)站、跟蹤鏈接、分享帖子和“點(diǎn)贊”、瀏覽和點(diǎn)擊廣告；

● 物理行為的痕跡：地理位置、用戶發(fā)布到社交網(wǎng)絡(luò)的日期和時(shí)間、連接到互聯(lián)網(wǎng)的用戶計(jì)算機(jī)的位置；

● 公司創(chuàng)建的媒體內(nèi)容：歌曲、視頻、書籍和電影；

● 社交網(wǎng)絡(luò)用戶創(chuàng)建的媒體內(nèi)容：帖子、對(duì)話、圖片和視頻。

我用數(shù)據(jù)集（data sets）這個(gè)術(shù)語(yǔ)來(lái)指代在自動(dòng)分析之前數(shù)據(jù)庫(kù)中的組織化的靜態(tài)或“歷史”數(shù)據(jù)。在工業(yè)數(shù)據(jù)分析應(yīng)用程序中，“歷史”一詞指的是過(guò)去幾秒鐘以上的事情，有時(shí)甚至是幾分之一秒。數(shù)據(jù)流（data streams）是指實(shí)時(shí)到達(dá)并使用諸如Spark streams和Storm這樣的平臺(tái)進(jìn)行不間斷分析的數(shù)據(jù)。在這兩種情況下，收集的數(shù)據(jù)也使用平臺(tái)存儲(chǔ)，比如Cassandra、HBase、MongoDB。到目前為止，數(shù)字人文和計(jì)算社會(huì)科學(xué)只分析了歷史上靜態(tài)的數(shù)據(jù)集，與此同時(shí)，產(chǎn)業(yè)越來(lái)越多地使用數(shù)據(jù)流的實(shí)時(shí)分析，這些數(shù)據(jù)流的規(guī)模較大，需要前面提到的特殊平臺(tái)。

讓我們考慮一個(gè)媒體內(nèi)容的計(jì)算分析和使用這種分析的例子。Spotify分析了3000多萬(wàn)首歌曲中每首歌曲的許多特征。這些特征，或者說(shuō)“特性”，也可以通過(guò)Spotify向外部開發(fā)者開放API方法“為歌曲獲取音頻特性”。該方法的當(dāng)前規(guī)范列出了13個(gè)特性。其中許多都是建立在較低層次的特征之上，這些特征是由算法從音軌文件中提取的。這些特征是“聲學(xué)性”、舞蹈性、持續(xù)時(shí)間（以毫秒計(jì)）、能量、“器樂(lè)性”、聲調(diào)、“活躍”、響度、模式、“言語(yǔ)”、節(jié)奏、時(shí)間特征和效價(jià)。

Spotify和其他音樂(lè)流媒體服務(wù)使用這種提取的功能，為用戶自動(dòng)創(chuàng)建自定義播放列表，從一首歌、專輯、藝術(shù)家或流派開始。你可以從一首歌曲開始，然后應(yīng)用程序的算法會(huì)在一個(gè)功能空間中選擇和它相近的歌曲，并進(jìn)行流媒體播放。這種方法的優(yōu)點(diǎn)是新歌不必屬于同一專輯或同一歌手，他們只需要與以前的歌曲共享一些音樂(lè)特征。

媒體分析還有很多其他的例子。例如，為了使其搜索服務(wù)成為可能，谷歌不斷地分析全部?jī)?nèi)容并標(biāo)記數(shù)十億個(gè)Web頁(yè)面。它通過(guò)爬蟲軟件查看Web上可以觸及的每一個(gè)頁(yè)面以及它的文本、布局、使用的字體、圖像，等等。電子郵件的垃圾郵件檢測(cè)依賴于對(duì)大量電子郵件文本的分析。亞馬遜通過(guò)分析數(shù)百萬(wàn)客戶的購(gòu)買情況來(lái)推薦圖書。Netflix分析了數(shù)百萬(wàn)用戶對(duì)推薦電影和電視節(jié)目的選擇。它還分析了所有產(chǎn)品的信息，創(chuàng)建了超過(guò)7萬(wàn)種類型類別。語(yǔ)境廣告系統(tǒng)，如AdSense，分析網(wǎng)頁(yè)內(nèi)容，并自動(dòng)選擇相關(guān)廣告顯示。電子游戲公司捕捉數(shù)百萬(wàn)玩家的游戲動(dòng)作，并以此來(lái)優(yōu)化游戲設(shè)計(jì)。Facebook的算法會(huì)分析每個(gè)用戶所有好友的所有更新，然后自動(dòng)選擇哪些更新會(huì)顯示在用戶訂閱中。媒體分析在產(chǎn)業(yè)中使用的其他例子包括自動(dòng)翻譯（谷歌、Skype）和推薦人們關(guān)注或添加到你的朋友列表 （推特、Facebook）。使用語(yǔ)音界面進(jìn)行谷歌搜索，谷歌語(yǔ)音轉(zhuǎn)錄（Beaufays）、微軟的小娜（Cortana），或蘋果的Siri也依賴于對(duì)之前數(shù)百萬(wàn)小時(shí)語(yǔ)音交互的計(jì)算分析。

使數(shù)據(jù)收集、分析和后續(xù)行動(dòng)成為可能的算法和軟件的開發(fā)是由許多學(xué)術(shù)領(lǐng)域的研究人員進(jìn)行的，包括機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、音樂(lè)信息檢索、計(jì)算語(yǔ)言學(xué)、自然語(yǔ)言處理、數(shù)據(jù)挖掘和計(jì)算機(jī)科學(xué)的其他領(lǐng)域。其中許多領(lǐng)域是在20世紀(jì)50年代開始發(fā)展的，大約在1950年出現(xiàn)了關(guān)鍵的概念“信息檢索”。最新的術(shù)語(yǔ)是數(shù)據(jù)科學(xué)（data science），在2010年之后開始流行。它是指了解當(dāng)代的數(shù)據(jù)分析算法和方法（今天是機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和人工智能的重疊術(shù)語(yǔ)）以及經(jīng)典統(tǒng)計(jì)，能夠利用現(xiàn)有技術(shù)，如我之前提到的平臺(tái)實(shí)現(xiàn)了大數(shù)據(jù)的收集、分析、報(bào)告和存儲(chǔ)。

業(yè)界以外的人可能會(huì)驚訝地發(fā)現(xiàn)，媒體分析技術(shù)的許多關(guān)鍵部分都是開源的。為了加快研究進(jìn)度，大多數(shù)頂級(jí)公司會(huì)定期共享它們代碼的許多部分。例如，在2015年11月9日，谷歌開源了它的數(shù)據(jù)和媒體分析系統(tǒng)TensorFlow，以支持它的許多服務(wù)。其他公司，如Facebook和微軟也開放了用于組織海量數(shù)據(jù)集的軟件系統(tǒng)（Cassandra和Hive是Facebook的兩個(gè)流行系統(tǒng)，現(xiàn)在很多商業(yè)和非營(yíng)利組織都在使用它們）。反之亦然。擁有超過(guò)200萬(wàn)會(huì)員的社區(qū)地圖項(xiàng)目Openstreetmap.org的數(shù)據(jù)被許多商業(yè)公司使用在它們的應(yīng)用程序中，包括微軟和Craigslist。目前用于媒體分析研究的最流行的編程語(yǔ)言是開源的R和Python。

如果我們想確定跨文化產(chǎn)業(yè)對(duì)內(nèi)容和互動(dòng)數(shù)據(jù)的大規(guī)模分析實(shí)踐的建立日期，我們可以選擇1995年（早期的網(wǎng)絡(luò)搜索引擎）作為開始的日期，而2010年（Facebook用戶數(shù)達(dá)到5億）是這些實(shí)踐完全成熟的日期。如今，媒體分析被認(rèn)為是理所當(dāng)然的，每一家提供社交網(wǎng)絡(luò)或在線銷售媒體產(chǎn)品的大公司每天都在做這件事，而且越來(lái)越實(shí)時(shí)。數(shù)百家提供社交媒體儀表盤（用于監(jiān)控和分析用戶活動(dòng)和發(fā)布內(nèi)容的網(wǎng)絡(luò)工具）的公司也進(jìn)行了同樣的分析，并為大量客戶進(jìn)行定制分析。

二、媒體分析的兩個(gè)部分

媒體分析是媒體技術(shù)的新階段，它影響著數(shù)十個(gè)使用互聯(lián)網(wǎng)和計(jì)算設(shè)備的國(guó)家中很大一部分人口的日常文化體驗(yàn)。媒體分析的一部分——用戶交互數(shù)據(jù)（如數(shù)字跟蹤）的收集和算法分析——已經(jīng)得到了很大的關(guān)注。然而，對(duì)這些實(shí)踐的討論大多集中在政治和社會(huì)問(wèn)題上，如隱私、監(jiān)視、訪問(wèn)權(quán)、歧視、公平、偏見等等，而不是技術(shù)媒體的歷史和理論。

相比之下，媒體分析的第二部分，也就是業(yè)內(nèi)對(duì)所有類型的在線媒體內(nèi)容進(jìn)行算法分析的實(shí)踐受到的關(guān)注較少。然而，只有當(dāng)我們把媒體分析的兩個(gè)部分，用戶交互數(shù)據(jù)分析和媒體內(nèi)容分析放在一起考慮時(shí)，1995—2010年之間逐漸發(fā)生的轉(zhuǎn)變的規(guī)模才會(huì)完全顯現(xiàn)出來(lái)。盡管大眾媒體上的文章討論了在某些情況下對(duì)文化內(nèi)容和數(shù)據(jù)進(jìn)行計(jì)算分析的細(xì)節(jié)，比如谷歌搜索、Netflix的推薦系統(tǒng)，或者2008年奧巴馬的競(jìng)選活動(dòng)，但它們沒(méi)有解釋媒體分析現(xiàn)在在整個(gè)文化產(chǎn)業(yè)中的使用情況。

媒體分析實(shí)踐和技術(shù)被應(yīng)用于人們分享、購(gòu)買和與文化產(chǎn)品互動(dòng)的大多數(shù)平臺(tái)及服務(wù)中。公司使用其來(lái)自動(dòng)選擇在這些平臺(tái)上將向每個(gè)用戶顯示什么、如何顯示、何時(shí)顯示，包括好友的更新和推薦內(nèi)容。也許最重要的是，這些技術(shù)內(nèi)置于許多應(yīng)用程序和Web服務(wù)中，不僅由企業(yè)和非營(yíng)利組織使用，還被成千上萬(wàn)的個(gè)人使用。這些人不僅作為消費(fèi)者，而且也作為內(nèi)容和意見的生產(chǎn)者參與到文化產(chǎn)業(yè)中。喬治?瑞澤爾（George Ritzer）和奈森?杰根森（Nathan Jurgenson）稱這種混合了消費(fèi)和生產(chǎn)的狀況為“產(chǎn)銷者資本主義”（prosumer capitalism）。例如，用于網(wǎng)站和博客的谷歌分析，以及由Facebook、Twitter和其他主要社交網(wǎng)絡(luò)提供的分析儀表板，被數(shù)以百萬(wàn)計(jì)的人用來(lái)調(diào)整他們的內(nèi)容和發(fā)布策略。

媒體分析的這兩個(gè)部分都是歷史上新出現(xiàn)的。馬克斯?霍克海默和西奧多?阿多諾撰寫《啟蒙辯證法》時(shí)，人際交往和群體互動(dòng)不是文化產(chǎn)業(yè)的一部分。但是今天，它們也變得“工業(yè)化”了——部分受算法的影響，這些算法決定了網(wǎng)絡(luò)向你展示什么內(nèi)容、更新和信息。這些交互也在不同的意義上工業(yè)化了。社交網(wǎng)絡(luò)和通訊應(yīng)用的界面和工具都是由UI（用戶交互）科學(xué)家和設(shè)計(jì)師設(shè)計(jì)的，他們會(huì)測(cè)試無(wú)限的可能性，以確保每個(gè)UI元素，比如按鈕和菜單都經(jīng)過(guò)優(yōu)化和設(shè)計(jì)，以獲得最大的效果。

媒體分析的第二部分——媒體內(nèi)容的計(jì)算分析在文化產(chǎn)業(yè)的應(yīng)用方面也是最近才出現(xiàn)的。20世紀(jì)40年代誕生了首個(gè)能夠響應(yīng)查詢要求、進(jìn)行計(jì)算機(jī)編碼文本查詢的計(jì)算機(jī)技術(shù)。1948年的一次會(huì)議上，霍爾姆斯特倫（Holmstrom）描述了一種“名為Univac的機(jī)器”，它能夠搜索與主題代碼相關(guān)的文本引用。代碼和文本存儲(chǔ)在一個(gè)磁鋼磁帶上。卡爾文?莫爾斯（Calvin Mooers）在其麻省理工學(xué)院的碩士論文中創(chuàng)造了信息檢索（information retrieval）這個(gè)詞，并于1950年發(fā)表了他對(duì)這個(gè)詞的定義。根據(jù)這個(gè)定義，信息檢索是“尋找那些位置不明，甚至不知存在與否的信息”。雖然最早的系統(tǒng)只使用主題和作者代碼，但在20世紀(jì)50年代末，IBM的計(jì)算機(jī)科學(xué)家漢斯?彼得?盧恩（Hans Peter Luhn）引入了全文處理，我認(rèn)為這是媒體分析的真正開端。

在20世紀(jì)80年代，最早的搜索引擎將信息檢索技術(shù)應(yīng)用到互聯(lián)網(wǎng)上。在萬(wàn)維網(wǎng)開始成長(zhǎng)后，新的網(wǎng)站搜索引擎被創(chuàng)造出來(lái)。首個(gè)著名的搜索網(wǎng)站文本的引擎是1994年發(fā)布的WebCrawler。在20世紀(jì)90年代的后半段，許多搜索引擎，包括Yahoo!、Magellan、Lycos、Infoseek、Excite和AltaVista陸續(xù)出現(xiàn)。在21世紀(jì)初，對(duì)其他類型的網(wǎng)絡(luò)媒體，包括圖片、視頻和歌曲的大量分析也開始了。例如，在2016年初，TinEye的圖片搜索服務(wù)收錄了超過(guò)140億張網(wǎng)絡(luò)圖片。Spotify和Deezer等流媒體音樂(lè)服務(wù)分析了數(shù)百萬(wàn)首歌曲的特征，并以此為推薦依據(jù)。截至2017年初，Spotify分析了3000萬(wàn)首歌曲，并自動(dòng)生成了20億個(gè)播放列表。YouTube會(huì)分析發(fā)布的視頻內(nèi)容，以確定一個(gè)新視頻是否與數(shù)據(jù)庫(kù)中數(shù)百萬(wàn)受版權(quán)保護(hù)的視頻的內(nèi)容相重合。

三、媒體分析的自動(dòng)化

如果我們從自動(dòng)化的角度來(lái)看媒體歷史的文化分析階段，它跟隨了軟件工具和計(jì)算機(jī)被用于創(chuàng)作個(gè)人媒體產(chǎn)品的早期階段。在這一歷史中，里程碑式的發(fā)展包括視頻效果軟件Quantel Paintbox（1981年）、寫作軟件Word（1983年）、視頻編輯軟件Amiga（1985年）、桌面發(fā)布軟件PageMaker（1985年）、矢量繪圖軟件Illustrator（1987年）和圖像編輯軟件Photoshop（1990年）等。這些軟件工具使得更快的工作流程、交換和共享項(xiàng)目的數(shù)字文件和資產(chǎn)、創(chuàng)建模塊化內(nèi)容成為可能（如Photoshop中的圖層），并且可以隨時(shí)便利地修改已創(chuàng)建內(nèi)容。后來(lái)，其他技術(shù)加入了這些工具，使計(jì)算媒體創(chuàng)作成為可能，例如渲染農(nóng)場(chǎng)（render farms）和媒體工作流管理。

媒體分析的工具各不相同。它們可以自動(dòng)分析：（1）數(shù)以十億計(jì)的在線媒體內(nèi)容；（2）來(lái)自用戶與軟件服務(wù)和應(yīng)用程序之間數(shù)以萬(wàn)億計(jì)的交互數(shù)據(jù)。例如，用谷歌分析Web上的圖像內(nèi)容，當(dāng)你輸入搜索詞時(shí)，系統(tǒng)將根據(jù)你在安全搜索選項(xiàng)中的選擇顯示全部或部分圖像。如果有需要，它們也可以在此分析的基礎(chǔ)上實(shí)現(xiàn)自動(dòng)操作——例如，自動(dòng)放置廣告。

因此，現(xiàn)在自動(dòng)化的不再是單個(gè)媒體條目的創(chuàng)建，而是所有網(wǎng)絡(luò)內(nèi)容的展示和相關(guān)內(nèi)容的檢索。這包括選擇和過(guò)濾（展示什么）、內(nèi)容放置（行為廣告）和發(fā)現(xiàn)（搜索、推薦）。另一個(gè)不斷增長(zhǎng)的應(yīng)用是“如何展示”。例如，流行新聞門戶Mashable在推特上有850萬(wàn)粉絲（截至2017年3月），它會(huì)根據(jù)對(duì)用戶與內(nèi)容互動(dòng)的實(shí)時(shí)分析自動(dòng)調(diào)整內(nèi)容塊的位置。媒體分析的另一個(gè)應(yīng)用是“要?jiǎng)?chuàng)造什么”。例如，在2015年，《紐約時(shí)報(bào)》的作者開始使用內(nèi)部應(yīng)用程序來(lái)推薦要報(bào)道的主題。

正如采用計(jì)算機(jī)進(jìn)行媒體創(chuàng)作并逐漸使這個(gè)過(guò)程民主化一樣，媒體分析的概念、技術(shù)、軟件和硬件的發(fā)展也使其使用民主化。如今，每一個(gè)網(wǎng)絡(luò)內(nèi)容的創(chuàng)建者都擁有免費(fèi)的工具，而這些工具直到最近還有只有大型廣告公司或市場(chǎng)營(yíng)銷者才能使用的?，F(xiàn)在，每個(gè)經(jīng)營(yíng)博客網(wǎng)站或在自己的社交媒體上發(fā)布內(nèi)容的人都可以像一家媒體公司一樣，研究有關(guān)點(diǎn)擊、分享和點(diǎn)贊的數(shù)據(jù)，付費(fèi)推廣任何帖子，并系統(tǒng)地規(guī)劃她或他分享的內(nèi)容和地點(diǎn)。所有流行的媒體共享和網(wǎng)絡(luò)平臺(tái)，從Facebook、YouTube、推特到Academia.edu，都會(huì)向人們展示與網(wǎng)絡(luò)用戶互動(dòng)的詳細(xì)圖表和統(tǒng)計(jì)數(shù)據(jù)。

另一個(gè)例子是MailChimp，它是用于發(fā)送和跟蹤大量電子郵件的流行服務(wù)。當(dāng)我使用MailChimp向我的小型郵件列表發(fā)送電子郵件時(shí)，我使用它們的發(fā)送時(shí)間優(yōu)化選項(xiàng)。它分析了我以前的電子郵件活動(dòng)的數(shù)據(jù)，并“為你要發(fā)送的用戶確定最佳發(fā)送時(shí)間，并在最佳時(shí)間進(jìn)行分發(fā)”。為了創(chuàng)建我在Facebook和推特上的帖子，我使用了一款應(yīng)用程序，它能計(jì)算出我在每個(gè)網(wǎng)絡(luò)上發(fā)帖的最佳時(shí)間。如果我想推廣我的Facebook頁(yè)面或推特帖子，我可以使用免費(fèi)的廣告功能，通過(guò)在它們的網(wǎng)絡(luò)上根據(jù)數(shù)百種設(shè)置（包括國(guó)別、年齡、性別、興趣和行為）選擇用戶，為我的活動(dòng)創(chuàng)建一個(gè)定制的受眾。雖然基于分類的市場(chǎng)細(xì)分早已經(jīng)在市場(chǎng)營(yíng)銷和廣告中使用，推特也允許你觸達(dá)任何一個(gè)與關(guān)注“你”賬戶相似的“目標(biāo)用戶”。在這種新情況下，我不再需要從明確的類別或術(shù)語(yǔ)開始，相反，我可以讓推特的媒體分析為我建立一個(gè)自定義的受眾。

以谷歌和Facebook等網(wǎng)絡(luò)巨頭為例，它們用于數(shù)據(jù)分析的技術(shù)和人才資源，以及數(shù)億人每天使用其服務(wù)的數(shù)據(jù)訪問(wèn)，都給了它們顯著的優(yōu)勢(shì)，用以分析用戶的互動(dòng)和行為。這與對(duì)單個(gè)用戶或公司使用谷歌或Facebook分析其賬戶，或使用任何社交媒體儀表盤對(duì)其進(jìn)行分析，在量化層面是有差異的，但從質(zhì)化層面上說(shuō)，概念和大多數(shù)技術(shù)是完全一樣的。谷歌、Facebook、百度和易趣（eBay）等巨頭與小公司的一個(gè)關(guān)鍵區(qū)別在于，前者擁有頂尖科學(xué)家開發(fā)的自己的機(jī)器學(xué)習(xí)系統(tǒng)（即現(xiàn)代形式的人工智能），這些系統(tǒng)可以根據(jù)幾乎實(shí)時(shí)捕獲的數(shù)十億數(shù)據(jù)點(diǎn)進(jìn)行分析并作出決策；另一個(gè)不同是谷歌和Facebook在許多國(guó)家主導(dǎo)著在線搜索和廣告。因此，與小公司相比，它們對(duì)數(shù)億用戶發(fā)現(xiàn)新內(nèi)容和信息的影響是不成比例的。

所以媒體分析很重要，它被應(yīng)用于整個(gè)文化產(chǎn)業(yè)。但是，為什么我稱它為“舞臺(tái)”，而不是當(dāng)代文化產(chǎn)業(yè)的“趨勢(shì)”之一呢？因?yàn)樵谀承┬袠I(yè)中，媒體分析被用于算法化處理每一種文化產(chǎn)物并對(duì)其采取行動(dòng)。例如，2014年，使用媒體分析的數(shù)字音樂(lè)服務(wù)就占了美國(guó)該行業(yè)音樂(lè)收入的70%。媒體分析也被用來(lái)對(duì)在數(shù)十個(gè)國(guó)家的大多數(shù)年輕人使用的平臺(tái)上的每一個(gè)用戶互動(dòng)進(jìn)行分析并采取行動(dòng)。這是媒體內(nèi)部運(yùn)作和社會(huì)運(yùn)作的新邏輯。總之，這在實(shí)踐上和理論上都是至關(guān)重要的。任何關(guān)于媒介理論或傳播的未來(lái)討論都必須從這種情況開始。

當(dāng)然，我并不是說(shuō)在1993年之后媒體技術(shù)領(lǐng)域就沒(méi)有發(fā)生過(guò)其他事情。我可以列出許多其他重要的發(fā)展，如從信息的層級(jí)組織到搜索、社交媒體的興起、地理位置信息的整合、移動(dòng)計(jì)算、相機(jī)和網(wǎng)頁(yè)瀏覽集成到手機(jī)和2010年后轉(zhuǎn)向跨媒體分析應(yīng)用程序和其他數(shù)據(jù)分析領(lǐng)域的機(jī)器學(xué)習(xí)。

在“大媒體”數(shù)據(jù)處理領(lǐng)域扮演關(guān)鍵角色的公司只有10～15年的歷史——谷歌、百度、VK、亞馬遜、易趣、Facebook、Instagram等是在網(wǎng)絡(luò)時(shí)代發(fā)展起來(lái)的，而不是像電影公司或圖書出版商這樣的20世紀(jì)文化產(chǎn)業(yè)的老牌公司。這些老玩家過(guò)去是，現(xiàn)在仍然是“專業(yè)”內(nèi)容的生產(chǎn)者。新玩家則充當(dāng)人們與這些專業(yè)內(nèi)容以及“用戶生成內(nèi)容”（UGC）之間的接口。老牌參與者正在逐漸采用分析技術(shù)，但關(guān)鍵決策（如出版一本書）仍然是由個(gè)人按照自己的直覺(jué)作出的。相比之下，新玩家從一開始就把它們的業(yè)務(wù)建立在計(jì)算媒體分析之上。

它們分析和優(yōu)化的主要是分銷、營(yíng)銷、廣告、發(fā)現(xiàn)和推薦，也就是說(shuō)，在文化產(chǎn)業(yè)中，消費(fèi)者尋找、購(gòu)買和“使用”文化產(chǎn)品的部分。然而，同樣的計(jì)算范式也被社交網(wǎng)絡(luò)公司所實(shí)現(xiàn)。從這個(gè)角度來(lái)看，這些網(wǎng)絡(luò)的用戶成為了彼此的“產(chǎn)品”。例如，亞馬遜的算法分析人們看什么商品和購(gòu)買什么商品的數(shù)據(jù)，并利用這些分析為每一位用戶提供個(gè)人建議。與此同時(shí)，F(xiàn)acebook的算法分析人們?cè)谄渚W(wǎng)站上做什么，以選擇每個(gè)人的新聞?dòng)嗛喼谐霈F(xiàn)什么樣的內(nèi)容。

雖然“算法”和“算法文化”這兩個(gè)詞很方便，因?yàn)樗鼈兯坪鹾芎玫乜偨Y(jié)了自動(dòng)分析和決策制定的概念，但它們也可能會(huì)誤導(dǎo)人。這就是我使用“媒體分析”的原因。如今，用于大數(shù)據(jù)分析和預(yù)測(cè)的最常用技術(shù)是機(jī)器學(xué)習(xí)，它與我們通常所理解的為完成某項(xiàng)任務(wù)而執(zhí)行的有限步驟序列有很大不同。一些機(jī)器學(xué)習(xí)應(yīng)用程序是“可解釋的”，但很多（如果不是大多數(shù)的話）都不是。創(chuàng)建計(jì)算機(jī)系統(tǒng)的過(guò)程往往會(huì)導(dǎo)致一個(gè)“黑箱”，它具有良好的實(shí)用性能，但不可解釋，也就是說(shuō)，我們不知道它是如何產(chǎn)生結(jié)果的。由于這些原因，當(dāng)提及公司部署的用于分析數(shù)據(jù)、作出預(yù)測(cè)或基于分析執(zhí)行自動(dòng)操作的真實(shí)系統(tǒng)時(shí)，我傾向于避免使用算法（algorithms and algorithmic）這樣的術(shù)語(yǔ)。我更喜歡的術(shù)語(yǔ)是軟件，它更通用，因?yàn)樗患僭O(shè)系統(tǒng)使用傳統(tǒng)的算法，也不假設(shè)這些算法是可解釋的。

媒體分析是當(dāng)今媒體“物質(zhì)性”的關(guān)鍵方面。15年前，這個(gè)概念可能已經(jīng)被用于計(jì)算機(jī)硬件、編程語(yǔ)言、數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)協(xié)議以及媒體創(chuàng)作、出版和共享軟件的討論中）。如今，媒體的物質(zhì)性還與大數(shù)據(jù)存儲(chǔ)和處理技術(shù)（如Hadoop和Storm）、監(jiān)督機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等范式，以及流行的機(jī)器學(xué)習(xí)算法（如k-means、決策樹、支持向量機(jī)器和KNN）有關(guān)。物質(zhì)性就是Facebook“每秒掃描1000億行”，谷歌每天處理100+TB的數(shù)據(jù)。物質(zhì)性也是谷歌自動(dòng)創(chuàng)建的“根據(jù)時(shí)間為每個(gè)人建立的多重（預(yù)測(cè)）模型”。

四、媒體行為的自動(dòng)化

到目前為止，我們的討論集中在媒體內(nèi)容的自動(dòng)分析和用戶與內(nèi)容的交互?，F(xiàn)在我想討論一下今天媒體文化的另一個(gè)新方面，它是由媒體分析所促成的：基于先前和/或?qū)崟r(shí)分析結(jié)果的“媒體行為”的自動(dòng)化。這些行為可以分為兩種類型：（1）部分由顯性用戶輸入或選擇設(shè)置控制的自動(dòng)行為；（2）非由顯性用戶輸入控制的自動(dòng)行為。

部分由顯性用戶輸入或選擇設(shè)置控制的自動(dòng)行為包括：為響應(yīng)文本搜索查詢返回的搜索結(jié)果；為響應(yīng)用戶選擇要查找的圖像類型而產(chǎn)生的圖像搜索結(jié)果；音樂(lè)流媒體服務(wù)響應(yīng)用戶對(duì)音樂(lè)家或音樂(lè)的初始選擇而推薦的音樂(lè)。例如，谷歌圖像搜索選項(xiàng)目前有面部、照片、剪貼畫、線條繪制或動(dòng)畫，以及全彩和黑白。用戶可以更改的設(shè)置包括系統(tǒng)根據(jù)用戶的廣告偏好選擇顯示的廣告，以及根據(jù)“安全搜索”設(shè)置顯示的圖片類型。

這些用戶的輸入和設(shè)置與內(nèi)容和交互分析的結(jié)果相結(jié)合，以確定軟件所采取的行動(dòng)。操作的選擇可以來(lái)自特定用戶的先前數(shù)據(jù)或所有用戶的數(shù)據(jù)，比如所有亞馬遜客戶的購(gòu)買歷史記錄。還可以使用其他信息來(lái)確定操作。例如，涉及成千上萬(wàn)個(gè)廣告的實(shí)時(shí)算法操作決定了在給定時(shí)刻哪些廣告將顯示在用戶的頁(yè)面上。

不受顯性用戶輸入控制的自動(dòng)行為依賴于對(duì)用戶交互活動(dòng)的分析，但不要求用戶顯性地選擇任何內(nèi)容。換句話說(shuō)，用戶用他或她以前的所有動(dòng)作“投票”。谷歌自動(dòng)將電子郵件過(guò)濾為“重要”和“一切”就是這類操作的一個(gè)很好的例子。大多數(shù)我們今天在網(wǎng)絡(luò)服務(wù)和應(yīng)用程序的互動(dòng)中遇到的大多數(shù)自動(dòng)行為，可以通過(guò)設(shè)置部分地由我們控制。然而，并不是每個(gè)用戶都愿意花時(shí)間去理解和更改每個(gè)服務(wù)的默認(rèn)設(shè)置（比如https://www.facebook.com/settings）。

我們還將自動(dòng)行為分為兩種類型，這取決于它們是以確定性或非確定性的方式實(shí)現(xiàn)的。確定性行為是通過(guò)計(jì)算產(chǎn)生的，這些計(jì)算總是在相同的輸入下產(chǎn)生相同的輸出；不確定性行為也是通過(guò)計(jì)算產(chǎn)生的，然而這些計(jì)算可以在相同的輸入下產(chǎn)生許多不同的輸出。如今，大多數(shù)使用大數(shù)據(jù)的算法決策都依賴于概率論、統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)。這包括文化產(chǎn)業(yè)的網(wǎng)絡(luò)服務(wù)和應(yīng)用程序中的自動(dòng)決策。例如，推薦系統(tǒng)可以通過(guò)添加一個(gè)隨機(jī)參數(shù)來(lái)改變結(jié)果，從而每次生成不同的結(jié)果。但即使在一個(gè)計(jì)算系統(tǒng)使用確定性方法時(shí)，如果輸入的數(shù)據(jù)發(fā)生了變化，它仍然可以每次生成不同的動(dòng)作——這通常發(fā)生在不斷發(fā)展的Web或社交網(wǎng)絡(luò)中。

總的結(jié)果是另一種媒體的新情況——我們每次展示和推薦的內(nèi)容并不完全由我們或系統(tǒng)設(shè)計(jì)者決定。從20世紀(jì)文化產(chǎn)業(yè)的嚴(yán)格確定性技術(shù)和實(shí)踐到21世紀(jì)頭十年的非確定性技術(shù)的轉(zhuǎn)變是媒介文化新階段的另一個(gè)重要方面。在某種程度上，過(guò)去嚴(yán)格屬于實(shí)驗(yàn)藝術(shù)領(lǐng)域的東西，如約翰?凱奇（John Cage）對(duì)不確定性的使用，或者伊安尼斯?塞納基斯（Iannis Xenakis）利用隨機(jī)過(guò)程來(lái)創(chuàng)作或表演作品這樣的做法已經(jīng)被文化產(chǎn)業(yè)采用，作為一種處理新出現(xiàn)的大規(guī)模可用內(nèi)容的方法。但是，當(dāng)然，現(xiàn)在的目標(biāo)是相當(dāng)不同的——不是創(chuàng)造一種可能令人不舒服和震驚的審美體驗(yàn)，而是讓一個(gè)人接觸更多的現(xiàn)有內(nèi)容，這些內(nèi)容符合這個(gè)人的現(xiàn)有品味，就像她或他之前的選擇所表現(xiàn)出來(lái)的那樣。但是，我們應(yīng)該記住，如果一個(gè)人逐漸遠(yuǎn)離他或她最初的選擇，產(chǎn)業(yè)推薦系統(tǒng)也可以用于擴(kuò)展一個(gè)人的品味和知識(shí)。當(dāng)然還有Web超鏈接結(jié)構(gòu)、維基百科、開放訪問(wèn)的出版物和各種其他Web內(nèi)容也可以用于此。

除了我前面提到的基于媒體分析的自動(dòng)行為的例子外，還有許多其他類型的此類操作也使得當(dāng)代媒體有別于過(guò)去。例如，關(guān)于用戶與Web服務(wù)、應(yīng)用程序或設(shè)備交互的數(shù)據(jù)也經(jīng)常用于其自身的自動(dòng)設(shè)計(jì)調(diào)整。這些數(shù)據(jù)還被用于創(chuàng)造更多的認(rèn)知自動(dòng)化，允許系統(tǒng)“預(yù)測(cè)”用戶在任何給定的情境下需要什么，并提供最適合該地點(diǎn)、時(shí)間、用戶畫像和活動(dòng)類型的信息。情境感知（context-aware）這個(gè)術(shù)語(yǔ)通常用于描述計(jì)算機(jī)系統(tǒng)可以對(duì)位置、時(shí)間、身份和活動(dòng)作出反應(yīng)。谷歌的Now assistant就是這種情境感知計(jì)算的一個(gè)例子。

20世紀(jì)的工業(yè)和軟件設(shè)計(jì)師及廣告商使用用戶測(cè)試、焦點(diǎn)小組和其他技術(shù)來(lái)測(cè)試和改進(jìn)新產(chǎn)品。但在媒體分析階段，服務(wù)或產(chǎn)品可以根據(jù)用戶的互動(dòng)歷史以及對(duì)其他用戶與服務(wù)或產(chǎn)品互動(dòng)的分析，自動(dòng)調(diào)整每個(gè)用戶的行為。遵循谷歌推廣的模式，每個(gè)Web和應(yīng)用程序用戶都成為了不斷變化的系統(tǒng)的更好測(cè)試者，這些系統(tǒng)從每次交互中學(xué)習(xí)。

五、媒體分析和文化分析

相對(duì)于經(jīng)濟(jì)、社會(huì)和政治而言，新的計(jì)算媒體文化組織（computational organization of media culture）的許多文化效應(yīng)還沒(méi)有被產(chǎn)業(yè)或?qū)W術(shù)研究者系統(tǒng)地加以實(shí)證研究。例如，我們現(xiàn)在知道很多關(guān)于美國(guó)保守派和自由派推特用戶的語(yǔ)言，或者同一平臺(tái)上政治兩極分化的事情；但我們不知道Instagram上全世界成千上萬(wàn)個(gè)城市分享的內(nèi)容類型的差異，也不知道過(guò)去10年里數(shù)億個(gè)博客主題的演變。業(yè)界確實(shí)從這中間提取了一些信息，并將其用在搜索和推薦服務(wù)中，但是它沒(méi)有公布這些信息。我們也應(yīng)該記住，業(yè)界通常感興趣的是對(duì)與某些內(nèi)容和用戶活動(dòng)關(guān)系的趨勢(shì)分析，這和學(xué)者感興趣的歷史性的或大規(guī)模的跨文化分析不同。

然而，有一件事對(duì)我來(lái)說(shuō)是清楚的。文化產(chǎn)業(yè)中使用的數(shù)據(jù)分析方法也可以用于定量研究和理論化媒體分析的文化效應(yīng)。2005年，當(dāng)產(chǎn)業(yè)媒體分析剛剛興起時(shí)，我介紹了一個(gè)術(shù)語(yǔ)，文化分析（cultural analytics），指的是使用計(jì)算方法來(lái)探索當(dāng)代數(shù)字媒體的大樣本，以提出與媒體研究和人文學(xué)科相關(guān)的問(wèn)題。在過(guò)去的10年里，計(jì)算機(jī)科學(xué)、計(jì)算社會(huì)科學(xué)和數(shù)字人文學(xué)科的研究人員發(fā)表了數(shù)以萬(wàn)計(jì)有趣的研究，這些研究將這些方法應(yīng)用于社交網(wǎng)絡(luò)上對(duì)文學(xué)、音樂(lè)、藝術(shù)、歷史的分析，包括Facebook、推特、Flickr和Instagram。然而，對(duì)大量媒體內(nèi)容（例如圖像、視頻和聲音，而不是用戶的在線活動(dòng)）進(jìn)行計(jì)算分析還沒(méi)有成為媒體和傳播研究的范式。為了激勵(lì)這種未來(lái)的研究，并為之命名，我們可以創(chuàng)造一個(gè)術(shù)語(yǔ)：計(jì)算媒體研究。

1944年，霍克海默和阿多諾在他們出版的《啟蒙辯證法》一書中引入了“文化工業(yè)”一詞。這本書是在洛杉磯寫的，當(dāng)時(shí)好萊塢的演播室制度還在“古典”時(shí)期，也就是最完整的時(shí)期。當(dāng)時(shí)有八大電影集團(tuán)，其中五家（?？怂?、派拉蒙、雷電華、華納兄弟和勒夫）有自己的制作工作室、發(fā)行部門、連鎖影院、導(dǎo)演和演員。一些電影理論家認(rèn)為，這一時(shí)期這些電影公司制作的電影也有著非常一致的風(fēng)格和敘事結(jié)構(gòu)。無(wú)論霍克海默和阿多諾的想法是不是從德國(guó)移民抵達(dá)洛杉磯之前已經(jīng)完全成形了，這本書的基調(diào)和它的語(yǔ)句，如名言“今天的文化讓一切都變得千篇一律”，似乎特別適合好萊塢經(jīng)典時(shí)代。

新的“計(jì)算基礎(chǔ)”（即媒體分析）如何影響文化產(chǎn)業(yè)創(chuàng)造的產(chǎn)品，以及消費(fèi)者看到和選擇的東西？如亞馬遜、谷歌等公司現(xiàn)在使用的計(jì)算推薦系統(tǒng)，是幫助人們更廣泛地選擇應(yīng)用程序、書籍、視頻、電影或歌曲（即長(zhǎng)尾效應(yīng)），還是相反地，引導(dǎo)人們進(jìn)入“排行榜”？推特和Facebook的系統(tǒng)又會(huì)如何向我們推薦哪些人可以關(guān)注？哪些群組可以加入？

或者考慮一下流行媒體捕捉和共享應(yīng)用程序的接口和工具，例如它的標(biāo)準(zhǔn)濾鏡和調(diào)節(jié)控制以一定的順序出現(xiàn)在用戶的手機(jī)上。這是否會(huì)導(dǎo)致圖像樣式的同質(zhì)化，而使用相同的幾個(gè)過(guò)濾器來(lái)控制其他的？這些關(guān)于多樣性和同質(zhì)性的問(wèn)題，現(xiàn)在可以用從來(lái)自網(wǎng)絡(luò)的大規(guī)模的文化數(shù)據(jù)和數(shù)據(jù)分析的計(jì)算方法進(jìn)行定量研究。例如，在我們的文化分析實(shí)驗(yàn)室（http://lab.culturalanalytics.info），我們對(duì)全球13個(gè)城市分享的230萬(wàn)張照片進(jìn)行了Instagram濾鏡使用比較，發(fā)現(xiàn)這些城市之間存在顯著的一致性。不同濾鏡在各個(gè)城市的相對(duì)頻率是相似的，它們的受歡迎程度幾乎與它們?cè)贗nstagram應(yīng)用程序界面上出現(xiàn)的順序完全相關(guān)。

歷史文化媒介（historical cultural media）的數(shù)字化也使得從歷史的角度分析文化的多樣性與同質(zhì)性的維度成為可能。一個(gè)研究小組發(fā)表了一篇文章《衡量當(dāng)代西方流行音樂(lè)的演變》（Measuring the Evolution of Contemporary Western Popular Music）。在這項(xiàng)研究中，他們對(duì)1955—2010年期間的4464411份不同的音樂(lè)錄音數(shù)據(jù)進(jìn)行了計(jì)算。近年來(lái)，許多計(jì)算機(jī)和信息科學(xué)的研究者也在研究社交網(wǎng)絡(luò)中的審美偏好和動(dòng)態(tài)注意。例如《一張圖片價(jià)值超過(guò)一千個(gè)收藏》（An Image Is Worth More Than a Thousand Favorites），這篇文章使用了900萬(wàn)張F(tuán)lickr圖片，來(lái)呈現(xiàn)“普通人對(duì)網(wǎng)絡(luò)圖片的審美感知分析”。在對(duì)大量使用大數(shù)據(jù)的定量研究進(jìn)行文獻(xiàn)回顧時(shí)，作者說(shuō)：

社交媒體中的動(dòng)態(tài)注意傾向于服從權(quán)力法則。注意力集中在少數(shù)受歡迎的項(xiàng)目上，而忽略了群眾制作的絕大多數(shù)內(nèi)容。盡管受歡迎程度可以是一個(gè)項(xiàng)目在其社區(qū)內(nèi)的感知價(jià)值的指標(biāo)，但以前的研究已經(jīng)暗示了一個(gè)事實(shí)，即受歡迎程度不等同于內(nèi)在質(zhì)量。因此，能見度低但質(zhì)量高的內(nèi)容潛伏在流行分布的尾部。這種現(xiàn)象在照片分享社區(qū)中尤為明顯。在那里，那些不太參與在線社交互動(dòng)的有價(jià)值的攝影師提供了高質(zhì)量的照片，而這些照片卻沒(méi)有被看到。

作者提出了一種算法，可以找到在審美質(zhì)量上與流行圖片相同的“不受歡迎”圖片（即只有一小部分用戶看過(guò)的圖片）。用這樣的算法將允許更多的創(chuàng)作者為他們的作品找到觀眾。這樣的研究例證了，計(jì)算媒體研究不只是對(duì)文化情境的描述和“批判”，它還能夠提供建設(shè)性的解決方案，以此改變特定的文化情境。

雖然對(duì)內(nèi)容和來(lái)自成千上萬(wàn)用戶的交互數(shù)據(jù)進(jìn)行大規(guī)模的計(jì)算媒體分析，給了一些頂級(jí)公司很多權(quán)力，如谷歌、Facebook，但我們必須記住，它們不只是20世紀(jì)40年代緊密整合的好萊塢集團(tuán)的新翻版。如果說(shuō)20世紀(jì)的文化產(chǎn)業(yè)是在創(chuàng)造、發(fā)行和營(yíng)銷內(nèi)容（電影、書籍、歌曲和電視節(jié)目），那么我們這個(gè)時(shí)代的新興文化產(chǎn)業(yè)則專注于組織、展示和推薦他人創(chuàng)作的內(nèi)容?！懊襟w分析”分析了媒體內(nèi)容和人們的在線互動(dòng)，它是為了支持這一目標(biāo)和支持這些平臺(tái)上的廣告，這通常是它們的主要收入來(lái)源（換句話說(shuō)，在大多數(shù)情況下，這些公司本身并不是內(nèi)容創(chuàng)造者）。這些“其他人”包括專業(yè)制作人和數(shù)億偶爾使用的普通用戶，以及成千上萬(wàn)處于這兩個(gè)極端之間的人。比如社交媒體上的網(wǎng)紅；自由職業(yè)者或擁有工作室的健身、瑜伽教練、發(fā)型師、室內(nèi)設(shè)計(jì)師；動(dòng)漫音樂(lè)視頻創(chuàng)作者；在Deviantart.com網(wǎng)站上分享他們作品的3500萬(wàn)藝術(shù)家；在academia.edu網(wǎng)站上有賬戶的2800萬(wàn)學(xué)者等等。

內(nèi)容本身也與霍克海默和阿多諾寫書的時(shí)候（20世紀(jì)40年代）有質(zhì)的不同。不僅是歌曲、電影、書籍和電視節(jié)目，還有我們?cè)谕铺?、Facebook、Vine、Instagram、YouTube、Vimeo上分享的個(gè)人帖子、信息、圖片、視頻、學(xué)術(shù)論文、代碼，等等。如果20世紀(jì)40年代美國(guó)整個(gè)文化產(chǎn)業(yè)發(fā)布的所有內(nèi)容每年大概只有幾百萬(wàn)條，那么今天所有在社交網(wǎng)絡(luò)上分享的內(nèi)容加起來(lái)每天就有數(shù)十億條。只能運(yùn)用計(jì)算的方法，我們才能通過(guò)“呈現(xiàn)”內(nèi)容的可變性來(lái)理解和解釋這些內(nèi)容。直到最近,只有計(jì)算機(jī)科學(xué)家使用這些方法，但就像數(shù)字人文、數(shù)字歷史和數(shù)字藝術(shù)史這些新領(lǐng)域已經(jīng)開始在研究中使用它們，媒體研究中使用這些方法也只是一個(gè)時(shí)間問(wèn)題。