周 敏

(湖北第二師范學院 新聞與傳播學院，武漢 430205)

一、“算法推薦”綜述

關(guān)于“算法推薦”的研究起源于20世紀90年代，美國明尼蘇達大學 GroupLens研究團隊基于協(xié)同過濾的推薦算法開始對其進行研究。他們想要制作一個電影推薦系統(tǒng)，從而實現(xiàn)對用戶進行電影的個性化推薦。研究基于一個設定：“和目標用戶相似度高的用戶，其感興趣的事物目標用戶也會感興趣?！庇谑牵芯啃〗M讓用戶對自己看過的電影進行評分，采集用戶評分的數(shù)據(jù)。然后，小組對用戶評價的結(jié)果進行分析，并預測出用戶對并未看過的電影的興趣度，從而向他們推薦從未看過并可能感興趣的電影。[1]由此，美國明尼蘇達大學 GroupLens研究團隊開發(fā)出了GroupLens推薦系統(tǒng)，并將其運用到了新聞組中。簡單來說，“算法推薦”是一種基于計算機專業(yè)算法的具體應用，依靠采集用戶網(wǎng)絡行為痕跡，通過構(gòu)建數(shù)學算法，來推測出用戶可能喜歡的東西，并將之固化、深化、泛化。

算法推薦系統(tǒng)，實際上是擬合一個用戶對內(nèi)容滿意度的函數(shù)，主要包括三個維度的變量。第一個維度是內(nèi)容特征。每種內(nèi)容有很多自己的特征，內(nèi)容庫需要考慮怎樣提取不同內(nèi)容類型的特征做好推薦。平臺在互聯(lián)網(wǎng)上收集用戶信息，包括用戶的社交關(guān)系、網(wǎng)絡習慣等。算法根據(jù)用戶信息以及匹配原則向用戶推薦內(nèi)容，或者是依靠由用戶發(fā)現(xiàn)的、訂閱的“人工推薦”模式進行內(nèi)容分發(fā)?；谟脩魹g覽標簽和用戶自身標簽來做推薦，平臺能夠?qū)τ脩魧崿F(xiàn)精準推送。這是對用戶進行了數(shù)據(jù)分析的推薦方式；第二個維度是用戶特征，包括各種興趣標簽，職業(yè)、年齡、性別等，利用模型計算隱性用戶興趣。用戶必須在平臺上留有大量的行為數(shù)據(jù)才能去形成有效的推薦。許多擁有頭部流量的企業(yè)能夠做好這一點，如今日頭條、美團等。平臺型媒體可以通過監(jiān)聽、綁定用戶數(shù)據(jù)等多種方式去實現(xiàn)用戶數(shù)據(jù)挖掘、畫像描繪、特征梳理。例如，通過對用戶原始數(shù)據(jù)的清洗，如性別、年齡、職業(yè)、地址等，雖然部分用戶的標簽特征會高度重合，但是推薦系統(tǒng)可以基于用戶的行為數(shù)據(jù)、社交數(shù)據(jù)來進行重新標簽，且系統(tǒng)對用戶的畫像是實時變化的；第三個維度是環(huán)境特征。這是移動互聯(lián)網(wǎng)時代推薦的特點，根據(jù)用戶所處環(huán)境和場景的變化，對信息偏好做出敏感反應。這一點是隨著技術(shù)的升級推出的方式，如根據(jù)用戶身處不同的地點，所在的環(huán)境不同，那么信息偏好也會不一樣。同樣的，在相似環(huán)境中的用戶，信息偏好也會相似。系統(tǒng)不僅僅在捕捉用戶的行為，而且已經(jīng)在探索行為背后的原因及目的。結(jié)合這三個維度，算法判定推薦內(nèi)容是否適合推薦給用戶。在推薦模型構(gòu)建中，內(nèi)容的點擊率、閱讀時間、點贊、評論、轉(zhuǎn)發(fā)都是可以量化的指標。算法直接可以給出基本判斷，然后針對推薦反饋來做出調(diào)整。

具體說來，算法推薦是一種分發(fā)方式，可以分為五種：第一種是基于內(nèi)容的推薦，即通過用戶日常瀏覽內(nèi)容，推薦可能感興趣的其他內(nèi)容；第二種是基于關(guān)聯(lián)規(guī)則的推薦，即憑借大數(shù)據(jù)的技術(shù)，來預測用戶的需求；第三種是基于知識的推薦，以用戶資料中已有的知識結(jié)構(gòu)為基礎(chǔ)來預測需求；第四種是基于協(xié)同過濾的推薦，即所謂的“物以類聚，人以群分”的方式，其中又分為基于用戶、基于項目的和基于模型的協(xié)同過濾；第五種是混合推薦，通過模型的泛化推薦加上上述根據(jù)用戶特征進行挖掘需求，然后有針對性地進行精準推送，因為在體量龐大且復雜的算法推薦系統(tǒng)中，由于服務對象的復雜性，僅靠量化的數(shù)據(jù)指標，顯然是不夠的?？梢钥吹皆诋斚拢惴槿藗兇罱艘粋€前所未有的平臺，混合推薦既彌補了社交過濾的不足，又可以獨立于社交關(guān)系來精準分發(fā)。

可以看到基于內(nèi)容的信息推薦方式，其理論依據(jù)也是來自信息檢索、信息過濾來抓取可靠信息。信息推薦是數(shù)據(jù)“喂養(yǎng)”出來的，沒有龐大的信息流去檢索和過濾就不可能有算法推薦。在PC時代，平臺也有著自己的一套算法推薦系統(tǒng)，如百度有搜索排行和信息推薦等功能。PC時代的算法推薦邏輯相對簡單，主要以搜索量和點擊量為依據(jù)。隨著技術(shù)的升級，越來越多的算法推薦過濾到了語義的推薦，它不再強調(diào)片斷的行為，而是更深入探索行為背后的含義。在移動互聯(lián)網(wǎng)時代，社會總體的信息呈現(xiàn)出越來越過剩的情況，但難以掩蓋社會個體成員信息缺乏的情況。人們都想要看新的東西，但基于當前算法卻很難跳出算法推薦怪圈，因為所有的推薦都是基于過去預設未來。那么，這個互聯(lián)網(wǎng)典型悖論就被無限放大。正基于此，信息傳播的精準化成為移動互聯(lián)網(wǎng)時代的傳播重點，即把合適的內(nèi)容傳播給合適的受眾，同時學會規(guī)避它的弊端。算法的精準推薦在互聯(lián)網(wǎng)上的廣泛應用就成為了必然選擇。

研究者以資訊類app“今日頭條”為例，分析其算法推薦過程中主要的三個步驟：

1．進行文章模型構(gòu)建。將文章集合進行處理、挖掘。主要利用新聞內(nèi)容元數(shù)據(jù)(即分詞手法)把文章分化為顆粒，再形成新聞的內(nèi)容特征，最終進行興趣建模。其次，通過信息檢索進行質(zhì)量建模，即用戶能否獲取信息、文章內(nèi)容是否為低俗、拼湊。最后，依據(jù)用戶的點擊量、瀏覽量、其他外部平臺上該新聞的熱度進行熱度建模。

2．進行用戶模型構(gòu)建。主要基于用戶喜好、人口屬性、用戶行為習慣、用戶狀態(tài)信息等方面進行用戶模型構(gòu)建。算法基于用戶的數(shù)據(jù)信息，推薦屬于用戶的“私人訂制”，在一般情況下會也輔以文章特征進行建模。

3．選擇合適的算法推薦。系統(tǒng)根據(jù)用戶的不同特征和需求選擇不同的算法推薦方式?？梢哉f，這是一個“業(yè)務數(shù)據(jù)化—數(shù)據(jù)業(yè)務化”的全過程。

在算法推薦實施之前，對內(nèi)容和用戶進行模型構(gòu)建的過程，為后面的內(nèi)容曝光、資源配置打好基礎(chǔ)，然后利用算法推薦提升用戶獲取信息的效率，最后還可以挖掘長尾金礦的商業(yè)潛力。除此以外，算法推薦還能增進用戶對于平臺良好的使用感受，解決文章的冷啟動問題，并生成獨特的頻道內(nèi)容。

算法推薦分發(fā)已經(jīng)幾乎是所有軟件的標配。社交平臺如微博、微信等，搜索引擎如谷歌、百度等，購物軟件如淘寶、京東等，均依托算法推薦技術(shù)進行平臺內(nèi)容分發(fā)。雖然平臺間的數(shù)據(jù)類型不同，對數(shù)據(jù)需求也不同，但各大平臺均以高效推薦為主要目標。算法推薦把用戶和信息聯(lián)系得更加緊密，不僅提升了系統(tǒng)工作效率，還很好地節(jié)省用戶時間，實現(xiàn)信息提供者與用戶的雙贏。

當然，我們也要看到，“算法推薦”在給用戶帶來內(nèi)容分發(fā)便利的同時，也引發(fā)相對密集的爭議。從前以嚴肅新聞為主要內(nèi)容的資訊平臺或智能新聞App為了內(nèi)容分發(fā)更加精準高效，紛紛采用“算法推薦”技術(shù)。傳統(tǒng)媒體的知識傳播也發(fā)生了不同程度的重構(gòu)，試圖憑借算法推薦的系統(tǒng)去抓取用戶數(shù)據(jù)、分析行為語言、預測未來行為和興趣點。各種類型的資訊平臺都想要為用戶提供量身定制的新聞信息產(chǎn)品，滿足用戶個性化需求，順應閱讀分眾化的時代潮流，讓信息流動更加快速順暢。然而，“算法推薦”技術(shù)帶來了紅利，也打開了“潘多拉魔盒”，“算法推薦”對網(wǎng)絡輿論生態(tài)的負面沖擊日益顯現(xiàn)，也給社會管理工作帶來較大挑戰(zhàn)。信息技術(shù)對用戶隱私的侵犯以及數(shù)據(jù)的偏向性成為被質(zhì)疑的重點，算法本身的特點讓“下沉的螺旋”十分明顯，技術(shù)的偏見和歧視十分明顯，人編寫的算法必然帶有人的意圖。事實上，這也是各類平臺目前所面臨的算法瓶頸：嚴重依賴于數(shù)據(jù)優(yōu)劣，難以解決數(shù)據(jù)有效性問題。

二、“算法推薦”的負面影響

研究者在中國知網(wǎng)中以 “算法推薦影響”作為主題檢索關(guān)鍵詞，剔除不相關(guān)文本，最終得到有效文獻178篇，檢索時間為2021年2月26日。研究者采用文獻計量工具citespace對178篇研究樣本進行關(guān)鍵詞的統(tǒng)計分析，以期了解學術(shù)界對算法推薦所帶來的影響的聚焦所在。同時，以關(guān)鍵詞凸顯度的統(tǒng)計結(jié)果關(guān)注該議題在近年的變遷。

圖1 關(guān)鍵詞凸顯(深色部分為凸顯年份)

研究者對文獻關(guān)鍵詞進行關(guān)鍵詞凸顯的排序，可以看到，“信息繭房”和“把關(guān)”這兩個詞匯作為新聞傳播學的學術(shù)術(shù)語保持了較高的凸顯強度，同時也成為了2020年的最新凸顯關(guān)鍵詞，是當前學界的關(guān)注熱點。除此之外，“意識形態(tài)”該詞以1.37的凸顯強度成為2020年的凸顯關(guān)鍵詞。由此可見，在算法推薦的影響下，意識形態(tài)問題的管理成為當下學界和業(yè)界的當務之急。另外，“算法偏見”也是2020年學者們關(guān)注的焦點所在，因此筆者對算法推薦的負面影響展開研究有一定的啟示意義。

從詞頻的分布中我們可以看到(表1)，除去“算法推薦”“算法推薦機制”“算法”“人工智能”“個性化推薦”等詞作為研究對象自身故而占有較高的詞頻外，學術(shù)界對算法推薦所帶來的影響主要聚焦在以下幾個方面。第一類，以“今日頭條”“短視頻”“抖音”“聚合類新聞客戶端”等詞為代表，學者以此類平臺和內(nèi)容為切入點，進行觀察、研究。第二類，以“信息繭房”“過濾氣泡”等詞為代表，學者對彌漫在算法推薦系統(tǒng)中的信息繭房效應進行討論。第三類，以“媒介倫理”、“媒介素養(yǎng)”、“價值理性”、“工具理性”等詞為代表，學者以媒介倫理為理論視角，社會管理為現(xiàn)實視角，對算法倫理風險進行考察。第四類，以“意識形態(tài)”“價值引領(lǐng)”“把關(guān)人”等詞為代表，學者呼吁互聯(lián)網(wǎng)內(nèi)容層面的理性回應，倡導健康良性的輿論生態(tài)環(huán)境?；趯陙硭惴ㄍ扑]相關(guān)文獻的梳理、統(tǒng)計、分析，研究者將從輿論生態(tài)層面和社會管理層面展開對算法推薦負面影響的討論。同時，研究者將對算法推薦的負面影響嘗試提出建設性策略。

表1 “算法推薦影響”的關(guān)鍵詞詞頻(詞頻≥3)

(一)輿論生態(tài)層面

1.隱蔽干預難以查證，輿論操控風險增強

盡管“算法推薦”技術(shù)越來越受歡迎，但“算法黑箱”正遭到越來越多的質(zhì)疑。這些由“算法推薦”向用戶推送的所謂新聞信息，究竟是基于什么樣的標準與價值判斷而被選中，公眾完全不知情，而這些系統(tǒng)的內(nèi)部工作機制也不透明。把控這些智能平臺的互聯(lián)網(wǎng)技術(shù)公司多次宣稱，這一算法機制是公平公正的，卻總以保護商業(yè)秘密為由拒絕公開其運作過程?，F(xiàn)在的公共領(lǐng)域和私人領(lǐng)域處于高度的重合狀態(tài)，網(wǎng)絡的發(fā)展應該賦予人們更多的監(jiān)督權(quán)。很多平臺都設置有“推薦”一欄，讓用戶停留在自己的舒適區(qū)。這樣的信息導向不僅讓用戶只能看到部分內(nèi)容，而且用戶無法對公共環(huán)境進行監(jiān)控，放棄了自己的監(jiān)督權(quán)。超級平臺的背后是互聯(lián)網(wǎng)巨頭。用戶通過平臺看到的新聞，是否只是互聯(lián)網(wǎng)巨頭想讓他們看到的部分“真相”呢？這樣的話，隱蔽干預即使存在，也實際上很難查證。

由于“算法推薦”運行機制不透明，倘若推薦信息存在“立場過濾”，與企業(yè)利益相左的信息會逐漸消弭，那么網(wǎng)絡輿論管理的風險將會增強。即使不是平臺本身操控輿論，外部操控者只要熟悉算法推薦技術(shù)，就能組織觀點信息展開輿論攻勢，一旦獲得部分用戶認同，就可能會借助“算法推薦”得到廣泛傳播，繼而實現(xiàn)對輿論的操控。算法推薦技術(shù)一旦被操控，用戶反而會被技術(shù)和輿論所裹挾。

2.劣質(zhì)內(nèi)容毒害用戶，擠占主流輿論空間

算法驅(qū)逐了人工編輯的“把關(guān)人”地位，產(chǎn)生了許多垃圾信息，如“標題黨”、虛假新聞、黃色新聞等。同時，根據(jù)伊莉莎白·內(nèi)爾—紐曼(Noelle-Neumann)的“沉默的螺旋”理論，大眾傳播在影響大眾意見方面能產(chǎn)生強大的效果一個人提出意見，卻發(fā)現(xiàn)與其所屬群體觀念發(fā)生背離時，會產(chǎn)生孤獨恐懼感。處于意見弱勢地位的人會放棄自己的看法，變得沉默，最后換支持方向，與優(yōu)勢群體、優(yōu)勢意見一致。[2]算法推薦非常容易造成用戶產(chǎn)生“大家都有這種想法”的刻板印象，使態(tài)度和觀點產(chǎn)生極化，造成人的認知局限性。于是，在網(wǎng)絡環(huán)境中可能發(fā)生正面觀點保持無聲，但負面意見不斷增長，從而發(fā)生網(wǎng)絡輿論的失真。

為了騙取用戶的點擊，各類標題黨大行其道，各種劣質(zhì)內(nèi)容在悄悄毒害用戶。 比如，未經(jīng)科學驗證的健康知識在內(nèi)容平臺肆意傳播，給用戶造成誤導；毫無用處的拼湊信息被推薦給用戶，令人不堪其擾；一些或極端或粗淺的言論也時常被算法推薦，此類信息價值導向存在嚴重問題，甚至對人格塑造產(chǎn)生負面影響。這些劣質(zhì)內(nèi)容真相難辨、對錯不分、缺乏深度，不僅浪費用戶的時間，還可能誘導用戶產(chǎn)生錯誤的認知，做出錯誤的選擇。例如，YouTube的算法推薦曾遭受廣泛質(zhì)疑。充滿猥褻和暴力的視頻被算法分發(fā)到專門針對兒童的應用程序YouTube Kids上，激勵發(fā)展了一種不健康的亞文化。這種亞文化以兒童為目標受眾，內(nèi)容令人不安。

由于劣質(zhì)內(nèi)容隨處可見，用戶沉浸在智能平臺推薦的內(nèi)容里，而主流輿論內(nèi)容被用戶和平臺習慣性忽視。算法推薦無視了技術(shù)背后的情感和認知的合理性，淺薄的“三俗”內(nèi)容因為下沉螺旋充斥著網(wǎng)絡空間，導致惡性循環(huán)。主流輿論的空間被嚴重擠占，在信息流中逐步下沉，其傳播效果必然大打折扣。

3.信息繭房愈加牢固，“后真相”情緒影響輿論

信息繭房由桑斯坦提出，是指人們的信息領(lǐng)域中由于“選擇性心理”會被自己的興趣引導，形成自己的“個性化日報”，于是自己的生活桎梏在像蠶繭一般的“繭房”中。當個人被禁錮在自我建構(gòu)的信息脈絡中，個人生活必然變得程序化、定式化。[3]信息量劇增的今天，用戶被推薦繁多的信息，在其中根據(jù)興趣進行選擇關(guān)注的話題，久而久之，就形成了“信息繭房”，即只看我們選擇的東西、只接受愉悅我們的信息。選擇性接觸不會改變個人原有的觀點，而是讓個人原有觀點增強?！八惴ㄍ扑]”的技術(shù)如今被廣泛運用，讓 “信息繭房”更加牢固，導致用戶的視野更加狹窄。

如今，個性化獲取信息是用戶在互聯(lián)網(wǎng)環(huán)境中獲取信息的主要邏輯。用戶對于資訊內(nèi)容的興趣和關(guān)注點相對固定，“算法推薦”會認為用戶只關(guān)注這些內(nèi)容。盡管在某個意義上，信息繭房，是難以避免的，因為它畢竟是選擇性心理的結(jié)果。然而，用戶可能還需要關(guān)注其他內(nèi)容，從其他方面以補充自身知識結(jié)構(gòu)、拓寬視野。平臺運用“算法推薦”的邏輯，看似是在順應用戶的思維，但算法推薦越精準，用戶的視野就會越狹窄，將更難打破“信息繭房”的束縛。

用戶視野變得狹窄，將難以理性認知各類社會問題，繼而變得更加偏激。由于“算法推薦”會大量推送與用戶相近認知內(nèi)容，這就會造成用戶情緒的累積和“共振”，讓人誤以為“大家都是這么想的”。特別是算法平臺上部分觀點存在無視事實、偏激的傾向，導致“后真相”現(xiàn)象日益普遍，“客觀事實在形成輿論方面影響較小，而訴諸情感和個人信仰會產(chǎn)生更大影響?！盵4]人們把情緒放在事實前面，甚至站在虛假的事情前面大談情緒，各類陰謀論越來越多?；ヂ?lián)網(wǎng)巨頭所謂的“算法推薦比你更懂你自己”，其實是讓用戶更加堅信所謂的“事實”。由此觀之，網(wǎng)絡空間開始彌漫著用戶情緒，而事實正在加速坍塌，失去地位。

4.用戶設置議程，意見領(lǐng)袖作用弱化

在用戶設置議程的今天，真相都還沒有被專業(yè)媒體挖掘報道出來，各類觀點就已經(jīng)就在路上了。根據(jù)算法平臺自媒體博主的只言片語，用戶開始迫不及待地發(fā)聲，把各類社會個案上升到人性、道德高度，甚至情緒和觀點高過了事實真相?！皞髡摺焙汀笆鼙姟苯缦薜娜找婺：?，意見領(lǐng)袖失去了領(lǐng)導作用，難以扭轉(zhuǎn)網(wǎng)民的錯誤認知也無法阻擋用戶的情緒宣泄。由此，產(chǎn)生了網(wǎng)絡暴力、媒介審判等不良現(xiàn)象。

與此同時，傳統(tǒng)媒體議程設置的權(quán)利被“算法推薦”逐步剝奪，主流媒體輿論引導也處于弱勢狀態(tài)。比如，高管性侵養(yǎng)女案中，盡管在后期反轉(zhuǎn)，事情的性質(zhì)其實并不是所謂的性侵。但是，一些媒體智能平臺如微博等，通過“算法推薦”，根據(jù)分析用戶的搜索和瀏覽記錄為用戶設置議程，仍在源源不斷的推送類似信息，仍然將其歸類為“性侵兒童”的話題標簽下。官方發(fā)布和主流媒體報道依然在努力進行引導，但在“算法推薦”面前作用是有限的。此外，用戶會在算法推薦產(chǎn)生的“信息繭房”中進行事實辨別和觀點判斷，媒體想要開展議程設置會比較艱難。

(二)社會管理層面

1.迎合用戶影響創(chuàng)新，資訊日益淺薄低俗

無論智能平臺如何標榜自己的“算法推薦”技術(shù)，無論他們?nèi)绾螐娬{(diào)內(nèi)容分發(fā)能夠做到多么智能精準，就目前呈現(xiàn)效果來看，內(nèi)容能否被推薦以及推薦給誰，都只有相對簡單的標準——點擊量，也就是內(nèi)容能不能抓住用戶眼球，能不能吸引用戶點擊閱讀或觀看。對流量的肆意追逐助推各類智能平臺走向媚俗化?！把矍蛐侣劇敝饾u在各個內(nèi)容平臺泛濫成災。

某些內(nèi)容創(chuàng)業(yè)公司或作者，為了能夠在智能平臺攫取利益，不惜去研究并依賴“算法推薦”技術(shù)制造內(nèi)容垃圾，自媒體的“做號”產(chǎn)業(yè)讓不少平臺和用戶頭疼不已。有些作者為了在平臺上得到認可，會刻意制造聳人聽聞、低訴膚淺的內(nèi)容，從而獲得算法推薦的青睞。創(chuàng)作者喪失了理性思考和維護新聞真實性的原則，甚至失去了獨立思考的能力。創(chuàng)作者的創(chuàng)新能力在“算法推薦”的不良誘導下被逐步削弱，深度寫作和冷靜思考湮沒在喧囂的“眼球新聞”之中。創(chuàng)作者開始去寫段子、拍搞笑視頻，什么點擊量高就寫什么拍什么。長此以往，資訊將會更加淺薄低俗。此外，許多自媒體平臺充斥著媚俗、惡俗甚至謠言信息，更是讓網(wǎng)絡空間烏煙瘴氣，讓人不由地質(zhì)疑是否“新聞正在死去”。

2.內(nèi)容生產(chǎn)門檻過低，編輯把關(guān)逐步淡化

“算法推薦”的技術(shù)，從媒體需求的角度來講，的確是提高了內(nèi)容分發(fā)的效率，也實現(xiàn)了內(nèi)容和用戶的精準匹配。但是算法推薦不提供內(nèi)容生產(chǎn)，同時也省略掉了編輯和把關(guān)的流程。內(nèi)容單純憑借機器來計算是否推薦，不僅喪失應有的溫度，而且導致內(nèi)容缺乏必要管理，粗制濫造大量存在。

為了獲得更多內(nèi)容、創(chuàng)作者和用戶，智能平臺拉低門檻，放低姿態(tài)，允許各種聲音在這個平臺上出現(xiàn)。倘若技術(shù)能夠完成自我監(jiān)管、約束和提升，內(nèi)容門檻問題就會比較好解決。但是，“算法推薦”的標準仍然比較單一，優(yōu)質(zhì)內(nèi)容難以獲得推薦，內(nèi)容把關(guān)成本高，即使在政府部門嚴厲監(jiān)管和智能平臺強力封堵下，違規(guī)劣質(zhì)內(nèi)容依舊層出不窮。智能平臺對編輯把關(guān)的賦權(quán)不足，致使各類智能平臺問題頻出，接連受到監(jiān)管部門懲治。長此以往，用戶常掉入“標題黨”的陷阱中，就會失去對媒體和新聞的信任，從而惡化網(wǎng)絡生態(tài)環(huán)境。

此外，人工編輯的把關(guān)意識也逐步淡化。由于“算法推薦”替代了人工編輯和采編風格，用形式上的合理性取代了實質(zhì)上的合理性，用機械算法和自動推送摒棄人文主義的現(xiàn)實關(guān)照，拋棄了人文的機械技術(shù)是無法真正地深入人心的。單純追求點擊率和閱讀量的競爭是喪失靈魂的無序競爭，也是無意義的。

3.內(nèi)容生產(chǎn)侵權(quán)不斷，洗稿抄襲亂象叢生

依托“算法推薦”的智能平臺信息全、范圍廣，用戶可以閱讀新聞、瀏覽資訊、看視頻和直播。智能平臺采取媒體授權(quán)、自媒體合作、用戶生產(chǎn)等方式獲得內(nèi)容。但更多時候，自媒體博主會直接從其他信息平臺抓取信息，分發(fā)給感興趣的用戶。自媒體博主隨意抓取內(nèi)容的現(xiàn)象導致侵權(quán)不斷，智能平臺各類版權(quán)糾紛案件可謂此起彼伏，嚴重挫傷原創(chuàng)作者的積極性。

在直接侵犯版權(quán)之外，洗稿抄襲亂象也大量存在。洗稿、抄襲等行為甚至得到了智能平臺默許。一些原創(chuàng)稿件被拆散、拼湊、改寫，“改頭換面”就可以在自媒體賬號上發(fā)布，并且運用“算法推薦”技術(shù)，還可以獲得較高的推薦量。侵權(quán)者不用付出任何代價就能得到流量，而智能平臺則幾乎不用成本就能獲得內(nèi)容，然后通過“算法推薦”來變現(xiàn)。侵權(quán)者的洗稿技巧日益嫻熟，即使原創(chuàng)作者想維權(quán)也會比較艱難。與此同時，平臺幾乎不用承擔任何風險。那么，當讀者被各種同質(zhì)化內(nèi)容“騙取”一次次瀏覽后，也會對自媒體和平臺失去信任。

4.數(shù)據(jù)存在安全風險，機器開始控制用戶

算法推薦技術(shù)所帶來的隱私問題愈發(fā)嚴重，公共信息和私人信息的界限愈發(fā)模糊。為了精準描繪用戶畫像，掌握用戶的閱讀習慣和行為軌跡，平臺需要收集大量的用戶數(shù)據(jù)。平臺廣泛收集了用戶信息，包括用戶的注冊信息、位置、瀏覽習慣、轉(zhuǎn)發(fā)和評論的喜好等。甚至，平臺會將信息以某種形式賣給廣告商。值得警惕的是，個別智能平臺進行“協(xié)同過濾算法推薦”的時候，會竊取用戶的使用設備信息、用戶個人通訊錄、短信內(nèi)容、社交平臺痕跡、娛樂習慣等等，這將會導致用戶個人隱私數(shù)據(jù)等被大量收集，面臨著隱私泄露的風險。侵犯隱私一直是平臺治理中的重難點。畢竟，我們想要的是人機協(xié)同，而不是人被技術(shù)所裹挾。

同時，智能平臺的無序競爭也可能導致用戶難以自主選擇接收信息的內(nèi)容。機器開始嘗試控制用戶。即使用戶意識到要多維度獲取信息，也可能會遭到機器阻撓，那么人們想要獲取新鮮事物變得更難，只能處于“舒適”的怪圈中，待在機器所構(gòu)建的“虛擬社會”。

三、“算法推薦”負面影響的應對策略

(一)完善相應法律法規(guī)，依法開展常態(tài)監(jiān)管

網(wǎng)絡法治化治理是必然趨勢，監(jiān)管部門早已開始發(fā)力。2019年，我國出臺了一系列規(guī)范網(wǎng)絡信息安全保護的法規(guī)條例，為網(wǎng)絡健康有序發(fā)展提供有力保證。網(wǎng)絡安全等級保護制度2.0標準制定，擴大了網(wǎng)絡安全保護的范圍；《互聯(lián)網(wǎng)個人信息安全保護指南》發(fā)布，指導用戶保護個人的數(shù)據(jù)安全；《關(guān)于APP違法違規(guī)收集使用個人信息的認定方法》發(fā)布，規(guī)范了APP對用戶數(shù)據(jù)的收集等。

“正如我們已經(jīng)看到的，預測個體的行為已經(jīng)變得非常容易了。未來比過去更具價值，因為我們的旅行和購物計劃可能是商業(yè)圈中最有影響力的商品。雖然我們的過去由安全防火墻和隱私法保護著，但通過精密系統(tǒng)的預測，我們的未來卻極易被人掌握。”[5]針對“算法推薦”帶來的侵犯隱私問題，監(jiān)管部門應結(jié)合實際情況，逐步完善相應法律法規(guī)，對于“算法推薦”存在的違規(guī)亂象，更應依法開展常態(tài)監(jiān)管。只要平臺或發(fā)布者觸碰法律“紅線”，就要對其進行嚴懲，做到“有法可依，執(zhí)法必嚴”。

(二)實時開展行業(yè)整頓，敦促平臺凈化升級

在對智能平臺進行常態(tài)化的監(jiān)管之外，還要實時開展全行業(yè)的整頓工作。2020年1月6日工信部網(wǎng)絡安全局約談了小米科技有限公司，全面排查安全問題。2020年7月20日，進一步夯實網(wǎng)絡安全主體責任，抓好網(wǎng)絡安全風險漏洞問題整改，廊坊市委網(wǎng)信辦組織召開網(wǎng)絡安全問題集中約談會議。

事實上，近年來，此類行業(yè)整頓行動相對較多。對這些算法公司整頓的重點，相當一部分與“算法推薦”相關(guān)。對于技術(shù)我們應該揚長避短，合理利用好它的長處，規(guī)避它的短處?！八惴ㄍ扑]”不應該淪為違法違規(guī)的“利器”，而應該是提高效率的“長劍”。監(jiān)管部門必須穩(wěn)妥監(jiān)管“算法推薦”技術(shù)，敦促平臺凈化升級。

(三)做好有害信息監(jiān)測，及時清理有害信息

由于智能平臺過度依靠“算法推薦”進行信息推送，編輯把關(guān)人員相對缺乏，有害信息難以被及時清理。因此，需要監(jiān)管部門做好有害信息監(jiān)測工作，拿到這些智能平臺的信息接口，便于采用“人工+技術(shù)”的模式進行監(jiān)測，做到及時發(fā)現(xiàn)和快速封堵刪除。這些有害信息包括網(wǎng)絡謠言、色情信息、過激言論和反宣滲透等，對人們思想迫害頗深，也會導致惡性循環(huán)。同時，在對劣質(zhì)有害信息進行清理時，對于沒有事實依據(jù)的揣測和陰謀論，除了進行封堵刪除外，還需及時將此類信息通報給智能平臺，督促他們管理好平臺上的自媒體賬號和用戶留言，不要過分抓取有害及敏感信息。

(四)盯緊動向強化研判，規(guī)避輿論操控風險

平臺通過議題設置與用戶產(chǎn)生共鳴，并利用數(shù)據(jù)采集、信息追蹤等功能，對當下火熱的網(wǎng)絡輿情進行搜集，并且進行了大數(shù)據(jù)分析。在技術(shù)加持下，可以合理利用“算法推薦”的利器，以保證公共話語的多元表達，增加網(wǎng)民之間的理性互動和討論。運用多元、有效的公共話語，以事實來說服用戶，以理性來引導用戶，以此減少網(wǎng)絡輿論的失真，這是當下平臺內(nèi)容治理的題中之義。

監(jiān)管部門要盯緊網(wǎng)絡輿情動向，并強化研判。智能平臺同時坐擁超級流量和算法技術(shù)，在缺乏外界監(jiān)管的情況下，可能存在輿論操控行為。信息監(jiān)管部門對平臺中“帶節(jié)奏”的言論要提高警惕，對不法分子利用技術(shù)以操控輿論的違法行為要施以嚴懲，更要嚴厲打擊外部操控者。不能讓智能平臺的“算法推薦”技術(shù)淪為輿論操控的“擴音器”。對于輿情事件中出現(xiàn)的敏感信息和言論，監(jiān)管部門要及時響應，智能平臺協(xié)助監(jiān)管部門盡快進行核實，并對謠言和不當言論進行刪除和澄清。同時，應對主流媒體進行內(nèi)容賦權(quán)，利用“算法推薦”將主流媒體聲音推送給用戶，以主流言論帶領(lǐng)人們，澄清片面敏感信息帶來的負面影響。如此，通過及時研判輿情，可以規(guī)避潛在的輿論操控風險。

(五)持續(xù)升級技術(shù)水平，有效遏制劣質(zhì)內(nèi)容

“算法推薦”技術(shù)存在的問題，需要依托技術(shù)本身的更新迭代來解決。第一，是建立風險內(nèi)容識別系統(tǒng)，可以設立：鑒黃模型、謾罵模型、泛低質(zhì)識別等系統(tǒng)模型。算法系統(tǒng)通過采取對自身的升級，達到改善弊端的效果，將會比人工過濾更有效和迅速，可以更全面防止垃圾信息的泛濫，維護平臺文明與健康。第二，是優(yōu)化算法，升級內(nèi)容審查技術(shù)，及時遏制有害信息。算法挖掘信息的方式，涉及信息的科學性和合理性問題。算法系統(tǒng)應升級敏感詞過濾技術(shù)和音視頻審查技術(shù)等，對于違規(guī)信息進行進一步的人工核查。第三，加強用戶數(shù)據(jù)保護。用戶的隱私不能讓渡給機器。盡管對用戶私人數(shù)據(jù)的使用界限沒有明確規(guī)定，但至少對用戶數(shù)據(jù)抓取要有所控制。如此，通過升級技術(shù)手段，并遏制有害信息，對內(nèi)容進行有效審核，將會凈化智能平臺。

(六)強化企業(yè)把關(guān)責任，增加人工編輯比重

部分智能平臺已經(jīng)意識到缺少“把關(guān)人” 的嚴重性。在現(xiàn)實條件下，僅僅依靠技術(shù)升級實現(xiàn)對劣質(zhì)內(nèi)容嚴格審核和優(yōu)質(zhì)信息有效推薦的難度較大。此時，需要持續(xù)強化企業(yè)把關(guān)責任，增加人工編輯比重，采用“人機結(jié)合”的模式。如今日頭條上線了“熱點、搜索”等頻道，并在“熱點”欄目中，引入了人工編輯。人工編輯會嚴格篩查劣質(zhì)信息。增加人工編輯比重，這雖然看似回到了傳統(tǒng)的新聞生產(chǎn)模式，但其實打破了算法推薦下的內(nèi)容窠臼，又能保障內(nèi)容質(zhì)量。機器和技術(shù)是為人服務的，實現(xiàn)機器和人的優(yōu)勢互補，才能使得工具理性和價值理性達到二元平衡。

(七)引導用戶時常反思，理性認知算法推薦

“算法推薦”給用戶帶來了良好的資訊閱讀體驗，節(jié)約了信息挑選的時間，但其弊端也日益受到輿論關(guān)注。各智能平臺存在大量劣質(zhì)內(nèi)容和無用信息，正在浪費用戶的時間，并擠占正常閱讀的空間，而“算法推薦”催生的“信息繭房”也導致用戶的視野日益狹窄，魚龍混雜的信息也讓用戶無所適從。面對這個問題，今日頭條推出了“探索”機制，用戶可以在此尋找到自己未知的興趣所在，可以探索更多的內(nèi)容可能。目前今日頭條上已經(jīng)有了四大區(qū)域，搜索區(qū)能夠看到熱搜、熱點新聞，頻道區(qū)可以看到垂直類信息，要聞區(qū)可以看到權(quán)威媒體新聞，個人化區(qū)可以探索未知的領(lǐng)域。另外，監(jiān)管部門和主流媒體可以適當引導用戶開展反思，鼓勵他們正確認知“算法推薦”，不能只是接受智能平臺的“迎合”，獲取同質(zhì)化的信息資訊。用戶要勇敢走出“信息繭房”，獲取更多有價值的信息，從而增加閱讀的維度、深度和廣度，全面提升自己的理性認知和判斷能力，做到不被“算法推薦”所禁錮。

(八)完善用戶畫像，產(chǎn)品推薦更精準

算法推薦本質(zhì)的目的就是為了更精準地實現(xiàn)“信息和人的匹配”。以此邏輯為導向，算法推薦可以增加平臺與用戶現(xiàn)實社交關(guān)系圈的聯(lián)系，并且細化產(chǎn)品顆粒，以建立更完善的用戶畫像，進行更準確的產(chǎn)品推薦，可從以下兩個方面出發(fā)：

1.實現(xiàn)“精準化”和“多元化”。在信息泛濫的時代，如何更加的“個人化”是信息分發(fā)的關(guān)鍵一環(huán)。我們要發(fā)現(xiàn)特定用戶在選擇不同類別內(nèi)容時，內(nèi)容之間是否存在著更加細粒度的聯(lián)系。算法推薦針對此聯(lián)系，對內(nèi)容選擇進行深層的透徹分析，從而實現(xiàn)細粒度的個性化，實現(xiàn)更多的“消費者主權(quán)”。我們不僅要做更精準的推薦，同時也要重視內(nèi)容的多樣性，做到粗粒度的多元化。對于人們對信息的“挑食”，用戶畫像具象化是破解信息繭房效應的必走之路。

2.多層次綜合推薦。部分智能平臺正在開發(fā)更先進的技術(shù)和算法，嘗試在信息傳播的前端加強對內(nèi)容的把關(guān)，或者對內(nèi)容分發(fā)環(huán)節(jié)進行調(diào)整，增加更優(yōu)的信息價值評價標準，而不是簡單以“點擊量”作為推薦依據(jù)。算法也在進行深度學習，要將用戶的立場從“被動”變?yōu)椤爸鲃印?。以B站為例，B站內(nèi)容系統(tǒng)由用戶主導，結(jié)合前期把關(guān)解決趣味下沉問題，由用戶自主選擇內(nèi)容，從而實現(xiàn)了產(chǎn)品精準推薦，用戶地位轉(zhuǎn)變。

四、結(jié)語

“我們在生產(chǎn)和信息交流方式上的變革必然會引發(fā)自我管理所用規(guī)范的變革。”[6]算法實現(xiàn)信息的私人訂制，同時也帶來了很多問題。在算法推薦的過程中，看似是算法技術(shù)處于中心，但事實上人為因素是貫穿始終的。人是信息的主人，要如何去規(guī)避算法偏見和改變當前的信息繭房困境才是問題的關(guān)鍵。沉溺于“技術(shù)悲觀論”的論調(diào)是“信息繭房”的另一種表現(xiàn)。我們要看到算法推薦其實是有很多可改進的空間，對于它帶來的問題，不能沿用傳統(tǒng)編輯模式下的老辦法。技術(shù)、社會和人是良性互動的。用戶既需要由算法推薦帶來的“私人訂制”信息，也需要保證信息的質(zhì)量和溫度。因此，智能平臺需要從用戶的角度出發(fā)加強算法的自我學習和升級，從根本上解決算法推薦帶來的弊端。