兵哥注：“信息繭房”（Information Cocoons）這一概念，是由美國哈佛大學(xué)教授凱斯·桑斯坦在《信息烏托邦》中首次提出，他用“個人日報”來形容互聯(lián)網(wǎng)用戶在海量信息中以個人喜好選擇接觸有興趣的信息，進(jìn)而對其他內(nèi)容排斥與無視，長此以往形成“信息繭房”。信息繭房的形成往往被歸因于“算法推薦”在新聞業(yè)大行其道。但作者認(rèn)為，算法推薦機制并非造成“信息繭房”的核心原因。

喻國明：“信息繭房”的鍋，算法推薦不能全背

來源：德外5號  作者：喻國明

“算法推薦”對新聞業(yè)的改革推動力是巨大的：它在信息爆炸時代，高效對接了受眾需求和信息；以今日頭條為代表的信息分發(fā)平臺也借此彎道超車，再塑話語權(quán)格局，拓寬受眾信源。

與此同時，我們也無法忽視和算法推薦如影隨形的巨大爭議——“信息繭房”。學(xué)界對'信息繭房'聲討的基本邏輯是，算法技術(shù)以工具理性取代了人的價值理性，造成新聞專業(yè)主義的讓位與受眾信息端的日益窄化。

那算法推薦機制是否是造成“信息繭房”的核心原因呢？答案是否定的。那為什么不是？算法機制的完善路徑又是什么呢？

“信息繭房”的“誤讀”

“信息繭房”（Information Cocoons）這一概念，是由美國哈佛大學(xué)教授凱斯·桑斯坦在《信息烏托邦》中首次提出，他用“個人日報”來形容互聯(lián)網(wǎng)用戶在海量信息中以個人喜好選擇接觸有興趣的信息，進(jìn)而對其他內(nèi)容排斥與無視，長此以往形成“信息繭房”。

桑斯坦認(rèn)為，由于“信息繭房”的存在，人們只會選擇和接觸與自己意見相同或近似的人群，采納符合自己預(yù)期的觀點，于是逐漸形成“回音室效應(yīng)”（Echo Chambers），個人所認(rèn)同的意見和觀點，以及所感興趣的事物，都會在這種傳播場域中得到“正反饋”式的激勵和放大，所謂“強者愈強，弱者愈弱”。照此推理，“回音室效應(yīng)”會導(dǎo)致人們成為認(rèn)知上的“井底之蛙”，誤把“私域”（某圈層）的事物和觀點等同于“公域”（全社會）的事物與觀點，進(jìn)而形成“刻板成見”并在與圈層以外的意見與觀點對沖時或感到迷惑茫然，如同見到無法理喻的“外星人”，或走向認(rèn)知上的極端和表達(dá)上的極化，成為群體化事件的溫床。

近年來，“信息繭房”成為研究熱點，關(guān)于“信息繭房”的治理方式的研究更是成為多個學(xué)科中的熱點問題：基于公共領(lǐng)域的本質(zhì)特性，新聞傳播學(xué)對“信息繭房”的隱憂和批判明顯多于其他領(lǐng)域，但同時也存在著相當(dāng)?shù)恼`解，研究表明：

（一）“信息繭房”一直存在

被譽為傳播學(xué)四大奠基人之一的香農(nóng)（ClaudeE.Shannon）是“信息論”的提出者，他認(rèn)為“信息是用來消除隨機不確定性的東西”。同為傳播學(xué)奠基人之一的霍夫蘭（Carl Hovland）所提出的“個人差異論”其實早已闡述了受眾的“選擇性和注意性”理解。對這一理論的理解是隨著時代的變遷而不斷展開的，大眾傳播時代，“個人差異”主要體現(xiàn)為對統(tǒng)一的大眾媒體上信息的理解，那么信息技術(shù)與移動互聯(lián)技術(shù)所共同促成的當(dāng)下海量信息與個體化消費的現(xiàn)狀，則將更多指向“選擇”，每個人的個人媒介選擇都存在巨大的差異。

即便在互聯(lián)網(wǎng)出現(xiàn)之前，媒體會根據(jù)自身市場定位及角色擔(dān)當(dāng)，以某種價值框架來選擇性地呈現(xiàn)和反映這個世界；受眾也會以自我價值為核心，以一定的能力、意愿、興趣為半徑為自己建立信息渠道。所不同的是，互聯(lián)網(wǎng)時代開啟了個人尋找信息的便利性，同時也開啟了信息找尋人的便利性，雙向互動是互聯(lián)網(wǎng)對信息傳播渠道的最大貢獻(xiàn)。而所謂的以個人興趣為核心的“信息繭房”本身，其實是由個人的選擇和注意所決定的，算法與數(shù)據(jù)技術(shù)不過是媒介的價值選擇機制在數(shù)據(jù)條件之下的一種“人體的延伸”，并不是形成“信息繭房”的獨特成因。

（二）“信息繭房”是海量信息差異化消費的必然結(jié)果

當(dāng)下的信息總量無疑是驚人的，且是急速更新、海量增長的。Facebook每天產(chǎn)生4PB的數(shù)據(jù)，包含100億條消息、3.5億張照片和1億小時的視頻瀏覽。據(jù)Smart Insight統(tǒng)計，目前，全球每天有多達(dá)35億次搜索來自Google，相當(dāng)于每秒4萬多次搜索。而在中國，百度更是面對著每天60億次左右的搜索請求。與如此大的信息量相比，個人的信息系統(tǒng)的容納量就愈發(fā)顯得渺小、狹窄甚至不夠多元。同時，在如此浩瀚的信息海洋里固守一些自己習(xí)慣和評價較好的信息菜單和信息渠道，甚至可以解釋為在信息過剩時代的某種自我保護(hù)，是現(xiàn)代人以個體為基礎(chǔ)信息消費的必然結(jié)果。

（三）“信息繭房”是“獨異性”社會的外在表現(xiàn)之一

用“個性化”一詞，已經(jīng)不足以表達(dá)當(dāng)下社會與現(xiàn)代社會的根本區(qū)別了，德國社會學(xué)家安德雷亞斯·萊克維茨提出了更為貼切的概念“獨異性”。在信息行為領(lǐng)域，個人不再遵循大眾媒體時代的信息編排、時空限制，而是以個人的興趣為核心去為信息制定價值，這也必然會造成與傳統(tǒng)大眾媒介時代相比，個人信息系統(tǒng)的千人千面、各有所好。這是社會發(fā)展和人們信息消費迭代升級的外在表現(xiàn)之一。

“編輯權(quán)”的迭代：從精英、個人到機器？

人類的信息分發(fā)模式迄今為止經(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)。如今的傳媒領(lǐng)域已經(jīng)與信息系統(tǒng)須臾不可分，站在受眾的立場上，嚴(yán)肅媒體、娛樂媒體、生活信息、消費信息、社交信息等等并沒有清晰的分野，個人以終端接入信息海洋，以時間為線索編制個人信息系統(tǒng)，不斷接收流入個人信息系統(tǒng)的內(nèi)容，并對內(nèi)容作出基于場景、情緒等非理性因素的選擇。這與大眾媒介時代最根本的區(qū)別在于，宏觀系統(tǒng)的絕對復(fù)雜化與個人系統(tǒng)建立模式的不可捉摸。

算法本身是一個用系統(tǒng)方法描述解決問題的策略機制，在信息系統(tǒng)與人的匹配中無疑是高效、先進(jìn)的工具。算法機制要解決的根本問題是：從龐大復(fù)雜的信息系統(tǒng)中挑選符合用戶興趣習(xí)慣和社會特征的內(nèi)容，呈現(xiàn)在他的個人信息系統(tǒng)中，以滿足他的內(nèi)容需求。這一過程在大眾傳播時代由專業(yè)媒體人完成，“編輯”是“把關(guān)人”職能的具體表現(xiàn)，“編輯權(quán)”是媒體精英時代的職業(yè)權(quán)力，媒體人依靠這一權(quán)力為所謂“大眾”挑選“合適”的內(nèi)容，并賦予內(nèi)容不同的權(quán)重，最后呈現(xiàn)給受眾的是一系列帶有結(jié)構(gòu)和秩序的信息集合。

然而個人移動終端的普及，首先將大眾傳媒的依靠時空壟斷和資源壟斷維護(hù)的信息秩序徹底打破，人沉浸在信息冗余、時刻在線的傳媒環(huán)境之中。根據(jù)美國南加利福尼亞大學(xué)2013年發(fā)布的“媒介消費量使用報告”，美國人2015年個人日均媒介的使用時間是15.5小時，時至今日，這一沉浸信息之中的時間更是達(dá)到非工作時間的極限。

在不斷涌入的信息之中，誰是新的信息“把關(guān)人”？正如英國文化研究專家拉什（Scott Lash）所說：“在一個媒體和代碼無處不在的社會，權(quán)力越來越存在于算法之中”。當(dāng)下的信息環(huán)境中，對信息“編輯”的權(quán)力已經(jīng)被讓渡給兩個邏輯：一是，讓渡給社交關(guān)系，二是讓渡給平臺算法。前者由社交關(guān)系中的個人轉(zhuǎn)發(fā)評論和點贊來“編輯”個人信息系統(tǒng)，后者由算法根據(jù)個人的既往閱讀軌跡與特性來挑選內(nèi)容，進(jìn)而“編輯”個人信息系統(tǒng)。社交推送和算法推送的共性在于，它們都屬于被動接收式的“推送”；而這兩者的區(qū)別在于，社交推送可被調(diào)整——個人如果對來源于社交關(guān)系中某些信息質(zhì)量存疑可以通過“取關(guān)”“屏蔽”來調(diào)整個人信息源；而算法推送下，用戶缺乏主動的調(diào)整權(quán)，在對算法不滿意的時候缺乏必要的反饋渠道，對某些內(nèi)容推送的被動認(rèn)知會累積成對于推送平臺的反感情緒。

美國麻省理工學(xué)院社會心理學(xué)學(xué)者雪莉·特克爾（Sherry Turkle）評論說：移動互聯(lián)網(wǎng)已然將我們帶進(jìn)了一個“持續(xù)分心的世界（the World of Continual Partial Attention）”。對用戶來說算法推送內(nèi)容無疑是一個不斷打擾注意力的過程之一，這種對注意力的干擾挑戰(zhàn)了內(nèi)容消費的主體性。互聯(lián)網(wǎng)以及此后的移動互聯(lián)、人工智能等技術(shù)與互聯(lián)網(wǎng)之前時代的一個本質(zhì)區(qū)別就在于，為個人的主體性開辟了渠道——用戶不但可以被動接收信息也可以主動發(fā)布信息、選擇信息?；谒惴夹g(shù)的信息“分配”，其實是在主體性十分強大的用戶個人信息系統(tǒng)中，充當(dāng)了對這種習(xí)以為常的主體性的挑戰(zhàn)者。

算法推送的大勢所趨：必然、實然與應(yīng)然

有學(xué)者將當(dāng)前傳播業(yè)歸納為三重邏輯：計算機邏輯（Computational Logic）、媒體傳播邏輯（Communicative Logic）、社交邏輯（Social Logic）。所謂計算機邏輯是指，基于計算機技術(shù)和大數(shù)據(jù)算法，對內(nèi)容傳播的收集、制作和分發(fā)，依賴于無限的數(shù)據(jù)與內(nèi)容，媒介信息與受眾信息都無限豐富；媒體傳播邏輯，是指從媒介生產(chǎn)的角度出發(fā)，不斷審視渠道的變遷，受眾的變化，力求在生產(chǎn)立場上更多地調(diào)整和融合，以維持受眾的關(guān)注度；社交邏輯是指，由于社交媒介的無處不在，以及通過社交媒介消費新聞和資訊的普遍性，消費者之間的關(guān)系網(wǎng)正在與信息傳播網(wǎng)絡(luò)鑲嵌在一起。三重邏輯之間互相影響，互相輔助，成就當(dāng)下傳播業(yè)的基本局面。

我國對于算法在新聞傳播領(lǐng)域中應(yīng)用的研究主要集中在2012年之后，尤其在針對“信息繭房”的討論中，算法詬病成為焦點問題，聲討的基本邏輯是，算法技術(shù)以工具理性取代了人的價值理性，在工具所帶來的“不適當(dāng)”“不正確”之中，當(dāng)下的技術(shù)顯得笨拙而難堪。

目前主流的推薦算法，尤其是針對內(nèi)容推送的算法，主要是一種語義算法，其核心思想是將語義知識融合到推薦過程中，來克服傳統(tǒng)推薦算法的不足。基于對內(nèi)容的標(biāo)簽化分類，與對用戶的分類做兩者之間的匹配——基于語義的內(nèi)容推薦算法、基于語義的協(xié)同過濾推薦算法、基于語義的混合推薦算法以及基于語義的社會化推薦算法。算法推送的本質(zhì)是科學(xué)而有用的，但在實際應(yīng)用中遭遇了階段性問題。例如，在現(xiàn)在的算法還不足夠“聰明”的情況下，用機器智能完全替代人的“把關(guān)”，這樣的資訊“把關(guān)人”是否可以完全信賴？由于算法性信息分發(fā)更多地建立在對于人們的直接興趣和“無意注意”的信息需求的挖掘上，它的直接后果是造成對于人們必需的那些非直接興趣和需要“有意注意”問題的忽視，等等。這些社會質(zhì)疑對于算法型信息分發(fā)是不能不面對與正視的。

（一）算法的必然：鏈接了人與信息

算法的本質(zhì)是建立在海量信息和海量用戶之間的匹配技術(shù)，是ICT技術(shù)發(fā)展的必然。如果沒有算法的介入，海量信息將無法完成更為有效的傳播。曾經(jīng)在“大眾傳媒”與“大眾”之中橋接信息的“發(fā)行”“收視”工作，對受眾需求的顆粒度分析是粗放的，是一種滿足最大公約數(shù)需求的信息傳播與消費模式；而在信息碎片化、用戶個體化的當(dāng)下信息傳播系統(tǒng)內(nèi)，算法以先進(jìn)的技術(shù)鏈接海量的信息與個性需求的人，其存在和不斷發(fā)展是必然的。盡管智能算法分發(fā)中應(yīng)用了各種模型或公式，但其基礎(chǔ)原理是樸素的：更好地了解待分發(fā)的內(nèi)容（標(biāo)簽化處理），更好地了解待接收的用戶（用戶洞察），更高效地完成信息與人之間的對接（場景洞察）。

在這個信息海量的時代，無論是信息消費者還是信息生產(chǎn)者都遇到很大的挑戰(zhàn)：對于用戶而言，從大量信息中找到自己感興趣的信息是一件非常困難的事情；而對于信息生產(chǎn)者而言，讓自己的信息脫穎而出，受到廣大用戶的關(guān)注，同樣也是一件非常困難的事情。推薦系統(tǒng)就是解決這一矛盾的重要工具。推薦系統(tǒng)的任務(wù)就是聯(lián)系用戶和信息，一方面幫助用戶發(fā)現(xiàn)對自己有價值的信息，另一方面讓信息能夠展現(xiàn)在對它感興趣的用戶面前，從而實現(xiàn)信息消費者和信息生產(chǎn)者的雙贏。

（二）算法的實然：簡化了人與信息的關(guān)系

以目前的發(fā)展階段，算法最受詬病的根源在于它的“不可見”，在于不同的機構(gòu)、系統(tǒng)賦予算法不同的模型和賦值，更在于這些簡化的賦值方法、模型方式，在海量的信息中不斷打撈重復(fù)、無效、雷同的內(nèi)容，造成個人對信息“偶遇”的“疲勞”和“不滿”。

算法型信息分發(fā)的本質(zhì)應(yīng)該是用戶價值主導(dǎo)下的場景化適配，目前對個人需求的簡單量化，正是香農(nóng)所說的“工程傳播”的基本邏輯方法，這種邏輯方法的底層，一是簡單歸類，二是無視變化。海量信息時代，算法對受眾的“標(biāo)簽”如果仍然停留在大眾時代的受眾觀念之中，粗顆粒地歸類，必然會造成對需求理解的不對位，預(yù)測的不準(zhǔn)確；如果對受眾需求的認(rèn)知是固化的，比如會造成觀看一次內(nèi)容，就不斷持續(xù)推送類似內(nèi)容的問題，對分類和流動性上的要素缺失，無疑會造成當(dāng)下的矛盾——用戶需求的流動、復(fù)雜、演化與信息供給的固化、簡單、重復(fù)之間的根本矛盾。

當(dāng)然，算法推送技術(shù)也在不斷克服各種困難，如為減少標(biāo)題黨新聞的推薦，一些算法型內(nèi)容分發(fā)的互聯(lián)網(wǎng)企業(yè)已經(jīng)作出了一些探索，如今日頭條建立了檢測“標(biāo)題黨”的規(guī)則模型，以警示頭條號作者的“標(biāo)題黨”行為。當(dāng)頭條號作者預(yù)發(fā)布文章的時候，如果標(biāo)題中出現(xiàn)了“驚呆”“震驚”等內(nèi)容，會收到一個飄黃的窗口，提示其內(nèi)容涉及標(biāo)題夸張，建議修改，如果作者繼續(xù)強行發(fā)布將會被限制推薦量。這些都是算法推送正在不斷修正和優(yōu)化的事實。

（三）算法的應(yīng)然：協(xié)同人與信息

算法推送是算法在媒體平臺中的應(yīng)用之一，面向信息推送，基于算法的內(nèi)容推送將不再依賴記者、編輯等單獨點的信息采集，而是通過對大數(shù)據(jù)庫的實時分析，構(gòu)建起跨語言、深層次、全局性的認(rèn)識事物、表征和預(yù)測現(xiàn)實的模型，突破了以往人們“腦海真實”的片面性和局部性，從而仿真出無限逼近于客觀真實的“符號真實”。因此，算法推送從根本上說，是協(xié)同人與信息之間客觀真實關(guān)系的重要工具。

面向未來的算法，則更將指向更為革命性的人工智能領(lǐng)域?！叭斯ぶ悄芗夹g(shù)”的“智能化”程度取決于計算能力、數(shù)據(jù)與大數(shù)據(jù)以及算法模型的“三位一體”的品質(zhì)。與人工智能相對應(yīng)的是自然智能，是依靠自然進(jìn)化所造就的智能，例如人類智能，但人類的智能由多種智能構(gòu)成，它們分別是：語言智能、音樂智能、邏輯一數(shù)學(xué)智能、空間智能、身體動覺智能、人格智能和自省智能。人工智能始終在學(xué)習(xí)怎么成為人，但是在人格、自省、音樂、語言等非數(shù)理領(lǐng)域，需要依靠更為多元、精密甚至革命性的算法來實現(xiàn)與人類智能之間的協(xié)同。在整體性內(nèi)容需求市場上，目前基于“弱智能”的智能算法在相當(dāng)程度上還不能完全替代人工編輯，傳統(tǒng)的人工編輯仍然擔(dān)當(dāng)著“壓艙石”“航向標(biāo)”式的角色，智能算法提供工具性輔助。人工智能技術(shù)將人類智能和機器智能相結(jié)合，人機關(guān)系更加緊密和復(fù)雜。即使算法分發(fā)占據(jù)大半壁江山，信息傳遞的核心地位依然應(yīng)該是人。

紙上談兵【ID：paperstrategy】關(guān)注報業(yè)轉(zhuǎn)型，傳遞報人創(chuàng)意，匯聚報改資訊，提供有價值的傳媒集團(tuán)樣本觀察、分析和解讀。