▼

自由的消逝：

网络媒体算法推荐下的受众困境

文/张晴

技术是一种生命1。互联网时代的到来改变了传统的社交方式和社会资源分配模式，在数据爆炸性增长的知识经济时代，算法作为一种计算机指令，在互联网全领域化的浪潮下，成为Google与Facebook等互联网公司新闻推荐和分发的重要工具，国内的今日头条、微博等网络媒体也同样使用算法来为用户提供个性化信息。但同时，作为一种电子信息监狱，算法无形中约束着受众的自由，同时也引发了一系列伦理问题。不同的公司有各自的算法，而为了保护商业机密，算法成为了一个“技术黑箱”，在透明度缺失的情况下，还损害了受众的信息选择权利、隐私权以及独立性。

哈哈

新闻领域的智能算法推荐

白

1

算法，是一个计算机领域的名词，是指一系列解决问题的指令。在互联网全领域化时代，算法与内容生产、分发结合在了一起。从新闻的角度来看，算法实际上是用来“自动化选择和衡量新闻价值客体的标准”2，从Google News、Facebook的“News Feed”、今日头条到微博，算法代替大众媒体成为新媒体时代的“把关人”。用户作为网络世界的主体，最基本的要求仍然是互动，因此，社交媒体仍然是新媒体企业谋求发展的重中之重。对于微信和微博而言，微信由于其封闭性，营造的是一种熟人社会，互动双方之间的关系单一而固定。微博所营造的是一种“茶馆”文化，用户的来去都自由而随机，不同受众携带的信息汇聚在一起，在一天之内微博的信息量就可以达到8000多万条，海量的信息带来了大量的信息垃圾，如何对信息进行分类、清理、再加工，社交媒体中的算法推荐运用应运而生。

目前的算法推荐大概可以分为四类：基于关联规则的信息推荐技术、基于内容的信息推荐技术、基于协同过滤算法的信息推荐技术以及混合式信息推荐技术。第一种算法通常用于分析受众的购买倾向，淘宝、京东等电子商务平台通过搜集用户的浏览信息和点击量，将数据进行统一分析，产生了针对每个用户的商品推荐列表，例如淘宝的“猜你喜欢”，可以极大的刺激用户的消费欲望，营销成本也大大降低。基于内容的信息推荐技术是通过比较受众已选择、评价过的信息与新信息进行相似度比较，从而建立受众的“兴趣库”，为受众提供符合自身个性化需求的新信息。协同过滤算法的信息推荐技术则将目标对准了“受众特征”，通过对用户行为模式和选择偏好的分析，寻找与其最相近的“邻居”——与前一用户行为模式相似的用户群体，从而达到精准的信息推荐。混合式信息推荐技术其实是为了弥补以上三种推荐技术的不足而产生的一种，由于单独一种推荐技术存在对用户行为模式及兴趣爱好捕捉的不充足，从而产生了两种技术混合的产物，即将内容推荐技术与协同过滤技术结合起来，这样可以弥补单种技术的缺陷。

算法推荐是一种计算机语言，从表面上看似乎是摆脱了人工推荐的个人价值观倾向，但从实际意义上讲，算法是由科技信息公司的技术人员所创造出的人工产品，机械程序的背后，是不同公司的不同信息取向。对于Google来说，“用户行为信号”成为它进行新闻信息排名的重要依据，网上信息浩如烟海，如何为受众提供他们更加想要的信息，成为Google工程师关注的重点。根据受众对该条信息的CTR（点击率），Google会将受众更愿意看到的信息排在前列。

News Feed是Facebook重要收入来源，在2015年，Facebook70%的收入都来自news feed，Feed其实是一种站内推送，是将新闻与按照顺序排列的网站结合起来。在2013年，微博已经开始使用智能Feed为受众提供更加优质的内容，而这种智能的排列背后是精密的算法。对于Facebook，它的内容分发有数百个变量，但主要有三个权重因素：亲密度、生产成本、时间衰减，亲密度指的是事件生产者与观察者之间的互动频繁程度，生产成本指的是产生一条新信息需要花费的成本，时间衰减是指内容的过时程度。但随着受众分化程度的不断提高，Facebook的权重因素不断增加，传统的EdgeRank algorithm（边际排列算法）已经过期，Facebook开始运用一种基于“机器学习”的更为复杂的排列算法进行新闻的分发，但这并不意味着传统的三种因素——亲密度、权重、时间衰减已经过时，相反，这仍然是新闻分发最核心的排位因素，但算法的复杂性与专业性越来越高。在各类信息APP的轰炸下，受众对于每一款APP可能只能给予100秒的注意力，如何增强用户的粘性，Facebook在Edgerank algorithm的基础上添加了最少十万个个人因素。到了2014年，Facebook开始使用基于协同过滤算法的信息推荐技术，对于受众的定位分析更加精细，更加注重用户个人的信息需求，这与微博所采取的信息推荐技术有异曲同工之妙。

微博作为信息聚合和分享的场所，它的主打功能并不是通讯，为受众提供更符合口味的信息才是它的生存之道，因此微博主要采取协同过滤算法，从两个维度为受众提供相近的信息：（1）基于用户关系的推荐（2）基于个人兴趣的推荐。由于微博的信息实际上是通过人与人的连接实现转换的，因此互动性成为它的重要属性。为了给受众提供更加弥合兴趣的信息，“你可能感兴趣的人”成为算法推荐的直接表现。微博作为一个关系网络和兴趣网络，它的推荐机制可以分为三种：二度关系（好友的关注）、兴趣协同、细粒度时效性协同（通过用户的粉丝列表，计算相似度），再通过这些方式为受众提供“好友推荐”后，信息推荐也就随之而生，根据受众所关注的人的列表，分析受众所关注的信息倾向，从而能够最大限度的满足受众的信息欲望，微博成为了社交与信息分享的窗口。

哈哈

算法推荐下的受众困境

白

1

受众选择权的丧失

在马克思主义新闻伦理思想中，新闻自由是新闻伦理的价值取向3。新闻自由在笔者看来可以分为两类：传者的自由与受者的自由，传者的自由是不受其他外来因素干扰，可以按照新闻的客观性、真实性原则对事实进行完整的报道，而受众的自由是根据自身信息需求、个人价值观而对信息进行筛选、阅读、使用的权利。互联网的发展极大的丰富了信息储量，但信息的爆炸性增长使得受众接触所需信息的难度加大，碎片化的信息使得受众如同井底之蛙，只能看到各自头顶的世界，而对于整个客观世界的全景却只能依靠个人的想象和描绘。

在信息冗杂的情况下，算法为受众选择信息提供了便捷而省力的路径，以微博为例，只要在申请账号时选择自己喜欢的几个领域，微博会自动按照用户的兴趣选择和日常点击量、互动量来为用户选择他们从理论上感兴趣的信息，这似乎是双赢，微博既可以通过这种方式来吸引受众，增强用户粘性，用户也可以以最小的消耗来获得最大的信息回报，受众的信息选择权利似乎更大了。但是，这其实是为受众设置的一种“自由陷阱”。物有阴阳，事有两面，算法简化信息搜索的同时，是对受众自由甄别信息能力的一种消耗，受众所获得的“感兴趣”的信息是由算法所选择的，算法背后其实是各大科技公司商业价值观的体现，不同的科技信息公司有着迥异的算法，每一种算法的依据是什么？到底哪种算法可以真正为受众提供他们所需要的信息?

曾在谷歌工作的一位技术人员说世界上所有了解Google算法加起来不超过20个，包括Google的创始人拉里·佩奇。算法对于大多数人来说只是一个概念，受众并不了解它的运算过程，它相当于是一个“技术黑箱”4，但它在一定意义上已经代替传统的大众媒体成为了互联网时代的把关人，他们的背后是各大商业公司，因此，算法成为了互联网巨头控制受众接触、选择信息的工具，而受众所接触到的“感兴趣”的信息量在逐步增长，对于APP的依赖在增长，但能够选择是否接触这些信息的权利却在逐步下降。微博主要盈利点是在它的各种形式的广告，开屏广告、顶部条框广告、关键词广告……各种类型的广告占据了受众的页面，许多受众选择屏蔽这些广告，但微博在用户的互动性上做文章，“微博创作者广告共享计划”成为微博广告营销的创新点，用户只要在某条微博下评论，就可以看到手游、酒店、化妆品等各式各类的广告，根据新浪的声明，该类广告共享计划设定了门槛，只有粉丝量达到10万，月阅读量达到100万的用户才可以申请，但纵观这些广告，粉丝量从几十到几百的僵尸号比比皆是，且这些广告的投放也遵循算法，按照兴趣点和点击量对受众一网打尽，广告的多样性和缠附性对受众的注意力造成了极大剥削，而受众对于这些垃圾信息的出现却没有选择的权利。

受众隐私权的丧失

互联网时代的到来解放了受众，受众被技术赋权，在这个人人都是自媒体，人人都是记者的时代，个人信息的分享成为常态，纸媒时代话语权有限的受众，拥有了与权力机构对话的平台，但在这种信息交流空前自由与活跃的表层下，受众早已陷入了“电子信息监狱”5，一双无形的眼睛正在全程监视受众在赛博空间的一举一动，并且将触角伸向用户的现实世界。

互联网时代的“电子信息监狱”结构与英国哲学家杰里米·边沁建造的圆形监狱类似，每一个犯人都拥有一个自己的一个小空间，但彼此之间有间隔，无法相互联系，监视者位于中央高塔，通过每个小空间的窗口来俯视犯人，犯人由于高度问题无法看到监视者，监视者却可以从心理上来恫吓犯人。这种模式以最小的人力成本管束犯人，是心理学与建筑学一个完美的结合。

与传统圆形监狱不同的是，电子信息监狱中受众的信息互通方面并没有那么严格的界限，并且逐渐转化成了共景监狱。社交媒体的信息分享是以互动关系为基点的，受众的信息可以自由传送给好友，对方也可以自由窥视，但这种信息的自由分享有一个短板，依靠受众互动关系和兴趣网络的互动只能停留在信息世界的一个狭小区域，对于并无关联因素的用户，信息的交流则如同天方夜谭。

受众之间的信息交流并没有被阻塞，但正如犯人被监管者所监视，受众也被算法所“规训”。由于算法背后的商业性质，受众在赛博空间的一切轨迹正在被各大公司视奸。不同的企业会有不同的价值观，因而会制造不同的算法，而这也造成用户不同方面隐私的泄露，如Facebook关注的是用户之间的社会关系。2018年扎克伯格在Facebook上写到建立Facebook的初衷是为了帮助人们与重要的人更亲密联系，因此用户会看到更多的来自朋友和家人的信息。Facebook对于算法的这种改革也许为用户减少了无用的公共内容（来自企业、品牌的软文营销），但这种改革建立在对用户个人关系的把控下。与Facebook一样，众多新闻资讯类APP之所以能够以极高的精确度实现对用户的个性化推荐，是通过对用户大量个人数据的把控和分析，对用户的每一次点击，每一次留言都进行监控，最终从用户的点击量来推断用户的喜好、兴趣、个性甚至经济状况和社会分工，这样的“个性化”推荐，损伤的是用户的隐私权。

受众表达权与独立性的矛盾

互联网先驱尼葛洛·庞帝早在20年前就曾预言数字化生存天然具有“赋权”的本质6，互联网的开放性、扁平化为处在权力格局之外的普通受众提供了与权力机构对话的权力。在脱离了时间和空间阻隔的互联网世界，受众对于权力机构权威性的敬畏感下降，技术范式下的信息交流更多的基于一种网络关系的弱联系，这种网络关系也是算法进行个性化推荐的核心，这种弱联系通过间接的兴趣、爱好或者某些关注点而为泛泛大众提供平台进行平等交流，而传统的权利阶层的捍卫则是通过血缘关系和利益关系建立“强联系”，这种强联系在很大程度上限制了社会资源与权力资源的分配，普通的受众因此被隔离在权力系统之外。

梅罗维茨曾经提出了“新媒介—新场景—新行为”的关系模型，纵观欧美几次划时代的跨越发展，技术的进步都成为了社会形态变革的结构性动力，在历经两次工业革命后，信息技术革命不仅改变了经济形态，也改变了社会关系结构，传统的等级结构已经不适应互联网时代的新场景，知识经济的时代，社会资源从公权力机关手中倾斜，个体受众成为了信息资源的生产者与流动站，拥有了凝视与批判权力机构的能力与权利。

建立在关系网络上的受众拥有了信息分享和表达的平等权利，互联网的去中心化趋势明显，但同时，这种关系网络逐渐由平级结构转型为树状结构，在每一个个体之后，是用户按照算法推荐建立起来的虚拟社群，每个社群都会有自己的关系中心点，这些中心点的话语权更大，且影响力更广，这使得在普遍去中心化趋势下的关系网络又走向了中心化，位于中心点的网红、大V对与之产生弱联系的一般粉丝来说具有更高的权威性，这在无形中巩固了一个社群的价值观与群体意见，普通受众也围绕各自中心点话语趋向统一，话语权利由传统权力机关转向了互联网中新崛起的关系网络中心点，但这对于普通受众的独立性却造成了巨大的冲击，发声的权利并没有真正落到每一个个体身上。

总之，互联网时代的到来无疑改变了社会关系结构与社会资源分配，算法作为互联网的产物，对于减少人工输出和提供精准化信息起到了不可否认的作用，但基于关系网络的算法同时对受众造成了伦理伤害，受众的表达权在扩张的同时也在算法的挟持下失去了自由，算法在新闻领域的合法性仍待考察。

【参考资料】

1.凯文·凯利(2011)，《科技想要什么》，北京：中信出版社。

2.王茜（2017），打开算法分发的“黑箱”——基于今日头条新闻推送的量化研究，《新闻记者》,9,7-14。

3.张曦(2016)，《马克思主义新闻伦理思想研究》，南京师范大学硕士论文，浙江。

4.陈昌凤&霍婕(2018)，.权利迁移与人本精神：算法式新闻分发的技术伦理，《新闻与写作》，1，63-66。

5.洪辉&罗杰红（2014），物联网隐私权保护研究——基于圆形理论监狱的视角，《上海政法学院院报》，3，43-49。

6.喻国明&马慧（2016），互联网时代的新权力范式：“关系赋权”——“连接一切”场景下的社会关系的重组与权力格局的变迁.《国际新闻界》，10，6-27。

（作者系广西大学新闻传播学院硕士研究生）

本

刊拥有此文版权，若需转载或复制，请注明来源于神州杂志，标注作者，并保持文章的完整性。否则，将追究法律责任。