董方旭 康許培 趙樂群
【摘要】算法推薦的出現(xiàn)對新聞的生產(chǎn)與傳播帶來了極大影響,尤其是“過濾氣泡”現(xiàn)象的出現(xiàn),更是引發(fā)了學(xué)界和業(yè)界的廣泛關(guān)注。通過對“過濾氣泡”的形成、影響及其規(guī)避的闡發(fā),旨在使用戶對該現(xiàn)象有一個更為全面深入的認(rèn)識。我們在看到其負(fù)面影響的同時,也應(yīng)正確利用算法推薦的積極作用,助力新聞業(yè)的健康發(fā)展。
【關(guān)鍵詞】算法推薦;過濾氣泡;影響;矛盾;規(guī)避
隨著人工智能時代的到來,新聞業(yè)已經(jīng)發(fā)生了翻天覆地的變化。機(jī)器人寫作、VR/AR新聞、算法推薦、無人機(jī)采訪等“科技+新聞”的產(chǎn)品正被越來越多地應(yīng)用在人們的日常生活中,并不斷給用戶帶來新奇的感受與體驗。然而,這些產(chǎn)品在解放傳統(tǒng)媒體人的同時,也對媒介倫理發(fā)起了挑戰(zhàn)。尤其是算法機(jī)制帶來的“過濾氣泡”現(xiàn)象,更是不容忽視。筆者旨在通過對“過濾氣泡”的形成、影響與規(guī)避等層面的分析,指出“過濾氣泡”的雙刃劍屬性。即越來越多的用戶既要看到這一現(xiàn)象帶來的信息窄化、身份歧視、思維固化等負(fù)面影響,也要積極運(yùn)用它的精準(zhǔn)推送、快速分法和渠道拓寬等優(yōu)勢,更好地服務(wù)于用戶體驗和新聞生產(chǎn)。
一、算法推薦與“過濾氣泡”
信息過載時代,如何實現(xiàn)信息的高效分發(fā)成為一個難題。算法推薦的出現(xiàn)將用戶所需的信息從龐大的互聯(lián)網(wǎng)信息庫中迅速篩選出來,并將其精準(zhǔn)地送到用戶面前,從而解決了這一難題。騰訊、微博、微信、今日頭條、一點資訊,以及搜狐新聞、騰訊新聞等門戶網(wǎng)站均采用了算法推薦,以增強(qiáng)用戶體驗,提高用戶黏性。與此同時,隨著技術(shù)的不斷升級,算法也在不斷優(yōu)化與改進(jìn)。其中,主要有四種主流算法:一是基于內(nèi)容的推薦。它主要根據(jù)用戶的歷史記錄進(jìn)行文本分析,提取關(guān)鍵詞,向用戶推薦與歷史項目相似的內(nèi)容。二是協(xié)同過濾推薦。它通過找到與用戶具有相似偏好的用戶進(jìn)行內(nèi)容推薦。三是關(guān)聯(lián)規(guī)則推薦。即通過大量用戶的歷史數(shù)據(jù),挖掘潛在關(guān)聯(lián),分析用戶的潛在興趣。四是組合推薦。即集合多種算法,取長補(bǔ)短,實現(xiàn)信息的精準(zhǔn)推薦。[1]
眾所周知,技術(shù)是把雙刃劍。算法一方面提高了互聯(lián)網(wǎng)的生產(chǎn)力,但另一方面,它的出現(xiàn)也面臨著諸如收集數(shù)據(jù)時對用戶的隱私侵犯、算法自身所包含的偏見與歧視、新聞內(nèi)容把關(guān)失范,信息窄化、“信息繭房”等諸多倫理挑戰(zhàn)。當(dāng)然,“過濾氣泡”現(xiàn)象同樣也是算法推薦引發(fā)的后果。作為一個概念,該詞最早由伊萊·帕里澤(Eli Pariser)于2011年提出。在他看來,“過濾氣泡”不僅以受眾的興趣愛好為導(dǎo)向,而且還能將受眾生活的方方面面都包裹在其中,從而為受眾打造了一個獨一無二的個性化信息場域。以至于無論是社交、購物還是閱讀資訊,受眾都將被過濾氣泡緊緊包圍。
二、“過濾氣泡”的形成
(一)受眾的行為導(dǎo)向
互聯(lián)網(wǎng)出現(xiàn)之前,大眾傳媒主要根據(jù)自己的媒體特色和價值立場來篩選與發(fā)布信息,而受眾對這些信息也并不是全盤接收。拉扎斯菲爾德等人提出的“選擇性接觸假說”指出:“受眾在接觸大眾傳播的信息時并不是不加選擇的,而是更愿意選擇接觸那些與自己既有立場和態(tài)度一致或接近的內(nèi)容,而對與此對立或沖突的內(nèi)容有一種回避的傾向?!盵2]換言之,作為有自主意識的主體,在大眾傳媒已對信息進(jìn)行了“一層篩選”的情況下,受眾仍然會以自我興趣為導(dǎo)向?qū)π畔⑦M(jìn)行“二次篩選”。在流量經(jīng)濟(jì)時代,受眾這一特質(zhì)引起了傳媒業(yè)的廣泛重視。尤其是在人工智能背景下,傳媒產(chǎn)業(yè)進(jìn)一步爭取用戶的手段則是剝奪用戶“二次篩選”的“自主決定權(quán)”,并將其轉(zhuǎn)移給算法。算法雖然不能徹底了解用戶的需求,但它卻可以根據(jù)用戶留在網(wǎng)絡(luò)上的身份信息、社交關(guān)系與網(wǎng)絡(luò)行為,對其進(jìn)行詳細(xì)分析,從而側(cè)面挖掘和推演用戶對內(nèi)容的偏好和潛在需求,并在此基礎(chǔ)上向用戶精準(zhǔn)推送符合其偏好的各類資訊。在這一過程中,雖然看似是由算法主導(dǎo)資訊分發(fā),但算法推送的內(nèi)容實際上仍是由受眾決定的。
(二)互聯(lián)網(wǎng)的全景式監(jiān)視
為算法提供完整用戶數(shù)據(jù)的是互聯(lián)網(wǎng)這座無形的“監(jiān)獄”。大數(shù)據(jù)時代,公民的日常行為被數(shù)字化編碼,一舉一動都被互聯(lián)網(wǎng)以數(shù)據(jù)的形式予以記錄。私人領(lǐng)域和公共領(lǐng)域之間已經(jīng)自然地融合在一起。這種情況下,不管公民是否愿意,他們的隱私實際上隨時可能遭到泄露。[3]??略岢觥皥A形監(jiān)獄”這一概念來描繪權(quán)力運(yùn)作模式:“四周是一個環(huán)形建筑,中心是一座瞭望塔。瞭望塔有一圈大窗戶,對著環(huán)形建筑。環(huán)形建筑被分成許多小囚室,每個囚室都貫穿建筑物的橫切面,一個對著里面,與塔的窗戶相對,另一個對著外面,能使光亮從囚室的一端照到另一端?!盵4]在監(jiān)獄中,囚犯的一切都被公開在瞭望塔的監(jiān)視者眼中,任何信息都無從藏匿。
如果說囚犯因為不知道監(jiān)視者什么時候看他,而會進(jìn)行“自我監(jiān)視”,從而掩蓋自己的真實想法和行為,那么在互聯(lián)網(wǎng)環(huán)境下,他們的一切想法與舉動則無所遁形。因為他們甚至不能察覺到瞭望塔中有人在監(jiān)視著他們,而這實際上也是一種更加隱蔽而全面的監(jiān)視。美國理論家馬克·波斯特在福柯的基礎(chǔ)上,提出了“超級全景監(jiān)獄”這一概念?!俺壢氨O(jiān)獄中的數(shù)據(jù)庫給每個人都構(gòu)建了身份,而且在構(gòu)建時甚至全然不顧該個體是否意識到這種構(gòu)建。電腦數(shù)據(jù)庫‘認(rèn)識這些個體,對數(shù)據(jù)庫而言,他們有獨特的‘人格,并且電腦會根據(jù)具體情況按程序化的方式‘對待他們?!盵5]在這一場景中,計算機(jī)數(shù)據(jù)庫顯然擔(dān)任了瞭望塔的監(jiān)視者這一職務(wù)。它們?nèi)轿槐O(jiān)視并記錄著用戶的生活,雖悄無聲息卻又無處不在。用戶作為超級全景監(jiān)獄的“囚犯”,所作出的任何無意識舉動都將處于互聯(lián)網(wǎng)的監(jiān)視之下,并留下“數(shù)據(jù)腳印”。而這些“數(shù)據(jù)腳印”很快就會被互聯(lián)網(wǎng)技術(shù)深入追蹤、分析,并從衣食住行各個方面拼湊出一個人完整的虛擬畫像。
(三)算法的反饋機(jī)制
向用戶提供個性化推薦服務(wù)的算法實質(zhì)上是一套編碼程序,該程序的設(shè)定依托于互聯(lián)網(wǎng)收集的海量數(shù)據(jù)。用戶數(shù)據(jù)與內(nèi)容數(shù)據(jù)被建立起數(shù)字化的聯(lián)系,從而生成了各式各樣的“用戶—內(nèi)容”的程式。一旦用戶信息被作為自變量錄入算法,算法便會在海量數(shù)據(jù)庫中進(jìn)行自動化運(yùn)算,然后通過既定反應(yīng)排除其他關(guān)聯(lián)度較小的選項,反饋出符合用戶興趣和需求偏好的特定信息。當(dāng)然,這一反饋過程也是“過濾氣泡”形成的過程。只是這些反饋結(jié)果并不是一成不變的。具有“自我反饋”技能的算法會對互聯(lián)網(wǎng)上實時更新的數(shù)據(jù)流進(jìn)行自動追蹤,對用戶不斷發(fā)展變化的網(wǎng)絡(luò)行為進(jìn)行分析,進(jìn)而優(yōu)化算法模型的參數(shù)和閾值,以期得到更加精確的分析結(jié)果,從而形成獨一無二的個性化推薦系統(tǒng)。隨著“數(shù)算力”時代的到來,算法推薦正在被越來越普遍地運(yùn)用于人們的日常生活中。諸如“網(wǎng)易云音樂”的“每日歌曲推薦”,“淘寶”首頁的“猜你喜歡”等早已被用戶所熟知。毫不夸張地說,算法推薦已經(jīng)滲透到了人們生活的每個角落,并將用戶的日常生活包裹得密不透風(fēng)。因此,身處“過濾氣泡”中,用戶對信息的“自我選擇權(quán)”在很大程度上被讓渡給了算法。
三、“過濾氣泡”的影響
(一)精準(zhǔn)的信息匹配
互聯(lián)網(wǎng)帶來的信息“爆發(fā)性”發(fā)展使用戶在海量的碎片化信息中難以迅速找到自己感興趣的閱讀目標(biāo),從而個體需求無法滿足。為了進(jìn)一步提高分發(fā)效率,大數(shù)據(jù)算法應(yīng)運(yùn)而生。就像每個生物體內(nèi)都有特定生物膜鑒別異質(zhì)、阻擋異物侵入一樣,算法推薦帶來的“過濾氣泡”也為每位用戶的網(wǎng)絡(luò)生活提供了一層“電子膜”。它主要以用戶的行為動機(jī)為導(dǎo)向,綜合參考多個維度來篩選“異物”,從而讓“符合條件”的信息順利抵達(dá),以實現(xiàn)用戶與信息的精準(zhǔn)匹配。
算法架構(gòu)師曹歡歡曾介紹,“今日頭條”的算法推薦主要從三個維度來考慮用戶與信息的適配性。第一個維度是內(nèi)容特征,它主要通過對文章、圖片、視頻的內(nèi)容進(jìn)行關(guān)鍵詞提取生成“內(nèi)容畫像”,并根據(jù)“內(nèi)容畫像”尋找適合的用戶。第二個維度則是用戶特征,與第一個維度原理相似,它主要是提取用戶上網(wǎng)的有效數(shù)據(jù),從而做成“用戶畫像”。第三個維度則是環(huán)境特征,身處不同的地點、不同的場景,用戶的喜好可能會發(fā)生改變。基于此,算法可能會綜合環(huán)境因素做信息推送。而今許多推薦系統(tǒng)在以這三個維度作為推送基礎(chǔ)的同時,還各自發(fā)展了其他評判維度。[6]
總的來說,維度越多、越細(xì)化,對于信息的匹配也就越精準(zhǔn)。在信息井噴的今天,為提高分發(fā)效率、加強(qiáng)用戶黏性,許多媒體均引入了推薦系統(tǒng)。諸如《華盛頓郵報》從亞馬遜使用的產(chǎn)品推薦系統(tǒng)中獲得了靈感,自主研發(fā)了clavis智能算法引擎,建立了新的推薦系統(tǒng),并將其運(yùn)用在頁面底部的“The Post Recommends”板塊中。該智能算法一方面通過td-idf算法(term-frequency,inverse document frequency)為每篇文章進(jìn)行主題分類并匹配關(guān)鍵詞,另一方面則對用戶閱讀歷史中的關(guān)鍵字和短語進(jìn)行分析,將每一位讀者進(jìn)行分類并貼上關(guān)鍵詞,從而將讀者與符合其閱讀歷史的文章匹配。[7]
(二)“窄化”的信息環(huán)境
不可否認(rèn),“過濾氣泡”在面對海量信息時確實提高了信息的分發(fā)效率。但與此同時,“過濾氣泡”過分“投其所好”,其個性化的信息推送常常將許多有價值的、多元的信息阻擋在氣泡之外。在傳統(tǒng)媒體主導(dǎo)新聞分發(fā)的時代,編輯往往根據(jù)新聞的重要性、顯著性、時效性等特點進(jìn)行把關(guān),且對于內(nèi)容的選擇往往會受到新聞制作中的業(yè)務(wù)標(biāo)準(zhǔn)和新聞傳播中的市場標(biāo)準(zhǔn)的雙重制約。對此,有學(xué)者在梳理國內(nèi)外新聞算法研究的新進(jìn)展時,提到了外國學(xué)者德維托“通過對比傳統(tǒng)媒體和算法機(jī)制兩種不同的生產(chǎn)原則和價值取向,指出傳統(tǒng)媒體具有公共屬性,更關(guān)注異常、破壞現(xiàn)狀的越軌行為;而算法新聞則主要受到商業(yè)利益的驅(qū)動,根據(jù)用戶需求生產(chǎn)和傳播個性化信息”[8]。這就意味著傳統(tǒng)媒體更趨向呈現(xiàn)給用戶公共的、多元的、開放的信息。但隨著算法的普及,用戶對公共議題的關(guān)注逐漸弱化,對興趣點的關(guān)注亦被簡化。從而出現(xiàn)了喜愛體育的用戶難以看到經(jīng)濟(jì)信息,而喜愛經(jīng)濟(jì)的用戶也難以看到娛樂信息的現(xiàn)象,從而用戶逐漸被“過濾氣泡”囚禁在窄小的圈層之中,形成了信息環(huán)境的窄化。長此以往,“過濾氣泡”為用戶營造的擬態(tài)信息環(huán)境就會越來越狹隘。而用戶身處其中,其思維模式也會逐漸走向片面化和單一化。久而久之,用戶便會被隔絕在信息孤島中,難以觸碰到真實的世界。
四、“過濾氣泡”引發(fā)的矛盾
(一)信息接收的窄化與拓寬
20世紀(jì)大眾媒體的環(huán)境特征之一在于偶然接觸新聞。人們在閱讀報紙時除了根據(jù)自己的需求與興趣著重關(guān)注自己感興趣的內(nèi)容之外,還有可能偶然接觸到自己興趣點之外的信息。例如,一位對政治新聞感興趣的讀者在報紙上閱讀完時政新聞后,會有很大概率接觸到相鄰版面的財經(jīng)新聞、民生新聞等信息?;谶@樣的偶然接觸,讀者的視野得到開闊,而不再僅僅局限于某一方面的信息。與此同時,當(dāng)具有過濾機(jī)制的算法因其個性化服務(wù)盛行于互聯(lián)網(wǎng)時,許多學(xué)者則會擔(dān)心這樣強(qiáng)針對性、高個性化的信息推送會導(dǎo)致用戶偶然接觸的機(jī)會減少,從而使用戶視野變得狹窄,思維逐漸固化,并最終隨著信息接收的“窄化”陷入“信息繭房”的困境。
毋庸置疑,“過濾氣泡”帶來的單一化信息推送現(xiàn)象的確存在,但是這種個性化推送真的會形成嚴(yán)重的信息“窄化”嗎?2017年,路透社研究院就曾針對該現(xiàn)象做過數(shù)據(jù)調(diào)查并給出分析報告。該報告指出,“回音壁效應(yīng)”與“過濾氣泡”對某些人來說是真實存在的。但他們同時也發(fā)現(xiàn),總體來看,社交媒體、新聞資訊平臺以及搜索引擎的使用者會比非使用者接觸到的信息更加多樣化,而且算法能夠使大多數(shù)用戶接觸到更多的在線內(nèi)容。通過調(diào)查還發(fā)現(xiàn):大約有36%的用戶贊同社交媒體和新聞資訊平臺將使他們看到不常使用的新聞來源,而27%的用戶則持反對意見,剩下的用戶保持中立。[9]除此之外,2018年,阿姆斯特丹大學(xué)的Judith M[O]ller、Damian Trilling等學(xué)者通過研究多個推薦系統(tǒng)對多樣性的影響發(fā)現(xiàn),所有調(diào)查之下的算法推薦邏輯都證明它們可以產(chǎn)生與人工編輯差不多的推薦結(jié)果,并且若該推薦系統(tǒng)是基于用戶歷史推薦時,則可以大大增加推薦主題的多樣性。[10]這些研究表明,雖然算法會根據(jù)用戶的上網(wǎng)軌跡來推測用戶喜好,但事實上這種個性化推薦并非是過于單一化、片面化的。故而,身處這一推薦系統(tǒng)下的用戶并沒有完全處于信息孤島中。就目前來說,“過濾氣泡”帶來的信息環(huán)境“窄化”似乎仍處在一個可控的范圍內(nèi),甚至因為算法對互聯(lián)網(wǎng)海量信息的高效分發(fā)使得用戶接觸信息的范圍有擴(kuò)大跡象。
(二)用戶身份的平等與歧視
在傳統(tǒng)媒體大行其道的時代,大眾傳播中的傳受關(guān)系極其不對等。以大眾傳媒為主的傳播者掌握著信息生產(chǎn)和分發(fā)的主要權(quán)力,他們是傳播特權(quán)的擁有者。而受眾在傳播過程中則完全處于被支配的地位,即傳播者呈現(xiàn)什么內(nèi)容,受眾就只能在指定范圍內(nèi)進(jìn)行信息接收。這一時期的大眾傳媒牢牢把握著信息流通的內(nèi)容、渠道和方向?;ヂ?lián)網(wǎng)時代的到來則給大眾傳媒帶來了新的挑戰(zhàn),海量的、碎片化信息的出現(xiàn)以及網(wǎng)絡(luò)環(huán)境下共享性、便攜性等新要求的提出,使得大眾傳媒不得不將“把關(guān)者”的部分權(quán)力讓渡給算法。從而算法推薦的應(yīng)用不僅提升了用戶節(jié)點的權(quán)重,而且也提高了用戶在新聞生產(chǎn)流程中的地位??梢?,算法推薦帶來的過濾氣泡在某種程度上可以說是受眾意志的體現(xiàn)。它的存在表明了以往以大眾傳媒的價值觀為導(dǎo)向的傳播原則如今正逐漸向以個人意志為導(dǎo)向的方向轉(zhuǎn)變。其個性化的過濾機(jī)制不僅削弱了大眾傳媒議程設(shè)置的權(quán)力,而且還使得每個個體逐漸成為自己的議程設(shè)置者,從而使得大眾傳媒在信息傳播中的壟斷地位日益被打破。
只是當(dāng)用戶在享受著更加平等的傳受關(guān)系時,也有可能正經(jīng)歷著更為隱秘的歧視。這是因為以個人信息作為篩選基礎(chǔ)的“過濾氣泡”不僅為用戶篩選信息,同時也為信息篩選用戶。2015年卡內(nèi)基·梅隆大學(xué)和國際計算機(jī)科學(xué)研究所(ICSI)曾做過一項調(diào)查,該調(diào)查使用了一款名為AdFisher的定制軟件模擬網(wǎng)絡(luò)用戶的瀏覽活動。當(dāng)軟件假冒男性用戶訪問招聘網(wǎng)站時,它或許會看到更多許諾高薪的廣告,而假冒女性用戶時卻無法看到。另外,2018年電子科技大學(xué)的周濤在“新青年新未來——第二屆AI+移動媒體大會”上提到,他發(fā)現(xiàn)很多開發(fā)者在設(shè)計商品推薦系統(tǒng)時,會考慮用戶對價格的敏感性。換言之,如果一個用戶經(jīng)常購買同類商品中價格比較便宜的,則算法就會判定該用戶比較“窮”,從而會優(yōu)先為該用戶推薦低價商品。可見,在用戶常見的個性化廣告、個性化推薦中,其實隱藏著“歧視”。更有學(xué)者認(rèn)為:“算法推薦的內(nèi)容差別導(dǎo)致階層間價值觀念的差異,通過社群傳播,最終導(dǎo)致對不同階層認(rèn)知的偏見,從這個角度來看,個性化推薦下的過濾氣泡強(qiáng)化了既有階層的偏見?!盵11]可見,雖然“過濾氣泡”的存在有效地維護(hù)了用戶的主體性,但在這個過程中,用戶甚至不知道什么信息被過濾了,而這正是“過濾氣泡”真正令人擔(dān)心的地方。
(三)自我意識的提升與算法控制
不言而喻,傳受關(guān)系趨于平等化有利于促進(jìn)用戶自我意識的提升。在這種情況下,用戶在網(wǎng)絡(luò)環(huán)境中被平等賦權(quán)。[12]有了這種賦權(quán),用戶就不再僅僅是信息的接收者,而是逐漸參與到內(nèi)容的生產(chǎn)、把關(guān)、傳播等各個環(huán)節(jié)中的多元主體。正如“今日頭條”的讀者不僅可以在該平臺上閱讀資訊,還可以申請成為內(nèi)容的生產(chǎn)者進(jìn)行創(chuàng)作。當(dāng)然,微博用戶的每一次分享、轉(zhuǎn)發(fā)、點贊都相當(dāng)于是一次內(nèi)容篩選,類似于一種“社交把關(guān)”??傊?,不管是在哪個平臺,用戶的個人偏好都已經(jīng)成為該平臺最基礎(chǔ)的信息推送依據(jù)。喻國明認(rèn)為,這種變化“無疑賦予了參與者一種權(quán)力感,他們通過參與、合作,重新制定了標(biāo)準(zhǔn)和規(guī)范,讓人感到即使擺脫主宰20世紀(jì)的舊權(quán)力這一‘中介,自己也能獲得成功”[13]。
與之相矛盾的是,“過濾氣泡”機(jī)制雖然一方面促進(jìn)了用戶自我意識的提升,但另一方面卻也在無形中規(guī)訓(xùn)著用戶的思想與行為。如果說在互聯(lián)網(wǎng)出現(xiàn)之前,用戶還擁有在報紙上、電視上選擇其他內(nèi)容的權(quán)利,那么,自動化算法推薦的出現(xiàn)在某種意義上則是對用戶“自主選擇權(quán)”的剝奪,它在一定程度上決定了用戶的信息消費和生產(chǎn)行為。伊萊·帕里澤在TED演講上也說明了這一權(quán)利被剝奪的后果:“互聯(lián)網(wǎng)只推薦他們認(rèn)為我們想看的,而不是我們必須去看的。”長此以往,在不斷接收同類化的信息過程中,人們的認(rèn)知會走向窄化,思維會走向固化,甚至在安逸的環(huán)境中會逐漸失去主動獲取不同信息的意識和能力。這是一種“溫和的暴力”,處于“過濾氣泡”中的用戶非但感受不到權(quán)利被剝奪的痛苦,甚至還會感到愉悅和享受。抖音依賴于個性化算法推薦所取得的巨大成功就是有力的證據(jù)。他們通過精準(zhǔn)定位受眾,迎合受眾喜好,使得一個十五秒的短視頻就能常常讓用戶在刷了兩個小時之后還能沉浸其中。事實上,在這個場景中,用戶不知不覺地已被算法所操控,并樂此不疲地為該應(yīng)用貢獻(xiàn)著流量。
五、“過濾氣泡”的規(guī)避
(一)尊重用戶隱私權(quán)
“過濾氣泡”形成的基礎(chǔ)來源于用戶在互聯(lián)網(wǎng)中的數(shù)據(jù)信息,但在很多情況下,互聯(lián)網(wǎng)企業(yè)捕捉用戶數(shù)據(jù)信息時并沒有經(jīng)過用戶的同意。大數(shù)據(jù)時代,人們在互聯(lián)網(wǎng)上的一舉一動都會留下“數(shù)據(jù)腳印”,隱私的保護(hù)在這一時期顯得尤為艱難。面對這一情況,互聯(lián)網(wǎng)企業(yè)首先要自律,要充分尊重用戶在網(wǎng)絡(luò)活動中的知情權(quán)。即在涉及收集用戶隱私數(shù)據(jù)時提前告知用戶,并在征得用戶同意的情況下進(jìn)行收集。若用戶不愿意放棄個人隱私來獲取相應(yīng)的個性化服務(wù),企業(yè)也不應(yīng)使用“霸王條款”直接禁止用戶對該應(yīng)用的使用。除此之外,政府也應(yīng)積極采取相關(guān)措施去維護(hù)公民在互聯(lián)網(wǎng)中的隱私權(quán)。
實際上,我國在隱私權(quán)保護(hù)方面起步較晚,體系也尚未完善,與西方發(fā)達(dá)國家相比仍有一定差距。為了彌補(bǔ)這方面的不足,我國可以虛心向他國學(xué)習(xí),借鑒他國的成熟經(jīng)驗。而今歐盟主要采取立法規(guī)制模式,通過法律條約對網(wǎng)絡(luò)隱私侵權(quán)行為進(jìn)行限制。美國則主張以行業(yè)自律來解決這一問題。其倡導(dǎo)“政府少干預(yù),行業(yè)重自律”的最低干預(yù)原則,要求行業(yè)自覺遵守相關(guān)法律法規(guī),并根據(jù)行業(yè)自身特點制定行業(yè)內(nèi)自律公約或成立自律組織,自覺進(jìn)行自我管理。英國則采取技術(shù)控制模式進(jìn)行應(yīng)對,其主要使用先進(jìn)的網(wǎng)絡(luò)隱私保護(hù)軟件對被收集資料的用戶進(jìn)行提醒,通過展示網(wǎng)站正在或?qū)⒁占臄?shù)據(jù)內(nèi)容,讓用戶自行決定是否繼續(xù)使用該服務(wù)。[14]我國則可以在此基礎(chǔ)上結(jié)合我國實際,探索出符合本國國情的網(wǎng)絡(luò)隱私治理新模式。
(二)自覺提升媒介素養(yǎng)
面對“過濾氣泡”,用戶應(yīng)自覺提升自己的媒介素養(yǎng),積極改變具有惰性的使用習(xí)慣,以擺脫算法推薦營造的“溫室”。根據(jù)路透社研究院2017年的研究結(jié)果可知,接觸新聞源更多的社交用戶偶然接觸新聞的概率要比接觸新聞源數(shù)量更少的非社交用戶大。這或許是因為各個平臺聚合的信息和使用的算法不同,由此根據(jù)用戶屬性推送信息的側(cè)重點也有所不同。在這種情況下,關(guān)注多個信息源能有效增大接觸偶然新聞的概率,防止算法推薦下信息渠道單一化帶來的消息重復(fù)化。因此,為規(guī)避“過濾氣泡”,用戶應(yīng)有意識地拓展多個新聞源,從多個不同路徑獲取信息。此外,在一些媒體提供個性化定制功能服務(wù)時,用戶應(yīng)該有意識地增添不同類別的主題,力求擴(kuò)大信息推送范圍,弱化“過濾氣泡”所帶來的影響。最后,用戶還應(yīng)當(dāng)利用算法依據(jù)用戶網(wǎng)絡(luò)行為進(jìn)行信息推薦的特性,主動搜索不同類別的信息,自覺打造多元的信息環(huán)境,進(jìn)一步打破信息壁壘??傊?,一旦用戶合理地運(yùn)用不同的資訊平臺,那么,他們不僅能夠享受算法高效、精準(zhǔn)的個性化服務(wù),而且還能促進(jìn)推薦內(nèi)容的多樣化。
(三)優(yōu)化算法設(shè)計
第一,增強(qiáng)算法設(shè)計的透明度。與算法推薦相伴而生的“算法黑箱”問題一直是算法受到外界詬病的一個痛點。處于“過濾氣泡”中,氣泡內(nèi)有什么實際上不是由用戶決定的,也并非工程師個人可以掌控,而是由掌握信息分發(fā)權(quán)的科技巨頭決定的,用戶自身并不能看到哪些東西被過濾掉了。因此,適當(dāng)提高算法設(shè)計的透明度則有利于讓用戶了解算法的運(yùn)行依據(jù),讓用戶知道算法是基于哪些方面為自己推送信息,而哪些信息又被它過濾掉,從而根據(jù)算法的運(yùn)行規(guī)則調(diào)整自身行為,以減輕“過濾氣泡”的負(fù)面影響。麻省理工媒體實驗室曾開發(fā)了一個名叫Gobo的社交媒體聚合器,來幫助用戶更好地達(dá)到這一目的。該應(yīng)用主要是讓人們通過滑動政治、嚴(yán)肅、粗魯?shù)戎笜?biāo)的滑片,來調(diào)整自己的氣泡。如推動“政治”指標(biāo)的滑片,觀點的呈現(xiàn)范圍則是從“我的觀點”到“大量觀點”。通過調(diào)整該過濾器,用戶既可以從橫向選擇信息的接收范圍,又可以從縱向調(diào)整信息接收的深度。[15]
第二,深化算法的學(xué)習(xí)功能,探索用戶新的興趣點。如今的算法推薦主要是分析用戶當(dāng)下的意愿需求,收集用戶短期的信息以進(jìn)行反饋。但短期的用戶信息收集很可能會導(dǎo)致數(shù)據(jù)反饋的片面化,進(jìn)而使用戶陷入“過濾泡沫”的困境。未來的算法應(yīng)該深化學(xué)習(xí)功能,增強(qiáng)預(yù)測力,并通過感知、分析用戶需求的自然轉(zhuǎn)變及時對算法做出適當(dāng)?shù)恼{(diào)整,主動探索用戶不斷變化的興趣點。
第三,堅守價值理性。當(dāng)下大部分互聯(lián)網(wǎng)公司都是以盈利為目的的商業(yè)公司,在“注意力經(jīng)濟(jì)”時代,個性化算法顯然是它們謀取更多利益的重要手段。然而,個性化算法雖然能精準(zhǔn)戳中用戶的興趣點,給公司帶來巨大的商業(yè)利益,但過于“投其所好”對于用戶來說或許會有信息窄化的風(fēng)險?;诖?,對價值理性的堅守之于當(dāng)今的互聯(lián)網(wǎng)公司來說尤為重要。
近幾年,一些互聯(lián)網(wǎng)公司為解決算法帶來的“過濾氣泡”問題也做出了相應(yīng)的努力。諸如社交化新聞聚合平臺BuzzFeed推出了“Outside Your Bubble”功能,它在一些熱門文章的底部附上了來自Twitter、Facebook、Reddit等多個平臺的觀點和評論。而這些觀點和評論往往來自不同的立場,表達(dá)不同的態(tài)度。BuzzFeed做出這樣的設(shè)計正是想要避免個性化推薦所帶來的信息環(huán)境單一化現(xiàn)象。為應(yīng)對這一問題,谷歌瀏覽器也在做著同樣的努力。它推出了一款名叫“逃離泡沫”(Escape Your Bubble)的插件,這款插件會根據(jù)用戶的閱讀習(xí)慣,在用戶閱讀facebook上的新聞時,推薦與其原有立場、觀點相左的不同視角的文章。[16]顯然,它與BuzzFeed的原理類似,也是試圖讓用戶接觸不同的觀點和信息,旨在拓寬用戶視野,打破“過濾氣泡”構(gòu)成的“信息壁壘”。
六、結(jié)語
綜上所述,“過濾氣泡”現(xiàn)象對用戶來說已經(jīng)成為一把雙刃劍。作為人工智能時代的產(chǎn)物,算法推薦所帶來的“過濾氣泡”一方面引發(fā)了許多關(guān)于媒介倫理問題的爭論,但另一方面,它也順應(yīng)了時代潮流,極大地提高了傳媒產(chǎn)業(yè)的效率和效益。本文基于對算法推薦機(jī)制下“過濾氣泡”的形成、影響以及產(chǎn)生的基本矛盾,提出了“尊重用戶隱私權(quán)、提升媒介素養(yǎng)、優(yōu)化算法設(shè)計”等規(guī)避措施。以此希望越來越多的互聯(lián)網(wǎng)用戶能夠辯證地看待“過濾氣泡”現(xiàn)象。即不僅不再單純糾結(jié)于它所帶來的種種負(fù)面影響,而且還要努力學(xué)會在現(xiàn)有條件下充分利用其高效分發(fā)和精準(zhǔn)推送的優(yōu)點,從而拓寬自己獲取信息的視野和渠道,實現(xiàn)自身利益的最大化。
[本文為教育部2018年第一批產(chǎn)學(xué)合作協(xié)同育人項目“地方高校通識教育網(wǎng)絡(luò)課程資源建設(shè)與管理模式研究”(項目編號:201801039020);國家廣播電視總局部級社科研究項目(項目編號:GD1955)的階段性成果]
參考文獻(xiàn):
[1]喻國明,韓婷.算法型信息分發(fā):技術(shù)原理、機(jī)制創(chuàng)新與未來發(fā)展[J].新聞愛好者,2018(4):8-13.
[2]郭慶光.傳播學(xué)概論[M].北京:中國人民大學(xué)出版社,2011:77.
[3]顧理平.大數(shù)據(jù)時代公民隱私數(shù)據(jù)的收集與處置[J].中州學(xué)刊,2017(9):161-167.
[4]米歇爾·???規(guī)訓(xùn)與懲罰:監(jiān)獄的誕生[M].劉北成,楊遠(yuǎn)嬰,譯.北京:生活·讀書·新知三聯(lián)書店,1999:224.
[5]馬克·波斯特.第二媒介時代[M].范靜嘩,譯.南京:南京大學(xué)出版社,2000:96.
[6]今日頭條推薦算法原理全文詳解[EB/OL].https://36kr.com/p/5114077.
[7]How the Washington Post used data and natural language processing to get people to read more news,[EB/OL]https://knightlab.northwestern.edu/2015/06/03/how-the-washington-posts-clavis-tool-helps-to-make-news-personal/.
[8]章震,周嘉琳.新聞算法研究:議題綜述與本土化展望[J].新聞與寫作,2017(11):18-23.
[9]路透社研究所.2017數(shù)字新聞報告(英文版)[EB/OL].https://max.book118.com/html/2018/0111/148314516.shtm,2018.1.11.
[10]路透社研究所.2017數(shù)字新聞報告(英文版)[EB/OL].https://max.book118.com/html/2018/0111/148314516.shtm,2018.1.11.
[11]趙雙閣,岳夢怡.新聞的“量化轉(zhuǎn)型”:算法推薦對媒介倫理的挑戰(zhàn)與應(yīng)對[J].當(dāng)代傳播,2018(4):52-56.
[12]喻國明,楊瑩瑩,閆巧妹.算法即權(quán)力:算法范式在新聞傳播中的權(quán)力革命[J].編輯之友,2018(5):5-12.
[13]喻國明,楊瑩瑩,閆巧妹.算法即權(quán)力:算法范式在新聞傳播中的權(quán)力革命[J].編輯之友,2018(5):5-12.
[14]魏玉東.大數(shù)據(jù)時代國外網(wǎng)絡(luò)隱私保護(hù)的典型模式及對我國的啟示[J].沈陽工程學(xué)院學(xué)報(社會科學(xué)版),2018(4):456-460.
[15]網(wǎng)絡(luò)上由來已久的“過濾泡沫”現(xiàn)象想要解決光靠科技可不行[EB/OL].https://baijiahao.baidu.com/s?id=1610312407762574355&wf
r=spider&for=pc,2018.8.31.
[16]圍觀良心外媒的“戳泡運(yùn)動”[EB/OL].https://news.qq.com/original/dujiabianyi/paopao.html,2017.3.21.
(董方旭為河北大學(xué)教務(wù)處講師、高等文化研究院研究員;康許培為保定學(xué)院講師;趙樂群為河北大學(xué)新聞傳播學(xué)院學(xué)生)
編校:趙亮