文/王中原

西方正在進(jìn)入智能選舉的新時代，數(shù)據(jù)資源和算法技術(shù)開始重新定義西方的選舉政治，選舉不僅是政黨政策主張之間的比拼和選民自由意志的選擇，而且越來越成為不同政黨和選舉人在數(shù)據(jù)和算法領(lǐng)域的較量。最大限度地搜集和挖掘選民數(shù)據(jù)，運用智能算法對選民展開精準(zhǔn)動員，引導(dǎo)選民行為以收割選票，成為算法時代新的選舉方程式。基于海量選民個體數(shù)據(jù)的算法瞄準(zhǔn)，一方面拓展了競選活動的形式，更加有效地傳遞選舉資訊和智能化地動員投票，有助于提升選舉民主的活力；另一方面加大了對選民心理和行為的操控，引導(dǎo)候選人分割和選擇動員對象、掌控選民情緒、精準(zhǔn)投放信息，以及“圍獵”潛在支持者，這些都將危及民主的核心價值。算法時代的西方選舉正在走向某種形式的異化，為我們觀察和思考選舉民主的危機(jī)及其治理提供了契機(jī)。

智能選舉中的算法瞄準(zhǔn)

鎖定目標(biāo)選民（voter targeting）是選舉動員的核心策略，其目標(biāo)是在競選經(jīng)費有限的條件下有效地動員盡可能多的選民參與選舉活動（包括投票、捐款、集會、擔(dān)任志愿者等）。隨著算法時代的到來，數(shù)據(jù)資源的積累和算法科技的精進(jìn)為選民動員提供了新的手段，聚焦選民個體的精準(zhǔn)動員成為可能，基于算法的政治瞄準(zhǔn)（political micro?targeting）應(yīng)運而生。

算法瞄準(zhǔn)（algorithmic micro?targeting）是指“運用數(shù)據(jù)分析識別個體的具體興趣，然后創(chuàng)制個性化的資訊內(nèi)容，預(yù)測這些資訊的影響，然后將這些資訊精準(zhǔn)投放給相關(guān)個體”。算法瞄準(zhǔn)起初為商業(yè)營銷手段，即根據(jù)個體特征、消費記錄、日常喜好和社交網(wǎng)絡(luò)等數(shù)據(jù)對客戶進(jìn)行畫像，進(jìn)而投其所好地為客戶推薦廣告和產(chǎn)品。近年來，算法瞄準(zhǔn)越來越多地被運用于政治領(lǐng)域，用以建立選民關(guān)系和動員選舉投票，并在選舉實戰(zhàn)中取得突飛猛進(jìn)的發(fā)展。算法瞄準(zhǔn)的核心是數(shù)據(jù)而非選民，其基本假設(shè)是單個或幾個數(shù)據(jù)點（data point）無法準(zhǔn)確反映選民的偏好，需要收集海量的、多維的、各領(lǐng)域的選民數(shù)據(jù)才能構(gòu)建完整的選民畫像。區(qū)別于傳統(tǒng)的選舉方式，算法瞄準(zhǔn)依靠大規(guī)模的選民個體特征數(shù)據(jù)和行為數(shù)據(jù)來對選民進(jìn)行精準(zhǔn)劃分和歸類，然后依托算法識別選民的人格特性和偏好立場，基于此向其推介個性化定制的選舉資訊和動員活動，并通過預(yù)測、試驗、反饋、迭代等過程不斷優(yōu)化，從而達(dá)到最大化影響選民投票意愿和投票行為的目的。整個競選過程由數(shù)據(jù)驅(qū)動，通常被瞄準(zhǔn)的選民并不知道其個體數(shù)據(jù)是如何被收集、分析和使用的。

算法瞄準(zhǔn)是大數(shù)據(jù)時代智能選舉的核心技術(shù)，近年來在西方各國選舉中得到不斷發(fā)展，由于各國制度環(huán)境和法律體系的差異，呈現(xiàn)出不同的發(fā)展態(tài)勢。但無論是在多數(shù)決制的國家（例如美國和英國），還是在比例代表制的國家（例如荷蘭和瑞典），算法瞄準(zhǔn)技術(shù)都在重塑選舉政治生態(tài)。

算法瞄準(zhǔn)的基本原理和技術(shù)過程

算法瞄準(zhǔn)涉及不同的參與主體，使用不同的數(shù)據(jù)資源，運用不同的工具，瞄準(zhǔn)不同的對象。然而，算法瞄準(zhǔn)的基本原理是一致的，其核心技術(shù)過程可劃分為以下三個步驟：

（一）選民數(shù)據(jù)采集和預(yù)處理

算法瞄準(zhǔn)首先需要采集海量的選民個體層面數(shù)據(jù)，數(shù)據(jù)資源通常來自“公共數(shù)據(jù)”和“私人數(shù)據(jù)”。公共數(shù)據(jù)包括人口普查數(shù)據(jù)、地理信息數(shù)據(jù)、選民注冊數(shù)據(jù)、歷史投票數(shù)據(jù)、選舉捐款數(shù)據(jù)等。私人數(shù)據(jù)包括選民個人的網(wǎng)絡(luò)行為數(shù)據(jù)、消費數(shù)據(jù)、生活方式數(shù)據(jù)、財務(wù)數(shù)據(jù)、聯(lián)系方式和社會交往數(shù)據(jù)等。政黨或競選團(tuán)隊既可以自己采集上述數(shù)據(jù)（特別是公共數(shù)據(jù)），也可以通過數(shù)據(jù)掮客購買。數(shù)據(jù)豐富度和數(shù)據(jù)質(zhì)量是決定算法瞄準(zhǔn)成效的關(guān)鍵要素。競選團(tuán)隊在采集和購買數(shù)據(jù)后，通常會對來自不同渠道的數(shù)據(jù)進(jìn)行清洗、匹配、合并和插補等預(yù)處理，構(gòu)建數(shù)據(jù)庫以備后續(xù)環(huán)節(jié)使用。通過歷屆積累，政黨通常能掌握大規(guī)模的選民數(shù)據(jù)，形成豐富的選舉數(shù)據(jù)資產(chǎn)。

（二）選民分類、模式識別和算法預(yù)測

算法瞄準(zhǔn)的第二個關(guān)鍵環(huán)節(jié)是運用分類建模對選民進(jìn)行精準(zhǔn)畫像，識別選民特征與其投票行為的隱性關(guān)聯(lián)模式（hidden patterns），并進(jìn)行算法測試。首先，競選團(tuán)隊會對所掌握的海量選民數(shù)據(jù)進(jìn)行深度挖掘，借助統(tǒng)計模型和機(jī)器學(xué)習(xí)算法分析選民的人格特征、情感偏好、心理結(jié)構(gòu)、政策傾向和政治態(tài)度等，完成對選民的政治畫像和精準(zhǔn)分類。其次，還需借助預(yù)測算法分析選民特征與投票決策之間的隱性關(guān)聯(lián)模式。誠然，這些關(guān)聯(lián)模式只是特征變量之間的某種相關(guān)性，缺少因果解釋，但是在指導(dǎo)競選活動時，相關(guān)性就已經(jīng)足夠，候選人只求按照該關(guān)聯(lián)模式可以實現(xiàn)精準(zhǔn)動員，無需深究其間的因果機(jī)制。預(yù)測算法除了挖掘可觀測對象的投票行為模式外，還可以預(yù)測類似不可觀測對象（lookalike audiences）的活動，這意味著即便數(shù)據(jù)庫中沒有某個選民的數(shù)據(jù)記錄或者數(shù)據(jù)記錄極不完整，算法同樣可以根據(jù)對現(xiàn)有數(shù)據(jù)中相似選民的分析預(yù)測該選民的投票傾向。

（三）選民瞄準(zhǔn)和個性化動員

算法瞄準(zhǔn)的最終落腳點是對選民個體施加政治影響。競選團(tuán)隊根據(jù)所識別的選民類型和特征關(guān)聯(lián)模式，運用機(jī)器學(xué)習(xí)算法定制個性化的動員策略，并不斷優(yōu)化瞄準(zhǔn)精度，實現(xiàn)對支持者的精準(zhǔn)動員和對競爭者的精準(zhǔn)打擊。不同于傳統(tǒng)大水漫灌式的電視廣告轟炸，算法瞄準(zhǔn)精準(zhǔn)對人，一人一策，根據(jù)選民畫像進(jìn)行定制化的信息推送和個性化的游說動員，既可以提升動員效率又可以節(jié)約競選成本。政黨/候選人通常會啟動全媒體的選民觸達(dá)策略，根據(jù)選民使用習(xí)慣，采用社交媒體、在線訂閱、電子郵件、搜索引擎、手機(jī)短信、郵寄、電話、電視、廣播、播客等形式向選民傳遞競選資訊，并根據(jù)對象調(diào)整不同的話語策略和投放時間，以最大限度地提升動員效率。個性化動員有兩個核心目標(biāo)：一個是督促支持者采取某種行動，例如投票、捐款或志愿服務(wù)；另一個是改變選民的支持態(tài)度和投票行為。雖然選舉實踐證明后者難度較大，但是隨著算法技術(shù)的精進(jìn)，算法瞄準(zhǔn)將在選舉中發(fā)揮更大的影響力。

算法瞄準(zhǔn)的政治后果：選舉民主的異化

隨著算法科技的無限制使用，算法瞄準(zhǔn)漸漸走向民主政治的對立面。

（一）信息操弄和選民操控

民主選舉得以有效運轉(zhuǎn)的前提是選民能夠在開放的信息環(huán)境和政策市場里自主地作出投票決策，免于外在力量的干預(yù)和操弄。算法瞄準(zhǔn)打破了這一前提，讓政黨/候選人有機(jī)會控制選民的信息獲取和投票行為，選民被異化為一組數(shù)據(jù)構(gòu)成的投票工具。

首先，算法瞄準(zhǔn)導(dǎo)致信息操弄。一方面，政黨/候選人在選民不知情的情況下采集了海量的選民個體信息，這些數(shù)據(jù)能夠覆蓋幾乎全體選民并涵括成百上千個特征維度，從而對選民實現(xiàn)超級精準(zhǔn)畫像（super profiling）。選民成為數(shù)據(jù)組成的“透明人”，選民的任何活動都可能被追蹤和記錄，被用于算法瞄準(zhǔn)，而選民通常并不知道自己的哪些數(shù)據(jù)、正通過什么方式被政黨/候選人所掌握和利用，導(dǎo)致“監(jiān)控式資本主義”（surveillance capitalism）。更嚴(yán)重的是，競選活動面對的不再是一個個活生生的選民，而是一個個冷冰冰的數(shù)據(jù)點，選民被物化為某種“特征集合”。另一方面，政黨/候選人可以運用算法對選民進(jìn)行“分而治之”，針對不同類型的選民“投喂”不同信息，選民所接受的選舉資訊是根據(jù)其喜好、特征、閱讀習(xí)慣和政治立場所精心編制的。民主需要“明智的選民”（informed electorate），但算法瞄準(zhǔn)導(dǎo)致信息自由流通受阻，信息市場被高度扭曲，每個選民都生活在算法編織的信息“濾泡”（filter bubbles）當(dāng)中。此外，選民對這些個性化信息的回應(yīng)（點擊、轉(zhuǎn)發(fā)、回復(fù)等）再次變成新的數(shù)據(jù)，幫助算法瞄準(zhǔn)不斷優(yōu)化，形成互動式的算法升級螺旋，進(jìn)一步固化信息繭房。算法瞄準(zhǔn)賦予政黨/候選人和第三方算法公司超出常規(guī)的權(quán)力來影響選民的態(tài)度和行為，并且其運行極其不透明，形成難以監(jiān)督的“算法利維坦”。

其次，算法瞄準(zhǔn)導(dǎo)致選民操控。民主選舉必須基于選民的自主決策，然而在扭曲的信息環(huán)境下，選民偏好不是自主的，而是被建構(gòu)的。民主選舉的過程不再是選民根據(jù)自己的利益和偏好來選擇政黨/候選人，而是政黨/候選人選擇和馴化支持者，并通過控制信息流通和塑造非理性的政治偏見來“圍獵選民”（hunt for voters）。類似于選區(qū)操控（gerrymandering）通過將選民“分解”和“打包”在不同的地理選區(qū)內(nèi)來制造競爭優(yōu)勢，算法瞄準(zhǔn)通過將選民“分解”和“打包”在不同的信息繭房中來操控投票行為。認(rèn)知心理學(xué)認(rèn)為任何人都存在“決策脆弱性”，算法瞄準(zhǔn)正是利用了選民的認(rèn)知局限來影響其投票行為。無論選民同意與否、有意識或是無意識，算法都可以通過操弄選民的希冀和恐懼、喜好和厭惡、歡欣和憤怒來進(jìn)行瞄準(zhǔn)式動員，不斷激活選民的某種心理范式和神經(jīng)反應(yīng)，形成結(jié)構(gòu)性刺激以左右其決策。智能選舉構(gòu)建了一個越來越龐大的復(fù)雜信息系統(tǒng)，選民的認(rèn)知、心理、情緒和判斷能力被算法所影響，無法作出自主、獨立和理性的決策，甚至沒有能力察覺和反思自己的決策。結(jié)果是，選民決定投票或不投票以及投給誰看似是選民自己的選擇，其實該選擇早就被算法瞄準(zhǔn)所操控，并且這種操控是隱匿的和持續(xù)的。選舉政治的制度邏輯是選民可以通過選票控制政黨/候選人，但算法瞄準(zhǔn)卻將選民異化成被控制的對象。

（二）消極競選和政治極化

民主選舉要求政黨/候選人通過良性競爭贏得選民支持，競選的過程也是開展全國性公共對話的過程，通過議題論辯和理性溝通促進(jìn)交叉認(rèn)同。算法瞄準(zhǔn)打破了這一過程，數(shù)據(jù)和算法被“武器化”（weaponize），導(dǎo)致政治對抗升級，加劇消極競選和政治極化。

首先，算法瞄準(zhǔn)導(dǎo)致消極競選。智能選舉時代算法科技成為決定勝負(fù)的關(guān)鍵，將算法運用到極致是所有政黨/候選人的策略，這就使得算法的各種極端運用手段開始流行，包括推送虛假信息、傳播陰謀論、污名化宣傳、制造仇恨、歪曲事實等消極競選方式。為了追求選舉利益最大化，政黨/候選人會通過同質(zhì)信息鞏固支持陣營，運用虛假信息分化敵對陣營，算法幫助實現(xiàn)精準(zhǔn)動員和精準(zhǔn)打擊，針對選民的不同特質(zhì)進(jìn)行高度個性化的洗腦和游說，并且毫不顧忌信息真實性。此外，暗黑手段大行其道，社交機(jī)器人可以根據(jù)算法指示精準(zhǔn)高效地向選民分發(fā)假新聞鏈接和污名化短信，并根據(jù)反饋調(diào)整推送策略。由于算法瞄準(zhǔn)是一個過程黑箱，外部并不知曉政黨/候選人對哪些人傳播了哪些虛假信息，無法進(jìn)行事實核查和信息糾偏。加之虛假信息的傳播速度、深度和廣度驚人，消極競選的影響被不斷累積和放大，從而誤導(dǎo)選民。消極競選導(dǎo)致選舉生態(tài)惡化，首先采取這些消極手段的黨政/候選人會獲得高額的“算法紅利”，并帶動其他政黨/候選人跟進(jìn)，形成“算法軍備競賽”。此外，第三方算法公司出于盈利考量，也會不斷升級智能算法，激化惡性競爭。

其次，算法瞄準(zhǔn)加劇政治極化。第一，算法瞄準(zhǔn)按照特定的黨派意識形態(tài)展開動員，黨派割裂線在信息操弄下被不斷觸發(fā)和強(qiáng)化，超過其他任何社會認(rèn)同，或者將其他認(rèn)同吸附到黨派認(rèn)同當(dāng)中，造成黨派極化。第二，算法將選民切割為不同類型的子群體，對每個群體構(gòu)造不同的信息環(huán)境，從而形成高度“部落化”的認(rèn)同結(jié)構(gòu)。算法瞄準(zhǔn)通過虛假信息、政治攻擊、選擇性動員等不斷激活黨派認(rèn)同邊界，強(qiáng)化認(rèn)同群體的組內(nèi)抱團(tuán)和組間排斥，不同“部落”之間缺少開放理性的對話，加劇了社會撕裂和認(rèn)同對抗，造成群體極化。第三，算法瞄準(zhǔn)拆解了信息多元性，強(qiáng)化了選民個體的單維特性（one?dimensionality），其人格、情感、心理和情緒被算法捕捉并放大，選民越發(fā)缺少反思和溝通能力，只能接受契合自己立場的觀點和信息，而罔顧事實和真相，造成個體極化。上述黨派極化、群體極化和個體極化相互作用、彼此強(qiáng)化，不斷消解交叉認(rèn)同，催生整體政治極化。更為嚴(yán)峻的是，算法瞄準(zhǔn)并非一次性行動，而是貫穿選前、選中和選后的整個過程。算法使得西方選舉成為“全周期競選”（permanent campaigns），數(shù)據(jù)收集、選民追蹤、算法監(jiān)控和瞄準(zhǔn)式動員無時無刻不在發(fā)生，這將加劇政治極化的強(qiáng)度和烈度。

（三）政治代表性偏差和“回應(yīng)—問責(zé)”失靈

民主選舉的目標(biāo)是實現(xiàn)政治代表性和有效的回應(yīng)與問責(zé)，讓不同的利益和聲音得到平等對待，運用選票壓力督促政府回應(yīng)民眾訴求，并懲罰不守承諾的執(zhí)政者。算法瞄準(zhǔn)模糊了這些目標(biāo)，篩選或壓制選民導(dǎo)致政治代表性偏差，碎片化承諾引發(fā)政府回應(yīng)和選民問責(zé)的困難。

首先，算法瞄準(zhǔn)導(dǎo)致政治代表性偏差。政黨/候選人借助算法將選民分割成不同特征組合，根據(jù)選民畫像和心理測繪來判斷選民的投票意愿和偏好，但并不是所有的群體都會被“瞄準(zhǔn)”，政黨/候選人會選擇性地精準(zhǔn)動員一部分人而有意忽略另一部分人。如果算法預(yù)測表明某些民眾無論如何都不會參與選舉或者不可能改變投票傾向，那么這部分選民將被排除在算法瞄準(zhǔn)的序列之外。同時，政黨/候選人也會運用算法來壓制選民（voter repression），特別是消解對方選民的投票幾率和意愿。此外，數(shù)據(jù)和算法是昂貴的政治資產(chǎn)，政黨/候選人必須投入大量的資金、組織專門的團(tuán)隊、經(jīng)過常年的積累才能把握先機(jī)，這有利于強(qiáng)大的主流政黨，代表少數(shù)群體利益的弱小政黨將被擠出競爭舞臺。同時，掌握數(shù)據(jù)資源和算法科技的第三方平臺、數(shù)據(jù)掮客和政治咨詢公司在選舉中越來越有影響，其商業(yè)利益和話語權(quán)力在當(dāng)選政府中擁有舉足輕重的地位。一方面是部分選民群體和弱小政黨代表性的喪失，另一方面是科技公司影響力的擴(kuò)張，兩者都將導(dǎo)致政治代表性偏差。

其次，算法瞄準(zhǔn)引發(fā)回應(yīng)與問責(zé)失靈。競選和執(zhí)政是一個承諾和守諾的過程，然而在瞄準(zhǔn)式動員當(dāng)中，政黨傳遞給選民的信息是高度個性化和碎片化的，面對不同的選民，強(qiáng)調(diào)不同的議題和承諾不同的方案，缺乏始終如一的政策敘事。每個選民所看到的是不同版本的政黨形象，選民并不知道其關(guān)心的事項在整個政黨議程中的優(yōu)先級，也不知道圍繞該議題有哪些不同的政策立場和解決方案，最終很可能出現(xiàn)當(dāng)選政府無法滿足其期許的局面，選民也很難就其個體訴求向政府問責(zé)。一方面，當(dāng)點對點動員更加有效時，政黨將致力于討好選民的個性化訴求，而忽略宏觀和長遠(yuǎn)的政治規(guī)劃，競選被微觀算法所綁架，缺乏統(tǒng)一的政治綱領(lǐng)和政策排序，這便導(dǎo)致承諾和責(zé)任的模糊化，增加了回應(yīng)和問責(zé)的難度。另一方面，算法瞄準(zhǔn)將引導(dǎo)選民關(guān)注個殊化需求，而對關(guān)系國計民生的重大議題失去興趣，長久將形成選民與政黨/候選人之間的私人庇護(hù)關(guān)系（patron?clientelism），損害回應(yīng)和問責(zé)的公共性。此外，算法瞄準(zhǔn)通常是在隱秘環(huán)境下進(jìn)行的，通過非公開渠道傳遞的選舉承諾，其透明性和可追蹤性較差，很難實現(xiàn)有效的回應(yīng)和問責(zé)。

算法瞄準(zhǔn)的多圈層治理

算法瞄準(zhǔn)將產(chǎn)生一系列負(fù)面的政治后果，導(dǎo)致選舉民主的異化。如何治理智能選舉中的算法失范，是擺在西方各國面前的緊迫議題。算法瞄準(zhǔn)涉及不同的利益主體，其治理過程也需要多方參與和相互制約，從而構(gòu)建多圈層的復(fù)合治理結(jié)構(gòu)：在制度圈層需要國家法律規(guī)制；在輿論圈層需要社會主體監(jiān)督；在競選圈層需要平臺治理和政黨協(xié)作；在投票圈層需要公民教育。

首先，在制度圈層，算法瞄準(zhǔn)的諸多政治風(fēng)險無法在傳統(tǒng)的法律框架內(nèi)得到有效治理，需要新的法律規(guī)制。近年來，特別是“劍橋分析”丑聞爆發(fā)以來，歐洲和北美各國紛紛推動相關(guān)立法?？傮w來說，歐洲走在算法治理的前列，采取了更加干預(yù)主義的治理策略；美國的算法瞄準(zhǔn)政策較為寬松，目前尚未頒布類似嚴(yán)格的個人數(shù)據(jù)保護(hù)法規(guī)，總體來說，法律規(guī)制相對于算法瞄準(zhǔn)的迅猛發(fā)展明顯滯后，同時容易陷入多方博弈的僵局。此外，算法治理不能依賴總體性的數(shù)據(jù)保護(hù)條例，還需對具體的選舉法、政治廣告法、選舉資金法等進(jìn)行配套修改，形成法律治理系統(tǒng)并確保其執(zhí)行，這對很多國家來說是不小的挑戰(zhàn)。

其次，在競選圈層，平臺治理和政黨協(xié)作在算法治理中尤為重要。（1）平臺治理。平臺公司不僅是海量用戶數(shù)據(jù)生成和存儲的主體，并且是算法服務(wù)和政治廣告業(yè)務(wù)的供應(yīng)商。臉書、谷歌、推特等平臺公司掌握強(qiáng)大的數(shù)據(jù)權(quán)力，其自我治理是優(yōu)化選舉數(shù)字生態(tài)的重要手段。當(dāng)前平臺治理還面臨諸多困境，雖然社會輿論、國會聽證和相關(guān)法規(guī)給平臺公司施壓，但是它們的商業(yè)利益和政策立場使得真正的平臺治理步履維艱。此外，科技公司過度干預(yù)內(nèi)容生產(chǎn)也招致諸多違憲質(zhì)疑。（2）政黨協(xié)作。作為競選主體的政黨和候選人也需參與到算法治理當(dāng)中，例如不同政黨可以就競選倫理達(dá)成共識，出臺最佳操作指南；約束提名人的算法行為，規(guī)范選舉資金使用和政治廣告投放，避免陷入“算法軍備競賽”；推動跨黨派的立法協(xié)作，通過法治手段管理平臺公司和競選行為。政黨/候選人也應(yīng)該管理好競選團(tuán)隊，在選民數(shù)據(jù)采集、虛假信息傳播、瞄準(zhǔn)式動員等方面做好自我約束，維護(hù)良性的選舉文化。誠然，在政治極化和民粹主義日趨嚴(yán)重的今天，依靠政黨和候選人的自律進(jìn)行算法治理顯得尤為困難。

再次，在輿論圈層和投票圈層，社會監(jiān)督和公民教育在算法治理中發(fā)揮著重要作用。（1）社會監(jiān)督。算法瞄準(zhǔn)呼喚媒體記者、非政府組織、學(xué)術(shù)界等社會力量的外部監(jiān)督。從事選舉報道的調(diào)查記者可以揭示算法瞄準(zhǔn)亂用的丑聞，通過媒體曝光警示和教育公眾；從事事實核查的非政府組織（fact?checkers）可以核驗算法推送的資訊是否存在事實錯誤和信息誤導(dǎo)，及時澄清誤解，引導(dǎo)民眾對所接收的資訊作出理性判斷；學(xué)術(shù)研究可以從政治學(xué)、法學(xué)、倫理學(xué)、傳播學(xué)、心理學(xué)和計算機(jī)科學(xué)等跨學(xué)科的視角研討和反思算法瞄準(zhǔn)的應(yīng)用和局限，對其發(fā)展趨勢作出研判，從專業(yè)角度提出治理方案。（2）公民教育。公民個人作為選舉決策的主體和算法瞄準(zhǔn)的對象，也須承擔(dān)相應(yīng)責(zé)任。一方面選民需要意識到自己是被“瞄準(zhǔn)”的對象，接收的信息是算法過濾的，并提升甄別和反思能力，拒絕參與虛假信息的“共同生產(chǎn)”；另一方面積極參與公共空間的協(xié)商對話，除了關(guān)注同溫層的觀點，還要認(rèn)識到其政策主張將如何影響其他人。此外，公民要提升個人數(shù)據(jù)保護(hù)意識，警惕個人信息的授權(quán)和分享。對此，國家提供相應(yīng)的數(shù)字素養(yǎng)教育顯得尤為重要。

最后，算法瞄準(zhǔn)的多圈層治理需要不同圈層和各個主體之間的有機(jī)協(xié)作和相互制約，外部的法律規(guī)制和輿論監(jiān)督、內(nèi)部的平臺治理和政黨共識，以及個體數(shù)字素養(yǎng)培育對于算法治理都至關(guān)重要。然而，多圈層復(fù)合治理是理想型的算法治理模式，現(xiàn)實中由于制度環(huán)境差異、利益考量不同，各方很難達(dá)成共識和一致行動。更嚴(yán)峻的是，政治極化與算法瞄準(zhǔn)彼此強(qiáng)化，裹挾著政黨/候選人、算法第三方、媒體和選民走向更加極化的境地，導(dǎo)致算法治理和選舉改革陷入僵局。

結(jié)論

算法瞄準(zhǔn)正在重塑西方的選舉政治生態(tài)，影響了西式民主的程序正義和結(jié)果正義。算法瞄準(zhǔn)本身只是選舉工具，雖然算法瞄準(zhǔn)可能尚未達(dá)到媒體所渲染的危機(jī)局面，但隨著政黨/候選人在選舉利益最大化的驅(qū)使下無所不用其極地運用算法瞄準(zhǔn)來操控選民，西方選舉的游戲規(guī)則和競爭格局將徹底改變：選舉的中心不再是選民而是數(shù)據(jù)，競爭的核心不再是政策而是算法。選舉民主的前提、過程和目標(biāo)都將出現(xiàn)異化，最終隨著算法瞄準(zhǔn)的不斷升級和無限制使用，通過投票聚合選民偏好從而選出政府回應(yīng)選民需求并接受選民問責(zé)的民主鏈條將出現(xiàn)更多裂痕，甚至危及民主政治的健康運轉(zhuǎn)。

西方各國已經(jīng)意識到算法治理的重要性，致力于構(gòu)建多圈層的復(fù)合治理結(jié)構(gòu)。然而，就如何把握言論自由與個人隱私之間的邊界、算法經(jīng)濟(jì)與權(quán)利保護(hù)之間的張力、競選效率與政治倫理之間的平衡等問題，各方分歧嚴(yán)重。算法治理的過程也是不同政治力量博弈的過程，未來如何發(fā)展，值得跟蹤觀察。就學(xué)術(shù)研究而言，算法瞄準(zhǔn)的興起為我們提出了一系列嶄新的跨學(xué)科研究議題。加強(qiáng)相關(guān)研究，不僅可以幫助我們把握西方政治發(fā)展的最新動態(tài)，研判西方政治制度的發(fā)展趨勢，同時能夠提升我們對新技術(shù)環(huán)境下人類政治行為的一般性認(rèn)識。