當前互聯(lián)網(wǎng)媒介環(huán)境中，基于各種信息數(shù)據(jù)的“數(shù)字化生存”是人們生活的常態(tài)，“推薦算法”由此成為信息獲取的重要工具，而人們習慣于將“算法”與“信息繭房”聯(lián)系在一起。“推薦算法制造了‘信息繭房’”成為一個負面判斷，并為大眾所知。
要弄清這個問題，首先需要清楚什么是算法和“信息繭房”。簡單來說，算法是一組基于某種指定計算將輸入數(shù)據(jù)轉(zhuǎn)換為所需輸出的編碼過程，當前算法推薦機制主要有建立用戶畫像、構(gòu)建內(nèi)容模型、匹配內(nèi)容資源等三大核心環(huán)節(jié)。“信息繭房”則由哈佛大學法學院教授桑斯坦在2006年提出，經(jīng)過大眾化轉(zhuǎn)譯，指個人在信息獲取過程中，由于各種原因逐漸被局限在一個狹窄的信息環(huán)境中，從而減少對多樣化信息的接觸。
算法一定是“信息繭房”的制造者嗎？結(jié)合近年國內(nèi)外研究發(fā)現(xiàn)，至少可從以下三點理解這個問題：
——幾乎沒有經(jīng)驗證據(jù)證明算法必然會導致“信息繭房”。人們處于多元且復雜的信息環(huán)境中，很難完全避免觀點不一致的內(nèi)容。西方一些實證研究發(fā)現(xiàn)，“信息繭房”指向長期效果，而算法不是單一、靜態(tài)的，而是動態(tài)的、不斷優(yōu)化中的，用戶會主動互動、分享信息，接觸各種各樣的平臺。
另有研究發(fā)現(xiàn)，情感是用戶在線行為的影響因素。例如憤怒、焦慮和恐懼等情緒，是人們是否選擇與志同道合的人、觀點一致的內(nèi)容進行互動的重要決定因素。而受眾本身也帶有自主認知能力，獲取信息內(nèi)容時受眾具備“普遍的懷疑主義”。由此可見，所謂“信息繭房”效應(yīng)，并不能由推薦算法所決定。
——當前技術(shù)條件下，算法具有不可替代的作用，甚至可以幫助消解繭房。毋庸置疑，信息技術(shù)發(fā)展的半個多世紀以來，人類社會的數(shù)據(jù)增長是爆炸式的。“信息超載”的狀況既可能使我們淹沒在無邊無際的信息海洋中，又帶來了傳統(tǒng)信息處理范式的危機。有學者認為，算法推薦的根本動因是應(yīng)對“超載”危機，其在用戶和海量內(nèi)容之間建立橋梁，快速篩選和過濾掉那些不相關(guān)、低價值的信息，減輕認知負擔。
算法具有打破“信息繭房”的潛力。如協(xié)同過濾推薦方法可以通過聚類分析，將別人感興趣，或者是時下流行但未被閱讀過的信息推薦給用戶。而在算法之外，強化學習、循環(huán)神經(jīng)網(wǎng)絡(luò)、遷移學習等深度學習技術(shù)也被用以解決具體問題。
——作為推薦算法的主導方，平臺不存在刻意用算法加劇“信息繭房效應(yīng)”的動因。成功的推薦往往需要讓用戶感到“有點新奇”，而如果平臺總是推送重復內(nèi)容，反而可能導致用戶覺得“信息單調(diào)”，減少使用甚至拋棄這個平臺。
當前，不少平臺正努力讓用戶在內(nèi)容選擇上掌握主動權(quán)。如谷歌把新聞趨勢性，內(nèi)容的新穎性、多樣性和透明性等指標納入對推薦模型的評估。國內(nèi)一些短視頻平臺精選優(yōu)質(zhì)內(nèi)容、加強優(yōu)質(zhì)內(nèi)容分發(fā)，并提供調(diào)節(jié)推薦內(nèi)容豐富程度、內(nèi)容偏好設(shè)置、雙列推薦等功能。
需要注意的是，算法推薦機制從誕生開始，本身可能就存在著一定的傳播偏向，它并不一定是中立的、個性化的。最近一項研究發(fā)現(xiàn)，某些情況下，算法平臺的個性化特質(zhì)有限，其內(nèi)容會維系“主流”信息秩序，有時表現(xiàn)出強化主流化偏向的特征。
面對社會公眾對“信息繭房”表達出的擔憂，平臺也應(yīng)提高算法透明度，引導用戶了解算法工作原理，通過用戶教育，讓用戶主動搜索和接觸多樣信息。此外，還可以通過用戶反饋加強人機互動，使算法更好了解用戶需求偏好，提供兼具個性化和多樣化的信息。
對推薦算法和“信息繭房”的討論，我們需要找到平衡點，提高信息多樣性和用戶信息素養(yǎng)，共同構(gòu)建一個健康、多元的信息生態(tài)系統(tǒng)。
（作者系清華大學新聞與傳播學院教授，博士生導師）
編輯：李華山
