算法和“信息茧房”需要找到平衡点

　　当前互联网媒介环境中，基于各种信息数据的“数字化生存”是人们生活的常态，“推荐算法”由此成为信息获取的重要工具，而人们习惯于将“算法”与“信息茧房”联系在一起。“推荐算法制造了‘信息茧房’”成为一个负面判断，并为大众所知。

　　要弄清这个问题，首先需要清楚什么是算法和“信息茧房”。简单来说，算法是一组基于某种指定计算，将输入数据转换为所需输出的编码过程，当前算法推荐机制主要有建立用户画像、构建内容模型、匹配内容资源三大核心环节。“信息茧房”则由哈佛大学法学院教授桑斯坦在2006年提出，经过大众化转译，指个人在信息获取过程中，由于各种原因逐渐被局限在一个狭窄的信息环境中，从而减少对多样化信息的接触。

　　算法一定是“信息茧房”的制造者吗？结合近年来国内外研究，陈昌凤认为可从以下三点理解这个问题：

　　一是几乎没有经验证据证明算法必然会导致“信息茧房”。人们处于多元且复杂的信息环境中，很难完全避免观点不一致的内容。西方一些实证研究发现，“信息茧房”指向长期效果，而算法不是单一、静态的，而是动态的、不断优化中的，用户会主动互动、分享信息，接触各种各样的平台。另有研究发现，情感是用户在线行为的影响因素。例如，愤怒、焦虑和恐惧等情绪，是人们选择与志同道合的人、观点一致的内容进行互动的重要决定因素。而受众本身也带有自主认知能力，获取信息内容时受众具备“普遍的怀疑主义”。由此可见，所谓“信息茧房”效应，并不能由推荐算法所决定。

　　二是当前技术条件下，算法具有不可替代的作用，甚至可以帮助消解茧房。毋庸置疑，信息技术发展的半个多世纪以来，人类社会的数据呈爆炸式增长。“信息超载”的状况既可能使我们淹没在无边无际的信息海洋中，又带来了传统信息处理范式的危机。有专家认为，算法推荐的根本动因是应对“超载”危机，其在用户和海量内容之间建立桥梁，快速筛选和过滤掉那些不相关、低价值的信息，减轻认知负担。

　　陈昌凤认为，算法具有打破“信息茧房”的潜力。如协同过滤推荐方法可以通过聚类分析，将别人感兴趣，或者是时下流行但未被阅读过的信息推荐给用户。而在算法之外，强化学习、循环神经网络、迁移学习等深度学习技术也被用以解决具体问题。

　　三是作为推荐算法的主导方，平台不存在刻意用算法加剧“信息茧房效应”的动因。成功的推荐往往需要让用户感到“有点新奇”，而如果平台总是推送重复内容，反而可能导致用户觉得“信息单调”，减少使用甚至抛弃这个平台。

　　当前，不少平台正努力让用户在内容选择上掌握主动权。如谷歌把新闻趋势性，以及内容的新颖性、多样性和透明性等指标纳入对推荐模型的评估。国内一些短视频平台精选优质内容、加强优质内容分发，并提供调节推荐内容丰富程度、内容偏好设置、双列推荐等功能。

　　需要注意的是，算法推荐机制从诞生开始，本身就可能存在着一定的传播偏向，它并不一定是中立的、个性化的。最近一项研究发现，某些情况下，算法平台的个性化特质有限，其内容会维系“主流”信息秩序，有时表现出强化主流化偏向的特征。

　　面对社会公众对“信息茧房”表现出的担忧，平台也应提高算法透明度，引导用户了解算法工作原理，通过用户教育，让用户主动搜索和接触多样信息。此外，还可以通过用户反馈加强人机互动，使算法更好了解用户需求偏好，提供兼具个性化和多样化的信息。

　　陈昌凤认为，对推荐算法和“信息茧房”的讨论，我们需要找到平衡点，提高信息多样性和用户信息素养，共同构建一个健康、多元的信息生态系统。（李华山）