李煒娜

(西北民族大學(xué) 新聞傳播學(xué)院，甘肅 蘭州 730124)

“算法(Algorithm)”源于計(jì)算機(jī)領(lǐng)域的專業(yè)概念，指一系列解決問(wèn)題的清晰口令或代碼，用系統(tǒng)性方法描述解決具體問(wèn)題的一種數(shù)據(jù)策略.而在人工智能和大數(shù)據(jù)推廣應(yīng)用的今天，算法推薦應(yīng)運(yùn)而生.通過(guò)大數(shù)據(jù)分析和信息過(guò)濾機(jī)制，并根據(jù)用戶個(gè)性化需求，對(duì)信息進(jìn)行深度智能分析來(lái)過(guò)濾優(yōu)化，以實(shí)現(xiàn)用戶信息的科學(xué)和深度的匹配.個(gè)性化推薦用戶的推薦算法已經(jīng)成為內(nèi)容生產(chǎn)的“標(biāo)配”，在目前互聯(lián)網(wǎng)資本市場(chǎng)贏得了市場(chǎng)價(jià)值，成為了互聯(lián)網(wǎng)資本市場(chǎng)備受矚目的全新領(lǐng)域.在國(guó)外，算法型個(gè)性化信息推送以 Facebook 為代表的社交媒體和News Republic 新聞 APP的個(gè)性化推送應(yīng)用、BuzzFeed新聞聚合網(wǎng)站以及Amazon 等電商為代表；在國(guó)內(nèi)，較早使用算法推薦的是豆瓣，目前主要是以今日頭條、天天快報(bào)等算法類資訊平臺(tái)為代表.

1 互聯(lián)網(wǎng)信息分發(fā)的發(fā)展與模式類型

1.1 由線性信息模式到非線性分發(fā)平臺(tái)

從“人找信息”到“信息找人”、從門戶時(shí)代的“千人一面”到移動(dòng)互聯(lián)網(wǎng)時(shí)代的“千人千面”，互聯(lián)網(wǎng)信息分發(fā)由信息分發(fā)1.0階段發(fā)展到信息分發(fā)2.0階段.基于底層媒介技術(shù)形態(tài)不同，傳統(tǒng)媒體的分發(fā)模式是一種以“內(nèi)容為王”的固化的線性分發(fā)模式，主要依據(jù)信息產(chǎn)品的內(nèi)容來(lái)決定分發(fā).新聞內(nèi)容生產(chǎn)各個(gè)環(huán)節(jié)與分發(fā)環(huán)節(jié)相互依賴、密不可分，受眾所看到的是線性生產(chǎn)的相同信息產(chǎn)品.目前“數(shù)據(jù)技術(shù)思維”和“用戶本位思維”下的信息分發(fā)以2.0為主要模式.

目前，內(nèi)容生產(chǎn)環(huán)節(jié)和分發(fā)環(huán)節(jié)已分離開(kāi)來(lái)，新聞內(nèi)容的分發(fā)已成為專業(yè)化的獨(dú)立部門，信息產(chǎn)品集社交、搜索、場(chǎng)景識(shí)別、個(gè)性化推送以及智能化識(shí)別為一體.信息分發(fā)2.0主要基于算法技術(shù)推薦和三大主流推薦系統(tǒng)：一是基于內(nèi)容的推薦系統(tǒng)，二是基于協(xié)同過(guò)濾推薦，三是混合的推薦.例如:推薦算法應(yīng)用最早的是電子商務(wù)網(wǎng)站“Amazon”,它在1998年就推出了基于項(xiàng)目的協(xié)同過(guò)濾算法，來(lái)處理數(shù)百萬(wàn)商品，并為他的用戶提供精準(zhǔn)信息推送.在我國(guó)，人工智能信息最早始于 2012 年的“今日頭條”，之后搜狐、網(wǎng)易新聞和微博、微信相繼在自身產(chǎn)品中添加算法技術(shù)，特別是在2016年末(如圖1)，信息分發(fā)2.0 模式的逐步推廣，直至 2017 年，互聯(lián)網(wǎng)信息分發(fā)個(gè)性化精準(zhǔn)推送系統(tǒng)的應(yīng)用已超過(guò)68%.內(nèi)容分發(fā)成了各大互聯(lián)網(wǎng)巨頭的核心爭(zhēng)奪資源點(diǎn).阿里、騰訊等也先后建立起各自的信息分發(fā)機(jī)制.數(shù)據(jù)搜索引擎成為分發(fā)渠道中的核心技術(shù).狀態(tài)空間盲目搜索包括廣度優(yōu)先搜索(Breadth-First-Search)、深度優(yōu)先搜索(Depth-First-Search)；狀態(tài)空間啟發(fā)式搜索包括：A搜索算法(A search algorithm)、A*尋路(A*Search Algorithm) 、D*尋路(Dynamic A* Search Algorithm).例如：百度推出信息分發(fā)2.0模式，即“搜索+推薦”雙向智能適配結(jié)合的PUSH推薦模式，全面實(shí)現(xiàn)及時(shí)動(dòng)態(tài)建模和實(shí)時(shí)匹配計(jì)算，將內(nèi)容智能匹配給定向的用戶，以實(shí)現(xiàn)界面成像的“千人千面”“億人億面”.

圖1[1] 人工推送和算法推送演化發(fā)展數(shù)據(jù)

傳統(tǒng)的內(nèi)容分發(fā)模式已無(wú)法解決海量的咨詢數(shù)據(jù)與用戶特定需求之間的矛盾，因此內(nèi)容的匹配度和推薦精準(zhǔn)度成為核心.內(nèi)容和用戶之間從之前的弱鏈接發(fā)展成了新的強(qiáng)連接關(guān)系.

1.2 互聯(lián)網(wǎng)信息分發(fā)模式類型

1.2.1 人工采編型

這種信息分發(fā)模式多見(jiàn)于傳統(tǒng)媒體和Web1.0時(shí)期的媒體新聞客戶端和門戶網(wǎng)站，編輯和記者在這一時(shí)期仍掌握著內(nèi)容生產(chǎn)領(lǐng)域的絕對(duì)主宰權(quán),內(nèi)容的把關(guān)和議程設(shè)置明顯，信息的內(nèi)容生產(chǎn)和信息分發(fā)之間的邊界模糊，但其協(xié)同性較強(qiáng)地解決了所謂“頭部信息”的初級(jí)社會(huì)化分發(fā)，仍缺乏受眾的個(gè)性化、場(chǎng)景化的信息分發(fā)意識(shí).

1.2.2 社群分發(fā)型

以Web2.0的博客、微博、微信的社群化媒體為代表的“UGC——社交分發(fā)”，充分利用了互聯(lián)網(wǎng)時(shí)代中的“關(guān)系資源”，構(gòu)成了信息產(chǎn)品生產(chǎn)線上的=的“數(shù)字勞工”.其分發(fā)信息的內(nèi)容差異主要表現(xiàn)為與個(gè)體關(guān)聯(lián)網(wǎng)絡(luò)社群頻度、廣度、數(shù)量、程度對(duì)信息用戶的接觸以及消費(fèi)等行為的相關(guān)度影響，因此，這一過(guò)程已經(jīng)初步形成了信息內(nèi)容生產(chǎn)對(duì)社群亞文化以及UGC價(jià)值共創(chuàng)的社群媒體運(yùn)用意識(shí).信息內(nèi)容的價(jià)值大多由社交互動(dòng)來(lái)評(píng)定信息的價(jià)值.

1.2.3 算法分發(fā)型

大數(shù)據(jù)技術(shù)推廣應(yīng)用，以Web3.0人工智能化和場(chǎng)景化為特征，數(shù)據(jù)引擎成為內(nèi)容“標(biāo)配”，給用戶個(gè)性化的推薦以形成“千人千面”的資訊形態(tài).這種全新的信息場(chǎng)景適配方式和感知手段，不僅帶來(lái)了信息內(nèi)容生產(chǎn)整合以及分發(fā)模式的變革，更重要的是重構(gòu)了語(yǔ)境的轉(zhuǎn)變以及信息用戶的關(guān)系賦權(quán).

2 算法技術(shù)對(duì)信息分發(fā)的路徑創(chuàng)新

2.1 信息分發(fā)2.0用戶路徑：“用戶身份檔案”的算法建模

算法技術(shù)應(yīng)用于信息分發(fā)的最大優(yōu)勢(shì)是能夠科學(xué)地把控用戶的深度畫像，信息生產(chǎn)的最初環(huán)節(jié)以用戶的興趣為起點(diǎn)，以用戶的需求為終點(diǎn).算法基于用戶數(shù)據(jù)化的興趣圖譜、社會(huì)關(guān)系圖譜、生活習(xí)慣圖譜等，定制用戶所需的個(gè)性化內(nèi)容，打通了內(nèi)容生產(chǎn)與信息需求的深度連接，優(yōu)化了數(shù)據(jù)化的新聞生產(chǎn)，帶動(dòng)了業(yè)務(wù)發(fā)展和信息資源生產(chǎn)的研發(fā).目前所使用的用戶建模的手段有：①基于爬蟲(chóng)(Spider 技術(shù))、后臺(tái)數(shù)據(jù)庫(kù)以及個(gè)人信息檔案.②用戶網(wǎng)絡(luò)痕跡的用戶畫像還原.③用戶參與性的評(píng)論和轉(zhuǎn)發(fā)進(jìn)行算法型推送.但其局限性多見(jiàn)于文本形式.通過(guò)文本語(yǔ)義標(biāo)簽等進(jìn)行預(yù)測(cè)和建構(gòu)，若缺乏語(yǔ)義文本，對(duì)于協(xié)同過(guò)濾類推薦算法無(wú)法解決信息算法的冷啟動(dòng)問(wèn)題.如圖2所示，基于追蹤用戶閱讀行為的推薦算法，通過(guò)大數(shù)據(jù)資源庫(kù)獲取用戶各維度的信息,建立專屬個(gè)人的興趣圖譜.其最基本的維度包括用戶的性別、年齡、職業(yè)、教育信息、興趣愛(ài)好、地理位置等，以及用戶行為痕跡(包括點(diǎn)擊、瀏覽、評(píng)論、轉(zhuǎn)發(fā)、點(diǎn)贊、停留時(shí)長(zhǎng)等).在用戶的“用戶畫像”系統(tǒng)建模中，性別和年齡可通過(guò)第三方社交關(guān)聯(lián)登錄獲得,用戶的地理位置可通過(guò)GPS定位獲得.除此之外,興趣類屬和場(chǎng)景化還原是通過(guò)模型數(shù)據(jù)評(píng)估和預(yù)測(cè)完成的，例如常見(jiàn)的協(xié)同過(guò)濾推薦模式.這一環(huán)節(jié)是算法型信息分發(fā)的關(guān)鍵，直接影響“用戶畫像”的還原度和信息分發(fā)的精準(zhǔn)度以及用戶的產(chǎn)品體驗(yàn)感.

圖2[2] 移動(dòng)網(wǎng)絡(luò)算法技術(shù)的用戶信息建模

2.2 信息分發(fā)2.0內(nèi)容生產(chǎn)路徑：重構(gòu)新聞價(jià)值的頂層設(shè)計(jì)

傳統(tǒng)媒體時(shí)代整個(gè)信息制作流程遵循著塔奇曼的“新聞常規(guī)”，即依據(jù)新聞價(jià)值對(duì)信息進(jìn)行流程化的加工和呈現(xiàn).而數(shù)字革命的發(fā)展拓展了信息生產(chǎn)領(lǐng)域邊界，同時(shí)也重構(gòu)了新聞價(jià)值的內(nèi)涵.以前學(xué)界界定的新聞價(jià)值主要涉及：真實(shí)性、時(shí)效性、顯著性、趣味性、接近性五大方面，而當(dāng)今“大數(shù)據(jù)+”的思維下，“內(nèi)容文本標(biāo)簽”的意義和“邊生產(chǎn)+邊分發(fā)”的內(nèi)容生產(chǎn)樣態(tài)，使得新聞價(jià)值演化為：即時(shí)性、標(biāo)簽性、交互性、情景性和世俗性.整個(gè)信息生產(chǎn)和分發(fā)在遵循重構(gòu)后的新聞價(jià)值的標(biāo)尺上，從選題策劃，信息采集，信息加工到信息反饋進(jìn)行了頂層設(shè)計(jì)，形成了人機(jī)協(xié)同，相互校正的形態(tài)，提升了對(duì)外部信息的抓取、整合以及場(chǎng)景適配的能力.

2.3 信息分發(fā)2.0平臺(tái)路徑：拓展平臺(tái)邊界擺脫“冷啟動(dòng)”

算法技術(shù)應(yīng)用的平臺(tái)路徑分為技術(shù)路徑和社群路徑.其中技術(shù)路徑最為直接的代表就是采用了第三方登錄的形式.一般采取“投靠原則”，即向“BAT”(百度、阿里巴巴和騰訊)靠攏，通過(guò)較為成熟和完善的平臺(tái)直接快速地獲取用戶的個(gè)人信息以及興趣圖譜，擺脫了算法冷啟動(dòng)的困境.騰訊通過(guò)微信支付，可以拿到交易金額的數(shù)據(jù)，但卻拿不到如商品名稱、商品單價(jià)等更有價(jià)值的交易數(shù)據(jù)；而阿里巴巴除了豐富多元的電商交易數(shù)據(jù)外，還可通過(guò)菜鳥(niǎo)獲取倉(cāng)儲(chǔ)物流的數(shù)據(jù)，通過(guò)餓了么等獲取餐飲交易數(shù)據(jù)，通過(guò)螞蟻金服獲取數(shù)據(jù)、通過(guò)盒馬獲取線下零售數(shù)據(jù)等.另外，人際社群路徑則建立在用戶協(xié)同機(jī)制的自組織傳播，用戶數(shù)量巨大，需要用戶生產(chǎn)與傳播內(nèi)容，用戶之間交互，用戶與系統(tǒng)之間的信息交換，來(lái)不斷充實(shí)和完善數(shù)據(jù)庫(kù)，使得算法路徑從簡(jiǎn)單走向復(fù)雜、從無(wú)序走向有序、從信息與用戶的弱鏈接走向強(qiáng)弱鏈接的交融互動(dòng).

2.4 信息分發(fā)2.0營(yíng)銷路徑：重構(gòu)信息價(jià)值變現(xiàn)思維

達(dá)拉斯·斯麥茲曾提出的“受眾商品論”在算法技術(shù)爭(zhēng)奪信息資源市場(chǎng)中，已失去它原有的解釋力，發(fā)展到今天“數(shù)字勞工商品”化，逐漸撥開(kāi)了當(dāng)下互聯(lián)網(wǎng)商業(yè)運(yùn)作的迷霧.用戶不僅僅消費(fèi)信息產(chǎn)品，同時(shí)也在生產(chǎn)和“搬運(yùn)”著信息產(chǎn)品.例如喻國(guó)明老師提出如圖2數(shù)據(jù)平臺(tái)的資本運(yùn)作流程中，個(gè)性推薦系統(tǒng)智能分辯用戶消費(fèi)行為以及知識(shí)付費(fèi)趨勢(shì)是關(guān)鍵.因此從廣告營(yíng)銷角度講，推薦系統(tǒng)的數(shù)據(jù)提取、分析，廣告的投放，是一次從用戶量級(jí)到精準(zhǔn)度的投放.廣告信息流產(chǎn)品打通了用戶搜索和信息獲取的便捷路徑，開(kāi)始讓“廣告內(nèi)容化”“投放定向化”“廣告交互化”，真正實(shí)現(xiàn)“千人千面”2.0廣告推送營(yíng)銷模式，極大地降低廣告的投放成本，優(yōu)化了廣告宣傳渠道，形成了“利基市場(chǎng)”形態(tài)下的精準(zhǔn)推送.

圖3 數(shù)據(jù)平臺(tái)的資本運(yùn)作流程

3 算法技術(shù)對(duì)信息分發(fā)的范式創(chuàng)新

3.1 回歸“用戶本位”的傳播價(jià)值

傳播過(guò)程中受眾本位的傳播思想的理論支撐是“使用與滿足”，著名大眾文化理論家費(fèi)斯克提出：受眾是意義的生產(chǎn)者，有能力根據(jù)自己的文化背景和社會(huì)經(jīng)驗(yàn)對(duì)文本進(jìn)行解讀，從而生產(chǎn)出自己的文化，其閱讀行為是“在已有的文化知識(shí)與文本之間建立聯(lián)系”[3].算法型的信息推薦不僅激活信息資源的深度價(jià)值，使得用戶地位升級(jí)，更使“傳者本位”向“受眾本位”轉(zhuǎn)變，促成了用戶社交需求和價(jià)值認(rèn)同的相互對(duì)接.情境，西方學(xué)者戈夫曼、梅羅維茨、伊尼斯等學(xué)者從不同維度闡釋其意義.在不同學(xué)術(shù)領(lǐng)域也可以找到情景的蹤影，例如社會(huì)學(xué)的situation，電影學(xué)的scene，物理學(xué)中的context field，以及舞蹈學(xué)中scenery等.其中具有代表性的媒介情境學(xué)創(chuàng)始人梅羅維茨則認(rèn)為媒介的出現(xiàn)，打破了社會(huì)交往中的前后臺(tái)區(qū)間，也經(jīng)媒介產(chǎn)生了新的場(chǎng)景形態(tài).如鮑德里亞的著作《仿真與擬象》中解讀現(xiàn)實(shí)場(chǎng)景下的“擬象”.智能算法技術(shù)下，信息用戶逐步建構(gòu)起自我創(chuàng)作與人機(jī)互動(dòng)的模式，同時(shí)通過(guò)符號(hào)的表征形態(tài)延伸出自我沉浸的實(shí)際場(chǎng)景和虛擬場(chǎng)景之間的切換.

3.2 用戶關(guān)系賦權(quán)的新建構(gòu)

基于算法技術(shù)的場(chǎng)景適配是未來(lái)信息資源的核心.場(chǎng)景的本質(zhì)不僅要適配信息分發(fā)與提供精準(zhǔn)服務(wù)，更要重構(gòu)適合社會(huì)關(guān)系以及用戶賦權(quán)關(guān)鍵的助力.由于算法型場(chǎng)景適配從本質(zhì)上革新了人與信息連接的方式，推動(dòng)了信息生產(chǎn)以及分發(fā)的重心偏移，同時(shí)使得網(wǎng)絡(luò)社會(huì)化組成從差序格局、團(tuán)體格局向開(kāi)放、互動(dòng)的分布式網(wǎng)絡(luò)轉(zhuǎn)型，這必將帶來(lái)更為隱秘的信息與用戶之間的新型賦權(quán)關(guān)系.

算法推送下的信息除更加小眾化、個(gè)性化、場(chǎng)景化外，還形成了一種平民化、交互性、協(xié)商式的敘事方式.互聯(lián)網(wǎng)算法作為一種新的權(quán)力來(lái)源，它對(duì)于用戶個(gè)體與主體權(quán)利被激活，將特定的“官方話語(yǔ)”“官方議題”以及被算法推送的“民間議題”被解構(gòu).這與以往信息傳播相比，已經(jīng)發(fā)生了賦權(quán)范式性的變革.原本分散、微弱、邊緣化的用戶力量在互聯(lián)網(wǎng)算法技術(shù)的推動(dòng)下形成聚合、延伸為主導(dǎo)力量，產(chǎn)生了更為深遠(yuǎn)的信息內(nèi)容“長(zhǎng)尾效應(yīng)”.

4 信息分發(fā)2.0的“算法風(fēng)險(xiǎn)”與優(yōu)化策略

4.1 算法“黑箱”：更隱蔽的算法偏見(jiàn)

人工智能和算法運(yùn)用在新聞生產(chǎn)領(lǐng)域，在目前的技術(shù)維度上分為機(jī)器學(xué)習(xí)、自然語(yǔ)生成和處理、語(yǔ)音交互、視覺(jué)信息處理以及機(jī)器人技術(shù)，其中機(jī)器學(xué)習(xí)是整個(gè)新聞數(shù)據(jù)處理的關(guān)鍵所在.機(jī)器學(xué)習(xí)技術(shù)分為監(jiān)督式機(jī)器學(xué)習(xí)和無(wú)監(jiān)督式機(jī)器學(xué)習(xí).無(wú)監(jiān)督式機(jī)器學(xué)習(xí)無(wú)固定數(shù)據(jù)輸入(出)以及運(yùn)算模板，這種大數(shù)據(jù)處理方式將新聞生產(chǎn)置于“技術(shù)崇尚”和“科學(xué)神話”的“黑箱”中，而黑箱的內(nèi)部運(yùn)算透明度差且運(yùn)算復(fù)雜讓人難以駕馭，例如:奧地利符號(hào)計(jì)算研究所的Christoph Koutschan博士曾在他的論文中談到了32個(gè)人核心的大數(shù)據(jù)算法，例如分支界定算法(Branch and Bound)、Buchberger算法、Diffie-Hellman密鑰交換算法、Dijkstra算法、LLL算法、Q-learning學(xué)習(xí)算法、RSA——公鑰加密算法、Struk turtensor算法等.“黑箱”中所產(chǎn)生的算法偏見(jiàn)就顯得愈發(fā)隱蔽.這其中的算法偏見(jiàn)包括算法設(shè)計(jì)者的偏見(jiàn)、數(shù)據(jù)輸入(出)的偏見(jiàn)，算法運(yùn)算的偏見(jiàn)等.目前算法技術(shù)的發(fā)展在一定程度上顯示了場(chǎng)景適配力的精確性，但容易在實(shí)際信息分發(fā)中產(chǎn)生“噪音”.筆者認(rèn)為其算法型推送的用戶場(chǎng)景的適配主要體現(xiàn)在以下幾點(diǎn)：①畫像的逼真性；②場(chǎng)景的高度還原性；③推送信息場(chǎng)景的偏移性.這些都在算法的黑箱中建構(gòu)擬態(tài)環(huán)境，更為隱蔽地影響用戶的判斷和認(rèn)知.

4.2 用戶“個(gè)人日?qǐng)?bào)”：非制度性地建構(gòu)“社會(huì)共情”

“信息繭房”是哈佛大學(xué)教授桑斯坦在《信息烏托邦》中提出的概念，指在信息傳播中，因公眾自身的信息需求并非全方位的，公眾只注意自己選擇的東西和使自己愉悅的信息，久而久之會(huì)將自身桎梏于像蠶繭一般的“繭房”中[4].算法推薦在提升了分發(fā)信息的精準(zhǔn)度及用戶信息產(chǎn)品的適配體驗(yàn)的同時(shí)，不斷固化和狹窄化用戶對(duì)外部世界認(rèn)知的邊界，在加固已有的認(rèn)知偏見(jiàn)的同時(shí)對(duì)受眾進(jìn)一步進(jìn)行“社會(huì)共情”的建構(gòu).“信息孤島”讓人們開(kāi)始反思技術(shù)帶來(lái)的雙面性.麥克盧漢理論中的“媒介即人的延伸”放在智能算法推薦技術(shù)中，無(wú)疑是對(duì)人體更深層次的延伸，是對(duì)人類認(rèn)知、行為、思維功能的延伸.但盲目的技術(shù)崇拜只能將信息生產(chǎn)者與信息用戶的能動(dòng)性扼殺，我們需要思考是否應(yīng)該對(duì)技術(shù)設(shè)限，例如人工冷凍“標(biāo)題黨”和給“熱點(diǎn)”降權(quán).

4.3 算法技術(shù)的牢籠

北美媒介技術(shù)著名學(xué)者保羅·萊文森的“媒介進(jìn)化理論”，對(duì)技術(shù)的迭代和發(fā)展持有一種較為樂(lè)觀的哲學(xué)態(tài)度.這種態(tài)度基于對(duì)“技術(shù)中立”的秉持.我們?cè)谒惴ǖ恼Z(yǔ)境下所強(qiáng)調(diào)的“技術(shù)中立”，應(yīng)是強(qiáng)調(diào)算法本身就是中立的，不做價(jià)值判斷，只看合不合規(guī)，將選擇權(quán)交給讀者.但算法模型和個(gè)性化推薦系統(tǒng)都是人主觀創(chuàng)造的結(jié)果，是一系列代碼和程序經(jīng)人之手，自然在數(shù)據(jù)提取、處理等環(huán)節(jié)不可避免地受到人的主觀影響，因此一味地將價(jià)值的選擇和判斷標(biāo)準(zhǔn)下放于用戶，會(huì)給算法技術(shù)背后埋下算法倫理的“陷阱”.算法技術(shù)本身不具有價(jià)值取向，但通過(guò)人工智能的篩選和識(shí)別，對(duì)內(nèi)容的真?zhèn)巍?yōu)劣、雅俗等內(nèi)容，很難進(jìn)行充分“把關(guān)”，信息垃圾將無(wú)法避免.因此，應(yīng)在工具理性和價(jià)值理性中找到平衡點(diǎn)，人、技術(shù)與倫理道德三者之間相互影響、融合交匯，應(yīng)摒棄單一片面的技術(shù)決定論，形成算法背后較為客觀的社會(huì)技術(shù)整體互動(dòng)論.例如：2018年4月“今日頭條”因發(fā)布低俗視聽(tīng)信息受到了查處，這是因過(guò)于盲目迷信算法推薦和智能分發(fā)機(jī)制所致.在此之后“今日頭條”也在不斷探索一條算法技術(shù)整體互動(dòng)之路，做好工具理性和價(jià)值理性之間的平衡.

4.4 算法分發(fā)技術(shù)的優(yōu)化策略

4.4.1 算法透明(algorithmic transparency)

讓算法“黑箱”增加透明度，無(wú)監(jiān)督式的機(jī)器算法與監(jiān)督式機(jī)器算法協(xié)作生產(chǎn)，同時(shí)在法律層面確保大數(shù)據(jù)的安全性.把算法素養(yǎng)納入新聞傳播教育的范疇中，提高新聞從業(yè)人員和公眾的數(shù)據(jù)專業(yè)技術(shù)和意識(shí).

4.4.2 在深度挖掘用戶信息和“數(shù)字遺忘權(quán)”中找到平衡點(diǎn)

信息的分發(fā)基于用戶的興趣圖譜的清晰度，而這就要求數(shù)據(jù)挖掘的深度和精度.目前業(yè)界也在致力于用戶數(shù)據(jù)的深度挖掘,進(jìn)一步進(jìn)行流量爭(zhēng)奪，例如：百度的“聊新聞”通過(guò)人機(jī)交互進(jìn)一步挖掘用戶潛在的需求，而這其中規(guī)避不了個(gè)人隱私權(quán)的探討，特別是近些年被關(guān)注的歐盟提出的“數(shù)字被遺忘權(quán)”.用戶個(gè)人數(shù)據(jù)意識(shí)的覺(jué)醒是一個(gè)技術(shù)時(shí)代的進(jìn)步，但如何在“用戶思維”和“市場(chǎng)邏輯”中找到平衡點(diǎn)，將決定算法技術(shù)分發(fā)是否能在大數(shù)據(jù)時(shí)代既被用戶“叫好”，也被資本市場(chǎng)“叫座”.

4.4.3 優(yōu)化算法迭代效率，構(gòu)建算法評(píng)估體系

想要不斷優(yōu)化算法的規(guī)則和策略，需要建立一個(gè)算法評(píng)估體系.這種評(píng)估體系從信息推薦系統(tǒng)的適配性入手，分析微觀的語(yǔ)義、詞頻等，以此進(jìn)行實(shí)時(shí)監(jiān)控確保算法模型的科學(xué)實(shí)用性，同時(shí)需做到兼顧短期指標(biāo)和長(zhǎng)期指標(biāo)、兼顧用戶圖譜指標(biāo)和信息生態(tài)指標(biāo)，必要的時(shí)候需要做具體要素的隔離統(tǒng)計(jì)和建模.只有建立長(zhǎng)期的、穩(wěn)定的、高適配性的算法評(píng)估體系，才能保證反向的實(shí)時(shí)監(jiān)控，個(gè)性化信息分發(fā)模型的科學(xué)性、可適用性的充分發(fā)揮.

5 結(jié)語(yǔ)

用戶個(gè)性化的內(nèi)容訴求逐漸覺(jué)醒，對(duì)信息的“量”的追逐轉(zhuǎn)變?yōu)閷?duì)內(nèi)容的優(yōu)質(zhì)、精準(zhǔn)的需求.人工智能算法技術(shù)使得移動(dòng)端的內(nèi)容創(chuàng)業(yè)從野蠻生長(zhǎng)過(guò)渡到一個(gè)有秩化的發(fā)展階段,是人和媒介以及社會(huì)三者的更高境界的融合.而基于用戶建模的“算法”分發(fā)是否會(huì)有更多的“噪音”、是否會(huì)造成新的“知溝”“爬蟲(chóng)”等技術(shù)，涉及侵權(quán)等問(wèn)題，是人工智能面臨的挑戰(zhàn).人們應(yīng)該包容地接納技術(shù)、靈活地使用技術(shù)、積極地發(fā)展技術(shù)的同時(shí)，更應(yīng)該用理性的思想判斷迎接和使用大數(shù)據(jù).