文／本刊記者 陳 杰

日前，復(fù)旦大學(xué)新聞學(xué)院舉辦“算法推薦與人工智能圓桌論壇”，邀請(qǐng)復(fù)旦大學(xué)、清華大學(xué)、中國(guó)傳媒大學(xué)、中山大學(xué)等院校的新聞傳播學(xué)、哲學(xué)、計(jì)算機(jī)、法學(xué)等學(xué)科的知名專(zhuān)家，聚焦“信息繭房”“隱私保護(hù)”等主題展開(kāi)深入、熱烈的探討。

清華大學(xué)新聞與傳播學(xué)院常務(wù)副院長(zhǎng)陳昌鳳教授提出，要讓算法助益信息海洋中的“幸存者”。第一，算法越來(lái)越多元。業(yè)界科技公司很少使用一種算法，而是多種不同類(lèi)型的推薦算法并重，避免“繭房效應(yīng)”。第二，算法是不斷優(yōu)化的。Facebook、Google、“今日頭條”均已深度介入到信息的分發(fā)中，算法是科技公司傳播最重要的工具。目前各公司的優(yōu)化包括有限度地開(kāi)放其算法，加強(qiáng)透明性，如今日頭條在2018年公開(kāi)了算法原理，核心是為用戶量身定制屬精準(zhǔn)度更高的信息推薦。第三，算法具有自身糾偏的能力，算法可以校準(zhǔn)用戶自身的信息偏向偏好。

中山大學(xué)傳播與設(shè)計(jì)學(xué)院院長(zhǎng)張志安教授認(rèn)為，經(jīng)過(guò)龐大用戶樣本訓(xùn)練過(guò)的算法，所推薦的內(nèi)容更具專(zhuān)業(yè)性、更平衡客觀。巨大樣本數(shù)據(jù)量所得出的是人類(lèi)的普遍興趣需求，盡管個(gè)體是存在差異，但總體趨于相似的。如今日頭條在算法推薦過(guò)程中，引入社交、協(xié)同過(guò)濾等權(quán)重因素后，會(huì)將內(nèi)容用戶進(jìn)行顆粒度更細(xì)分的匹配，可以提升推薦準(zhǔn)確度。算法推薦的優(yōu)化和治理，需要多方參與，需要哲學(xué)指導(dǎo)和認(rèn)知心理學(xué)指導(dǎo)，探索算法測(cè)量指標(biāo)的優(yōu)化，通過(guò)算法增強(qiáng)改善算法推薦的公共性和關(guān)系場(chǎng)景增強(qiáng)的多元化。

中國(guó)傳媒大學(xué)新媒體研究院院長(zhǎng)趙子忠教授認(rèn)為，人工給內(nèi)容打標(biāo)簽并推送效率較低，算法技術(shù)可有效提升給信息分類(lèi)和分發(fā)效率，能讓有價(jià)值的內(nèi)容匹配到更精準(zhǔn)的用戶。在提升精確度的同時(shí)，通過(guò)算法協(xié)同過(guò)濾手段，可以有效避免信息窄化，打破信息繭房。

復(fù)旦大學(xué)新聞學(xué)院執(zhí)行院長(zhǎng)張濤甫教授指出，繭房是人的認(rèn)知宿命，從來(lái)就有，只不過(guò)因算法流行而被我們顯著地“看見(jiàn)”了。算法是一種“讀心”的技術(shù)，但算法所呈現(xiàn)的用戶偏好，不是完整意義上的、也是不全面，算法一方面可以“走心”，也可能會(huì)“偏心”。算法滿足用戶需求，不能忽視內(nèi)容端，須實(shí)現(xiàn)用戶和信息之間的鏈接和匹配。從單向度、失衡的用戶重心轉(zhuǎn)移兼顧對(duì)內(nèi)容的考慮。而且，在實(shí)現(xiàn)用戶和內(nèi)容鏈接之前，需要在內(nèi)容層面進(jìn)行內(nèi)容評(píng)價(jià)或者“垃圾分類(lèi)”，將“劣幣”、垃圾信息過(guò)濾，避免趣味下沉和“劣幣驅(qū)逐良幣”。

復(fù)旦大學(xué)新聞學(xué)院孫少晶教授認(rèn)為，我們?cè)谡務(wù)撔畔⒗O房，實(shí)際上與人的認(rèn)知來(lái)源多元性相關(guān)。我們?cè)谟懻撨@些多元性的時(shí)候，會(huì)涉及評(píng)價(jià)指標(biāo)的問(wèn)題。評(píng)價(jià)指標(biāo)來(lái)自工程的，來(lái)自心理學(xué)，來(lái)自傳播學(xué)，來(lái)自人文科學(xué)的，不同的指標(biāo)差異非常大。算法技術(shù)不是鐵板一塊的，不同的算法，指標(biāo)和角度是不同的。以前學(xué)者在研究的時(shí)候，更多過(guò)多關(guān)注單一信息源的影響。在現(xiàn)在的環(huán)境里，每個(gè)人的信息源都是多種多樣的，我們要回歸到復(fù)合信息消費(fèi)環(huán)境里去討論問(wèn)題。我反復(fù)強(qiáng)調(diào)一點(diǎn)，我們需要更多方面的觀點(diǎn)的交鋒。

復(fù)旦大學(xué)計(jì)算機(jī)學(xué)院教授肖仰華認(rèn)為，以業(yè)界實(shí)踐案例看，信息繭房是可以解決的。出現(xiàn)信息繭房的根本原因是目標(biāo)單一，而現(xiàn)在很多的算法機(jī)器模型可以有效的捕捉來(lái)自數(shù)據(jù)中很多隱藏的特征，使得特征工程代價(jià)極大降低。在優(yōu)化、人為篩選目標(biāo)的同時(shí)，輔以多樣性目標(biāo)引導(dǎo)，破除繭房的壁壘。未來(lái)，人工智能最重要的使命是補(bǔ)全在用戶端產(chǎn)生的數(shù)據(jù)背后的復(fù)雜的因果鏈條，才能更好的服務(wù)用戶。

復(fù)旦大學(xué)哲學(xué)學(xué)院徐英瑾教授指出，從心理學(xué)的角度看，繭房是一個(gè)中性詞，人承受信息量的總體是穩(wěn)定、有限的。通過(guò)對(duì)話，不同人建模不同的語(yǔ)義網(wǎng)，在追求新鮮的同時(shí)不停反對(duì)這個(gè)模型。這個(gè)過(guò)程是數(shù)據(jù)運(yùn)算的過(guò)程，在發(fā)現(xiàn)常識(shí)不兼容的情況下優(yōu)化協(xié)調(diào)性?？萍荚谟?jì)算相似性的東西，這是大數(shù)據(jù)統(tǒng)計(jì)的方法，是相似性和統(tǒng)計(jì)性的混淆，無(wú)法進(jìn)行實(shí)質(zhì)的因果分析。人類(lèi)生活以偶然性為主，算法就是壓縮偶然性的空間，算法可以追溯過(guò)去的愛(ài)好，卻無(wú)法預(yù)測(cè)未知的需求，未來(lái)的算法模型需要引入更多的心理學(xué)認(rèn)知背景作為輔助。

復(fù)旦大學(xué)新聞學(xué)院周笑教授提出，可以從5個(gè)角度弱化信息繭房效應(yīng)。一是內(nèi)容角度，谷歌多年前建數(shù)字圖書(shū)館，聚集全世界的內(nèi)容，有效突破繭房效應(yīng)；二是用戶角度，龐大的用戶規(guī)模能弱化繭房效應(yīng)；三是暗知識(shí)、暗變量，通過(guò)環(huán)境特征協(xié)同特的提取；四是立場(chǎng)轉(zhuǎn)化，激發(fā)用戶主動(dòng)參與進(jìn)行內(nèi)容分類(lèi)；五是通過(guò)跨學(xué)科從技術(shù)人文多個(gè)角度去引導(dǎo)算法，用有限性提升有效性。

復(fù)旦大學(xué)法學(xué)院李世剛教授分享了在網(wǎng)絡(luò)上進(jìn)行搜集個(gè)人的信息的情況下，如何平衡和保護(hù)消費(fèi)者以及用戶的隱私的內(nèi)容。網(wǎng)絡(luò)安全法第41條有規(guī)定，搜集個(gè)人的信息符合合法、正當(dāng)和必要的三原則。消費(fèi)者權(quán)益保護(hù)法也有此規(guī)定，最新的民法典法案也有三原則：合法、正當(dāng)和必要的規(guī)定。但現(xiàn)實(shí)中，操作執(zhí)行卻很困難。用戶是否可以拒絕推送？搜集信息到底搜集哪些信息？是不是所有信息都可以搜集？包括所謂最敏感的信息，所以，未來(lái)的行業(yè)規(guī)范建設(shè)任重道遠(yuǎn)。