楊莉明

隨著移動(dòng)互聯(lián)網(wǎng)的普及，新聞資訊類應(yīng)用(APP)正成為越來越多網(wǎng)民獲取新聞信息的入口。個(gè)性化推薦算法的過濾分發(fā)機(jī)制使得新聞資訊類應(yīng)用能夠根據(jù)不同用戶的偏好來推送差異化的內(nèi)容，在移動(dòng)互聯(lián)網(wǎng)的信息傳播中挑戰(zhàn)了“把關(guān)人”的角色，給大眾傳播時(shí)代的信息傳播模式帶來了全新的變革?；谄滹@著影響，國(guó)內(nèi)外眾多學(xué)者進(jìn)行了研究。但是在有關(guān)的文獻(xiàn)中，個(gè)性化推薦往往與定制、新聞聚合等概念混為一談。本研究從個(gè)性化推薦算法的原理和特征入手，厘清相關(guān)概念，并結(jié)合這種新興的傳播技術(shù)在國(guó)內(nèi)外移動(dòng)互聯(lián)網(wǎng)新聞傳播中的實(shí)踐，揭示個(gè)性化推薦介入到信息傳播領(lǐng)域所產(chǎn)生的影響，并對(duì)如何克服其消極影響進(jìn)行思考。

一、個(gè)性化新聞推薦的原理及其特征

個(gè)性化新聞推薦系統(tǒng)是在掌握用戶數(shù)據(jù)的基礎(chǔ)上，對(duì)用戶的興趣和需求做出預(yù)測(cè)，并通過信息過濾算法將不同的信息推送給不同的用戶，從而實(shí)現(xiàn)千人千面的個(gè)性化效果。具體到個(gè)性化新聞推薦系統(tǒng)的運(yùn)作，大致可分為三個(gè)步驟：

首先，通過與媒體以及自媒體的簽約合作，“今日頭條”等從事個(gè)性化資訊服務(wù)的互聯(lián)網(wǎng)公司可獲得大量的信息資源。對(duì)于一則新的資訊，推薦系統(tǒng)將通過內(nèi)容分析器的特征抽取技術(shù)，把資訊內(nèi)容從原始信息空間轉(zhuǎn)換到目標(biāo)空間中，表示成關(guān)鍵詞向量。其次是信息學(xué)習(xí)器模塊。[1]它的作用是收集用戶數(shù)據(jù)，構(gòu)建用戶畫像。通過機(jī)器學(xué)習(xí)等技術(shù)，推薦系統(tǒng)將收集到的用戶基本數(shù)據(jù)和行為數(shù)據(jù)(來自用戶所使用的上網(wǎng)設(shè)備的信息、歷史瀏覽記錄、社交平臺(tái)數(shù)據(jù)等)轉(zhuǎn)化為事實(shí)標(biāo)簽，再給用戶的行為(例如點(diǎn)擊閱讀、點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)、收藏等)、訪問時(shí)長(zhǎng)、衰減因子等因素設(shè)置相應(yīng)的權(quán)重，從而從眾多行為中發(fā)現(xiàn)用戶真正的興趣，計(jì)算出用戶對(duì)某類信息的興趣標(biāo)簽值，形成一組偏好。然后將偏好值轉(zhuǎn)化為特征向量，可計(jì)算出與其他用戶的距離，從而找出有相似行為的用戶集。結(jié)合數(shù)據(jù)挖掘，已知的用戶數(shù)據(jù)可以用于訓(xùn)練，形成一個(gè)預(yù)測(cè)模型，再將該模型用于未知偏好的用戶樣本的測(cè)試，從而不斷提升預(yù)測(cè)用戶需求的算法的準(zhǔn)確度。再次，經(jīng)過前面兩個(gè)步驟，算法已經(jīng)識(shí)別出有相似偏好的用戶并且進(jìn)行相關(guān)資訊的聚類。接下來，過濾組件模塊通過匹配用戶特征和待推薦的文章的特征來完成推薦。該過程是基于某種相似度(如用戶的偏好向量和文章關(guān)鍵詞向量的余弦相似度)的計(jì)算，生成對(duì)于某個(gè)用戶來說潛在的感興趣的文章的排名列表[1]，從而決定為該用戶推送哪篇文章。

通過對(duì)推薦運(yùn)作過程的剖析，不難發(fā)現(xiàn)，個(gè)性化新聞推薦所呈現(xiàn)給用戶的信息是人機(jī)交互的結(jié)果，算法在其中決定著信息的分發(fā)。在新聞信息的推送中，常見的個(gè)性化推薦算法可分為四種：一是基于內(nèi)容的協(xié)同過濾新聞推薦；二是基于用戶的協(xié)同過濾新聞推薦；三是基于知識(shí)(語義)的新聞推薦；四是混合新聞推薦，結(jié)合內(nèi)容和協(xié)同過濾的混合推薦是使用最廣泛的。[2]基于內(nèi)容/物品的協(xié)同過濾(item-based collaborative filtering，簡(jiǎn)稱itemCF)算法和基于用戶的協(xié)同過濾(user-based collaborative filtering，簡(jiǎn)稱userCF)算法的區(qū)別主要在于前者是根據(jù)物品之間的相似度來做出推薦，更適用于電子商務(wù)和娛樂場(chǎng)景的推薦；而后者是根據(jù)用戶之間的相似度來做出推薦，更適用于社會(huì)化場(chǎng)景，如社交網(wǎng)站。具體到新聞資訊的推薦，對(duì)于用戶而言，獲取資訊是首要目的，個(gè)人興趣則相對(duì)寬泛——只有對(duì)特定領(lǐng)域的關(guān)注，沒有必看某篇文章的明確需求——并且用戶對(duì)平時(shí)不太關(guān)注的領(lǐng)域的資訊并不截然排斥，因此信息的時(shí)效性和重要程度比個(gè)人興趣更為重要。加上個(gè)性化新聞資訊應(yīng)用中的信息傳播是一個(gè)實(shí)時(shí)的動(dòng)態(tài)過程，隨時(shí)可能有新內(nèi)容出現(xiàn)，因而在此類場(chǎng)景中，若僅以物品(信息)的相似度作為推薦的依據(jù)，計(jì)算和維護(hù)所需的計(jì)算量遠(yuǎn)大于基于用戶的協(xié)同過濾。并且這種推薦還可導(dǎo)致同類信息過度推送，例如用戶在點(diǎn)擊了一則健康養(yǎng)生資訊之后會(huì)被推送更多同類的資訊，這就需要結(jié)合用戶的行為數(shù)據(jù)，通過興趣標(biāo)簽的及時(shí)調(diào)整來判斷用戶對(duì)該類資訊是長(zhǎng)期興趣還是短期興趣，同時(shí)還可通過基于用戶的協(xié)同過濾為用戶呈現(xiàn)與其有著相似偏好的一群用戶當(dāng)天所關(guān)注的內(nèi)容。基于物品的協(xié)同過濾以及基于用戶的協(xié)同過濾的混合使用有助于克服前者推薦過度專門化的問題和后者可擴(kuò)展性較差的問題。在混合推薦算法的運(yùn)作下，個(gè)性化推薦系統(tǒng)能夠高效地處理海量資訊并將其分發(fā)給不同需求的用戶。

正是由于個(gè)性化推薦具有為不同用戶提供差異化的信息服務(wù)的功能，在一些研究中，它往往與定制、新聞聚合的概念聯(lián)系在一起或是被混淆，但是究其原理，它們有著本質(zhì)上的區(qū)別。以RSS(Really Simple Syndication，即簡(jiǎn)易信息聚合)訂閱為代表的信息定制，雖然克服了過去門戶網(wǎng)站無法很好地滿足不同用戶的信息需求的缺點(diǎn)，可由用戶主動(dòng)選擇自己想要關(guān)注的信息類別，但它依然面臨著信息的單向輸出和內(nèi)容缺乏延展性的問題。而新聞聚合在本質(zhì)上也是一種定制，即聚合性應(yīng)用能夠根據(jù)用戶設(shè)置的需求，對(duì)不同來源的信息進(jìn)行選擇性地匯總。相比之下，個(gè)性化推薦系統(tǒng)除了初期需要用戶提供信息以克服冷啟動(dòng)的問題之外，其運(yùn)作過程幾乎不依賴用戶設(shè)置。個(gè)性化推薦技術(shù)運(yùn)用聚類、關(guān)聯(lián)模式挖掘、文本挖掘等算法，對(duì)海量的用戶行為數(shù)據(jù)進(jìn)行分析，計(jì)算出用戶以及物品之間的相似性，建立用戶與信息產(chǎn)品之間的二元關(guān)系，并依此來預(yù)測(cè)和挖掘用戶對(duì)新物品的偏好，從而為不同的用戶做出差異化的推薦，其本質(zhì)就是信息過濾。[3]個(gè)性化新聞推薦系統(tǒng)的優(yōu)越性還體現(xiàn)在，由于新信息不斷流入，資源集幾乎時(shí)刻保持更新，同時(shí)系統(tǒng)還要基于及時(shí)反饋的用戶交互行為而做出變化，這對(duì)系統(tǒng)的運(yùn)作提出了較高的要求，而個(gè)性化推薦系統(tǒng)的計(jì)算速度極快，能秒級(jí)響應(yīng)用戶反饋，實(shí)時(shí)更新信息推薦列表。顯然，個(gè)性化推薦比定制和聚合更為智能化，具有更強(qiáng)的交互性，能適應(yīng)用戶不斷變化的信息需求，因而推送的內(nèi)容也具有更佳的延展性。

與定制/聚合相比，個(gè)性化推薦的特征還體現(xiàn)在用戶在信息推薦過程中是否掌握信息過濾的主動(dòng)權(quán)。國(guó)外的研究者對(duì)個(gè)性化推薦與定制這兩個(gè)概念作了明確的區(qū)分。Sundar等指出，個(gè)性化推薦的過濾是在用戶不知情的情況下進(jìn)行的，而定制則是由用戶自己設(shè)置和定義的過濾推送，是完全由用戶主導(dǎo)的。[4]Beam區(qū)分了“用戶定制的推薦系統(tǒng)”和“計(jì)算機(jī)生成的推薦系統(tǒng)”(即個(gè)性化推薦)這兩種不同的新聞推送方式及其影響。[5]Thurman則認(rèn)為定制是顯性的(explicit)、用戶可控的個(gè)性化推薦的過程；而在用戶不知情的情況下進(jìn)行的、不可控的過濾則是隱性(implicit)[6-7]，或者將個(gè)性化推薦分為主動(dòng)個(gè)性化(active personalization)和被動(dòng)個(gè)性化(passive personalization)[8]：主動(dòng)個(gè)性化是指由用戶主導(dǎo)的過程，而被動(dòng)個(gè)性化則是指由系統(tǒng)主導(dǎo)的過程。由此可見，盡管在不同的研究中，這兩個(gè)概念的表述不盡相同，但是從本質(zhì)上來說，學(xué)者們普遍認(rèn)同用戶在信息過濾過程中是否掌握主導(dǎo)權(quán)是區(qū)分個(gè)性化推薦和定制的重要依據(jù)。正是由于個(gè)性化推薦算法代替了人類在新聞信息分發(fā)過程中的主導(dǎo)作用，在移動(dòng)端的新聞資訊傳播中挑戰(zhàn)了信息把關(guān)人的角色，因而它與用戶主導(dǎo)的定制、聚合有著本質(zhì)區(qū)別，在研究中應(yīng)加以區(qū)分。

二、個(gè)性化推薦在信息傳播中的應(yīng)用

國(guó)外的研究表明，英美的新聞機(jī)構(gòu)越來越多地依賴計(jì)算機(jī)算法來預(yù)測(cè)用戶對(duì)內(nèi)容的偏好。[7]Thurman對(duì)英、美兩國(guó)主流新聞網(wǎng)站上個(gè)性化推薦功能作了分類歸納，其中“隱性的個(gè)性化功能”有4種：聚合協(xié)同過濾(aggregated collaborative filtering)(1)聚合協(xié)同過濾：根據(jù)用戶的歷史信息計(jì)算用戶之間的相似程度，然后用部分用戶的已知偏好來預(yù)測(cè)與之相似程度較高的其他用戶的潛在偏好。、上下文推薦(contextual recommendations)(2)上下文推薦：根據(jù)部分用戶的已知偏好，預(yù)測(cè)用戶對(duì)上下文和不同類別的內(nèi)容之間的潛在偏好，比如提供與主題相關(guān)的其他內(nèi)容的鏈接，包括小說、博客、視頻和照片等。鏈接可能是內(nèi)部的也可能是外部的。、根據(jù)地理位置生成不同版本(geo-targeted editions)(3)根據(jù)地理位置生成不同版本：通過用戶的IP地址或GPS定位，可以獲取用戶閱讀時(shí)的位置信息，根據(jù)用戶在不同的地理位置，提供適應(yīng)其閱讀興趣的內(nèi)容，主要出現(xiàn)在主頁(yè)或其他比較關(guān)鍵的索引頁(yè)面上。、基于用戶畫像的推薦(profile-based recommendations)(4)基于用戶畫像的推薦：通過用戶注冊(cè)時(shí)留下的信息，以及對(duì)用戶的行為記錄，或是綜合了從其他渠道獲取的信息，如社交媒體上的信息，從而為用戶推薦內(nèi)容。；顯性的個(gè)性化推薦有11種：電子郵件簡(jiǎn)報(bào)(email newsletters)、主頁(yè)定制(homepage customization)、主頁(yè)版本(homepage editions)、移動(dòng)版本(mobile editions)、個(gè)人頁(yè)面(my page)、非線性互動(dòng)(non-linear interactives)、一對(duì)一協(xié)同過濾(one-to-one collaborative filtering)、其他顯性功能(other explicit)、RSS訂閱(RSS feeds)、短信提醒(SMS alerts)、窗體小部件(widgets)。[6]目前大部分新聞機(jī)構(gòu)網(wǎng)站及其客戶端都嵌入了個(gè)性化推薦的功能，運(yùn)用個(gè)性化推薦算法對(duì)新聞信息進(jìn)行篩選、分發(fā)和推送已成為常態(tài)?？梢哉f，我們已經(jīng)進(jìn)入了信息個(gè)性化時(shí)代。[8-9]

在國(guó)內(nèi)，受到互聯(lián)網(wǎng)的沖擊，傳統(tǒng)新聞媒體面臨生存困境，紛紛向內(nèi)容供應(yīng)商的角色轉(zhuǎn)型，把原先掌握的信息過濾的權(quán)力讓渡給算法，讓算法根據(jù)用戶的需求來分發(fā)內(nèi)容。[10]在信息膨脹和閱讀碎片化的趨勢(shì)下，算法分發(fā)模式快速發(fā)展起來，基于個(gè)性化推薦技術(shù)的移動(dòng)新聞資訊應(yīng)用迅速占領(lǐng)了市場(chǎng)，如“今日頭條”“一點(diǎn)資訊”“天天快報(bào)”等。以“今日頭條”為例，目前國(guó)內(nèi)移動(dòng)新聞資訊應(yīng)用中的個(gè)性化推薦功能主要體現(xiàn)在如下方面：

添加關(guān)注的用戶：在首頁(yè)頂部導(dǎo)航欄的“關(guān)注”下，系統(tǒng)將為用戶推薦在“今日頭條”上開通了賬號(hào)的大V、自媒體人和媒體賬號(hào)所發(fā)布的信息，用戶選擇自己感興趣的賬號(hào)添加關(guān)注后，刷新即可獲得該賬號(hào)發(fā)布的最新資訊，用戶可轉(zhuǎn)發(fā)(包括轉(zhuǎn)發(fā)到本平臺(tái)和其他平臺(tái)，如微信、QQ等)、評(píng)論、點(diǎn)贊、收藏、拉黑、舉報(bào)。其作用類似于新浪微博。這部分社交數(shù)據(jù)為協(xié)同過濾算法的運(yùn)作提供了基礎(chǔ)。

信息流推送：在“推薦”欄下，除了置頂?shù)闹匾侣勔酝?，呈現(xiàn)的信息多數(shù)是個(gè)性化推薦的結(jié)果。系統(tǒng)通過用戶畫像、上下文推薦、聚合協(xié)同過濾，挖掘信息和用戶的相關(guān)性，為不同的用戶推送他們可能感興趣的資訊。信息流中不僅有官方媒體采編的新聞，也有自媒體資訊、問答、視頻等內(nèi)容，甚至還包括基于個(gè)性化推薦機(jī)制所推送的信息流廣告。用戶同樣可以通過上述轉(zhuǎn)發(fā)、評(píng)論等方式對(duì)文章內(nèi)容做出及時(shí)的反饋。

城市版本：和前文Thurman所述的根據(jù)地理位置生成不同版本(geo-targeted editions)的推薦功能一樣，通過GPS定位，系統(tǒng)可生成用戶所在城市的信息推薦列表，不僅有當(dāng)?shù)氐男侣労唾Y訊，還包括實(shí)時(shí)天氣、附近的商業(yè)服務(wù)、廣告以及與新聞資訊相關(guān)的自媒體賬號(hào)推薦關(guān)注。

個(gè)人頁(yè)面定制：在“我的頻道”一欄，用戶可以定制自己想要關(guān)注的信息類別，如“股票”“小游戲”“精品課”等。增加了新關(guān)注的“頻道”后，它將會(huì)出現(xiàn)在頂部導(dǎo)航欄，該欄所呈現(xiàn)的內(nèi)容也是個(gè)性化推薦的結(jié)果。

除了“今日頭條”等移動(dòng)應(yīng)用以外，“平臺(tái)+個(gè)性化推薦模塊”也是目前國(guó)內(nèi)個(gè)性化新聞推薦的另一種發(fā)展模式。瀏覽器作為網(wǎng)民上網(wǎng)的一個(gè)重要入口，在網(wǎng)民中有較高的使用率。UC瀏覽器、QQ瀏覽器以及各品牌手機(jī)自帶的瀏覽器都搭載了個(gè)性化新聞推薦的功能，從而將已有的用戶群轉(zhuǎn)化為個(gè)性化新聞資訊用戶群。而國(guó)內(nèi)使用率最高的搜索引擎百度自2016年起也在其搜索主頁(yè)上搭載了個(gè)性化新聞推薦的模塊(如圖1所示)。該模塊可分為兩個(gè)部分，左側(cè)的部分是選項(xiàng)卡區(qū)，包括“我的關(guān)注”和“推薦”。在“我的關(guān)注”下，用戶通過主動(dòng)定制，可添加網(wǎng)站網(wǎng)址、股票、小說等，以便經(jīng)常訪問；而“推薦”則呈現(xiàn)的是根據(jù)用戶的興趣推送的個(gè)性化資訊。點(diǎn)開某條資訊，除了可以看到該篇文章，頁(yè)面還呈現(xiàn)了作者的最新文章以及相關(guān)文章的鏈接，以供延展閱讀(如圖2所示)。推薦模塊右側(cè)的部分是實(shí)時(shí)熱點(diǎn)資訊，它根據(jù)百度實(shí)時(shí)的搜索指數(shù)進(jìn)行排名，點(diǎn)擊后可看到該詞條在百度搜索中的相關(guān)搜索結(jié)果。百度通過提供個(gè)性化推薦這種信息增值服務(wù)，可以起到增強(qiáng)用戶黏性的作用，從而獲得更多廣告收益。因此個(gè)性化新聞資訊服務(wù)還依托搜索引擎和瀏覽器等平臺(tái)的優(yōu)勢(shì)普及開來。

圖1 百度首頁(yè)的個(gè)性化推薦模塊

圖2 百度個(gè)性化推薦的文章頁(yè)面

放眼全球，隨著移動(dòng)互聯(lián)網(wǎng)和人工智能技術(shù)的深度發(fā)展，個(gè)性化推薦功能已經(jīng)成為移動(dòng)互聯(lián)網(wǎng)產(chǎn)品的“標(biāo)配”，它不僅存在于新聞資訊應(yīng)用中，還廣泛存在于線上閱讀、社交、娛樂、購(gòu)物等多種應(yīng)用場(chǎng)景，源源不斷地將差異化的產(chǎn)品和信息推送給不同的用戶，成為移動(dòng)互聯(lián)網(wǎng)應(yīng)用運(yùn)作的主要分發(fā)機(jī)制。

三、過濾氣泡：個(gè)性化推薦的消極影響

針對(duì)在移動(dòng)互聯(lián)網(wǎng)上得到廣泛應(yīng)用的個(gè)性化推薦，美國(guó)左翼政治家、互聯(lián)網(wǎng)創(chuàng)業(yè)者伊萊·帕里澤(Eli Pariser)提出了“過濾氣泡”的概念，喻指算法過濾的過程及其后果：算法根據(jù)用戶的數(shù)據(jù)來過濾并且決定向用戶推送哪些信息，而這些信息又進(jìn)一步強(qiáng)化了個(gè)人特征，如此循環(huán)，將使每個(gè)個(gè)體都活在封閉的氣泡中，與世隔絕。這種從個(gè)人偏好出發(fā)的信息過濾模式將會(huì)導(dǎo)致過濾氣泡，給個(gè)人發(fā)展和社會(huì)民主造成如下消極影響：

在個(gè)人層面，首先，個(gè)性化推薦使人容易沉浸在自我偏好構(gòu)成的“過濾氣泡”中，造成另一種形式的信息過載。雖然運(yùn)用個(gè)性化推薦對(duì)信息進(jìn)行過濾的出發(fā)點(diǎn)是使人避免信息過載，但是在實(shí)際應(yīng)用中這個(gè)問題并沒有得到真正的解決。個(gè)性化推薦建立在用戶數(shù)據(jù)的基礎(chǔ)上，用戶點(diǎn)擊某類內(nèi)容的行為會(huì)促使同類內(nèi)容的推送權(quán)重提升，導(dǎo)致同類內(nèi)容更容易被推送到用戶的信息流中，甚至產(chǎn)生重復(fù)推薦或冗余推薦，從而強(qiáng)化用戶對(duì)于某類信息的閱讀偏好，使用戶處于被個(gè)人偏好包圍的信息環(huán)境中，不利于廣泛地接收信息。在短視頻應(yīng)用中，這個(gè)問題更為突出：除了個(gè)性化推薦以外，短視頻應(yīng)用往往還設(shè)置了自動(dòng)播放，在一條視頻播放結(jié)束后會(huì)自動(dòng)播放下一條內(nèi)容或主題相似的視頻，使人沉浸其中，從而達(dá)到增強(qiáng)用戶黏性、延長(zhǎng)用戶使用時(shí)間的目的。因此，從這個(gè)意義上說，個(gè)性化推薦技術(shù)并不是把人從過載的信息環(huán)境中解放出來的靈丹妙藥，反而可能使人陷于一種惡性循環(huán)：接觸的信息越多，越需要個(gè)性化推薦；越依賴個(gè)性化推薦，接收到的迎合個(gè)人喜好的同類信息也就越多，容易使人沉溺，無形中消磨時(shí)間，反而不利于高效地獲取信息。

其次，個(gè)性化推薦加劇了閱讀的淺薄化，不利于理性思維的形成。正如波茲曼在批判電視的消極影響時(shí)所指出：“在科技發(fā)達(dá)的時(shí)代，毀掉我們的不是我們?cè)骱薜臇|西，而是我們所熱愛的東西?！盵11]個(gè)性化推薦所導(dǎo)致的過濾氣泡是“娛樂至死”在移動(dòng)互聯(lián)網(wǎng)時(shí)代的集中體現(xiàn)。在個(gè)性化推薦的技術(shù)邏輯中，信息只是供人打發(fā)時(shí)間的快速消費(fèi)品，只為取悅用戶，不為發(fā)人深省，更遑論一則新聞信息背后的社會(huì)意義。在個(gè)性化推薦所呈現(xiàn)的信息流中，很少是真正意義上的新聞，多為五花八門的網(wǎng)絡(luò)資訊。這些資訊往往篇幅不長(zhǎng)，內(nèi)容膚淺，追求娛樂性，缺乏邏輯性以及引人思考的深度，從而弱化了用戶進(jìn)行理性思考的能力。加上過濾算法運(yùn)作之無形，并且具有不斷增強(qiáng)用戶黏性的機(jī)制，使得“娛樂至死”的情況更為隱蔽且更為嚴(yán)重。

再次，過濾氣泡阻礙了人對(duì)未知的探索，有礙學(xué)習(xí)和創(chuàng)新。恰如約翰·密爾(John Mill)所言：“在人類追求進(jìn)步的現(xiàn)階段，跟不同于自身的人接觸，以及跟不熟悉的不同思想模式接觸，這是再怎么強(qiáng)調(diào)都不為過的價(jià)值……這樣的溝通一直是我們進(jìn)步的主要來源之一?！盵12]創(chuàng)意通常是在不同學(xué)科和文化的碰撞中激發(fā)出來的，而過濾機(jī)制根據(jù)我們偏愛的、已有的、已知的、已涉獵的范圍來決定推送什么內(nèi)容給我們，減少了意外事件偶遇、開放的心態(tài)和創(chuàng)意萌發(fā)的可能，而從已熟知的范圍中建立起來的世界是一個(gè)無事可學(xué)的世界。這可能導(dǎo)致“信息決定論”：過去你所點(diǎn)擊的信息決定了你未來將要看到的信息，你注定要重復(fù)你的歷史瀏覽記錄[9]。個(gè)性化會(huì)使人囿于自我選擇的過濾氣泡中，從而降低了探索未知世界的可能性，進(jìn)步和創(chuàng)新也就無從談起。更令人不安的是，這個(gè)過程仿佛消除了人的認(rèn)知盲點(diǎn)，把可知的未知變成了不可知的未知，[9]使人們無法意識(shí)到未知領(lǐng)域的存在，若長(zhǎng)期以自我偏好作為信息重要程度的篩選標(biāo)準(zhǔn)和價(jià)值評(píng)判標(biāo)準(zhǔn)，無異于坐井觀天，將逐漸失去對(duì)現(xiàn)實(shí)世界的客觀判斷。

另外，過濾算法不斷消解用戶的主動(dòng)性。網(wǎng)絡(luò)用戶身上兼有主動(dòng)性和被動(dòng)性。[13]雖然個(gè)性化推薦能根據(jù)用戶偏好選擇性地呈現(xiàn)信息，看似一切以用戶為中心，但實(shí)質(zhì)上是在培養(yǎng)用戶被動(dòng)地接受信息的行為模式。如前文所述，個(gè)性化推薦所具有的從用戶個(gè)人需求出發(fā)的特性很容易導(dǎo)致用戶沉迷，長(zhǎng)期使用將強(qiáng)化用戶的行為模式，養(yǎng)成依賴個(gè)性化推薦的習(xí)慣，助長(zhǎng)了用戶在信息獲取和信息消費(fèi)中的被動(dòng)性，使用戶淪為算法可以預(yù)測(cè)和操縱的被動(dòng)的受眾。而用戶即使在使用過程中發(fā)揮了主動(dòng)性，依然可能是徒勞，推送結(jié)果未必會(huì)因此而發(fā)生改變。例如，當(dāng)用戶認(rèn)為推送的信息不符合自己的需求時(shí)，可能會(huì)點(diǎn)擊“不感興趣”的選項(xiàng)或者采取類似的反饋性操作，但是這并不意味著不感興趣的內(nèi)容就此從用戶的信息流中消失。算法設(shè)計(jì)的缺陷以及商業(yè)利益的捆綁進(jìn)一步壓縮了用戶發(fā)揮主動(dòng)性的空間，從而逐漸剝奪用戶的主動(dòng)性，培養(yǎng)起一批被動(dòng)接受算法的信息輸送的新媒體受眾。

最后，個(gè)性化推薦的過濾過程還存在侵犯用戶隱私的隱患。早在個(gè)性化推薦大規(guī)模應(yīng)用之前，就有研究者指出了個(gè)性化推薦與用戶隱私之間的矛盾。[14]隨著個(gè)性化推薦的普及，用戶的個(gè)人信息不可避免地會(huì)越來越多地暴露于網(wǎng)絡(luò)世界中。個(gè)性化程度越高，個(gè)人在網(wǎng)絡(luò)上就越透明。盡管用戶愿意犧牲隱私以獲取便利，但如何在個(gè)性化推薦和網(wǎng)絡(luò)監(jiān)視之間劃清界限仍是一個(gè)有待解決的問題。[15]在用戶并不清楚知道自己哪些信息被記錄和跟蹤的情況下，不透明的信息過濾算法打著“懂你”的旗號(hào)，推送與用戶興趣無關(guān)的商業(yè)信息，無異于設(shè)置了一個(gè)誘導(dǎo)用戶的陷阱。2018年3月，央視財(cái)經(jīng)頻道《經(jīng)濟(jì)半小時(shí)》節(jié)目披露了“今日頭條”客戶端存在引導(dǎo)用戶點(diǎn)擊并且二次跳轉(zhuǎn)到虛假?gòu)V告頁(yè)面的違法行為：為了規(guī)避一線城市相對(duì)嚴(yán)密的廣告審查監(jiān)督，“今日頭條”根據(jù)用戶的地理位置，向二三線城市等管理比較寬松的地區(qū)的用戶投放了違法廣告。盡管“今日頭條”迅速對(duì)此事做出了回應(yīng)且采取了整改措施，但是作為一家以個(gè)性化推薦技術(shù)為本的互聯(lián)網(wǎng)公司，“今日頭條”不僅沒有事先從技術(shù)上對(duì)涉嫌違法的廣告進(jìn)行篩選把關(guān)，反而利用技術(shù)之便來鉆監(jiān)管的漏洞，這反映出的不僅是互聯(lián)網(wǎng)公司的管理問題，更是企業(yè)價(jià)值觀的問題。在個(gè)性化推薦的世界里，用戶不僅無法保護(hù)自己的隱私，在違法信息的推送面前也無力與之抗衡，處于弱勢(shì)的地位。

而從社會(huì)層面上來看，過濾氣泡的消極作用體現(xiàn)在：第一，低俗信息經(jīng)過個(gè)性化推薦更容易得到傳播，過濾氣泡的世界是一個(gè)不健康的信息傳播環(huán)境。駭人聽聞、帶有獵奇性質(zhì)的媚俗資訊往往更容易吸引眼球，在網(wǎng)絡(luò)傳播中獲得更多點(diǎn)擊量。而個(gè)性化推薦擴(kuò)大了這一影響，因?yàn)樗芫珳?zhǔn)地把握人性的弱點(diǎn)，迎合用戶的信息偏好，推送類似的內(nèi)容以滿足用戶的低級(jí)趣味，使人處于劣質(zhì)的信息環(huán)境中，使低俗信息獲得更高的推送權(quán)重，甚至導(dǎo)致“劣幣驅(qū)逐良幣”的后果。盡管針對(duì)上述批評(píng)，“今日頭條”聲稱對(duì)其把關(guān)機(jī)制做出了改進(jìn)，但是研究表明，這種算法把關(guān)機(jī)制存在偽中立性，[16-18]即使在缺乏初始數(shù)據(jù)的前提下，低俗信息仍更容易被推送到用戶的信息流中，因此個(gè)性化推薦算法隱含的低俗信息傳播偏向不可忽視。

第二，過濾氣泡將網(wǎng)絡(luò)空間分割成一個(gè)個(gè)小世界，使互聯(lián)網(wǎng)更加不具備成為公共領(lǐng)域的可能。公共領(lǐng)域原則上向所有人開放，在這個(gè)領(lǐng)域中人們就普遍利益問題自由地表達(dá)和公開意見。[19]但是正如“今日頭條”的宣傳口號(hào)所言：“你關(guān)心的，才是頭條”，算法的推薦是以個(gè)人偏好為出發(fā)點(diǎn)的，而不是以社會(huì)公共利益為導(dǎo)向，因此，它可能使用戶只關(guān)注自己的世界，對(duì)社會(huì)公共事務(wù)缺乏必要的關(guān)注。研究也證明了個(gè)性化推薦會(huì)助長(zhǎng)用戶的選擇性曝光。[20]民主要運(yùn)轉(zhuǎn)，人們就必須要跳出自我利益的圈子去思考，需要接觸其他人的生活、需求和期望。個(gè)性化推薦的過濾機(jī)制容易使人自我感覺良好，把狹隘的自我利益當(dāng)成一切。[9]桑斯坦指出，一個(gè)表達(dá)自由的完善機(jī)制必須符合兩個(gè)不同的要件：一是人們應(yīng)該置身于任何信息下，而不應(yīng)事先被篩選；二是大部分公民應(yīng)該擁有一定程度的共同經(jīng)驗(yàn)。共同經(jīng)驗(yàn)，特別是由媒體所塑造的共同經(jīng)驗(yàn)，提供了某種社會(huì)黏性[21]，而個(gè)性化推薦的過濾模式恰是把人分隔在由個(gè)人的選擇所構(gòu)成的小世界中，傳播系統(tǒng)所授予個(gè)人的無限過濾的力量，將導(dǎo)致極度的分裂[21]，使公民之間缺乏共同經(jīng)驗(yàn)。并且，過濾算法還限制了社會(huì)互動(dòng)，[22]個(gè)性化可能會(huì)破壞整個(gè)城市都閱讀相同報(bào)道所帶來的團(tuán)結(jié)一致、集體行動(dòng)和充分討論的機(jī)會(huì)，[23]從而使得公共話題難以得到充分的討論，社會(huì)共識(shí)難以形成，無助于公共事件的決策和社會(huì)問題的解決。

第三，過濾氣泡將帶來輿論極化，加劇社群區(qū)隔與價(jià)值觀分化。[24]以基于個(gè)性化算法的搜索服務(wù)為例，它會(huì)進(jìn)一步增強(qiáng)原有的聯(lián)系、興趣、觀點(diǎn)和偏見，過濾機(jī)制在將結(jié)果“個(gè)性化”的同時(shí)，也阻止了個(gè)人與其對(duì)立面的根本接觸。[25]而在社交媒體上，個(gè)性化推薦算法更容易向個(gè)人推送與自己有某種聯(lián)系或共同點(diǎn)的用戶及其信息，從而形成意見的共鳴箱[26]或曰信息繭房。[27]鑒于此，輿論的極化更加成為可能，志同道合的人們把自己歸入舒適宜人的虛擬的共同體，結(jié)果不是好的信息聚合，而是壞的極化[27]，因此不利于不同的社會(huì)群體之間的溝通交流，在輿情危機(jī)事件中更容易導(dǎo)致網(wǎng)絡(luò)輿論的極化。

第四，個(gè)性化推薦過濾算法的崛起使互聯(lián)網(wǎng)公司掌握挑戰(zhàn)了新聞媒體的角色，引發(fā)傳播倫理問題。盡管在媒體轉(zhuǎn)型的壓力下，傳統(tǒng)新聞媒體不得不將一部分信息分發(fā)權(quán)讓渡給算法，但是他們忽略了非常致命的一點(diǎn)：算法推薦會(huì)加劇傳統(tǒng)主流媒體影響力被邊緣化的風(fēng)險(xiǎn)。[24]個(gè)性化推薦過濾算法的介入不僅在一定程度上割裂了傳統(tǒng)媒體與用戶之間的直接接觸，更為重要的是，從此互聯(lián)網(wǎng)公司掌握了網(wǎng)絡(luò)信息過濾中的話語權(quán)，這種權(quán)力的轉(zhuǎn)移是以擠壓傳統(tǒng)媒體的生存空間為代價(jià)的。并且個(gè)性化推薦的信息傳播機(jī)制將反過來影響新聞生產(chǎn)，重塑新聞的邊界，導(dǎo)致傳統(tǒng)媒體更為被動(dòng)。然而，新掌權(quán)的互聯(lián)網(wǎng)公司并不具備專業(yè)的新聞素養(yǎng)，出于對(duì)商業(yè)利益最大化的追求，他們對(duì)于自身在信息傳播中所應(yīng)承擔(dān)的責(zé)任絕口不提?！敖袢疹^條”早期的自我定位是“我們不生產(chǎn)信息，我們是信息的搬運(yùn)工”，其侵權(quán)行為引發(fā)了傳統(tǒng)媒體的維權(quán)熱潮。盡管后來通過與傳統(tǒng)媒體建立起合作機(jī)制來解決知識(shí)產(chǎn)權(quán)的糾紛，但創(chuàng)始人張一鳴認(rèn)為，“今日頭條”不是一家媒體公司，而是一家科技公司。[28]可見互聯(lián)網(wǎng)公司對(duì)于自身的定位和作為傳播主體所應(yīng)承擔(dān)的社會(huì)責(zé)任并不明確，在遭遇維權(quán)之后則強(qiáng)調(diào)科技公司的定位，想以此規(guī)避社會(huì)的指責(zé)以及作為媒體應(yīng)當(dāng)承擔(dān)起的傳播責(zé)任，但是這樣的辯解是站不住腳的。在迫于外界壓力以及公司業(yè)務(wù)拓展的需求的情況下，該公司提出了新的口號(hào)“信息創(chuàng)造價(jià)值”，然而這一口號(hào)仍是以追求信息傳播產(chǎn)生的利益為導(dǎo)向。個(gè)性化推薦算法的廣泛應(yīng)用，使得互聯(lián)網(wǎng)公司日漸成為信息傳播中不可或缺的重要角色，然而互聯(lián)網(wǎng)公司并沒有承擔(dān)起與其所掌握的信息傳播權(quán)力相對(duì)等的責(zé)任和義務(wù)，由此引發(fā)的信息傳播倫理問題亟待解決。

第五，個(gè)性化推薦還主導(dǎo)了信息過濾的過程，使得隱形的社會(huì)控制成為可能。過濾技術(shù)基本上被科技寡頭所控制，這恰與網(wǎng)絡(luò)最初表現(xiàn)出來的“去中心化”的特征相?！@是一個(gè)集中化的過程。[9]正如桑斯坦所憂慮的，如果由無數(shù)版本的“我的日?qǐng)?bào)”(5)20世紀(jì)90年代，麻省理工學(xué)院學(xué)者尼葛洛龐帝(Nicholas Negroponte)在其著作《數(shù)字化生存》(Being Digital)中預(yù)言未來將出現(xiàn)“the Daily Me(我的日?qǐng)?bào))”，即未來將出現(xiàn)界面代理人，可以閱讀地球上每一種報(bào)紙、每一家通訊社的消息，掌握所有廣播電視的內(nèi)容，然后把資料組合成個(gè)人化的摘要。來主宰市場(chǎng)，將不利于自治的推動(dòng)，在很多方面，它會(huì)降低而非增加個(gè)人的自由。[21]這種原本被設(shè)計(jì)成幫助我們更好地控制生活的技術(shù)，現(xiàn)在正控制著我們的生活。[9]個(gè)性化推薦算法的運(yùn)作建立在掌握海量的用戶數(shù)據(jù)的基礎(chǔ)之上，從而對(duì)社會(huì)形成大規(guī)模的無形的監(jiān)視。并且，個(gè)性化推薦這種技術(shù)帶有潛在的社會(huì)歧視的傾向。個(gè)性化算法中的偏見或歧視會(huì)給人們的社會(huì)資源與社會(huì)位置帶來限制，并且在幸福的名義下對(duì)人們進(jìn)行無形的操縱。[29]研究表明，與傳統(tǒng)大眾傳媒建構(gòu)的現(xiàn)實(shí)相比，算法建構(gòu)的現(xiàn)實(shí)傾向于增強(qiáng)個(gè)性化、商業(yè)化、不平等性和不確定性，并降低透明度、可控性和可預(yù)測(cè)性。[30]并且，這種由于技術(shù)的偏向所導(dǎo)致的社會(huì)歧視是很難徹底根除的。2019年Facebook因?yàn)樵试S廣告商有意地通過種族、性別和宗教來推送定向廣告而被起訴，后來盡管Facebook宣布禁止了這種行為，也調(diào)整了算法，但是算法仍會(huì)導(dǎo)致潛在的歧視性廣告投放，尤其是當(dāng)廣告與就業(yè)或房地產(chǎn)有關(guān)時(shí)，對(duì)用戶性別和種族的歧視就更為明顯。[31]算法是人為的產(chǎn)物，它不可避免帶有人的偏見和歧視，其非中立性的特質(zhì)可能會(huì)加劇社會(huì)不公，并且由于它的不透明性，使得隱形運(yùn)作的社會(huì)控制成為可能。對(duì)于互聯(lián)網(wǎng)世界來說，代碼就是法律，[32]然而“立法”和“執(zhí)法”的過程并沒有受到社會(huì)的監(jiān)督。當(dāng)今社會(huì)越來越依賴算法來輔助決策和做出判斷，這種“法律”是否能夠體現(xiàn)社會(huì)的公平正義還尚存爭(zhēng)議。因此，我們應(yīng)警惕個(gè)性化推薦算法的非中立性所帶來的潛移默化的負(fù)面影響，思考如何與在互聯(lián)網(wǎng)世界中隱形運(yùn)作的算法所帶來的社會(huì)控制與社會(huì)歧視相抗衡。

四、如何克服過濾氣泡的消極影響

關(guān)于如何克服過濾氣泡的消極影響，作者認(rèn)為，互聯(lián)網(wǎng)公司負(fù)有不可推卸的責(zé)任，它們需要在運(yùn)營(yíng)理念上加以矯正，在技術(shù)層面上加以改進(jìn)。另外，政府和社會(huì)也應(yīng)當(dāng)參與到算法的監(jiān)管中來，推動(dòng)相關(guān)的立法，加強(qiáng)公民的新媒體信息素養(yǎng)教育。以下就分別從這兩大主體的角度提出相應(yīng)的建議：

對(duì)于互聯(lián)網(wǎng)公司來說，首先應(yīng)當(dāng)明確自身的角色定位，承擔(dān)相應(yīng)的社會(huì)責(zé)任，強(qiáng)化信息把關(guān)機(jī)制。算法導(dǎo)致的過濾氣泡恰是有效的信息把關(guān)機(jī)制缺位的表現(xiàn)。脫離了正確的價(jià)值觀導(dǎo)向，技術(shù)的野蠻生長(zhǎng)只會(huì)招致更強(qiáng)的反噬作用，從長(zhǎng)遠(yuǎn)來看也不利于從事信息傳播的互聯(lián)網(wǎng)企業(yè)的發(fā)展。正如彭蘭指出，各種參與公共信息生產(chǎn)與傳播的主體，都需要某種程度上的新聞專業(yè)素養(yǎng)和專業(yè)倫理。[33]如果互聯(lián)網(wǎng)公司對(duì)自身的定位不明確，如果不能正視自身在信息傳播中肩負(fù)的責(zé)任，則一切皆為空談。因此，相關(guān)的互聯(lián)網(wǎng)公司應(yīng)明確并且擔(dān)當(dāng)起作為信息傳播主體的社會(huì)責(zé)任，在崗位的設(shè)置上，聘用更多具有新聞專業(yè)背景的編輯人員，使其充分發(fā)揮信息把關(guān)人的作用，通過算法與人類編輯的共同協(xié)作，營(yíng)造一個(gè)健康的信息傳播環(huán)境。另外，平臺(tái)還可以調(diào)動(dòng)用戶的參與性，通過設(shè)置一定的獎(jiǎng)勵(lì)機(jī)制，鼓勵(lì)用戶及時(shí)反饋，加強(qiáng)公眾對(duì)信息的把關(guān)。

其次，以個(gè)性化推薦技術(shù)為本的互聯(lián)網(wǎng)公司還應(yīng)當(dāng)不斷改進(jìn)個(gè)性化推薦系統(tǒng)的設(shè)計(jì)，使推薦結(jié)果豐富多樣，盡可能從技術(shù)上消除過濾氣泡產(chǎn)生的根源。雖然推薦結(jié)果的個(gè)性化和多樣化看似南轅北轍，但是從實(shí)踐的層面來看，用戶的興趣是多面的，其需求會(huì)隨時(shí)間而發(fā)生改變。這就要求個(gè)性化推薦系統(tǒng)更為智能化，除了滿足用戶的顯性需求以外，在隱性需求上也要把握得更加準(zhǔn)確，甚至能幫助用戶發(fā)現(xiàn)潛在的興趣。而從用戶體驗(yàn)的角度來說，推薦結(jié)果的準(zhǔn)確性并不足以保證客戶的滿意度，因此還需要結(jié)合新穎性、偶然性和多樣性等指標(biāo)來衡量推薦列表的質(zhì)量。[34]為此，計(jì)算機(jī)學(xué)科的研究者采取了以下方式進(jìn)行優(yōu)化：Zeng等人主張?jiān)趨f(xié)同過濾中同時(shí)考慮相似用戶和不同用戶的影響[35]，Vallet與Castells將用戶作為一個(gè)隨機(jī)變量引入到多樣化算法中[36]，Wang等人通過一個(gè)能夠捕捉不同類別用戶的偏好的模型來聯(lián)合優(yōu)化推薦結(jié)果的相關(guān)性和多樣性[37]。Chen、Wu與He發(fā)現(xiàn)用戶的個(gè)性(例如：盡責(zé)的人格特質(zhì))與其對(duì)推薦多樣性的偏好之間的關(guān)系[38]，在此基礎(chǔ)上，該團(tuán)隊(duì)還提出了一種基于用戶個(gè)性的重排序(re-ranking)方法，將人格特質(zhì)用于估計(jì)用戶的多樣性偏好，以及解決協(xié)同過濾推薦的冷啟動(dòng)問題。[39]另外，F(xiàn)ang等人提出了一種將主題模型(topic model)和隨機(jī)游動(dòng)模型(random walk model)相結(jié)合的多元化推薦方法以平衡推薦結(jié)果的準(zhǔn)確性和多樣性。[40]實(shí)驗(yàn)表明，這些方法較好地兼顧了多樣化和個(gè)性化的推薦需求。人文社科的學(xué)者如喻國(guó)明等人認(rèn)為，推薦算法在未來發(fā)展中保持其健康可持續(xù)發(fā)展的關(guān)鍵是在多重聚類、語義建構(gòu)以及人機(jī)交互的“自適應(yīng)”機(jī)制等方面做出有效的技術(shù)迭代和功能改進(jìn)。[41]除此之外，作者認(rèn)為，還應(yīng)增加重大新聞、優(yōu)質(zhì)信息和原創(chuàng)內(nèi)容在個(gè)性化推薦中的推送比例及其權(quán)重，提升信息的質(zhì)量。增加偶然性的推薦結(jié)果，為用戶帶來信息偶遇的新穎體驗(yàn)，從而突破過濾氣泡對(duì)個(gè)人視野的限制。

再次，發(fā)展反過濾氣泡技術(shù)也有助于問題的解決。關(guān)于如何打破過濾氣泡，國(guó)外互聯(lián)網(wǎng)界已經(jīng)展開了相關(guān)的實(shí)踐，取得了一定的成果：微軟的工程師提出從算法上實(shí)施控制，使用戶在主動(dòng)尋求信息的時(shí)候，能夠同時(shí)接觸到相反的政治觀點(diǎn)。[42]國(guó)外已有多種“反過濾氣泡”工具，比如瀏覽工具Balancer、瀏覽器插件Scoopinion1、Bobble、Rbutr，可視化工具如ConsiderIt、OpinionSpace，移動(dòng)應(yīng)用Political Blend等。[43]這些工具或是顯示用戶的行為偏向，或是向用戶展示與他們正查看的內(nèi)容相反的意見，或是可視化地展示其在過濾氣泡中所處的位置，又或是通過將用戶與持有不同的政治觀點(diǎn)的人相匹配?？傊?，這些技術(shù)手段都致力于促使用戶瀏覽多樣化的內(nèi)容，使用戶能夠接觸到其他人的不同觀點(diǎn)，讓用戶意識(shí)到信息和觀點(diǎn)的多樣性，跳出自身的視角，對(duì)所處的過濾氣泡有較為宏觀和清晰的認(rèn)識(shí)。所謂他山之石，可以攻玉，上述都是值得借鑒的經(jīng)驗(yàn)，從事信息傳播的互聯(lián)網(wǎng)公司可將反過濾氣泡的理念植入到移動(dòng)應(yīng)用的設(shè)計(jì)中去，從技術(shù)上促進(jìn)用戶瀏覽內(nèi)容多樣化，增加網(wǎng)絡(luò)能見度，從而打破過濾氣泡的桎梏。

從政府和社會(huì)的角度來看，一是應(yīng)對(duì)算法的運(yùn)作加強(qiáng)監(jiān)管。鑒于算法已經(jīng)成為一種后臺(tái)運(yùn)作的隱形權(quán)力，因此學(xué)界紛紛呼吁要對(duì)個(gè)性化過濾算法進(jìn)行密切檢視，增加算法的透明度。[9，44-46]仇筠茜與陳昌鳳則主張后退一步，不去對(duì)所有算法的透明度做出要求，而是提倡可理解的透明度，以整體的、間性的、系統(tǒng)的視角來把握，追求普遍意義上的公民的可操作、可理解、可監(jiān)督。[47]不論是否要求算法透明公開，呼吁政府和社會(huì)對(duì)個(gè)性化推薦算法進(jìn)行監(jiān)督，都已經(jīng)成為國(guó)內(nèi)外學(xué)者的共識(shí)。正如陳昌鳳等人指出，個(gè)性化推薦智能算法具備工具理性，但不具備價(jià)值理性。[48]技術(shù)所導(dǎo)致的問題仍然需要尋求人文的解決之道，從政府監(jiān)管的角度來看，新聞產(chǎn)品的特殊性需要更為立體豐富的人文價(jià)值對(duì)算法價(jià)值觀進(jìn)行外部矯正。[49]因此，個(gè)性化推薦算法需要在政府和社會(huì)的監(jiān)管下運(yùn)作，以確保其價(jià)值取向不違背社會(huì)公共利益。

二是推動(dòng)立法保護(hù)用戶的數(shù)據(jù)權(quán)。盡管我們呼吁互聯(lián)網(wǎng)企業(yè)應(yīng)承擔(dān)起相應(yīng)的社會(huì)責(zé)任，但是商業(yè)公司追求利益的本質(zhì)是不會(huì)改變的。在經(jīng)歷了2017年下半年人民網(wǎng)連發(fā)三篇批評(píng)文章、遭網(wǎng)信辦約談?wù)牡纫幌盗袊?yán)重的危機(jī)事件之后，“今日頭條”仍于2018年被媒體爆出存在推送違法廣告這一明知故犯的行為?？梢娚鐣?huì)責(zé)任感在巨大的商業(yè)利益面前是非常淡薄的，僅靠商業(yè)公司自覺自發(fā)的自我約束無法保障用戶的合法權(quán)益。就“今日頭條”目前的營(yíng)利模式而言，廣告仍是其收入的主要來源。海量的用戶數(shù)據(jù)是“今日頭條”吸引廣告主投放廣告、實(shí)現(xiàn)創(chuàng)收的資本，如何避免這種利用算法鉆市場(chǎng)監(jiān)管的漏洞、侵犯用戶權(quán)益的類似事件再次發(fā)生，是一個(gè)非常值得研究的問題。除此之外，由于個(gè)性化推薦的使用所導(dǎo)致的侵犯用戶隱私權(quán)的社會(huì)風(fēng)險(xiǎn)也不容忽視，例如：未經(jīng)用戶授權(quán)采集數(shù)據(jù)、基于商業(yè)目的將用戶數(shù)據(jù)共享給第三方、對(duì)用戶數(shù)據(jù)保管不善造成泄露、定向廣告暴露用戶敏感信息、由于差異化服務(wù)造成算法歧視等。[1]要解決這些問題，作者認(rèn)為立法保護(hù)是根本：應(yīng)限制互聯(lián)網(wǎng)公司對(duì)用戶數(shù)據(jù)的收集和使用，收集數(shù)據(jù)必先經(jīng)用戶許可，且收集目的明確，收集的數(shù)據(jù)與使用目的密切相關(guān)；互聯(lián)網(wǎng)公司對(duì)于用戶數(shù)據(jù)的保管和使用負(fù)有不可推卸的法律責(zé)任；用戶應(yīng)享有充分的知情權(quán)，能夠通過便捷的渠道了解到自己的哪些數(shù)據(jù)被收集且用于何種目的，可以隨時(shí)查看與自己有關(guān)的數(shù)據(jù)；用戶還應(yīng)享有數(shù)字遺忘權(quán)，即有權(quán)要求該平臺(tái)徹底刪除與自己有關(guān)的數(shù)據(jù)。此外，還可輔以技術(shù)的手段，要求互聯(lián)網(wǎng)公司通過算法對(duì)數(shù)據(jù)進(jìn)行修改或加密，使之匿名化或抽象化，[1]這樣一來，即便用戶數(shù)據(jù)遭竊取或意外泄露，對(duì)方也無法獲得原始數(shù)據(jù)，以降低暴露的風(fēng)險(xiǎn)。

三是公眾的新媒體信息素養(yǎng)教育水平還有待提高。雖然新媒體時(shí)代的個(gè)人不再是過去大眾傳播時(shí)代被動(dòng)的受眾，但是由于算法所具有的高效、便利與隱蔽性，公眾容易在潛移默化中受其左右，成為被算法所操縱的新一代受眾。因此我們要加強(qiáng)公眾在移動(dòng)互聯(lián)網(wǎng)環(huán)境下的新媒體信息素養(yǎng)教育，從而抵抗個(gè)性化推薦算法所造成的過濾氣泡等消極影響。這需要社會(huì)各界形成合力，包括政府、學(xué)校、傳媒機(jī)構(gòu)、公益組織等都參與進(jìn)來，共同推動(dòng)公眾的新媒體信息素養(yǎng)教育，提升公眾的信息素養(yǎng)水平，尤其是增進(jìn)對(duì)新媒體傳播技術(shù)及其影響的認(rèn)識(shí)，了解與新媒體傳播技術(shù)相關(guān)的法律法規(guī)和倫理規(guī)范，提升對(duì)新媒體環(huán)境中傳播的信息的鑒別、分析和批判能力，增強(qiáng)信息獲取能力和創(chuàng)造性使用的能力，對(duì)于算法中隱含的傾向及其所建構(gòu)的現(xiàn)實(shí)保持審慎且獨(dú)立的思考，使公眾對(duì)個(gè)性化推薦算法的消極影響具備一定的免疫力。

五、結(jié)語與展望

通過剖析個(gè)性化推薦算法的運(yùn)作原理，筆者認(rèn)為，用戶在信息過濾過程中是否掌握主動(dòng)權(quán)是區(qū)分個(gè)性化推薦與定制、聚合的關(guān)鍵。厘清相關(guān)概念、明確研究對(duì)象是開展研究的首要之處。筆者所探討的是廣泛植入于移動(dòng)互聯(lián)網(wǎng)應(yīng)用中的個(gè)性化推薦算法，而非定制、新聞聚合等基于用戶的主動(dòng)設(shè)置所進(jìn)行的信息分類推送。個(gè)性化推薦算法已經(jīng)深入到移動(dòng)互聯(lián)網(wǎng)應(yīng)用的方方面面，如果將移動(dòng)互聯(lián)網(wǎng)比作人，那么個(gè)性化推薦算法則是遍布周身的血管，經(jīng)其過濾分發(fā)，信息源源不斷地傳播到用戶個(gè)體。更為重要的是，個(gè)性化推薦算法是一種隱形的信息過濾機(jī)制，這種信息分發(fā)過濾的過程是由算法主導(dǎo)而非用戶主導(dǎo)，無論是對(duì)于信息接收者個(gè)人而言還是對(duì)于社會(huì)而言都會(huì)產(chǎn)生一定的消極影響。盡管眾多學(xué)者已經(jīng)意識(shí)到了個(gè)性化推薦所引發(fā)的信息傳播倫理問題及其潛在的危害性，但是相關(guān)的探索不能就此止步，未來的研究可在以下方面繼續(xù)探索：

個(gè)性化推薦算法對(duì)新聞傳播模式帶來的變革有待深入研究。算法介入到信息傳播領(lǐng)域，挑戰(zhàn)了傳統(tǒng)媒體環(huán)境下的把關(guān)人角色?；诖?，有學(xué)者提出了數(shù)字時(shí)代的新把關(guān)人理論，[50]探討了機(jī)器作為把關(guān)人的可能性。[51]但無論如何，用算法代替人的判斷對(duì)新聞的形態(tài)及其話語的合法性都會(huì)有重大的影響。[52]與傳統(tǒng)媒體的衰落相反的是，個(gè)性化推薦的迅速發(fā)展使越來越多互聯(lián)網(wǎng)公司介入信息傳播領(lǐng)域中來。它們既非傳統(tǒng)意義上的媒介組織，但又把控了移動(dòng)互聯(lián)網(wǎng)的信息分發(fā)機(jī)制，掌握了相當(dāng)重要的信息傳播權(quán)，它們應(yīng)當(dāng)扮演何種角色、應(yīng)當(dāng)承擔(dān)哪些與權(quán)利相匹配的社會(huì)責(zé)任，如何保護(hù)用戶隱私及正當(dāng)權(quán)益不被個(gè)性化推薦算法所侵犯……這些問題還有待更為深入的研究和探討。

改進(jìn)個(gè)性化推薦算法、打破過濾氣泡需要跨學(xué)科的合作。盡管計(jì)算機(jī)學(xué)科的研究者很早就對(duì)個(gè)性化推薦展開了研究，相關(guān)成果可謂汗牛充棟，但他們主要關(guān)注的是如何提高個(gè)性化推薦算法的效率等技術(shù)層面的問題，而人文社科的研究者則更加關(guān)注個(gè)性化推薦算法產(chǎn)生的社會(huì)問題，這就需要建立起學(xué)科之間交流和對(duì)話，從技術(shù)和人文相結(jié)合的角度對(duì)過濾氣泡等問題的解決之道進(jìn)行深入的研究。

還有一點(diǎn)不可忽視的是技術(shù)的本質(zhì)及其偏向。每一種工具都嵌入了意識(shí)形態(tài)偏向，[53]媒介的偏向?qū)τ谄渌诘奈幕瘯?huì)產(chǎn)生重要影響。[54]每一種新技術(shù)都在培養(yǎng)與之相適應(yīng)的文化。個(gè)性化推薦技術(shù)所代表的文化如何影響了新聞生產(chǎn)？如何導(dǎo)致傳播權(quán)力的變更與分化？是否會(huì)對(duì)不同的社會(huì)群體產(chǎn)生差異化的影響？未來可對(duì)個(gè)性化推薦算法介入傳播中產(chǎn)生的信息偏向和價(jià)值觀偏向，以及使用過程中人與算法的相互作用等問題進(jìn)行研究，有助于進(jìn)一步理解個(gè)性化推薦技術(shù)的本質(zhì)，揭示算法對(duì)傳播和社會(huì)生活的深遠(yuǎn)影響。

個(gè)性化推薦是人工智能技術(shù)在初級(jí)發(fā)展階段的產(chǎn)物，未來隨著人工智能技術(shù)的進(jìn)一步發(fā)展，將會(huì)有更為多樣化的個(gè)性化推薦產(chǎn)品進(jìn)入到公眾的日常生活，比如微軟的“新聞機(jī)器人”、百度的“聊新聞”、阿里巴巴的“天貓精靈”等，這些基于人工智能技術(shù)的對(duì)話機(jī)器人可進(jìn)行個(gè)性化新聞播報(bào)，由此帶來的個(gè)性化信息過濾將更具有隱蔽性。因此，未來應(yīng)突破移動(dòng)端的個(gè)性化新聞推薦，在物聯(lián)網(wǎng)、智能家居產(chǎn)品等形態(tài)更為豐富的應(yīng)用場(chǎng)景中去深化對(duì)個(gè)性化推薦產(chǎn)生的影響的研究。