敖盼

摘 要：人工智能時代下，以大數據算法為基礎的個性化信息推送使得精準化定制新聞成為可能。算法在解決海量信息與用戶需求之間的深刻矛盾時，其所引發(fā)的信息繭房效應同樣值得深思。以針對受眾心理的選擇性接觸作為切入點，算法機制為不同用戶精準提供他們感興趣的信息內容。久而久之，受眾被包裹在由大量同質化信息所筑成的信息繭房中，卻因為這些符合其心理偏好的信息所提供的虛幻滿足，使他們無法意識到自身所處的困境。而基于人工智能技術的大數據算法，在信息篩選過程中把關行為的缺失更為媒體生態(tài)的健康發(fā)展埋下了巨大隱患。同時，信息繭房將受眾長期束縛在一方狹窄的空間，排斥異己的觀點，形成圈層固化，甚至產生群體極化的危機。

關鍵詞：信息繭房;算法;個性化推送;選擇性接觸;圈層固化

中圖分類號：G206 文獻標識碼：A 文章編號：2096-3866（2020）13-000-02

“抖音”是一款音樂短視頻應用。自2016年9月上線以來，積累了一定量的優(yōu)質用戶原創(chuàng)內容以后，以一種迅猛的姿態(tài)占據短視頻受眾市場的重要位置。截至2017年12月，抖音在全品類免費App排行中，躍居第三位。新鮮的界面形式吸引年輕受眾、各大當紅明星聯袂推薦、緊跟熱點的內容生產以及如火如荼的線上線下推廣皆是“抖音”獲得成功的重要因素，但作為以個性化信息推送起家并在新聞資訊類App中獨占鰲頭的“今日頭條”旗下產品，算法之于抖音，則若風之于鳥，水之于魚。

個性化信息推送是基于“用戶洞察”的個性化信息的智能匹配，即通過人工智能分析和過濾機制，根據個性化需求聚合相關的信息和應用，并以此對信息進行深度智能分析，以實現用戶個性化、動態(tài)的需求。概言之，就是為用戶找到與之相匹配的內容，反過來說也就是為內容找到與其屬性相匹配的用戶。算法推送下，通過對用戶數據進行分析，不被傳統(tǒng)媒體所注意到的個性化、非主流的產品需求被挖掘，長尾內容得到有效利用，并且形成一定規(guī)模，內容資源得到更大力度的激活與開發(fā)。

然而，一味根據用戶的個性化需求推送他們想看到、感興趣的內容，屏蔽所有“不同的聲音”，使廣大受眾被自我束縛在一方“狹窄”的極樂凈土，與外界的世界之間筑起一座高墻，而在此過程中偏離的價值觀易產生“信息繭房”效應。

一、選擇性定律打造繭房滋生溫床

選擇性接觸、選擇性理解和選擇性記憶像三道防衛(wèi)圈一樣將受眾牢牢保護在其中，在個人需要、意愿、固有價值體系以及既定思維方式等心理機制的作用下，受眾在接受過程中勢必會有所選擇、有所側重、甚至有所曲解。

“慷慨者逆聲而擊節(jié)，醞藉者見密而高蹈?！比藗儽M量接觸與自己觀點相吻合的信息而避開相抵觸的信息，就像俗話說的青菜蘿卜各有所愛，這是第一道防御——選擇性接觸。在大眾傳播時代，中產階級成為市場主流，曾經只有精英階層和富人階級才能享受到的傳播資源開始在全國范圍普及開來，投多數人所好開始成為各媒介安身立命的核心準則，同一時期報紙、廣播、電視等大眾傳播媒介以鋪天蓋地之勢宣揚著該階段的“主流”文化，無孔不入地滲透進人們的生活，選擇性接觸這一防衛(wèi)圈在這樣的環(huán)境中脆弱非常，無論你是否感興趣、是否關心，陷入信息的海洋，總得嘗嘗海水的滋味。然而，信息時代下推薦算法的橫空出世卻徹底扭轉了這一局面?！澳阆矚g的，才是頭條”，這是今日頭條自亮相起便打出的口號，相對于傳統(tǒng)媒體的一對多，點對面的傳播方式，個性化信息推送通過對用戶基本人口統(tǒng)計學特征、興趣偏好、媒介使用習慣、瀏覽痕跡等數據的挖掘，對其進行個性化的信息推送，完成從“千人一面的廣而告之服務”到“千人千面的私人訂制服務”的轉變。脆弱不堪的接觸防御重新變的固若金湯，對投其所好的遠方來客中門大開，卻將不同的聲音牢牢封鎖在外，有了第一道城墻自行給予的通關令，第二道和第三道防御也只是在此基礎上的“錦上添花”罷了。

正如印刷媒介將口語傳播聯結而成的地球村落都市化，而電子媒介的出現卻使得離散而居的都市再部落化。推薦算法將曾經松動瓦解的選擇性防御重新加固，使得公眾只注意自己選擇的東西和使自己愉悅的東西，三層防御又或說是三口盤絲洞，不斷吐出營造美好幻境的絲線，將早已沉醉不知歸路的大眾束縛于像蠶繭一般的“繭房”中。

二、把關缺失助長繭房內亂象頻生

任何社會的主要問題都在于維護秩序和加強凝聚力，其中尤為重要的是保持價值體系的一致與完整，因為意識形態(tài)的混亂勢必會導致整個社會的崩潰。

傳統(tǒng)媒體經過百年來的發(fā)展形成了一套國際上廣為認可的理念及體制規(guī)范，其刊載、播放的媒介產品勢必會經過專業(yè)的精英人才隊伍的層層審核，以自身媒介經營方針及立場作為指引，社會、文化、市場規(guī)范作為制約，從中挑選出符合把關人標準的產品傳達給廣大受眾。今日頭條在產生初期曾經推出“一個沒有小編的推薦引擎”的概念，試圖把搜索引擎的商業(yè)模式復制到移動互聯網上：內容全網抓取，免費供網民閱讀，然后通過廣告實現商業(yè)變現。相比于傳統(tǒng)媒體運行過程中編輯人員占核心地位，以推薦算法技術為主導的聚合類新聞門戶網站為用戶分發(fā)信息時，將內容屬性作為推送標準而非內容質量，而大眾對情緒化的表達、離奇詭譎的內容以及聳人聽聞的刺激性標題擁有顯著興趣，一些人出于本能，會更樂于點擊基于用戶數據所推送的“性”“星”“腥”等方面的內容。雖然“今日頭條”CEO張一鳴對“低俗”是今日頭條獲得成功的原因的這種說法表達了不一樣的看法，但根據調查研究顯示：“盡管今日頭條聲稱其沒有價值觀，但具有重要性、沖突性以及流行度的內容更容易通過算法篩選過程并進入用戶視野?！贝诉^程中把關行為的缺失為社會健康可持續(xù)發(fā)展埋下了重大隱患。

標題黨泛濫，大量低俗色情新聞充斥眼球，媒體在信息內容選擇上一味向人的本能趣味妥協，滋生一系列社會亂象。猶如脫韁野馬一般失控的局面讓人不得不夢回到那個自由資本主義時代：新聞事業(yè)不受任何性質，傳播媒介可最大范圍地自由行事，隨意去報道一切事實，導致新聞事業(yè)的一切活動都緊緊圍繞著金錢，社會道德與良知開始崩壞，千百年來積累的文化底蘊受到重大沖擊，廣大公眾叫苦不迭。

三、同質化繭房催生群體極化

“信息時能夠消除人們隨機不確定性的東西”這是信息論的核心觀點。人們通過掌握信息來進行決策，互聯網為廣大受眾提供了一個取之不盡用之不竭的信息寶庫。取之用之，要先取才能用，那么要如何取，取什么？

認識自我并不是一件易事，我所喜歡的未必是正確的，我討厭的卻不能說它是不好的。大眾媒體時代，不論是否關注、是否感興趣，傳遞給大眾的是一套當代社會規(guī)范與普適性文化，不管如何抗拒，其無孔不入的龐大社會影響力總讓人不至于與社會脫節(jié)。而置身于浩渺的互聯網信息海洋，在個性化信息推送機制的指引下，那些帶有人們感興趣字眼的信息，是在冗雜信息包圍中正迷茫焦慮的大眾眼中更能被注意到的特殊事物。選擇的悖論告訴我們，選擇并不是越多越好，選擇越多，選擇的成本越高，算法機制看似降低了這一成本，但實則模糊了選擇成本這一概念，使你一腳踏入它的繭房陷阱中，從浩瀚的選擇海洋轉移到了逼仄狹隘的同質化信息繭房，不過是從兩極的這端逃去了那端。當人們一直處于信息繭房的同質化信息包圍中時，其信息分辨和提煉優(yōu)質信息的能力便會逐漸退化，當每個人都處于這樣一種封閉式的繭房中時，相互之間缺乏溝通交流，一旦彼此的觀點不一便會互相排斥抗拒，回到與自己意見相合的圈層部落并加深對其的依賴感。久而久之，處于繭房中的人們視野會越來越狹窄，每個人將自己束之高臺樓墻內，個體與個體、個體與群體、群體與群體之間形成隔膜，專注于自己所屬圈層而與外界脫節(jié)，形成圈層固化和群體極化。

互聯網技術將社會劈裂成線上、線下兩片截然不同的世界，基于互聯網技術的社交平臺的出現與發(fā)展更是不斷擠壓大眾線下的生活交往空間，人們面對著面，卻并不交流，低下頭，在另一處空間里，他們卻聊得熱火朝天。算法推薦編織的信息繭房之于這種局面，猶如加諸雪上的霜，掉落于駱駝身上的最后一根草，越過現實生活，將看似發(fā)展正盛實則內里空虛的線上空間化成一座座孤島。

四、是沉眠于此還是破繭成蝶？

羅格斯大學的Philip M. Napoli將算法看作是和媒介機構功能類似的“機構”。她認為：以算法為核心的搜索引擎以及內容推薦機制已經深刻影響了媒介的內容生產和用戶的消費行為。

更為公允地說，個性化信息推薦系統(tǒng)是一把雙刃劍，通過挖掘數據發(fā)現個性化需求并對癥下藥，將相關信息推送給特定用戶，使得長尾內容得到有效利用，對海量信息的技術性處理也大大提高了信息獲取的效率，用戶能夠根據自己的興趣愛好選擇信息。但在其一昧迎合受眾趣味的信息分發(fā)原則、人工編輯把關的缺位、同質化信息的大量傳送等因素影響下，極易產生“信息繭房”現象，呆在繭房內，固然可以享受到虛無的安定感和刺激性的快感，但長久以往，受眾的全面發(fā)展和對現實社會的認知判斷能力勢必會受到影響。

破開信息繭房的囚禁已成為亟待解決的現實問題。在技術層面，以智能算法作為主導分發(fā)機制、輔以人工編輯和價值判斷，在“個性化推送”的同時進行“共性化推送”，以此對陷于一味“個性化推送”的怪圈進行糾正去魅，強制公眾關注一些重要性的社會議題。社會層面，政府應對應用個性化信息推薦系統(tǒng)的各智媒平臺加強監(jiān)管，完善信息內容審核把關方面的規(guī)范。個人層面，要加強媒介素養(yǎng)教育，提高信息分辨能力，學會如何正確獲取所需信息，時刻謹記信息繭房的危害，要做那展翅的蝶，而不是沉睡的蛹。

參考文獻：

[1]李彬.傳播學引論（增補版）[M].北京：新華出版社，2003.

[2]譚天，方潔，李易陽.2017年度新興媒體發(fā)展狀況綜述[J].新聞愛好者，2018（8）.

[3]王茜.打開算法分發(fā)的“黑箱”——基于今日頭條新聞推送的量化研究[J].新聞記者，2017（9）.

[4]Philip M. Napoli. Automated Media： An Institutional Theory Perspective on Algorithmic Media Production and Consumption[J]. Communication Theory，2014，24（3）.