王怡溪

根據(jù)皮尤研究中心的調(diào)查顯示，截至2017年8月，有的美國人表示，他們至少在社交媒體上獲得了一些新聞。①CNNIC第41次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》顯示，截至2017年12月，我國網(wǎng)民規(guī)模達7.72億人，互聯(lián)網(wǎng)普及率為55.8%，手機網(wǎng)民規(guī)模達7.53億人，網(wǎng)民中使用手機上網(wǎng)人群的占比為97.5%。②根據(jù)2017年10月企鵝智庫的報告顯示，超過七成的網(wǎng)民通過新聞類網(wǎng)站和APP獲取資訊。③由此看來，隨著移動互聯(lián)網(wǎng)技術(shù)的應用和智能手機的普及，人們獲取信息的途徑將越來越移動化。

中國最大的資訊分發(fā)平臺今日頭條實為“基于數(shù)據(jù)挖掘技術(shù)的個性化推薦引擎產(chǎn)品”，由算法來進行信息分發(fā)。2016年8月全球社交媒體平臺巨頭Facebook解散“熱門話題(Trending)”團隊，機器算法替代人工編輯進行熱門話題的編輯、推薦和排名。算法推薦、分發(fā)已經(jīng)成為內(nèi)容領(lǐng)域的潮流，曾經(jīng)的編輯“把關(guān)”現(xiàn)象已經(jīng)慢慢被人工智能瓦解和替代。

一、“把關(guān)人”的變遷

1950年，傳播學者懷特將盧因在《群體生活的渠道》中提出的“把關(guān)人”（Lewin，1947）概念引入新聞傳播，④發(fā)現(xiàn)在大眾傳播的新聞報道中，傳媒組織成為信息傳播中的“把關(guān)人”，新聞信息由他們進行取舍，最后選擇的內(nèi)容可以與受眾見面。

隨著傳播技術(shù)的發(fā)展，信息分發(fā)模式大致可以分為專業(yè)編輯、社交傳播、算法推薦。

在傳統(tǒng)的報紙、廣播電視新聞生產(chǎn)活動中，擔任把關(guān)人角色的往往是記者、編輯，由他們在大量的信息中尋找有新聞價值的新聞告知受眾。在大眾門戶網(wǎng)站時代，被放在網(wǎng)絡(luò)上的內(nèi)容主要還是由人工編輯決定的，從這個層面上講現(xiàn)階段仍然是專業(yè)編輯作為“把關(guān)人”的階段。

社交分發(fā)是指基于人們的社交關(guān)系（強連接或弱連接）進行的信息分發(fā)。在互聯(lián)網(wǎng)時代，社交被更多地轉(zhuǎn)移到了線上，人們通過各種網(wǎng)站、社交類APP、網(wǎng)絡(luò)社區(qū)等平臺以人對人、點對點的模式構(gòu)建出新的傳播模式。早期的社交網(wǎng)站人人網(wǎng)、開心網(wǎng)等都成為人們傳播信息、互通有無的傳播平臺，人們通過與自己建立了社交關(guān)系（互加好友）的人來獲取信息。2009年，新浪微博上線，截至2018年3月，微博月活躍用戶數(shù)已增至4.11億戶。⑤微博改變了以往雙向的社交模式，采取了“關(guān)注即可得到信息”的模式，無論對方是否關(guān)注自己，只要關(guān)注了某個博主，就可以獲得他所發(fā)布的信息。被關(guān)注的博主發(fā)布動態(tài)、信息、用戶之間的微博私信等都構(gòu)成了微博生態(tài)中的社交分發(fā)。

隨著人工智能技術(shù)的日益發(fā)展，各家媒體、社交網(wǎng)站紛紛引入算法分發(fā)，即根據(jù)算法的模型推送用戶的喜好，以此推給不同用戶不同的信息，使信息能夠精準到達需要它們的用戶。新浪微博中廣告和內(nèi)容的推薦，微信朋友圈廣告都屬于算法分發(fā)與社交分發(fā)的結(jié)合。以今日頭條為例，用戶在使用今日頭條時,每次點擊、評論或其他行為方式都會被系統(tǒng)所記錄,與他們所讀文章的特點,如作者、關(guān)鍵詞、DOM標簽等,共同作為用戶畫像的數(shù)據(jù)資料,刻畫出每一個用戶的特征,⑥在之后對該用戶的信息分發(fā)中就能夠?qū)崿F(xiàn)精準推送。

二、算法推薦的兩種邏輯

算法推薦已經(jīng)成為內(nèi)容領(lǐng)域的潮流，根據(jù)不同的推薦方式，主流的算法推薦可以分為以下兩種邏輯。

（一）基于內(nèi)容的推薦

這種算法背后的邏輯是基于單個用戶，正如《人民網(wǎng)二評算法推薦：別被算法困在“信息繭房”》文章中所說：“在今日頭條客戶端，點擊一條茶葉的消息，之后就會不停收到各種關(guān)于茶的養(yǎng)生知識和廣告推送……”⑦算法會根據(jù)用戶過去的閱讀習慣、頁面停留時間推斷用戶的興趣，推薦相同類型的信息。在一定程度上，這樣的推薦方式滿足了用戶個性化的信息要求，不同用戶在使用今日頭條都會收到不同的信息，使得“長尾”用戶被滿足。但人的興趣往往是多元且容易改變的，長期推送單一的內(nèi)容，會使得用戶信息源越來越狹窄。

（二）基于用戶推薦

平臺相關(guān)用戶之間的共有屬性構(gòu)成這種算法的基本邏輯。例如，A和B都喜歡看體育類新聞，然而A除體育類新聞外，仍喜歡看財經(jīng)類新聞。那么，算法就將A和B歸于同類型用戶，此時給B也推薦類似的財經(jīng)類新聞。以此尋找用戶之間的興趣共性，分析問題并提出建議，給用戶推薦其他相關(guān)的內(nèi)容，在豐富用戶信息推薦源的同時保證這是用戶感興趣的內(nèi)容。比如亞馬遜就實行這樣的推薦方式，向A用戶推薦一本書，就找一個和他相似的B用戶，然后將B用戶喜歡的書推薦給A用戶。算法推薦模式是對傳統(tǒng)新聞分發(fā)機制的顛覆性轉(zhuǎn)變?！皞€性化信息推薦”通過人工智能分析和過濾機制，根據(jù)個性化需求聚合相關(guān)的信息和應用,并以此對信息進行深度智能分析，以滿足用戶個性化的、動態(tài)的需求。⑧

三、算法推薦的反思

無疑，在即時與海量的互聯(lián)網(wǎng)傳播環(huán)境中，智能化的推薦模式會高效地滿足人們多元化、個性化的信息需求。智能化的信息傳播機制可以迅速完成信息與用戶的精確化匹配，空前降低獲取信息成本。但是，長期浸潤在自己感興趣的話題里可能會產(chǎn)生很多負面影響，對于算法等技術(shù)的過于倚重可能會最終擾亂信息傳播環(huán)境。

（一）陷入“信息繭房”

“信息繭房”是由美國芝加哥大學教授凱斯·R·桑斯坦在2006年的著作《信息烏托邦》中提出的概念，是指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用自己愉悅的通訊領(lǐng)域，久而久之，會將自身桎梏于蠶繭一般的“繭房”之中。⑨人們長期只接受一種觀點或一類信息，容易使人產(chǎn)生盲目自信以及對對立觀點的偏見，甚至思維固化，將自己的偏見認為是真理，拒絕其他合理性的觀點。另外，“信息繭房”不利于社會整合，在“信息繭房”的作用下，人們很容易沉浸在自我的認知中，脫離整個社會的其他議題和意見，對該關(guān)注的社會議題冷漠無視，大大減少了信息的溝通與分享，甚至影響了整個社會的議題融合。

（二）進一步加深“數(shù)字鴻溝”

算法提供的個性化的搜索引擎和個性化的信息定制，都會導致信息瀏覽和興趣的進一步個性化，本該利用新技術(shù)和信息發(fā)展和成長的人們卻一步步陷入自己的興趣里不能自拔，難以接觸全面而嚴肅的信息。人們出于好奇的本能與心態(tài)，會點擊驚悚或偶然煽情的社會新聞，擁有這種本能卻不能忽略人們還有“應該”知曉的事情。尚未進化完全的算法推薦僅靠揣摩人們的點擊量來反復推薦低質(zhì)量內(nèi)容，會加深使用電子媒介進行嚴肅內(nèi)容吸收與學習的人和利用電子媒介看八卦娛樂的人之間的差距，算法推薦會使這種差距進一步擴大。

當所有的信息類平臺都在盲目追求算法，迎合受眾的低級需求，只負責搬運新聞而不是花時間、精力去生產(chǎn)高質(zhì)量嚴肅類新聞的時候，原本豐富的信息環(huán)境變得單一，客觀公正的內(nèi)容變得偏激和情緒化，新聞該有的宏大格局日益狹小。

四、算法分發(fā)的改進路徑

根據(jù)皮尤研究院近期發(fā)布的一項調(diào)查報告顯示，社交網(wǎng)絡(luò)中，自動發(fā)布和互動的機器人能實時回答多品類的海量話題、自動更新新聞或大事件，在社交媒體生態(tài)中扮演著愈加重要的角色。一時之間，機器人取代專業(yè)編輯的擔心籠罩著傳媒業(yè)。算法作為一種技術(shù)或一種工具，本質(zhì)都是單純的，算法沒有價值觀，但利用算法的人具有價值觀。因此，在技術(shù)成為新聞不可或缺工具的同時，仍然要堅持新聞媒體專業(yè)的價值觀。

（一）增加更多的人工編輯

算法推送的利用雖然可以促使龐大用戶群體的個性化閱讀習慣得到關(guān)注，并且擁有較高的準確性。但需要注意的是，以往的閱讀習慣是算法推送唯一可以依賴的推薦參考信息源。根本無法滿足用戶實時推送需求,推送內(nèi)容的質(zhì)量也無從保證。而人工編輯則可以調(diào)動他們對新聞的敏感性來判斷新聞價值存在與否，再依據(jù)自然或社會環(huán)境的變化選擇當下用戶關(guān)心的新聞內(nèi)容，從而保證用戶可以較為準確地收取有價值的資訊。

今日頭條自去年以來，因傳播低俗內(nèi)容多次被約談、整改。⑩2018年1月，新聞報道今日頭條在被網(wǎng)信辦約談、暫停更新部分頻道內(nèi)容后，今日頭條在天津招募2000人左右的內(nèi)容審核編輯，黨員優(yōu)先。?Twitter在2016年推出新聞聚合功能的插件——Moments，整合推送當天的熱點事件是經(jīng)過人工編輯對信息進行篩選、整合而形成的。信息資源爆炸的時代，只有將人工編輯和算法推薦的優(yōu)勢結(jié)合起來，才能夠?qū)崿F(xiàn)精準又不失個性與質(zhì)量的推送服務。

（二）優(yōu)化算法

現(xiàn)在的算法還停留在比較簡單的階段，各個平臺應著力提升用戶洞察技術(shù)水平，使算法盡量能完整準確地測度到人們信息需求的全貌和重點。2017年6月，F(xiàn)acebook更改流算法：用戶在打開主頁后，會首先看到親友的動態(tài)以及分享，然后才是其他內(nèi)容供應商想要推送的信息。?此番改變說明Facebook作為社交平臺更加注重社交而非內(nèi)容商的信息傳播，減少對媒體的流量傾斜而轉(zhuǎn)為對用戶關(guān)心的社交圈子的重視，力圖消除偏見和極端思想在“熱點趨勢”里的蔓延。

五、結(jié)語

傳統(tǒng)媒體不能做堂·吉訶德，視而不見算法和技術(shù)對傳媒業(yè)的沖擊，在互聯(lián)網(wǎng)的浪潮中故步自封，也不能一味依賴，反而成為算法和技術(shù)的奴隸。越是在技術(shù)發(fā)展的時代，越要彰顯傳統(tǒng)新聞人的價值與使命，大數(shù)據(jù)時代，仍需要堅守新聞價值與公共信念的“編輯”，因為用戶不僅需要知道自己喜歡什么，還有作為公民應當知道的信息。一味地迎合受眾本能的需求不是傳統(tǒng)媒體應有的價值觀，而是守住自己的價值取向、堅持正確的輿論方向、保有獨立的信念和精神，再加上積極擁抱新媒體與新技術(shù)，才是傳統(tǒng)媒體轉(zhuǎn)型的必經(jīng)之路。

注釋：

①皮尤發(fā)布2017年社交媒體使用報告絕大部分美國人只用社交媒體看新聞[EB/OL].2017-09-12.https：//www.sohu.com/a/191538275_770332.

②CNNIC發(fā)布第41次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》[EB/OL].中國網(wǎng)信網(wǎng),http：//www.cac.gov.cn/2018-01/31/c_1122346138.htm.

③中國新媒體趨勢報告2017：通向媒體新星球的未來地圖[EB/OL].http：//tech.qq.com/a/20171120/025254.htm#p=12

④陳力丹.傳播學綱要[M].北京：中國人民大學出版社,2014：201.

⑤微博月活躍用戶突破4億[EB/OL].http：//tech.sina.com.cn/i/2018-05-09/doc-ihaichqz1704770.shtml.

⑥喻國明,楊瑩瑩,閆巧妹.算法即權(quán)力：算法范式在新聞傳播中的權(quán)力革命[J].編輯之友,2018(5)：5.

⑦人民網(wǎng)二評算法推薦：別被算法困在“信息繭房”[EB/OL].http：//opinion.people.com.cn/n1/2017/0919/c1003-29544724.html.

⑧喻國明.大數(shù)據(jù)對于新聞業(yè)態(tài)重構(gòu)的革命性改變[EB/OL].新聞與寫作.2014(10)：54.

⑨[美]凱斯·R·桑斯坦.信息烏托邦－眾人如何生產(chǎn)知識[M].畢競悅,譯.北京：法律出版社,2008：18.

⑩今日頭條遭遇最嚴整改 一年被約談四次[EB/OL].http：//tech.sina.com.cn/roll/2017-12-31/doc-ifyqchnr7648142.shtml.

?今日頭條宣布關(guān)閉社會頻道 設(shè)“新時代”為默認頻道[EB/OL].2018-01-12.https：//www.sohu.com/a/214165225_355152.

?Facebook再更新聞流算法：“社交至上價值觀”重新定義新聞業(yè)[EB/OL].2016-07-13.https：//mp.weixin.qq.com/s/Z1AmFklsMZSB1J9z0n5kuw.