文 | 佘宗明

20年前，哈佛大學(xué)教授凱斯·桑斯坦首次提出了“信息繭房”概念。彼時(shí)的他恐怕完全沒(méi)想到，這四個(gè)字后來(lái)會(huì)被人拿來(lái)跟“算法”綁定。

在他看來(lái)，“在信息傳播中，公眾所接觸的信息是有限的，會(huì)選擇自己愉悅的信息，久而久之，會(huì)將自身桎梏于像蠶繭一般的‘繭房’中”，此之謂信息繭房。

可正如作家埃里克森在小說(shuō)《Reaper's Gale》里所說(shuō)的：Language changes over time. Meaning twists. Mistakes compound with each transcribing。翻譯下就是：語(yǔ)言隨時(shí)代流變，詞義亦隨之偏轉(zhuǎn)，每次轉(zhuǎn)錄，都會(huì)讓謬誤不斷累積。”

在今年全國(guó)“兩會(huì)”上，“信息繭房”一詞又被多位代表委員提及，基本論調(diào)依舊是“算法制造信息繭房”。

這難言新鮮：“一提到信息生態(tài)，就會(huì)想到繭房；一提到信息繭房，就會(huì)想到算法”，已成不少人的慣性思維。

只要覺(jué)得視野受限，就歸咎于信息繭房，只要覺(jué)得困于繭房，就歸結(jié)為算法誤我，挺符合許多人面對(duì)復(fù)雜問(wèn)題時(shí)的簡(jiǎn)化歸因習(xí)性。誰(shuí)讓信息繭房聽(tīng)著專業(yè)，算法又自帶黑箱屬性呢？

但語(yǔ)言學(xué)家門肯說(shuō)過(guò)：“對(duì)于每個(gè)復(fù)雜問(wèn)題，都有一個(gè)清晰、簡(jiǎn)單且錯(cuò)誤的答案。”在對(duì)那些復(fù)雜問(wèn)題給出清晰簡(jiǎn)單答案時(shí)，不少人也許需要思考下：它真的準(zhǔn)確無(wú)誤嗎？

依我看，“算法制造繭房”一說(shuō)不過(guò)是流行謬誤，既誤解了算法，也錯(cuò)解了信息繭房。

01

u1s1，“算法制造繭房”的說(shuō)法，錯(cuò)解了信息繭房的實(shí)質(zhì)和本源。

毋庸諱言，在網(wǎng)絡(luò)巴爾干化的今天，部分網(wǎng)民認(rèn)知極化導(dǎo)致的輿論劣化現(xiàn)象日益顯性化。

對(duì)于這類情形，很多人會(huì)習(xí)慣性地拿信息繭房說(shuō)事：今天渲染“信息繭房正讓你陷入傻子共振”，明天威脅“信息繭房正奪走你的認(rèn)知主權(quán)”。

我曾對(duì)此感慨道：時(shí)下有兩個(gè)舶來(lái)的傳播學(xué)概念近乎被用爛，一個(gè)是“娛樂(lè)至死”，另一個(gè)是“信息繭房”——“遇事不決，量子力學(xué)；歸因無(wú)方，信息繭房”，成了流行歸因方式。

這番感喟，不是否認(rèn)認(rèn)知窠臼的存在，而是唏噓信息繭房的被濫用。

認(rèn)或不認(rèn)，現(xiàn)實(shí)就擺在那：每個(gè)人都被困在自己的認(rèn)知局限里，沒(méi)有人能夠跳出柏拉圖洞穴寓言中的那個(gè)“洞穴”。

但所謂“被困”，很多時(shí)候都是“自困”。薩古魯就說(shuō)：“大多數(shù)人困在自己制造的局限中，卻沒(méi)意識(shí)到是自己把自己鎖在了里面。”

人為什么會(huì)“自己把自己鎖在里面”？答案就在于：不論是鄧巴數(shù)，還是腦腐現(xiàn)象，都表明，人的信息處理會(huì)受限于物理限制和生理閾值等。

在此情形下，信息偏食就成了人腦抵御信息過(guò)載的自我保護(hù)機(jī)制，其本質(zhì)就是腦部基于人的喜同惡異、趨利避害本性自動(dòng)開(kāi)啟的信息篩選機(jī)制。

如今已通貨膨脹的“信息繭房”，根源其實(shí)就指向了信息偏食——事實(shí)上，桑斯坦當(dāng)初提出“信息繭房”時(shí)意在警示“信息偏食”。

可當(dāng)下，很多人在說(shuō)“信息繭房”時(shí)，卻是將信息繭房視作互聯(lián)網(wǎng)信息供給模式和傳遞路徑的產(chǎn)物，默認(rèn)為信息技術(shù)是因、信息偏食是果，從中倒推出的結(jié)論是：因?yàn)橛辛税�括算法在�?nèi)的信息技術(shù)，人的視野在窄化、思維在固化。

這既是對(duì)信息偏食本性的否定，也是對(duì)信息偏食后果的夸大。

首先，將算法跟信息繭房嵌入因果鏈中，默認(rèn)邏輯是：算法在前，信息繭房在后。但別忘了，在算法推薦還沒(méi)問(wèn)世時(shí)，人就開(kāi)始做各種篩選了，物以類聚、人以群分的本質(zhì)就是篩選。

細(xì)想下，我們?cè)谖⒉┥详P(guān)注同頻者、在小紅書上點(diǎn)贊同好者，不都是另一種“物以類聚”嗎？

現(xiàn)實(shí)中，我們也會(huì)基于興趣愛(ài)好等，選擇跟什么人打交道、對(duì)什么信息停留或劃走……社會(huì)學(xué)中的“選擇性接觸”、心理學(xué)中的“確認(rèn)偏誤”，早已對(duì)這類信息的選擇性攝取做了解釋。將多因性的信息偏食情況簡(jiǎn)單歸為算法使然，才是對(duì)人“認(rèn)知主權(quán)”的攫奪。

其次，信息偏食的確會(huì)抑制異文化視野，可其另一面是幫人們腦部減壓——對(duì)所有信息照單全收，腦負(fù)荷必然超標(biāo)。罔顧其兩面性，只強(qiáng)調(diào)某一面，都有失偏頗。

02

u2s2，“算法制造繭房”的說(shuō)法，更誤解了算法的原理和初衷。

時(shí)至今日，很多人想象中的算法就是“我點(diǎn)贊什么，算法就給我推什么”，對(duì)算法的認(rèn)知還停留在單維度匹配興趣的原始階段。

可真實(shí)的算法讓凱文·凱利的“理想過(guò)濾器”設(shè)想已成真——既能推薦那些“我想知道我的朋友喜歡什么，而那又是我現(xiàn)在還不了解的”，也能推薦“某些我現(xiàn)在不喜歡，但想嘗試著喜歡的東西”。

都知道，眼下生成式AI聲勢(shì)正高，互聯(lián)網(wǎng)平臺(tái)的推薦算法其實(shí)也與之同源。

早在上世紀(jì)90年代末，推薦算法就已在硅谷互聯(lián)網(wǎng)平臺(tái)中落地應(yīng)用，經(jīng)過(guò)多年迭代，它早已形成“精準(zhǔn)記憶+泛化探索”的平衡體系。

就在前些天，有朋友就提醒我，在抖音App上搜“看得懂的算法”，就能看到抖音算法推薦的基本原理。我體驗(yàn)了一番后，最大的感慨便是：這屆算法雖然沒(méi)成精，但它已是成熟的AI技術(shù)，學(xué)會(huì)自己去對(duì)抗“算法制造信息繭房”的偏見(jiàn)了。

不少人以為，算法推薦的打開(kāi)方式就是“我喜歡看南翔，它就拼命給我推二百者也、特別烏啦啦等美食博主或江尋千、山白等非遺博主”，可實(shí)質(zhì)上，算法不光會(huì)給你推美食、非遺方面的內(nèi)容，還可能給你推影視、繪畫、寵物、旅行、體育、科技等各個(gè)領(lǐng)域的優(yōu)質(zhì)內(nèi)容。

因?yàn)橥扑]系統(tǒng)遵循著嚴(yán)謹(jǐn)?shù)?ldquo;召回→排序→擾動(dòng)”全流程：先是多興趣召回，之后精準(zhǔn)排序，接著還有隨機(jī)擾動(dòng)。

在抖音上，我起初喜歡看影視二創(chuàng)類內(nèi)容，結(jié)果平臺(tái)有時(shí)會(huì)給我推薦動(dòng)物解說(shuō)類內(nèi)容，我又喜歡上了動(dòng)物解說(shuō)類內(nèi)容，結(jié)果平臺(tái)又會(huì)給我推薦綜藝趣味點(diǎn)評(píng)類內(nèi)容……簡(jiǎn)直是預(yù)判了我多變的趣味。

這就叫多興趣召回——算法不是只盯著咱們點(diǎn)贊過(guò)的內(nèi)容，而是從海量視頻庫(kù)里同時(shí)抓取咱們已知興趣、潛在興趣、多元領(lǐng)域的候選內(nèi)容，避免一開(kāi)始就把范圍鎖死。

避免把范圍鎖死的，還有多樣性頻控與打散。它會(huì)通過(guò)技術(shù)手段控制同類內(nèi)容的推薦頻率，保證推薦列表的多樣性。

問(wèn)題來(lái)了：如果是我1秒內(nèi)劃走的內(nèi)容，算法還會(huì)給我推嗎？

這就涉及排序問(wèn)題了。按抖音說(shuō)法，系統(tǒng)會(huì)結(jié)合咱們的興趣偏好、瀏覽習(xí)慣打分，但絕不會(huì)只按“喜好度”單一排序。

我經(jīng)常會(huì)好奇，我沒(méi)關(guān)注很多博主，他們的視頻怎么會(huì)出現(xiàn)在我的推薦頁(yè)上？

現(xiàn)在我知道了，因?yàn)檫�有“隨機(jī)擾動(dòng)”——算法會(huì)主動(dòng)調(diào)整排序，刻意加入陌生內(nèi)容，避免推薦列表千篇一律。

我在“體驗(yàn)算法”板塊里拖動(dòng)“擾動(dòng)強(qiáng)度”滑塊，親眼看到推薦列表從全是同類內(nèi)容變成畫風(fēng)突變、多元豐富。

這就相當(dāng)于，我原本想待在自己的舒適區(qū)里，只看自己想看的，結(jié)果算法努力掰開(kāi)我的眼睛：“不，你不想——你還需要看些別的。”

而從“Wide &Deep模型”+“興趣時(shí)鐘”看，算法也是為了打破我們的信息繭房操碎了心。

你說(shuō)，算法怎么知道我的潛在興趣是什么？

“Wide &Deep模型”給出的解法是：“Deep”負(fù)責(zé)精準(zhǔn)記住你的過(guò)往喜好，如你喜歡的美食、寵物、旅行內(nèi)容，保證推薦的基礎(chǔ)精準(zhǔn)度；“Wide”則負(fù)責(zé)大膽泛化，主動(dòng)探索你從未接觸過(guò)的領(lǐng)域，比如你喜歡看旅行視頻，算法會(huì)順帶推薦小眾目的地、戶外攻略、地域文化，甚至攝影技巧等。也就是說(shuō)，算法正努力既懂你的“舊愛(ài)”，又敢猜你的“新歡”。

“興趣時(shí)鐘”提供的辦法是：根據(jù)不同時(shí)間段調(diào)整推薦偏好。你早上刷到新聞資訊、通勤時(shí)刷到輕松短劇、晚上刷到知識(shí)科普、睡前刷到治愈內(nèi)容，不是算法“困著你”，而是它在適配你的生活節(jié)奏，同時(shí)在不同時(shí)段推送不同類型內(nèi)容，盡可能豐富你的信息獲取。

鑒于這些，再拿單一維度的興趣匹配看算法，多少有些刻舟求劍了。

03

“算法制造繭房”的說(shuō)法誤解了算法、錯(cuò)解了信息繭房，還誤判了我們自身的行為機(jī)制跟平臺(tái)的關(guān)切點(diǎn)。

對(duì)很多人來(lái)說(shuō)，讓“信息繭房”相關(guān)的討論回歸“信息偏食”本源，將“困在繭房里”的責(zé)任歸為自己既有的認(rèn)知框架、現(xiàn)實(shí)中的社交圈層、自選的信息舒適區(qū)，遠(yuǎn)沒(méi)甩給那個(gè)想象中抽象、模糊、難自辯的算法方便。

但這樣“與其反思自我，不如責(zé)怪算法”的歸因方式，混淆了“主動(dòng)選擇”與“被動(dòng)投喂”的界限，更反映了“既要，又要”的糾結(jié)。

算法推薦的結(jié)果，本質(zhì)是用戶行為的映射。可太多時(shí)候，喜歡看娛樂(lè)八卦內(nèi)容的我們看到平臺(tái)推薦的知識(shí)科普內(nèi)容時(shí)，會(huì)沒(méi)耐心停留，身為城市白領(lǐng)的我們看到農(nóng)村老人的笨拙舞姿時(shí)，也會(huì)快速劃走……

算法為我們打開(kāi)了一道“看見(jiàn)世界參差”的窗，但我們時(shí)常會(huì)因?yàn)椴桓信d趣將它合上。因而，如果非要說(shuō)“繭房”，那我們自己也是自己繭房的筑造者。

這兩年，跟吐槽算法制造繭房并存的，還有吐槽算法推薦不準(zhǔn)，“想看到的沒(méi)刷到”。

可這這本身就是個(gè)悖論：感興趣的內(nèi)容推多了，是“制造繭房”；推少了，是“推薦不準(zhǔn)”，所以算法到底是要精準(zhǔn)滿足，又是要打破滿足？那些“推薦不準(zhǔn)”的吐槽，會(huì)不會(huì)就是算法打破“繭房”的體現(xiàn)？

值得注意的是，許多人在批評(píng)“算法織繭”時(shí)，會(huì)懷念從前：從前的日色慢，車馬郵件都慢，一生只夠愛(ài)一人，一輩子沒(méi)信息繭房。

這倒是給評(píng)估算法影響帶來(lái)了縱向比較的重要維度：和“前算法時(shí)代”比，人類有了社交媒體之后，看到的世界究竟比以前更大了，還是比以往更小了？

我的看法是：信息匱乏時(shí)代的“繭房”是物理性的，因?yàn)闆](méi)得選——今天那些言必稱“信息繭房毀了下一代”的人，可能忘了在社交媒體出現(xiàn)之前大家只能聽(tīng)“同一首歌”。信息豐裕時(shí)代的“繭房”則是心理性的，它不是由分發(fā)渠道決定，而是由大腦的信息加工機(jī)制塑造。

在大家只能看那幾個(gè)電視臺(tái)、幾份報(bào)紙的年代，真的沒(méi)有信息繭房嗎？并不是。那時(shí)的信息的壁壘是空間性的、地理性的、結(jié)構(gòu)性的。只是懷舊濾鏡容易將其美化而已。

到了今天，信息技術(shù)至少帶來(lái)了更多打破信息壟斷的可能。雖然碎片化、情緒化內(nèi)容傳播帶來(lái)的挑戰(zhàn)伴隨而至，但這跟“信息繭房”是兩個(gè)維度的問(wèn)題。

真要讓某些人回到那個(gè)信息閉塞的前算法時(shí)代，他們會(huì)對(duì)“信息繭房”有更真切的認(rèn)知。

罔顧這些復(fù)雜命題，將信息繭房作為原罪扣在算法頭上，是認(rèn)知上的偷懶。

說(shuō)到這，可能有人會(huì)說(shuō)，平臺(tái)有利用“制造信息繭房—誘導(dǎo)用戶沉迷—提升平臺(tái)日活”的利益動(dòng)機(jī)。

拋開(kāi)理性不談，這貌似在理。但若理性地看，會(huì)發(fā)現(xiàn)這想得太簡(jiǎn)單了。

算法的核心目標(biāo)，從來(lái)不是 “圈住用戶”，而是 “留住用戶”，長(zhǎng)期留存比短期沉迷更重要。而留住用戶的關(guān)鍵，就是讓用戶始終對(duì)平臺(tái)保持新鮮感。

人性本就喜新厭舊，一味推送同類內(nèi)容，只會(huì)讓用戶快速審美疲勞，最終卸載APP。對(duì)平臺(tái)而言，以失去用戶長(zhǎng)期留存為代價(jià)，把用戶困在“繭房”里換來(lái)單次瀏覽時(shí)長(zhǎng)，得不償失。

04

馬克·吐溫說(shuō)：“讓我們陷入困境的不是無(wú)知，而是看似正確的謬誤論斷。”

結(jié)合種種情況看，“算法制造信息繭房”，就是典型的流行謬誤：它既錯(cuò)解了信息繭房的本源 ，畢竟，主動(dòng)選擇才是認(rèn)知封閉的核心；也誤解了算法的本質(zhì)，畢竟，從商業(yè)利益考量到技術(shù)細(xì)節(jié)設(shè)計(jì)，都不支持算法織繭。

用梁實(shí)秋的話說(shuō)，“曩昔的金言有些未必可以奉為圭臬，有些即使仍在流行，事實(shí)上也已近于謬論。”算法織繭說(shuō)，就在此列。

流行謬誤，再流行，也是謬誤。故而穿越認(rèn)知迷霧，很重要。

這不是說(shuō)，今天的算法不是沒(méi)有不足，也絕非不能置喙。

只是說(shuō)，批評(píng)監(jiān)督的前提，該是看見(jiàn)更貼近算法本來(lái)面目的算法——它不是織繭者，倒像是在人們已知的花園和未知的荒野之間開(kāi)墾的園丁，試圖找到那條讓人們?cè)敢饫^續(xù)探索的小徑。

如果將信息繭房定義為“讓人只能看到自己想看到的”，將破繭路徑視作“讓人還能看到他不知道自己想看的和不是自己想看到的”，那算法其實(shí)已提供了太多的破繭工具，包括多樣性頻控和打散、多興趣召回、隨機(jī)擾動(dòng)等“反繭房設(shè)計(jì)”。

而要讓真實(shí)的算法被看見(jiàn)，需要學(xué)界多些專業(yè)科普，傳播學(xué)界就有很多實(shí)證研究證偽了“算法制造信息建房”的說(shuō)法；需要公眾多些科學(xué)素養(yǎng)，渲染算法織繭前不如先到抖音上的“體驗(yàn)算法”板塊上體驗(yàn)一番；需要平臺(tái)將算法可理解性作為公共產(chǎn)品，持續(xù)推動(dòng)算法透明化，并改進(jìn)科普方式，努力彌合認(rèn)知差。

在專業(yè)文章外上線“體驗(yàn)算法”板塊，通過(guò)給用戶“可看、可點(diǎn)、可知”的親手操作體驗(yàn)，降低算法科普的專業(yè)門檻，讓用戶親眼看到自己的點(diǎn)贊、評(píng)論、收藏行為如何影響推薦，在自行調(diào)節(jié)隨機(jī)擾動(dòng)強(qiáng)度中感受算法如何根據(jù)調(diào)整推薦……就比純文字性科普要好得多。

說(shuō)到底，算法不織繭，破繭需由人。

如果自我封閉，算法可以是我們自我封閉的借口；如果足夠開(kāi)闊，算法完全可以是我們拓展廣度的窗口。

       原文標(biāo)題 : “算法制造信息繭房”，不過(guò)是流行謬誤