随着信息技术突飞猛进,人们已经进入一个算法遍地开花的时代,如今的技术让人类每天生产出的信息量相当于人类数千年信息总和。人们如何精心挑选出符合自己期望的信息呢?

    其实,算法技术可以帮助每一个用户从远超出个人处理能力的庞大的信息海洋中,如定制化一般,筛选出目标信息。

    近日,由复旦大学新闻学院举办“算法推荐与人工智能圆桌论坛”邀请复旦大学、清华大学、中国传媒大学、中山大学等院校的新闻传播学、哲学、计算机、法学等学科的知名专家,聚焦“信息茧房”“隐私保护”等主题展开深入、热烈的探讨。

    清华大学新闻与传播学院常务副院长陈昌凤教授认为,算法可以提升用户在海量信息中获取所需信息的效率,对用户大有裨益。    陈昌凤对算法的优势给予了肯定评价,同时也表明了自己的担忧:算法运用太厉害、太广泛,于是一些传统的坚守者以各种投枪匕首来抨击算法。

    目前来看,算法已经具备越来越多元、不断优化、具有自身纠偏能力三方面优势特征。而来自技术专业人士总结显示,算法大致可以归为协同过滤推荐算法、基于内容的推荐算法、混合推荐算法、流行度推荐算法四类。而每一大类算法都有其独特的输入、类型、优点、缺点,其中也都会用到专业的方法,比如信息检索、机器学习。现在很少有公司单一使用一种算法,算法越来越多元,不同算法具有不同特点,而且算法之间还可以相互补充。多元化的算法,再加上科学的综合使用,可以有效避免单一算法带来的“信息茧房”刻板印象。

    在多元化的同时,算法也在不断优化,并且通过第三方公司审核提升其可信性。陈昌凤表示,Facebook、Google、今日头条等科技公司和产品均已深度介入到信息的分发中,算法是他们参与信息传播最重要的工具。而且这些公司在实际运营中,不断优化调整算法。各公司都在不断开放其算法,加强透明性,比如今日头条在2018年公开了算法原理。Facebook还在世界各地雇用了当地的专业公司来审核其运用。

    中山大学传播与设计学院院长张志安教授则认为,经过庞大用户样本训练过的算法,所推荐的内容更具专业性、更平衡客观。巨大样本数据量所得出的是人类的普遍兴趣需求,尽管个体是存在差异,但总体趋于相似的。如今日头条在算法推荐过程中,引入社交、协同过滤等权重因素后,会将内容用户进行颗粒度更细分的匹配,可以提升推荐准确度。算法推荐的优化和治理,需要多方参与,需要哲学指导和认知心理学指导,探索算法测量指标的优化,通过算法增强改善算法推荐的公共性和关系场景增强的多元化。

    当前,算法也已经具备自我纠偏能力,可以以技术之能治技术之缺。有研究表明,当用户获取了选择信息的权利后,也会影响自己对信息的选择倾向。比如保守分子只浏览保守主义的网站,自由派人士只关注自由派的信息;环保主义者与批评环保者也是各自只关注志同道合的信息。人们因为主观上支持某种观点,往往倾向于寻找那些能够支持自己观点的新信息,来确认自己的决策或观点、并忽视那些否定或推翻自己观点的信息。这种做法被称为证实性偏见。

    针对大众容易出现的偏见,技术正在努力纠正信息偏向问题。陈昌凤表示,《华尔街日报》于2016年创设了一个“红推送,蓝推送”,将facebook上同类内容的自由倾向、保守倾向的信息并列呈现给用户。提醒用户其偏向性、并推荐另一观点相左的内容,帮助用户平衡、多元化其新闻消费。

    信息技术的发展给我们带来了更多的可能性,算法推荐在很大程度上可以满足用户多元化需求。算法技术依旧在不断进步,Facebook、Google、今日头条等科技公司和产品,除了开放算法原理,同时也在致力于信息推荐的自我纠偏,努力打破用户思维“偏见”所带来的“信息茧房”。