智能算法推荐：工具理性与价值适配

智能算法推荐工具理性与价值适配

一智能算法接管信息分发的工具理性1.信息超载是智能算法信息分发的发展动因移动互联网时代，传统信息处理方式已经不能满足现实需要，智能算法型信息分发正适用于解决这种信息处理超载危机。信息爆炸是过去60年以来人类社会信息化不断推进的必然结果。伴随互联网技术的进步，人类处于被数字信息所笼罩的数字信息世界。传统方式已经无法进行有效而准确的价值适配，传统信息处理范式危机一触而发。随着4G、5G信息技术的升级和应用、个人移动智能终端的普及以及移动应用平台的快速发展，个人化的传播时代已经到来。个人化的传播有别于过去标准化、规模化、内容生产类型化的大众传播，每一个受众个体在信息传播过程中都是一个独立的主体，在此基础上一个巨大的基于长尾需求的利基市场逐渐形成。信息的社会性流动形成以下三个基本的内容市场（见图1）。图1信息社会三个基本的内容市场在整体内容需求市场和个性内容需求市场，传统人工编辑和依托社交链传播的关系型分发承担着“压舱石”和满足个性需求的亲密角色。但在所有信息的适配方面，算法推荐承担主力军角色。在整体性、群体性、个体性需求与海量信息的供给对应下，内容市场被“扩容”，智能算法信息分发在这种新型市场下，通过算法模型将用户需求和内容信息进行匹配，实现内容的高效聚合和精准分发。2.内容、用户、场景的适配是智能算法型信息分发的基础逻辑智能算法虽然形式复杂，但其原理非常朴素，归根结底是实现海量内容、用户需求、多维场景之间的相互适配，这也是智能算法型信息分发的基础逻辑（见图2）。图2智能算法型信息分发的基础逻辑目前，业内较常用的推荐算法主要有基于内容的推荐（content-based）和协同过滤推荐（collaborativefiltering）。前者适用于通过对文本内容的解析，为文本打上无数的标签，再通过标签集合对用户和内容分别进行标注，依此向用户推荐与历史阅读相关内容相似的信息。后者是基于用户的消费特征，进行物品相似性及用户相似性的计算，从而实现匹配。在现实应用中，由于场景的复杂性，很难产生一种适用于所有场景的算法模型架构，所以一个优秀的工业级推荐系统常常支持多种不同算法，并可进行模型结构的调整。目前，各种平台的算法模型虽然各不相同，但主要的切入维度大致相同，其中用户历史数据、社交关系网、地理位置、热度等维度较为常用。以今日头条为例，今日头条输入的变量主要是内容、用户特征、场景特征这三个维度，结合这三个维度，算法模型会给出预估，推测推荐内容对用户的适配性。[1]3.内容（服务）爆发让智能算法成为必然在内容（服务）爆发增长背景下，智能算法通过其手段的有效性解决了传统信息处理危机。主要体现在两方面，一是智能算法推荐提高了信息内容分发的生产效率，二是智能算法推荐优化了信息内容分发的配置效率。传统时代通过编辑进行内容精选，提供服务的平均时间与人力成本较高，分发的生产效率比较低。如今互联网平台上的信息已是海量，人工编辑确实难以胜任。智能算法高效地自动过滤筛选，大大提高了信息分发的工作效率；同时，通过实现信息供需的快速匹配，大大降低了用户获取信息的时间成本。在智能算法时代，所有信息的价值都被重估，长尾信息也由于其具有特定的受众群而具有了价值，正所谓“彼之敝草，吾之珍宝”。以往“以传者为中心”的传播模式被智能算法所改变，在这种改变中，用户成为中心，用户的主体性得以开发。基于个性化画像，用户有机会触达自己喜好的内容，也强化了个人的信息权利。智能算法是互联网发展的一个必然产物。智能算法信息分发具有特殊的价值，我们要承认智能算法技术的必然性和合理性，这也是让其发挥自身特点为社会所用的基础。二智能算法在内容市场上的角色与影响不同纬度的内容市场取决于大众在整体性、个体性以及群体性三个方面的信息需求。基于此，智能算法的“权利”在实施过程中所产生的效果也不同。所以，对于智能算法技术、政治、人文逻辑也要进行区别。1.智能算法价值适配实践方法：人机协作由于智能算法在社会性变量价值判断模式上的不足，算法后续还需要人工进行加工和判断。所以，在内容市场上，人机协作是价值适配的实践路径。人们的共性需求构成整体性内容需求市场，主要体现为主流意识形态导向、社会人文关怀及社会共同利益和基本共识等。在大众传播时代，整体性内容市场是媒体的主要方向。1922年《读者文摘》正式创刊，其“足迹”曾遍布163个国家和地区，读者规模超过1亿人，而其成功离不开对整体性内容价值的定位和对深层价值的关怀。“微粒社会”中，基于各种算法，形成了多种多样的评判、决策和自动区分等，人的主体性逐渐被数据取代。但是，人不是简单的数据集合，也不是电子痕迹的汇总。随着科技的发展，虽然可以对信息内容进行高效标注，但算法仍无法完全把握人的心理。在共性需求的预测方面，数据仍不足以为成功判断提供真正的价值。因此，在整体性内容需求市场上，“弱智能”的算法只能提供共性辅助，即便算法分发占据了大半的信息处理市场，但其无法完全替代人的角色及作用。面对人的整体需求，平台应当坚持人机结合，重视人工编辑的作用。今日头条近期大幅增加了审核人员的数量，积极尝试“人工+算法”的模式。这种模式在算法中加强了人的主体性，通过人机协作，让算法推荐更好地体现人的主导性和价值观。2.算法价值适配基础：平台自律和用户自觉虽然算法可以过滤社交分发的多余成分，但其负外部性却一直存在。所以，算法需要通过平台和用户的自律自觉，实现其与群体性内容需求的适配。群体性内容需求市场由人们的分众化需求构成。作为个体的人，存在于各种群体之中，所形成的信息需求就带有各种群体的特征。关系型分发主要依托社交链进行传播，虽然可以对信息进行筛选、转发、评论等，但随着社交数量的增加，无效信息也必然随之增多，信息冗余依然不可避免。但是，算法却可以作为分众化信息筛选的“开关”，对社交分发进行二次过滤。“社交+算法”逐渐成为群体性内容需求市场的重要一环。算法虽然对社交分发进行了二次过滤以达到更精准的分众化需要，但其带来的“负外部性”却依然不可避免。主要表现在两个方面（见图3）。图3算法所带来的“负外部性”负外部性在群体性内容需求市场虽会一直存在，但其影响范围有限。就算法分发平台及用户而言，在一定程度上可以通过其本身的自律自觉解决，而无须行政部门处以强制性操作；就技术产品而言，虽然运用算法的平台只是一家技术公司，但在聚合与匹配信息层面，技术公司应该承担与媒体公司相同的社会责任和道德义务。同时，社会公众也应该提高自身的算法素养[2]，也就是认识、判断、运用算法的态度、方法、能力，更充分地了解智能算法的负外部性，才能在消费或决策过程中不盲从于信息分发平台。3.算法推荐信息：自由选择的同时严守法律红线人们的个体化需求构成个体性内容需求市场。通过各种标签集合和模型，算法可以刻画出用户画像，并以此洞察用户的个体化需求。因此，智能算法在个体性内容需求市场是不可或缺的。但是，算法带来的低级负面信息仍然无法避免。智能算法虽在一定程度上满足了用户的个性化需求，但是其规则仍是靠获取点击量为主要取向。也就是说，算法分发将会最大限度的凸显用户最普遍感兴趣的内容。所以，当用户群体普遍存在低级趣味时，智能算法所推送的信息也往往隐含着负面的价值取向。[3]“投其所好”式的信息分发逻辑本身是没有过错的，但不能违背公共秩序甚至越过法律的红线。智能算法推送应该严守其底线，剔除违规违法、违背公序良俗的信息；同时，在合规、合法的前提下，也应该维护对“红线”之上、用户自由选择信息的空间。在内容和形态方面积极的引导不可或缺，但只有尊重用户自由选择信息的权利，个体性内容需求市场才能焕发活力。4.智能算法在整体、群体、个体内容需求市场上的价值适配不同层次的信息需求构成基本内容市场，智能算法在不同的层次信息需求中的作用有所不同，其优化的方式也就不同：——整体性内容需求市场影响力最广泛，强调共性需求，所以表现出规模性的特点。智能算法在这个层次中作为预测共性需求的工具仍有不足，只有人机协作，才能让算法推送更好地把握共性信息需求，体现人的主导性；——群体性内容需求市场影响力次之，主要原因是分众化需求的规模大小不一，需要在异质中寻找共性。智能算法在这个层级的需求中，需要对信息的分发再次把关，用户身份预设及算法负外部性的影响都不可忽视，但纠偏还是要依靠平台自律和用户自觉；——个体化内容需求市场的影响范围只存在于个体中，个体化需求因人而异，其异质性往往更为细微。智能算法则是满足个性化需求的必要手段，但关键在于不能越过法律的红线。而“红线”之上的种种信息，则需要平台积极引导，让用户自由选择的信息拥有充分的活力和流动的空间。总之，无论是算法所发挥的作用，还是其风险与规制，都需要在不同层次的需求市场分层探讨。在面对智能算法的技术逻辑和社会主流逻辑时，既要让算法平台遵纪守法，又要让智能算法迸发活力。要做到这些，就不能只用法律法规这把“硬直尺”明确信息“红线”，还应该佐以传统编辑方法、平台自律、用户自觉等“软力量”，充分保障智能算法、信息分发的发展空间。三智能算法推荐的技术现状与伦理未来1.弱人工智能技术现实下以人为中心的算法推荐在计算机领域，学者们较为普遍地认为人工智能技术是计算机科学的一个分支，是研究模拟、延伸和拓展人的智能的理论、方法、技术及应用系统的新技术科学。[4]在技术层面，人工智能又分为狭义人工智能（ArtificialNarrowIntelligence，又称弱人工智能）和通用人工智能（ArtificialGeneralIntelligence，又称强人工智能）。弱人工智能主要指可以执行人类为其事先设定任务的人工智能，是不具备自主性的智能体。强人工智能指可以模拟人的大脑工作，具有认知意识和自主性的智能体。目前，我们主要实现并应用的是弱人工智能，主要应用包括自然语言理解、自动驾驶、虹膜识别、机器视觉等。强人工智能目前还仅仅是一种设想。以数据驱动为主的算法信息分发属于弱人工智能，目前来看，其不足之处已经显现：一方面，算法方法具有局限性，目前算法信息分发的主要方法在本质上还是依托于经验和反馈，包括对数据的标注，也是依赖于人的既有经验及事先设定。这种方法适用于认知对象和环境具有接近性、相似性，对条件变化和外界干扰的对抗能力较弱，且经验的稳定性对结果的影响较大；另一方面，由于缺乏思辨能力、创造能力以及情绪表达能力，智能推荐目前能处理的变量数量和水平有限。基于智能算法推荐还将长时间停留在弱智能的现实，以人为中心的算法信息分发仍是价值调试的核心，所以相关的约束及规则都是指向与算法相关的人。2.强人工智能技术下以机器为中心的算法推荐随着人工智能技术的不断创新，其在信息分发领域的应用也不断升级，算法分发的伦理问题也被大众所关注。如果强智能技术下的算法推荐可以实现，那么信息传播将被更深刻地改变。当强智能算法推荐系统拥有与人类对等的思维和主动意识时，伦理危机将可能出现。要解决伦理危机就要建立以智能体为核心的机器伦理。目前，针对机器伦理的