新聞業和你我的宿命，就是被演算法「算計」？

一味抨擊演算法並不是長久之計。真正應該做的，是讓機器更像機器，人更像人，而不是像今天這樣，機器做了人的工作，人卻成了機器。

1

2014年，平台媒體（platisher）一詞首次在《紐約時報》一篇評論中亮相，這個由平台（platform）和出版商（publisher）合二為一的新詞，昭示著二者的蜜月期。

但時隔三年，一場逆流正在湧現。

最近，包括《紐約時報》《華爾街日報》《華盛頓郵報》等在內的一批出版商正在組成聯盟，與臉書和谷歌討價還價，拒絕將自己的內容通過社交平台渠道分發。其核心問題在於，而今平台和演算法的技術邏輯不僅已經深刻地影響到了新聞業的內容生產，還導致了廣告收入的轉移、用戶數據的缺乏和品牌喪失。

是不是很像我們身邊發生的故事？

在中國，今天的資訊信息分發市場上，演算法推送的內容早已超過50%，以今日頭條為代表的一批由科技公司轉型而來的平台媒體，已經取代傳統媒體，正在實質性地把控用戶的新聞接觸。這些「平台媒體」更多地倡導技術中立，演算法把關，去價值觀和用戶體驗優先。而另一方面，越來越多的現象卻表明，人工參與審核，演算法偏見，機構利益和糟糕低智的內容推送，並沒有優化新的傳播生態。

就在這一周，國內對於平台媒體、人工智慧、演算法價值觀、流量綁架等問題，予以了近乎空前的關注。「莫被演算法綁架」的呼聲，多少顯得無奈和悲壯。但浩浩蕩蕩的大趨勢，似乎並不會輕易改變。

新聞業的死與生，糾葛複雜。這也不單是新聞業的焦慮。當人工智慧浪潮席捲而來，幾乎所有傳統行業都面臨一種技術焦慮；人們不斷地言說，卻又進一步焦慮。

當我們談論「技術焦慮」時，我們應該談些什麼？

2

一個現實是，哪怕《紐約時報》們再不滿意，依靠演算法技術的內容推薦，仍在世界範圍備受歡迎。

根據牛津大學路透新聞研究所最新發布的《數字新聞報告2017》，通過對歐洲、美洲和亞太地區36個國家7萬名受眾的分析顯示，超過一半（54%）的受訪者更喜歡通過演算法來篩選故事，超出喜歡編輯或記者的比例（44%）。雖然社交媒體作為新聞來源的增長勢頭有所停滯，但通過移動端聊天軟體獲取新聞和使用一站式內容聚合平台服務卻成為熱門之選。

技術焦慮，是問題也是契機。但在我們身邊，對這個問題的探討，經常會倒向簡單粗暴的技術決定論。很多人往往忽視了技術興起與發展的歷史背景與社會語境，也並未把握住現象背後的利益關係與結構性制約，有些甚至還有基本常識誤判。

比如，作為人工智慧的基礎與核心，演算法既不在初級階段，也不會一成不變——演算法會通過迭代不斷進化，未來還可以實現自編程。而時下通過演算法進行的內容推薦，更多的時候受制於演算法兩端的數據環境。演算法固然有其不足，但演算法並不是讓內容變得粗暴單一的罪魁禍首，信息環境和用戶使用偏好，更是信息推薦窄化的原因。

此外，演算法也不是對此完全無能為力。未來通過元學習、人工好奇心和創造力、優化搜索引擎以及大型學習神經網路的變體等，我們甚至有可能戳破過濾泡，重新實現信息環境的多樣性。

演算法可以解釋為「用於解決某一特定問題或達成明確的目標所採取的一系列步驟」。其最初提出目的，在於希望通過對於事物邏輯的抽象和簡化，來理清亂象、優化結論。勞倫斯·萊西格說，信息社會中，「代碼就是法則」。那麼我們也可以效仿說，演算法就是定律。而「自動化的決策過程」，是演算法力量的核心。

臉書和谷歌這組「雙強寡頭壟斷平台」，靠的就是演算法起家。臉書「動態消息」的邊際排名演算法，被稱為「最隱秘也是最具爭議的新聞推送演算法」，集中體現了其3F價值觀原則——朋友家人大過天（Friends and Family First）；而谷歌著名的「搜索引擎優化」演算法PageRank，在其演算法專利里詳細地列出了評判一條新聞重要程度的13條度量指標，而對於這13條指標及其擴展的匹配程度，直接指向該新聞的搜索排名。

新聞業最初對演算法的應用始於對用戶評論的處理，瑣碎與麻煩的用戶評論被技術性解決了，出版商也樂見其成。而後來大行其道的內容推薦，就是通過演算法對輸入（信息內容）和輸出（用戶需求）之間進行精確匹配。這一思路來自內容營銷和精準傳播，希望通過最經濟的方式將用戶轉化為消費者。

但這一用於企業內容傳播的理念移植到新聞領域，並不完全適用。

3

新傳播生態一出現就狼煙四起。

從一開始的「業務託管」，到後來對於演算法邏輯的妥協，傳播主導權版圖次第演化，這主要集中在四個層面：

首先，隨著媒體中數據新聞、程序員新聞、機器人新聞等技術應用的普及，技術對於內容的結構化和程序化要求增強，原有的新聞采編製作和內容價值體系面臨重構；

第二，基於用戶畫像和演算法推薦的新聞分發系統，將新聞等同於內容營銷，單純考慮覆蓋率、匹配度、分發速度、用戶停留時間和性價比等要素，新聞更為重要的公共利益屬性被忽略；

第三，2016年谷歌和臉書拿下數字廣告總額的65%，數字平台逐漸壟斷廣告市場。新聞業舊有的廣告模式坍塌，新的付費模式尚未健全，經濟危機反噬內容生產，多元深度內容成為奢望；

第四，對於網路空間公共傳播內容質量的忽略，在傳播機制易於形成「過濾泡」、「迴音室」、「逆火效應」和群體極化現象的背景下，劣質內容的長時間、跨傳播級聯停留成為下一輪演算法推薦的「原料」，「演算法螺旋」導致類似內容反覆出現——這也是今天的「今日頭條」們被攻擊得最多之處。

而更重要的是，演算法並非萬能。演算法也有黑箱，它的透明度不高，可信度未知，也絕非中立；而當出現意料之外的風險時，僅靠演算法處理往往無能為力。

作為最典型的「技術性組件」，演算法是互聯網運作機制的底層架構，在實質上管理、策劃和組織著大規模的網路工作，在關鍵位置和基礎層次上決定著上層的應用邏輯。雖然演算法聽起來更多是一種非人為的決策方式，但實際上，多種人為因素都會內嵌在演算法之中，如指標標準、數據提取、語用分析和結果解讀等。

連演算法專家都會擔心，對演算法不加考慮或者在設計源頭就存在的濫用，會造成權力的過分集中，永久性的系統偏見，結構性地削減選擇的可能性、創造性與意外新發現，還會造成更大的社會不公。

4

但從長遠開看，以演算法為核心驅動力的未來技術，仍將重構所有行業。傳媒只是其中之一。

換句話來說，目前新聞業的技術焦慮，更大程度上是對於個體知識結構、整體行業形態、競爭對手水平以及未來發展方向的不確定。事實上，那些平台媒體和演算法技術目前存在的問題，即便是在傳統媒體最為黃金的時代，也並沒有完全克服。

一味抨擊演算法並不是長久之計。我們不如持有這樣幾個基本觀點：

適當地使用演算法，可以提升和改進新聞傳播服務；

演算法本身可以不斷進行學習、迭代和進化，逐漸完善；

演算法本身能力有限，使用需有一定限度。

怎麼使用？簡而言之，應當是讓機器更像機器，人更像人，而不是像今天這樣，在機器成熟度還不夠的情況下，人機功能卻顛倒了——機器做了人的工作，人成了機器。

這不僅是新聞業需要調整的事。對任何行業來說，重複、機械、格式化的數據處理等任務，都可以交給機器和演算法去做，從而提高效率、保證準確；而具有創造性和人文關懷的工作，依舊需要人的參與和投入。

這需要人的自信。至少現階段，僅就複雜情感和綜合認知而言，機器尚未達到動物級，更不要說和人比擬。而目前的人機協同和未來的人機結合，思路都是為了更好地發揮「智能助理和它的天才主人」各自的優勢，共同把事情做好。

就演算法技術而言，在影響其效果最重要的三個方面——存儲、計算和監督中，目前最為薄弱的就是監督。監督包括內部系統監督和外部制度監督，社會真正需要擔心的是，當演算法發展到深度學習可以進行無監督自編程階段時，即便是演算法工程師也無法知道機器內部到底發生了什麼；基於商業等利益的演算法保密，則為來自外部的公共監督再次設置障礙。

而那些由互聯網公司轉型而成的平台媒體，似乎也需要多考慮一點，想想如何發揮其技術優勢來優化傳播生態，如何以實踐經驗反哺立法規則，如何以前沿研究推動技術創新，而不是成天操心廣告分成、流量指標、數據資本和政策搭便車。

說到底，那些所謂的「沒有價值觀」或者倡導「去價值觀」，其實也是一種價值觀。而偉大的科技公司，情懷總還是要有的吧？萬一實現了呢？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！