算法推薦對(duì)內(nèi)容生產(chǎn)的挑戰(zhàn)

美國(guó)學(xué)者桑斯坦在《網(wǎng)絡(luò)共和國(guó)》中提出了“個(gè)人日?qǐng)?bào)”的設(shè)想，在互聯(lián)網(wǎng)時(shí)代，隨著傳播技術(shù)的變革和信息過載現(xiàn)象的出現(xiàn)，人們能夠自行選擇關(guān)注的信息，也就是說，受眾完全可以根據(jù)自己的興趣去定制作一份屬于自己的日?qǐng)?bào)和雜志。而如今，“今日頭條”早已將這一預(yù)想變?yōu)榱爽F(xiàn)實(shí)。

一、今日頭條與算法推薦

“今日頭條”由張一鳴于2012年3月創(chuàng)建，是北京字節(jié)跳動(dòng)科技有限公司開發(fā)的一款推薦引擎產(chǎn)品，以“你關(guān)心的就是頭條”為宗旨，利用數(shù)據(jù)搜集、機(jī)器學(xué)習(xí)、推薦引擎等前沿技術(shù)，旨在精準(zhǔn)地為用戶推薦信息。而基于追蹤用戶“閱讀行為”的推薦算法是“今日頭條”的產(chǎn)品靈魂。

算法推薦技術(shù)是建立在數(shù)據(jù)（Online/Digital Data）和計(jì)算方法（Computational Methods）之上的。算法的目標(biāo)數(shù)據(jù)可以分為兩類：一為在線數(shù)據(jù)，包括訪問記錄、用戶之間建立的關(guān)系、物聯(lián)網(wǎng)等；另一類為線下數(shù)據(jù)，包括性別、年齡、興趣愛好、地理位置等。它通過大規(guī)模地收集人類傳播行為數(shù)據(jù)，利用數(shù)據(jù)建模等方式挖掘其背后的模式和法則，形成特定的推薦模型，廣泛地應(yīng)用于數(shù)據(jù)新聞和計(jì)算廣告等場(chǎng)景，具體可分為社會(huì)化推薦（比如好友推薦）、內(nèi)容推薦（例如根據(jù)用戶瀏覽記錄，推薦與之相似的信息）和協(xié)同過濾的推薦（例如根據(jù)排行榜上的熱點(diǎn)內(nèi)容或根據(jù)與自己興趣相似的用戶的瀏覽記錄，來選擇自己喜歡的信息）。

二、算法推薦對(duì)內(nèi)容生產(chǎn)的挑戰(zhàn)

算法推薦技術(shù)的出現(xiàn)，無疑是一種先進(jìn)生產(chǎn)力的代表，但是在方便內(nèi)容生產(chǎn)的的過程中，又在某種程度上對(duì)其構(gòu)成挑戰(zhàn)。

（一）內(nèi)容生產(chǎn)中新聞專業(yè)主義的偏離

在新媒體時(shí)代，新聞專業(yè)主義一直是所有媒體所所追求的一種最高理念。新聞專業(yè)主義作為西方的舶來品，產(chǎn)生于西方政黨報(bào)刊解體后自由報(bào)刊興起的階段。

算法技術(shù)的出現(xiàn)正在扭曲媒體的價(jià)值取向，甚至對(duì)新聞專業(yè)主義造成消解與重構(gòu)。馬克思?韋伯的“理性二分法”將理性分成價(jià)值理性和工具理性兩個(gè)維度。[馬克斯?韋伯.經(jīng)濟(jì)與社會(huì)（上卷）[M]. 北京：商務(wù)印書館，1997:57]“今日頭條”的核心是算法推薦，它雖然可以將點(diǎn)擊率、閱讀量和互動(dòng)行為轉(zhuǎn)化量化的指標(biāo)，但是始終缺少人的感情。由于算法推薦協(xié)同過濾技術(shù)的不成熟，且更加偏向?qū)⒂脩羲械男袨閿?shù)據(jù)量化處理，認(rèn)為熱門內(nèi)容是大家普遍關(guān)心的，并且把點(diǎn)擊量、播放量和停留時(shí)長(zhǎng)作為判斷用戶興趣的依據(jù)。其次，算法推薦的技術(shù)原理是以“受眾”為中心，它會(huì)根據(jù)受眾的興趣，去推薦受眾喜歡看的東西，但是它卻忽視了人性的弱點(diǎn)和行為的偶然性。

（二）創(chuàng)作者和粉絲黏性降低

在碎片化時(shí)代，一方面人們很少花大量時(shí)間去了解內(nèi)容；另一方面，有的創(chuàng)作者利用標(biāo)題黨、抄襲等形式博眼球，更是引起了受眾的反感，這就導(dǎo)致創(chuàng)作者與受眾的分離。算法推薦機(jī)制帶來的副作用是，在龐大的信息流中，作者和粉絲的粘性降低。這就會(huì)出現(xiàn)一篇文章點(diǎn)擊量很高，而另一篇文章卻無人問津的情況，使創(chuàng)作者很難用持續(xù)的議題去吸引受眾，難以打造自己的品牌。

（三）“繭房效應(yīng)”導(dǎo)致信息隔離

美國(guó)學(xué)者桑斯坦最早在《信息烏托邦》一書中提出“信息繭房”這一概念，他認(rèn)為，“在互聯(lián)網(wǎng)傳播中，因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自己愉悅的通信領(lǐng)域，久而久之，會(huì)將自身桎梏于像蠶繭一般的繭房中?！盵孫祥飛.新聞傳播學(xué)熱點(diǎn)專題八十講（下冊(cè)）[M].北京：人民日?qǐng)?bào)出版社，2018:294]???

根據(jù)拉扎斯菲爾德“選擇性接觸假說”，受眾在大眾傳播過程中，更傾向于選擇接觸那些與自己原有的立場(chǎng)和態(tài)度一致或類似的媒介內(nèi)容加以接觸，對(duì)與此對(duì)立或沖突的內(nèi)容有一種回避的傾向。[郭慶光.傳播學(xué)教程（第二版）[M].北京：中國(guó)人民大學(xué)出版社，2011:177]算法推薦技術(shù)正是契合了受眾的這種心理另一方面卻導(dǎo)致“繭房效應(yīng)”。赫拉利在《未來簡(jiǎn)史》中預(yù)測(cè)，“機(jī)器算法將成為我們的主宰者?！盵赫拉利.未來簡(jiǎn)史[M].上海：上海社會(huì)科學(xué)院出版社，2016:55]??

三、建議及對(duì)策

對(duì)于算法推薦技術(shù)的成功應(yīng)用，在國(guó)外早有先例。根據(jù)美國(guó)社交媒體平臺(tái)新聞使用報(bào)告的數(shù)據(jù)顯示，美國(guó)三分之二的成年人通過社交媒體來獲取新聞，其中影響最大也最具有代表性的社交平臺(tái)分別是Facebook、Twitter和YouTube。

（一）精確算法原理，實(shí)現(xiàn)人機(jī)合作

事實(shí)上，機(jī)器不能代替人腦，目前的算法推薦還不能從本質(zhì)上分清內(nèi)容的價(jià)值好壞，而只能從外部數(shù)據(jù)來評(píng)價(jià)文章的質(zhì)量。雖然看似Facebook和YouTobe是基于算法把關(guān)，但是其內(nèi)部也有上百人的“編輯”團(tuán)隊(duì)，幫助優(yōu)質(zhì)內(nèi)容的精準(zhǔn)推送。機(jī)器不等于人，我國(guó)算法平臺(tái)應(yīng)建立線下微信群與內(nèi)容創(chuàng)作者進(jìn)行互動(dòng)，協(xié)助內(nèi)容的審核與分發(fā)；其次，對(duì)于健康類和股市類等關(guān)乎人們切身利益的資訊，人工編輯要對(duì)作者進(jìn)行資格審核，使創(chuàng)作者做到權(quán)責(zé)相當(dāng)。

（二）培養(yǎng)原創(chuàng)內(nèi)容，吸引粉絲關(guān)注

無論是短視頻網(wǎng)站YouTobe還是社交網(wǎng)站Facebook，都是構(gòu)建在UGC和PGC內(nèi)容之上的，依靠用戶上傳視頻、圖文來獲得收益。我國(guó)基于算法推薦的媒體也應(yīng)借鑒YouTobe的做法，和優(yōu)質(zhì)的博主進(jìn)行合作，為其開辟專門的欄目，定時(shí)定點(diǎn)為用戶推送，這樣一來，一方面，博主作為意見領(lǐng)袖，擁有一定的影響力，可以為平臺(tái)引流；另一方面，也為平臺(tái)帶來了新的高質(zhì)量?jī)?nèi)容，彌補(bǔ)了低質(zhì)內(nèi)容的短板。

（三）推薦多元化內(nèi)容，提高新聞價(jià)值觀

Facebook曾多次陷入“偏見門”，前Facebook員工在接受采訪時(shí)表示，我們經(jīng)常壓制保守派新聞。我們要認(rèn)識(shí)到，當(dāng)周圍類似的觀點(diǎn)達(dá)到一定數(shù)量時(shí)，就會(huì)造成受眾認(rèn)為自己處在一個(gè)與自己意見相同的輿論場(chǎng)中，局限受眾視野。平臺(tái)應(yīng)完善“熱點(diǎn)”推送頻道，將每天社會(huì)上發(fā)生的熱點(diǎn)事件以最全面的方式推送到受眾面前；此外，平臺(tái)應(yīng)利用自己的“搜索頻道”將用戶鍵入的信息，進(jìn)行全平臺(tái)比對(duì)，將圖文、視頻、問答以最全面的方式呈現(xiàn)出來，滿足用戶的瀏覽信息的最初目的。

結(jié)論

總而言之，在今日頭條中的算法推薦技術(shù)的確是一種進(jìn)步的生產(chǎn)力，通過不同技術(shù)的組合，算法代替人來執(zhí)行把關(guān)操作，雖然節(jié)省了人力，且推薦的內(nèi)容深受用戶喜愛，但算法把關(guān)的實(shí)現(xiàn)，依然帶來很多問題 。內(nèi)容生產(chǎn)中新聞專業(yè)主義的偏離、創(chuàng)作者與粉絲粘性的降低、“繭房效應(yīng)”導(dǎo)致受眾與外界信息隔離，都將制約其自身發(fā)展，并對(duì)整個(gè)信息環(huán)境帶來不良影響。如何解決這些問題，是否要對(duì)算法技術(shù)進(jìn)行新一輪的完善？是否將機(jī)器與編輯相結(jié)合才是更好的模式？這些問題值得我們深思。