第五章：算法政治（Algorithmic Politics）

启迪、教育与娱乐。——Reith，1924

推荐算法与过滤系统（例如搜索引擎）是当代民主国家面临的普遍问题。至少，流行的叙事是这样讲的。按照这一套话语，过滤气泡（filter bubbles）或回音室（echo chambers）威胁着我们在社会中获取政治与社会新闻的方式。如果使用这类算法的制度本身肩负着通过平等且多元地分发信息来促进民主的明确使命，那么问题就更加严重。因此，本章将讨论过滤气泡这一议题如何在开发团队中成为问题，以及不同规范性目标之间产生了怎样的含混：一方面是对流行度的追求，以及以 Netflix 或 YouTube 等成功范例为榜样的取向；另一方面则是一种共享的规范性理念，以及在个性化与多样化的信息供给之间取得平衡的（表面上的）必要性。这些问题并不只出现在这家特定广播机构的开发项目中，而是折射出学术界和德国政治系统围绕过滤系统与民主展开的更为广泛的讨论。因此，我将着重梳理这些辩论中的论点，以理解这一议题是如何在本地场所中浮现的，也就是说：它是如何被动员（mobilized）起来的。¶

将过滤气泡视为民主威胁的讨论，取决于关于传播结构以及信息多样性这一规范性目标的特定假设。关于公共领域（public sphere）的讨论尤其建立在一个隐含假设之上：存在着一个融贯而单一的公众。我认为，一种实用主义的、复数形式的公众（publics）概念能更好地帮助我们理解眼前的问题，并有助于我们更好地理解可能的补救之道。我并不假定算法将一个原本融贯的公共领域碎片化了，而是主张：公共广播体制是针对媒介技术的特定配置以及复数公众的生成过程而形成的一种解决方案。多样性作为一项政策目标，在生产共同的传播领域方面具有特定功能。因此，问题与其说是多样性是否得以实现，不如说是它如何被实现。在开发项目中，我们尝试了不同的方法来生产多样性，使之成为一个可把握、可操作的对象。尽管这些方法各有其问题与挑战，它们仍能就必要的后续步骤给我们一些启示。然而从更大的图景来看，问题不仅在于我们如何可能在媒介系统的新条件下生产一个融贯的公众，还在于一个算法系统——比如我们所开发的推荐系统——如何成为了一个政治行动者。在以一种对媒介敏感的方式重新表述实现多样性这一法律与政治目标时，作为技术行动者的算法必须在不同的规范体系之间进行调解，而这些规范体系对互动系统各有不同的想象。¶

选择公共广播机构作为案例，乍看之下或许显得奇怪。技术及其人工物是政治性的（Winner 1980），它们产生影响，它们规制、促成或抵制某些（互动）行动方式。因此，这并非广播机构所特有，也并非算法与机器学习所特有。然而，政治发生的场所是特定的。正如上一章所见，一个组织的社会秩序化体现在输入机器学习系统的数据生产之中。也就是说，机器学习不仅需要某种形式的数据，还需要某种形式的社会秩序。与此同时，公共广播的案例不仅是人工物隐含政治的一部分，而且处于一场关于民主秩序与媒介系统的、持续进行的制度化政治辩论之中。在这里，辩论与议题不仅是隐含的，而且以争议和危机的形式出现。在这场辩论中，由机器学习驱动的信息选择机制挑战着媒介系统既有的政治功能及其秩序化。因此，作为一个诞生于政治辩论、并自诞生以来就一直是政治辩论对象的制度，社会秩序化、机器学习技术与政治权力之间关系中产生的种种议题得以浮现，并可供研究。在研究算法系统的过滤气泡、偏见或不公正时，常被提出的一个问题是：我们应当依据何种规范框架来衡量一项技术的影响？然而，这个问题并不总是容易回答，尤其是当不同的规范理念相互冲突时，例如自由主义与平等。不过，就德国公共广播的案例而言，这个问题原则上很容易回答。其规范性与政治性主张被表述得非常明确，甚至是德国宪法的一部分。因此，使公共广播机构这一组织和制度成为此类研究之案例的原因在于：算法与民主之间的纷争在这里更易把握，规制与算法设计之间的相互作用更加清晰可见。算法政治的议题——无论是小写 p 的政治还是大写 P 的政治——及其向政治与规范性推理的转译，在任何地方都是相同的，但在这里它们表现得非常明确。因此，公共广播既是一个普通的例子，同时又是一个特殊的例子，因为它展示了哪些问题、政治与设计策略被动员了起来，以及它们彼此之间如何关联。¶

动员问题（Mobilizing Problems）

在开发项目中，有两个不同的议题对团队而言变得重要。第一，是公共广播机构的法律与政治义务问题，这在一定程度上使其区别于私营媒体行动者。作为一个公共制度，公共广播机构在德国的民主体制中承担着特定角色。随着这些议题被动员起来，关于推荐系统及其功能的问题在项目中很快就浮现了。然而第二，与 Netflix 或 YouTube 等大型玩家竞争的问题也在讨论中变得重要。为了在不断变化的媒介格局中保持相关性，采用由老牌大型玩家开发和推广的技术的需求也很快出现了。这两个议题都成了开发者的关切事项（matters of concern），然而每个议题都指向一个不同的规范性秩序体系，而这一体系需要在推荐系统的特定设计中得到实现。法律—政治义务以法律规范话语的形式出现，竞争问题则以特定算法技术的形式出现，二者各自带有关于社会互动、目标与问题的假设。因此，下文将讨论这些议题是如何被动员起来的，以及它们如何指向不同的秩序化与规范框架，同时还引入了其他一些看似不可通约的议题。¶

广播机构的民主角色（The Democratic Role of Broadcasters）

2016 年初我加入开发项目时，项目的目标是为一个视频点播（video-on-demand）系统的开发与整合寻找解决方案，以降低为个体用户提供的视频内容多样性减少的风险。在线性广播的条件下，这一问题曾通过编辑对内容的选择来处理，但在非线性广播的新条件下，这一角色似乎发生了转变。问题在于：视频点播是否会导致提供给用户、并被用户消费的话题范围大幅缩减？如果是这样，又该如何缓解？项目在项目说明中将要处理的问题表述如下：¶

公共广播机构的数字服务尤其面临挑战，因为所开发的平台战略不仅要面向用户的需求与反馈，同时还必须考虑“媒体报道的客观性与中立性原则、意见的多样性，以及其服务的均衡性（项目申请书，1，笔者自译）。

这里被凸显出来的问题，源于公共广播机构在德国民主体制中的角色。因此，它指涉一套特定的规范性、法律与政治理想及想象，其根源在于这一政治共同体的法律史发展。德国的媒介体制以及宪法法院的相关判决，赋予了德国的公共服务广播机构某种特定角色。项目团队以这一在德国国家的制度与社会架构中被赋予的角色为出发点，为有待开发的视频点播系统拟定需求。因此，我将简要讨论德国公共服务广播的特定法律面向。这一点之所以重要，是因为它表明：围绕德国媒介体制及其中存在的社会技术系统的讨论持续而棘手，这些系统是法律、社会与技术议题的纠缠，而这些议题必须彼此协调一致。¶

德国媒介体制是基于第二次世界大战之前及战争期间的经验而设计的。在那一时期，广播和电视主要被用作宣传工具（例如 Kallis 2005）。这一体系被用来支撑并巩固国家社会主义者的法西斯体制。基于这些经验，并为了防止重新退回反民主的体制，盟军为新成立的联邦共和国将德国媒介体制设计为一种由分散的公共广播机构构成的去中心化且中立的结构。建立一个家长式但独立的信息供给体系，应当服务于战后社会的民主化，同时也促进对民族国家形成一种不同的想象（Jauert and Lowe 2005）。这些广播机构过去（以及现在）彼此独立，也独立于政府。^[1] 然而，公共广播必须遵守的具体原则来自两个来源。首先，客观性与公正性原则规定于 § 26 para. 2 MStV，即《Medienstaatsvertrag》（《州际媒体协议》，Interstate Media Agreement），以防止在报道立场与意见时出现失衡。《州际广播协议》（Interstate Broadcasting Agreement）也体现了公共广播的政治与法律使命，即稳定并保障德意志联邦共和国的民主。通过为德国公民提供现有政治立场与意见的概览，公共广播机构使人们能够以知情、自由且民主的方式形成自己的意见并作出决定。公共广播机构民主角色的这一理念体现在信息基本供给（basic provision of information）的理想之中；在德国语境中，这一理想最早是由西德广播公司（WDR）前法务总监 Günter Hermann 于 1975 年首先提出的（Grassmuck 2014a）。¶

然而，迄今所描述的公共广播机构的各项法律义务，并未编纂于成文法中，而是从德国宪法（《德国基本法》，Deutsches Grundgesetz, GG）尤其是第 5 条中推导出来的。在联邦宪法法院的许多判决中，GG 第 5 条成为德国媒体法的决定性要素（Grassmuck 2014b）。德国宪法第 5 条第 1 款规定了言论自由，以及新闻自由和广播自由：¶

人人有权以言语、文字和图像自由表达及传播其意见，并有权不受阻碍地从一般可获取的来源获取信息。新闻自由以及通过广播和电影进行报道的自由应予保障。不得实行审查（《德意志联邦共和国基本法》第 5 条第 1 款）。^[2]

多年来，联邦宪法法院在许多判决中对这些权利作出了解释，并由此形成了极为细致深入的规制细节（Hagen 2013）。信息供给的法律义务也被称为公共服务广播的 Programmauftrag（节目使命，Program Mandate）。它源于通过广播进行报道的自由，以及不受阻碍地从一般可获取来源获取信息的权利（见上引文）。联邦宪法法院从这两项权利中推导出公共服务广播机构的一项义务，即使不受阻碍地获取信息成为可能。信息基本供给的理念最早于 1986 年被联邦宪法法院在所谓的第四次广播判决（4. Rundfunkentscheidung）中采纳（Federal Constitutional Court 73, 118）。在这一语境中，报道自由也被视为一种义务，法院在 2007 年 9 月 11 日的一项判决中再次强调了这一点：¶

广播自由服务于自由的、个人的与公共的意见形成。[...] 《基本法》第 5 条第 1 款第 2 句所包含的保障广播自由的使命，旨在建立一种秩序，以确保现存意见的多样性在广播中得到尽可能广泛和完整的表达（BVerfG, Decision from 11.09.2007, Rn 115，笔者自译）。^[3]

联邦宪法法院所表述的这一义务，旨在形成这样一种媒介格局：它确保不同政治、规范与文化立场得到播出，以便对欧洲、国家和地方各区域、生活各领域的一切事件提供全面概览，这也规定于 § 26 para. 1 MStV。因此，信息基本供给的使命不仅规制广播服务的普遍可得性，也关涉所播出节目的内容。¶

然而，随着技术的持续发展以及通过互联网播发新闻和信息的新形式出现，公共广播机构的角色也发生了变化。互联网使人们不再只是以线性方式提供电视和广播节目，而是可以用非线性的方式、以不同媒介的混合来分发新闻，从而模糊了印刷、音频和视频格式之间的边界。调整公共广播机构借助这些新技术提供其节目的方式，就公共广播的基本使命而言带来了挑战。在前文已引用的 2007 年判决中，联邦宪法法院也对新的数字技术条件下宪法所要求的信息基本供给表达了担忧：¶

此外，新技术允许使用导航器和电子节目指南，其软件可被用来影响接收者的信息选择决定（BVerG, Decision. from 11.09.2007, Rn 118，笔者自译）。^[4]

联邦宪法法院的这一担忧反映出这样一种恐惧：借助（尽管未明确提及）算法推荐器，过滤气泡和回音室会出现，成为削弱 GG 第 5 条第 1 款所规定的不受阻碍地获取信息之能力与权利的一种方式。公共广播部门要适应技术可能性已然改变的环境，以及公民消费信息的方式，这为如何实现公共广播带来了新的挑战。这些挑战使得我们有必要重新思考：公共广播如何运作，才能在民主社会以及重新秩序化的媒介格局中履行其原初角色（另见 Grassmuck 2014a）。尤其是推荐算法，已成为协商民主制度及其在当代社会中之角色的讨论中的一个重要元素。¶

项目正是以这些讨论为背景启动的。因此，项目及参与各方都意识到德国公共广播机构的特殊处境，以及引入一项新技术可能引发的潜在问题。然而，讨论很快便聚焦于推荐算法的角色，这些算法正在成为新视频点播系统的核心要素。在一次开发者、学术合作方和在线编辑共同出席、专门讨论推荐系统的会议上，Alice 总结了推荐系统的不同目标：¶

Alice 介绍了推荐算法的两种不同技术，解释了基于内容的过滤（content-based filtering）方法是做什么的，以及协同过滤（collaborative filtering）是什么。一位在线编辑问后者使用什么样的数据。Alice 解释说它只使用互动数据。她还提到，过滤气泡问题是开发中的一个难题，因为尤其是基于内容的过滤容易制造过滤气泡。不过，推荐系统的不同方法与目标可以概括为三种不同的思路：第一，推荐你最可能喜欢的内容，她将其归于“正是为你”（Exactly for you）的标题之下。第二种推荐方法可以产生令用户感到意外的结果，从而创造多样性——标题为“不一样的东西”（something different）。最后，一个目标可以是推荐有争议的话题。在这里，Alice 没有给出例子或可能的标题。编辑团队的成员打断了她，问她能否把一份文件发给大家，还是说他应该做笔记（田野笔记）。

为了在一个围绕“通过均衡而广泛的信息供给来支持民主”这一理念建立起来的制度中处理过滤气泡问题，项目响应了 Crawford（2016）的呼吁，从设计的视角来思考这一问题。对开发者而言同样重要的是，这样一个推荐系统的设计必须深深嵌入公共广播体制的理念与规范性之中，而不能只是简单地购买现成产品。在一次关于是否应购买外部解决方案的讨论中，Bob 在 Slack 上回复道：¶

除了 Charlie 和 Alice 正在讨论的内容之外，我想再次强调，我们应当尽可能把这场讨论提升到一个更一般、更合理的层面，[……] 因为我们正在努力生产必要的专门知识，以便恰恰为公共广播实施并推进推荐（Bob 于 Slack #machinelearning 频道）

需要指出的是，尽管我们所处理的问题在一定程度上是德国特定法律环境的结果，但它并不是由法院或监管机构提出的，而是由参与研究项目的制度自身提出的。因此，公共广播机构希望基于一般性的话语，对开发此类产品时可能出现的潜在或想象中的问题作出前瞻性回应，并将讨论主动嵌入公共广播的道德与规范框架之中。因此，这样一个推荐引擎在事实上是否会违反该制度的法律义务，这一问题的重要性就不如如下观察：这种可能性成了一个关切事项。^[5] 因此，法律议题是由该制度基于一般性讨论（例如 Neuberger and Lobigs 2010）动员起来的。关于德国公共广播机构特定角色的规范理念被动员起来，以改变算法所要解决的问题。开发项目由此在推荐系统的技术实现与一整套法律和政治秩序之间建立了直接联系。推荐系统不仅是计算、代码与数据库的技术实现，也是对德国民主及其制度的一种指涉。然而，这一在组织内部被动员起来的法律架构，并不是实施推荐算法时出现的唯一议题。¶

竞争（Competition）

在开发项目中——以及项目之外——提出的第二个关切，是如何在一个以私营企业激烈竞争和技术进步为特征的媒介系统中保持相关性。Netflix 也多次被当作榜样提及，但同时也被视为竞争对手。下面这张幻灯片由 Alice 和 Bob 在开发团队中分发。它曾在一次由不同公共广播机构参加的会议上被讨论和分发，这些机构在会上直接将自身与 YouTube 和 Netflix 相对照。因此，它代表了公共广播机构内部的这一持续讨论：竞争问题恰恰是在同样提出多样性问题的那个制度内部被动员起来的。¶

[图 6] 在项目团队中分享的幻灯片，显示不同视频点播服务的市场份额（图像见原书第 127 页）

尤其是年轻一代，在这里被描绘为一个不再遵循传统电视消费方式、并已按照 Netflix 等服务调整了观看习惯的消费群体或人群——Netflix 在此处也被明确提及。因此，Netflix 一方面被视为直接的竞争对手，但另一方面，也是更有意思的一点在于，它被视为一种塑造政治经济以及人们观看习惯的力量。这一视角的结果是：人们必须变得更像 Netflix，才能在激烈的竞争中生存下来，同时也要学习其最佳实践和成功经验。简言之，Netflix 成了开发项目——以及项目之外——的榜样。这一点在多次会议中都有所体现，但 Bob 在一次访谈中总结得最好：¶

是的，我觉得，就像，最大的榜样当然是 YouTube 和 Netflix 这类东西。原因很简单，就是人们如何与之互动，它们对人们意味着什么，等等。而且在所有方面，凡是属于推荐的东西 [……] 它们当然都是教科书式的范例（Bob 访谈，笔者自译）

因此，Netflix 以两种不同的方式成为参照点。第一，Netflix 被视为一种市场力量，能够改变政治经济，这体现在观看习惯——例如刷剧（binge watching）——以及用户的期待之中。第二，开发项目所动员的算法技术恰恰来自这些行动者。而这些技术深受 Netflix 及类似服务之问题定义的影响。¶

用于推荐系统的技术之一是协同过滤。这一算法技术直接来自 Netflix 的领域。在我参与项目之初，Alice 发给我一篇解释协同过滤的论文，这篇论文直接产生于所谓的 Netflix 竞赛（Netflix Competition）。在那场竞赛中，Netflix 提供了其流媒体系统的一个数据集，要求参赛者为预测评分这一问题找到合适的解决方案。有意思的是，这篇论文不仅描述了 Netflix 竞赛以及在其中发现的技术，而且实际上正是由多次赢得该竞赛的团队撰写的。¶

我们团队的参赛作品，最初名为 BellKor，于 2007 年夏天在竞赛中登上榜首，并以当时的最佳成绩赢得了 2007 年进步奖：比 Netflix 提高了 8.43%。后来，我们与 Big Chas 团队联手，以 9.46% 的成绩赢得 2008 年进步奖。在撰写本文时，我们仍位居第一，正在一点点逼近 10% 这一里程碑（Koren, Bell, and Volinsky 2009, 47）。

据作者们所说，尽管这是一场竞赛，开发者社群中却一直有围绕这些技术的讨论。作者们描述道，他们“与其他顶尖团队的讨论以及竞赛论坛上的帖子表明，这些是预测评分最流行、最成功的方法”（Koren, Bell, and Volinsky 2009, 47）。因此，开发团队针对推荐问题动员了在其他语境中非常成功的算法方法。如果 Netflix 和 YouTube 是自身开发的主要竞争对手和榜样，那么至少看一看那些被视为表现最佳的技术，是合乎情理的。此外，这些公司也被广泛认为是推动推荐算法发展的重要创新力量（Amatriain and Basilico 2016）。然而，被引入开发项目的推荐技术，是一种规范秩序的产物，这种秩序带有非常具体的假设、目标以及技术得以开发并表现良好的环境。这种良好表现恰恰与算法应当解决的问题纠缠在一起。但 Netflix 要解决的问题究竟是什么？查看 Netflix 大奖（Netflix Prize）的网站，我们看到：¶

Netflix 的一切都在于把人们与他们喜爱的电影联系起来。为了帮助顾客找到那些电影，我们开发了世界一流的电影推荐系统：Cinematch^SM。它的任务是根据某人对其他电影喜欢或不喜欢的程度，预测他是否会喜欢某部电影。我们利用这些预测，根据每位顾客独特的品味向其提供个性化的电影推荐。尽管 Cinematch 表现相当不错，它总还可以做得更好（Netflix Prize）。^[6]

推荐的理念在于匹配用户独特的品味，预测一部电影的可享受程度。这或许并不令人意外，但仍然值得指出，因为推荐可以服务于许多不同的目的。推荐系统的一般目标，一方面建立在信息过载（information overload）^[7] 以及多选项社会中选择负担的叙事之上。因此，推荐系统可以帮助管理和降低现代信息社会的复杂性。这一点也体现在《推荐系统手册》（Recommender Systems Handbook）的序言中，这本书同样是 Alice 提供给我的。Ricci、Rikach 和 Shapira 在其中写道：“推荐系统是在线用户应对信息过载的宝贵手段，帮助他们作出更好的选择”（Ricci et al. 2011, vii）。然而，何为更好的选择并未得到界定。视推荐系统的根本目标而定，生产推荐相关性的形式有许多种。正如 Morris（2015）所指出的，布迪厄式的视角会认为，推荐系统作为一种文化中介者（cultural intermediary），其任务不在于推荐你喜欢的东西，而在于推荐那些可能体现某种文化惯习（habitus）、标示对某一社会阶层或社会环境之归属感的东西。因此，一个假想的布迪厄式推荐系统，其功能恰恰在于不让推荐与你的品味相匹配，而是推荐违背你最初享受观念的物品。一个促进多样性的推荐系统——如 Helberger（2015）所设想的那样——同样未必会推荐你喜欢的物品，而是推荐能够补充一种多样化信息食谱（information diet）的内容。因此，值得注意的是，推荐相似物品以匹配用户品味的推荐系统理念，已经不言自明到了这样的程度：对许多人而言，质疑这种形式的相关性显得很奇怪。不过，回到上述论文，这些假设的背景在其中表述得非常明确。¶

现代消费者被各种选择所淹没。电子零售商和内容提供商提供海量的产品选择，以前所未有的机会满足各种特殊需求和品味。将消费者与最合适的产品相匹配，是提升用户满意度和忠诚度的关键（Koren, Bell, and Volinsky 2009, 42）。

鉴于 Netflix 的强大影响力以及上引 Koren、Bell 和 Volinsky（2009）的论述，这种选择模式似乎并不反映一般性的社会需求，而是针对一种明确的、以市场为导向的需求：让消费者的注意力停留在服务/产品提供者的网站上，并确保他们会回来。Seaver（2019）甚至在这方面将推荐算法比作陷阱。因此，目标在于个体消费，而不是社会地位（“看我看了多么高级的电影”），也不是以信息需求为导向。此外，表述所要解决之问题的措辞选择，也反映了这种态度。推荐系统针对的不是公民、个人或成员——这里每个类别都带有各自的意涵——而是消费者。考虑到这一技术的经济起源（Amatriain and Basilico 2016）以及推荐系统所创造的市场价值，这也不足为奇。时至今日，这些技术已是整个商业模式的核心要素（Smith and Linden 2017），而对用户品味的预测则是市场形成的关键要素（Poechhacker and Nyckel 2020）。因此，可以公允地说，推荐系统的开发主要由市场利益驱动，这一点体现在算法被开发的方式之中。正如 Hallinan 和 Striphas（2016）所论，算法是一种特定竞赛设计的产物。换言之，一个社群明确表述的问题及其视为理所当然的方法，深刻影响着算法技术的构建。¶

需要指出的是，这本身并不是一种批判，而更多是对该算法技术的起源及其所假定要解决的问题的一种反身性（reflexive）说明。这种反身性在项目中变得很重要，因为它表明：通过社群的努力以及学科性委派（disciplinary delegation）与铭写位移（displacement of inscriptions）的过程，后续的开发项目会受到影响。问题及其解决方案，是经由特定的算法技术被引入的，而这些技术与种种服务相连，这些服务带有其自身以市场为导向的视角与愿景，并被铭写进技术之中。这些技术中的信息选择由相似性与市场逻辑所引导。而且它们是在一个经济性的、市场驱动的环境中被开发和评估的。因此，其目标是将信息缩减为一组足够相似的物品，以使消费者持续与平台互动。¶

技术的议题（Issues of Technology）

从 Netflix 及类似来源引入算法技术，也同时引入了这些技术关于问题、互动与解决方案的脚本化假设。正如我们在前几章所见，算法技术并不只是可以拿来应用的工具，它们同时也指涉整个社群以及由这些社群所表述的议题。在德国一家公共广播机构的语境中，推荐系统所解决的问题，与关于公共广播机构应当如何运作的规范理念之间产生了某些摩擦。推荐系统被视为给广播机构的在线业务引入了一些成问题的特性。这两种问题定义——一种来自 Netflix 之流，另一种来自公共与民主话语——并不是凭空在项目中被动员起来的，而是各自连接着更大的规范秩序。其一是一种广为流传的理解的核心，即把公共广播视为德国民主的核心制度；其二则来自一个讨论并开发推荐系统的商业社群。这两个被动员起来的问题，在推荐系统所表述的目标中制造了一种必须加以处理的张力。如前所示，开发项目夹在两种非常不同、被引入开发项目的关切与问题之间——而且二者彼此直接对立。作为一个肩负促进民主话语这一特定任务的公共制度，这引出了在推荐系统中生产多样化信息集合的想法。然而，竞争的关切却导向了恰恰相反的问题定义——即生产个性化的、经过缩减的信息集合，以辅助媒介选择，同时让用户留在平台上。¶

要理解作为整体性传播空间之驱动力的多样性与媒介服务个性化之间的这种张力，我们需要重新审视其背后的公众观念。公共广播服务的民主功能，建立在提供全面信息以使公共领域中的讨论成为可能这一理念之上。重新表述关于公众的种种理念，或许能为契合当前媒介格局转变的解决方案铺平道路，并在推荐技术中重新铭写假设、议题与解决方案。因此，我们首先需要理解当代民主在过滤系统方面的根本问题，并对其加以重新表述，以找到社会技术的答案。虽然我已经讨论过德国的情况，但它只呈现了这一议题的一个具体实例，而这一议题可以在更广泛的意义上被问题化。因此，在下一节中，我将讨论政治理论中关于过滤气泡的一般学术讨论，以及专门针对推荐系统的讨论。¶

算法、话语与若干议题（Algorithms, Discourse, and Some Issues）

自过滤气泡或回音室出现在学术讨论中以来，这些概念就一直被与整体意义上的民主联系在一起。欧洲委员会（Council of Europe）在 2007 年宣称，“媒体多元化与媒体内容的多样性对于民主社会的运作至关重要”（Council of Europe 2007 cited in Helberger 2018, 155）。如前所述，这一点已被德国宪法法院所采纳，也成了软件项目中的一个议题。然而，这也关涉民主内部其他更宏观的问题。如果像人们所宣称的那样，广泛的信息食谱是当代民主的必需品，那么这就触及了关于民主应当如何运作的某些假设与预设。我将重新审视那些可以与过滤问题相关联的民主理论，以及公共话语在其中所扮演的角色。这样做将有助于说明，为什么推荐系统和其他信息过滤器被认为是危险的。在论证中，我将对这场讨论作一个宽泛的概览——对民主之传播结构的深入讨论，即便不需要一整座图书馆，也肯定需要一本专著。不过，目的并不在于提供全面的讨论，而在于凸显政治理论中公共话语的核心特征——以及为什么推荐系统似乎挑战了公共话语在民主社会中的功能。为此，我将引入理论路径的一种区分：其一我称之为以共识为导向的民主理论（consensus-oriented democratic theory），其二则是冲突的政治理论（political theory of conflict）。与所有分析范畴一样，这样的区分总有几分人为，也可以找到对理论贡献进行秩序化的其他形式。但我这样做，是为了说明：这些不同的民主话语概念在根本上面对着引入新的算法媒介时的同样挑战，尽管解决方案会有所不同。随后，我将回顾在公共广播语境中被讨论的多样性概念，说明这一概念回应了哪些问题、它本身又带来了哪些问题，以及我如何将其置于民主理论视角的更大框架中加以语境化。最后，我将指出这场讨论的两个缺陷：对一种整体性公共话语的假设，以及多样性的去语境化。¶

政治理论的议题：公共话语的碎片化（Issues of Political Theory: Fragmentation of Public Discourse）

媒介系统是政治共同体的核心要素，因为像民族国家这样的政治共同体，其理念本身正是经由并借助通过这种传播形式所传递的共享想象与愿景而形成的（Anderson 2006）。为了使一个共同体能够将自身视为共同体，必须找到某种能够以某种方式把该社会所有成员联结在一起的传播形式。Anderson（2006）所指涉的，是把那些在时间和空间上原本永远不会相遇——因而也无法组成一个社会——的个体黏合在一起的问题。因此，对 Anderson（2006）而言，一个民族的媒介系统是构成共同身份、共同目标和共同想象（imaginaries）的关键要素。正如 Taylor（2004）所表述的，后者在构成关于事物应当如何的共享理解方面十分重要。也就是说，它们传递着一种供个体取向的规范框架。书写文本或录制声音与图像，使超越当下情境、跨越地理与时间距离的新型社会关系成为可能（另见 Marvin 1990）。这也就把社会建构的关系性观念（例如 Simmel [1908] 2009）与诸如“社会”这样的稳定社会实体的整体性理念联结在一起。因此，核心的媒介基础设施是现代社会的重要制度。但媒介系统被赋予的角色，在不同的政治体制中各不相同。¶

自由民主的前提是多元主义，即多元主义是“民主之公共文化的一个永久特征”（J. Rawls 2005, 36）。因此，自由民主的理念建立在这样一些形式之上：通过包容与话语的手段，在不同的理念、利益与身份之间寻求妥协，以在不同立场之间达成政治共识。与此同时，为了防止极化和极端的立场，这就要求公民能够自由而自主地形成一种知情且有教养的意见。虽然我在这里所说的以共识为导向的民主包括一系列不同的路径和理论，但这是它们共有的一个特征。对于自由民主的重要思想家 John Stuart Mill（[1861] 2020）而言，知情的公民是参与自由民主的一个重要前提。这一观点基于启蒙运动关于政治上受过教育之公民的理想，即公民能够基于理性推理作出自己的决定。与这一理念并无太大差别，共和主义的民主视角追求的是有德性的公民，这样的公民“应当是开明而知情的，以便代表共同体作出良好决定”（Mossberger, Tolbert, and McNeal 2007, 6）。而协商式或参与式^[8]的路径同样强调，有能力且知情的公民是成功参与的前提。参与要求参与者有能力被倾听、从而被包容，但也要求他们能够接纳他人的论点与立场，从而达成共同的解决方案或结论。然而，对有能力之成员的需求，给以共识为导向的民主形式造成了一种两难。这些理论在表述对受过教育且知情之公民的需求时，表述了一种基于能力而非群体成员身份的包容或排斥模式。这对参与式或协商式民主的路径而言尤其成问题，因为包容对这些民主形式至关重要。这一张力随后以不同方式得到了化解。例如，Barber（1988）假定公民已经具备这些品质，也就是说，Barber 把知情且有能力的公民视为既定前提。他进一步论证，处理政治议题的能力是面对这些议题的结果。因此，让公民参与政治讨论、使其面对不同的议题，便能使他们在民主体制中参与进来。在这一论证中，代议制民主不允许有能力的公民出现，因为政治议题是在专家之间而非与公民一起讨论的（另见 Parry 1989）。另一些思想家如 Warren（1992）则不认为我们可以简单地假定这些品质，因此提出有必要使个体成为有能力的公民。为了作为民主而运作，国家必须通过为人民提供信息和教育来生产其自身的基础。¶

从这些民主路径中，可以推导出国家有义务通过提供信息，使其公民能够参与政治讨论。这一要求后来——例如在德国语境中——被表述为公民的一项权利，同时也物质化为一个积极使公民能够自我获取信息的公共广播体系。在一个知情的公众之中，所有论点都得到交换和评估，而且——最重要的是——能够被看见。有经验证据表明，这样的公共领域能够促进社会包容（Huckfeldt, Johnson, and Sprague 2002）和政治参与（Mutz 2006）。因此，自由民主的想象建立在生产一个共同传播空间的基础之上，在这个空间中，这些不同的声音和意见得到讨论。这一视角被 Habermas（1991）推向了极致：他认为公共领域应当是一个免于权力与压迫的领域，实现所谓的理想言说情境（ideal speech situation）。在哈贝马斯式的公共话语中，最佳论点之所以胜过其他论点，仅仅是因为其合理性，而不是因为某种权力游戏。这导向这样一种状况：不仅每种立场都得到倾听，而且政治决定也获得普遍接受。因此，一个共享的公众是实现自由的、协商的、更不用说理性的治理与民主形式的关键要素。¶

能够以理性方式形成自身意见的知情公民这一理念，受到了不同学者的批评。其一，受过教育的公民这一理念表现出将部分人口排除在投票之外的倾向（Ten 1998）。在这一视角下，参与无法像在一个多元社会中所应当的那样具有包容性。尤其是因为这会把结构性不平等延伸到政治领域。通过表述一种受过教育的、理性的、知情的决策理想，社会经济上处于不利地位的那部分人口将被排除在政治体制之外（Englert 2016）。针对理性与协商式共识理想提出的第二个论点，反对的是共享合理性的理念。知情且受过教育的选民这一理想，取决于共识可以通过理性论证与妥协而达成的理念。然而，John Rawls（2005）认为，寻求一种外在的合理性或任何其他共识建构原则，都会破坏自由主义的原初目标及其对多元主义的承认。如果存在一种真正的合理性，多元主义就会被去合法化，因为我们拥有了评估政治立场的外在参照。多元的理想于是偏离了这一种真正的合理性——因而是错误的。Schumpeter（[1942] 2008）也提出了这一批评，他关注的是他所称的古典民主理论对公共利益（public good）的取向。按照 Schumpeter 的说法，并不存在一个可以识别的、一群人能够就其达成一致、或能够通过理性论证而被带向一致的单一公共利益。这不仅仅是因为关于公共利益的理念过于不同、过于多元。按照这一批评，归根结底，生产一个受过教育且知情、因而能够参与政治话语的公民，这件事本身就偏向一种霸权性的政治与合理性理念。¶

因此，对另一些人——例如 Chantal Mouffe（2005）——而言，民主与政治（the political）并不像 Habermas 所构想的那样是对共识的寻求和理性论证的结果，而是创造了这样一种潜能：“颠覆民主社会中始终存在的、将其边界自然化并将其身份本质化的诱惑”（Mouffe 2005, 105）。也就是说，每一种民主治理形式都是一个霸权体系，基于（政治）权力的积累而偏向某种立场而非另一种。民主与其他体制的区别在于重新安排权力分配的可能性，即把权力交给其他理想和行动者。在这种可能性不复存在之处，就不存在真正的民主。然而，以共识为驱动的民主会导向一种后民主（post-democracy）状态（Crouch 2004; Ranciere 2005），其中公民的参与被削弱。例如，Ranciere（2005）认为，共识建立在排斥那部分在制度化形成的政治共识中未被代表的人口之上。结果，共识暗示了一种共同达成的决定，而它可能只是把偏离的立场排除在了话语之外。因此，对 Mouffe（2000, 62）而言，至关重要的是不同的“围绕明确区分的立场而形成的集体身份，以及在真正的替代选项之间进行选择的可能性”。在对以共识为驱动之民主的批判中，她认为一种共同的合理性导致了这样一种政治体制：不同行动者向颇为相似的立场趋同，不同选项之间只剩下细微差别（Mouffe 2005）。^[9] 按照 Mouffe 的说法，由于不提供真正的替代选项，政治体制被削弱了，并让颇为极端的政党得以崛起。虽然冲突驱动的民主理念在一些根本点上不同于自由的、共识驱动的民主体制理念，但公共领域的角色在这里同样相当重要。其重要性不在于教育公民、从而使其能够参与知情的讨论，而在于使真正的替代选项变得可见，从而提供成为另一种集体身份之一部分的可能性。在民主体制中于不同立场之间进行选择的能力——无论这些立场是否被视为理性的——取决于首先能够看见它们的能力。因此，一个使某些立场变得不可获得的媒介系统会阻碍潜在的变革——其效果与根本没有替代选项无异。^[10] 因此，在这种民主政治体制的概念中，一个回响着大多数（如果不是全部）意见的共享公众同样重要。¶

对于不同的民主理念而言，共享的公众同样重要：要么是为了生产一种共同的公共利益理念或理性决定，要么是为了以替代性的理念和路径与既有体制相对峙。诸如搜索引擎或推荐系统这样的过滤系统，如今正积极地挑战着媒介系统在这样一个社会的政治体制中的这一功能。基于经验研究，Thorson 等人（2021）认为，虽然个体选择对信息接触有重要影响，但推荐算法充当着集体行动与个体选择之间的中介者，从而塑造了信息接触。在这种信息接触的共同生产（co-production）中，算法扮演着核心角色，它基于所观察到的集体行为为用户选择合适的信息。因此，尽管我们生活在一个可获得信息比以往任何时候都多的时代，这些机制却减少了我们可获得的信息量。原则上，这是一种有意义的复杂性缩减方式。然而，当涉及关于政治议题的公共话语时，这些技术可能会使政治话语碎片化。¶

从这样一种视角出发，就可以清楚地看出，为什么过滤气泡的出现以及随之而来的公共领域碎片化，对于话语导向和冲突导向的民主形式而言似乎同样成问题。如果没有共享的信息使人们自我认同为一个更大共同体的一部分，Anderson 所指的那种想象便失去了将高度复杂且分散的政治共同体黏合在一起的能力，从而导致一个由对立且往往互不相连的社会群体构成的、极化而分裂的公众。这不仅对作为想象的共同体（imagined community）本身的民族国家成问题，而且尤其对当代民主成问题（例如 Sunstein 2009），因为在共享话语中寻求政治共识的过程遭到了破坏。在过滤气泡和共同体之间传播隔离的条件下，这些话语变得自我指涉。通过计算，过滤算法不仅把内容分类为相关或不相关，还创造出一些人群，这些人——基于所观察到的行为——作为一个类别而行动。共识在每一个过滤气泡中各自达成，导致民主与社会的多重实演，这可能破坏参与，并生产出极端且不可通约的立场。^[11] 就想象的共同体瓦解为许多不同的共同体而言，这是一个问题。¶

如果我们现在设想一个缓解这些效应的推荐引擎，我们会得到一种理想类型的路径：它分发种类广泛的信息，展示外面都有些什么。但这样一个哈贝马斯式推荐系统不仅会提供“其他论点存在”这一信息，还会使公民能够理解和评估这些论点。因此，一个哈贝马斯式推荐器将是一种对论点进行语境化的持续练习。这是一种理性算法的理想，处于一场永无终结、只要出现更好的论点就总能被重新开启的话语之中。¶

在那些不偏好共识、而偏好冲突导向之民主参与形式的政治理论中，过滤系统同样是一个问题。Crawford（2016）援引 Mouffe 提醒我们，算法未必具备使其成为公共立场之良好中介者的那些品质。由于遵循选择相似内容的逻辑，用户——潜在地——以一种限定其可能采取之立场的方式被治理。正如 Mouffe（2005）以及其他人（例如 Papacharissi 2010）所论，虽然数字技术尤其是互联网可以成为增加和支持这些不同立场及其涌现的工具，但问题更多在于互联网的实际结构：在其中，一些过滤系统——例如 Google 的搜索引擎或 Facebook——成为进入这些信息领域的核心入口。通过生产内容同质的微型公众（micro-publics），不同立场之间产生异议的可能性即便没有被剥夺，至少也被削弱了。因此，作为过滤气泡之主要关切的传播与信息碎片化，似乎提供了颠覆“不断演进、永不完美的民主”（Papacharissi 2010, 79）中所需之颠覆的手段。然而，算法缓解策略将需要一种不同于哈贝马斯式推荐系统的路径。一种激进民主的算法会去寻找替代性的、对抗性的立场，从而使人们能够围绕清晰可辨的立场来确定自己的归属。因此，这样一种算法未必会去寻找对论点的语境化，或提供关于某一立场的更多信息，而是会凸显该立场与其他立场的不同之处。¶

虽然传统推荐系统所带来的挑战对这两种民主话语路径而言在根本上是相同的，但解决方案可能看起来不同。然而，在这两种视角中，共同传播空间的政策都是防止某一群体支配其他群体的手段（另见 Karppinen 2013）。因此，建立一个共同的、包容的、独立的传播基础设施，是在一个（政治）共同体中限制和分配权力的重要前提。这些一般性关切也在公共服务媒体特有的话语中得到了讨论，这一话语尤其聚焦于推荐系统与信息多样性的问题。¶

多样性话语（Diversity Discourse）

关于公共服务推荐系统的争论并不新鲜。恰恰相反，围绕过滤气泡（filter bubble）以及公共广播机构在推荐系统方面所负民主义务的讨论，早已在学术界内外引发热烈争论。这一议题不仅在德国法律语境中得到讨论（e.g., Dörr, Holznagel, and Picot 2016），而且至少自 2011 年以来，也在一个规模虽小却不断壮大的国际性、跨学科学者共同体中得到讨论（e.g., Breeman, Breeman, and Helberger 2011; Helberger 2011; Seaver 2012）。¶

正如上一节所讨论的，民主话语取决于这样一种观念：存在一个由彼此交流的观念、理想与立场在其多元性中构成的共同领域。然而，这随即引出一个问题：这样一种观念能够或者应当如何在媒体系统层面得到处理？随后，Helberger（2011）或 Napoli（2011）等学者将多样性（diversity）表述为一个概念和政策目标，以便在媒体情境中将多元主义（pluralism）的观念加以操作化。按照 Helberger（2019）的理解，多样性因此必须囊括特定共同体内的每一种重要利益，包括关于政党、立场、经济发展以及宗教等非国家利益团体的新闻。这种对多样性的理解如今似乎与推荐系统的功能相抵牾。因此，在下文中，我将聚焦于在多样性名义下被讨论的问题，同时也关注多样性概念本身的缺陷。¶

多样性是公共媒体系统中新闻分发的核心原则。然而，随着媒体技术从线性分发模式向非线性分发模式的持续转型，推荐系统正在成为广播中的重要元素。按照 Van den Bulck 和 Moe（2018）的说法，这给公共广播机构造成了一种两难。一方面，它们肩负需要履行的法律和政治任务；另一方面，这项技术的设计初衷是提供依用户需求而定制的内容。在线性、集中式广播的条件下，多样性观念植根于编辑的实践之中：由编辑决定节目应当是什么样子、哪些信息需要播出以及以何种形式播出。然而，随着向新的媒体生态以及过滤信息的算法的转变，多样性与流行度之间出现了一种张力。¶

因此，作为公共广播政策目标的多样性似乎与现代推荐系统相抵牾。人类编辑制作的节目代表着社会的多元性，而算法选择的内容则多样性较低，并且有可能使媒体组织承受制作流行内容的压力。因此，这些系统并不必然遵循作为公共广播机构精神气质（ethos）之组成部分的多样性观念。按照 Sørensen（2019）的看法，推荐系统在信息提供的多样性方面可能引发的这些问题，加上公共广播服务不得不周旋其中的政治环境，导致公共广播机构对推荐系统的采用相当迟疑。¶

这不仅在政治层面，而且在概念层面带来了挑战。多样性本身就是一个难以把握且多维度的概念（Napoli 1999）。Helberger（2018, 154）指出，在这场讨论中“仍然存在相当大的概念分歧”。这一点在 2018 年成立，今天依然成立。在这方面，多样性被区分为结构多样性（structural diversity）、内容多样性（content diversity）和接触多样性（exposure diversity）来讨论（see also Joris et al. 2020）——这导致了多样性概念在用法上的某种“多样性”。结构多样性指媒体所有者和来源的多元性，处理的是媒体部门中的市场集中问题（Karppinen 2013）。内容多样性处理的是被分发且实际上可以获取的内容的多样性（Roger & Tang 2009; Hargittai 2000），即向用户提供的内容。而接触多样性处理的则是用户实际主动消费的内容的多样性（Napoli 2011）。不过，还存在其他形式的多样性，它们提出了代表性（representation）问题。Malik（2018）提醒我们，多样性也可以应用于内容生产者群体，或应用于被推荐内容中所呈现的社会群体，例如以种族偏见和性别偏见的形式出现。由此可见，多样性作为一个概念几乎被应用于媒体系统的每一个层面：生产、组织、分发和消费。因此，多样性是一个涵盖了极为多样的多元性观念的总括性术语。¶

就推荐系统而言，多样性主要是在内容多样性和接触多样性的意义上被讨论的，前者着眼于供给侧，后者着眼于消费侧。至于哪一种代表了公共广播的精神气质、从而履行了公共媒体系统的民主功能，学界存在争论。推荐系统最初的问题在于可获得信息的减少——从而也是选择的减少。因此，在推荐中创造多样性，便可以赋权观众，使其能够从不同的、想必是陌生的内容中进行选择。Bennett（2018）认为，通过一扇“意外发现之窗”（serendipity window）（Bennett 2018, 118）呈现新颖、令人惊讶或具有挑战性的内容，将使公共广播服务区别于商业竞争者。对于实现德国联邦宪法法院所表述的信息权而言，这里所提出的内容多样性与意外发现无疑似乎已经足够。然而，Napoli（2011）和 Burri（2015）等其他学者则主张接触多样性。他们的论证基于这样一个观察：所提供内容的多样性与用户所消费内容的多样性之间，并不存在确凿的或因果性的联系。因此，以知情公民（informed citizen）这一政策目标为背景，对这些学者而言，接触多样性比内容多样性更为重要。后一种路径关乎使公民能够获得信息，而前一种路径则主动地想要生产出知情公民。因此，正如 Sørensen 和 Hutchinson（2018）所表明的，推荐系统的问题界定取决于其背后的社会想象，以及赋予公共服务推荐系统的特定角色，这引出了“公共媒体服务（PMS）语境中公共广播服务（PBS）家长主义这一棘手问题”（Sørensen and Hutchinson 2018, 97）。因此，人们要处理哪一层面的多样性，取决于所作出的规范性假设。¶

争论中的若干缺陷（Some Shortcomings in the Debate）

在本节中，我简要回顾了关于算法系统中过滤气泡的讨论、公共领域（public sphere）在民主中的角色，以及多样性在这一讨论中的角色。然而，这一讨论在一个重要方面有所不足。公共领域和多样性都被当作特定社会中的静态元素来讨论。然而，要充分把握媒体技术、民主话语与多样性之间的关系，将我们的注意力转向这些元素的生成过程可能会有所助益——尤其是在新媒体生态不断变化的条件下。¶

首先，将我们对公众的看法从某种既定之物转向在特定社会技术环境中被达成之物，可能是富有成效的。这样做就是将公众视为实践以及异质行动者——包括通信基础设施——之间互动的结果。于是，公众的形成会在不同的技术与社会配置下发生变化——它是动态的、偶然的。对于 Anderson 以及其他一些人而言，20 世纪发展起来的大众媒体系统能够生产出这样一种公众，但这只对通信渠道与结构的某种特定配置成立。在线性广播的条件下，一个集中式的线性通信平台得以建立，（公共）广播机构充当着信息削减的代理者。在那里，多样性是通过编辑团队的专业知识与经验生产出来的，由他们将不同且有意义的媒体内容组合在一起。然而，在当前数字化、网络化传播的条件下，这一系统已转变为一个非线性的、往往是去中心化的系统，新出现的行动者借助搜索引擎或推荐系统等新手段来选择、削减和分发信息。因此，一个共同公众的生产——倘若它曾经真正实现过的话——必须适应新出现的通信基础设施与模式。¶

与此同时，关于多样性的讨论把信息分发与信息消费之间的关系抽象化，归入“算法”这一概念之中。围绕搜索引擎或推荐系统的讨论往往把过滤气泡效应仅仅归根于算法。尽管这一议题上最初的文献是理论性的，但对经验证据的探寻仍在继续。针对 YouTube 的经验研究发现，基于该平台推荐算法存在强烈的极化效应（O’Callaghan et al. 2015）。在搜索引擎方面，学者们也认为，我们可以观察到搜索结果偏向已经流行的内容的偏差（Halavais 2017; Introna and Nissenbaum 2000; Rogers, Becker, and Stalder 2009）。这在信息选择方面便成了问题。Unkel（2019）在一项经验—实验设计中表明，搜索结果的排序对信息选择有很强的影响。因此，这些发现似乎支持迄今为止所表述的过滤气泡假说。然而，另一些研究得出的结论是，不存在过滤气泡效应，或者这种效应并不强烈（Courtois, Slechten, and Coenen 2018; Puschmann 2019）。尤其是，Bakshy、Messing 和 Adamic（2015）在一项经验调查中发现，社交网络对过滤气泡形成的影响并不像通常认为的那样强烈，因为这些气泡更多是用户自己塑造其环境和选择逻辑的结果。Puschmann（2019）在考察 Google 搜索和 Google 新闻中政党呈现方面可能存在的过滤气泡之后，得出了类似的结论。此外，正如 Quattrociocchi、Scala 和 Sunstein（2016）在 Facebook 上所观察到的，确认偏差（confirmation bias）现象已被认定为解释回音室（echo chamber）形成的一个重要因素。另外，经验检验表明，个性化并不必然导致多样性降低（Möller et al. 2018），甚至会使所消费新闻的多样性有所提高（Beam and Kosicki 2014）。¶

这些不同的发现提示了这样一个问题：过滤气泡和有偏差的信息选择（也）是平台特有逻辑以及所涉异质行动者之间互动模式的结果。过滤效应的出现不能仅仅归因于某个算法，而应同时考虑平台以及平台所嵌入的更广泛的媒体环境（Helberger 2018）。搜索引擎的运作方式不同于社交网站。YouTube 本身作为一个平台，兼具这两个世界的特征。因此，信息接触是一个多维度的过程，在这一过程中，主动选择与算法策展（algorithmic curation）共同作用而形成接触。无论在内容提供还是在算法选择过程中，实践与期待的持续转变与调适都会产生高度不稳定的过滤结果，这些结果建立在对信息来源的排除与纳入之上。因此，一个经算法计算的公众的结果，总是从消费者、提供者与算法系统之间复杂的互动中涌现出来的（Mager 2012）。^[12] 然而，这其中也包括“为试图‘操纵’（game）搜索算法而出现的个人、机构和行业”（Crawford 2016, 82）。用户通过选择和行为模式塑造自己的环境，提供者试图操纵算法，而算法本身则通过重新计算对这些过程作出反应。但与此同时，平台服务提供者也在不断调整算法，以规避不想要的效应（Mager 2012）。然而，并非每个人都同等地拥有影响选择过程的能力。虽然在数学上不同的互动之间并无区别，但技术诀窍和平台的设计会以不同方式分配影响信息流结果的权力，使少数人得以推送某些内容，从而加剧回音室效应（Jamieson and Cappella 2008; Meraz 2009）。此外，媒体学者批评说，新形成的群体可以通过 Facebook 广告系统而被定向触达。就这样，Facebook 允许广告主专门定向那些被其标注为“情绪不稳定的青少年”和“仇恨犹太人者”的群体（Angwin, Varner, and Tobin 2017），或者定向具有特定政治兴趣的人群，从而得以针对这些群体投放量身定制的内容——并可能影响投票行为（Kim 2016; Kim et al. 2018; Kreiss and McGregor 2018）。因此，这些机制非但没有尝试将这些被共同生产出来的亚群体纳入更广泛的公众或新闻接触之中，反而可能强化既有的极化，并建立新的集体行动形式（Bimber 2003; O’Callaghan et al. 2015）。不过，这并不必然是算法的结果；在广告定向的情形中，它是平台及其商业模式的一种特定逻辑。因此，过滤气泡问题必须针对特定的信息提供形式加以语境化，无论是搜索引擎、社交媒体网站、视频门户还是其他。过滤气泡并不只是某个算法的结果，而是在用户、算法、平台和经济利益之间共同建构起来的——并且需要具备在所有这些因素之间周旋的、针对特定平台的专业知识（Allgaier, Geipel, and Morcillo 2019; Cotter 2019）。¶

这些发现表明，我们不能孤立地谈论推荐算法。相反，具体技术被应用于其中的语境至关重要。要解释过滤技术的效应，我们必须承认算法技术及其历史，以及它们在其中运作的平台逻辑。讨论的这些方面指向这样一种理解：公众与多样性是在一种情境化的互动秩序中的实践成就。探讨公众角色的路径不应只是假定外面存在着一个公众，而算法如今正在扰乱或损害它。相反，把公众理解为一种成就而非既定之物，便将问题转向了公共话语的生成过程。转向这样一种视角，也使我们能够看到，作为规范性概念的多样性如何与这些生成过程相互作用，以及我们可以如何改变这些过程，以实现某种特定的多样性规范目标。因此，这要求对推荐系统与多样性这一规范目标展开细致且语境化的讨论。媒体技术是这些生成过程中的一个重要元素，而过去几十年间的技术发展已经改变了公众被构成的方式。因此，重新设计媒体行动者也会改变公众被生产的方式。要做到这一点，我们必须首先改变我们的公众概念，并追问政治信息与传播的空间是如何被生产出来的。因此，在下一节中，我将基于 John Dewey 的实用主义哲学，讨论一种理解公众（public(s)）的不同路径。¶

实践公众（Practical Publics）

公共话语与信息提供的问题，并不是在互联网被发明之后才出现的新现象。转向基于实践的公众概念，尤其是来自美国实用主义（American Pragmatism）^[13]的观念及其在 STS 中的接受，可以为关于数字技术的角色以及如何应对一个日益分裂的公众的讨论增添一些东西。在下文中，我将以 John Dewey 关于民主与公共领域的构想及其在 STS 中的接受为论证基础。基于实用主义者对个体实践的关注，Dewey 提出了一种公共参与理论，该理论建立在两个基本假设之上。第一，政治参与是以在行动之中（in actu）产生的议题（issue）与问题为中介的（see esp. Marres 2007）。第二，人们相当有能力自行识别相关的话题。因此，公共讨论并不（仅仅）围绕专家所生产的话题展开，而是围绕人们在其（互）动中所遭遇的话题、对象和问题展开。这里需要注意的是，对 Dewey（[1927] 2006）而言，个体所面临的问题是其他个体或制度的集体性、非意图行动的结果。^[14] 因此，在一种以实践为导向的路径中，公众是集体行动后果的产物。¶

公众由所有那些受到交易（transactions）间接后果影响的人组成，这种影响达到了被认为有必要对这些后果加以系统照管的程度……这种［对这些后果的］监督和调节无法由初级群体自身来实现。……因此，若要对这些后果加以处理，就必须设立专门的机构并采取专门的措施（Dewey 1927, 15–16 cited in Marres 2007, 767-768）。

因此，对 Dewey 而言，公众是受到（集体）行动结果影响、且这些影响对其成为问题的那群人。Dewey 相信这些问题可以被客观地识别，而 Marres（2007）则认为，问题必须被表达出来（articulated）才能成为议题。因此，在对实用主义的现代诠释的意义上，只有被传播的问题才是议题。在把问题表达为议题的过程中，我们也把客观给定之问题的观念转向了议题及其相应的公众，将其视为一种实践成就。把不同行动者聚集在一个议题周围的过程，是一个关乎传播、诠释和地方性实践的问题。一种议题界定可能被某人接受并应用于自身的处境——也可能不会。基于这一推理，实用主义视角将公众及其相应的议题视为一连串互动的结果。公众并非只是既定的，而是在实践中被建构的。¶

这种公众观念包含一个重要结论——并不存在一个单一的公众。相反，诸公众（publics）是将人们与从集体行动中产生的议题联系起来的结果（Dewey [1927] 2006）。如果公众被界定为个体与某一特定的、已被表达出来的问题之间的联结，那么有多少议题，就有多少公众。单数的公众并不存在，而是总是围绕不同议题重新配置自身，形成 Dewey（[1927] 2006）所谓的议题公众（issue-publics）。因此，我们面对的是复数的公众。并非每个人都必须参与每一场讨论，而只需那些与手头所讨论议题相关（或认为自己相关）的人参与。因此，公众也并不受制于某种将国家这样的固定共同体维系在一起的共同想象。^[15] 与其把某种共同想象假定为共享公众的解释性原因，不如追问：实践的协调如何能够通过实践手段生产并稳定这样一种公众？Dewey 将关注焦点从（看似）独立的公众转向了构成不同公众的地方性、实践性过程。¶

如今，一种重要的政治探究模式是使议题变得可见（Barry 2001）。Barry 认为，政治抗议并不必然具有阻止干预的功能，而是要把议题提上政治议程并使之可见。因此，“在公共场合讲出一个真相［……］总是意图对他人的思想产生影响或提出挑战，或影响他人的行为”（Barry 2001, 178）。通过让他人听到自己所识别的议题，这些话题只要让他人面对，就会成为他人的问题——并使他们有机会自己也把它们变成议题。然而，这种议题制造（issue-making）并不仅仅通过发声或抗议来实现，而是由技术与物质基础设施促成和中介的（Marres 2012），这些基础设施对于建立共同体至关重要（Callon 2004）。因此，对 Marres（2007）而言，关键在于关注议题如何被公开这一问题，将其视为民主的一个条件。通过使议题可以公开接受审视，行动者便能够依附于议题，并使议题变得更强有力。¶

在这样一种公共话语构想中，专家与专业知识的角色必须被重新诠释。民主有赖于这样一种必要性：公共媒体在哪些议题被公开这一点上不作选择性处理。相反，它应当设法使各种各样的议题能够为广泛的受众所获得——并由此有可能使议题实现规模上的转变。Dewey 将公众界定为受集体行动后果影响的个体之总和。通过广泛分发这些议题，媒体行动者的制度化行动将集体行动的后果进一步扩展，并使其能够在更广泛的人群中得到反思。这样一来，正在形成的公众便向社会的其他成员开放，这有可能使正在形成的议题公众更加强大，但同时也使其面对其他争胜性的（agonistic）观念与立场。因此，专家的角色至关重要，只是以一种截然不同的方式。这些专家不再只是向正在形成的公众提供信息，连接和关联不同的讨论、提供相关信息，也成为他们的一个基本特征。¶

然而，何为相关，是偶然的，这不仅适用于、而且尤其适用于算法。在算法那里，相关往往意味着流行或热门，因而遵循一种经济驱动力，而且更常见的是以一种不透明的方式进行（Gillespie 2014）。然而，在民主讨论中，相关性有另一层含义。对民主而言，相关的还包括我可以了解并试图予以反击的对抗性立场——无论是像 Habermas 所主张的那样通过理性话语，还是像 Mouffe 所论证的那样通过公开的争胜性异议。因此，相关性也被界定为那些会促进冲突与辩论、从而可能审视现存秩序的信息。因此，由个体或围绕某一议题的封闭集体所界定的相关性，必须加以拓宽，以纳入争胜性立场。通过中介性行动，不同的集体借由不同议题与群体的连接而在辩论中相互对峙。Papacharissi（2010）对作为自由民主之组成部分的数字技术作了相当积极的阐述，她认为，诸领域的多重性（multiplicity）并不妨碍民主话语，因为它们产生了一种“居间性”（in-between-ness），从而按照人们的偏好、价值和想象将他们连接起来。然而，考虑到过滤系统潜在的极化影响，以及陷于霸权性秩序化（ordering）和不平等权力分配之中的、永不停歇的公众共同建构过程，呼吁一个能促成讨论与冲突的中介实体似乎是合理的。当代民主的核心制度之一——即所谓的第四权力——必须维持一种脆弱的平衡：一方面通过连接对立的公众来促成异议的建构，另一方面又以与这些讨论相关的事实和可验证的知识来支援这些正在形成的公众。¶

需要牢记的是，Dewey 将民主表述为一种自下而上的议题路径，这是 20 世纪初一场讨论的产物。这场争论涉及民主在新的工业化社会中的命运（Marres 2007）。按照 Marres（2007）的说法，有两个因素与这场争论相关：一是包括报纸和广播在内的新媒体系统，二是工业社会日益增长的复杂性。因此，这场争论是对一种特定媒体系统及其给民主带来的挑战与可能性的回应。当时为建构一个共同的传播领域——议题在其中被选择和呈现——所找到的解决方案，与我们今天所见的截然不同。¶

20 世纪的媒体系统代表着一种相当集中且线性的议题采集与分发形式。新闻价值以及与之相关的多样性观念，是在编辑和节目策划者的办公室里被讨论的。他们编排出的媒体条目集合，原则上对每个人都是一样的。因此，一小群专家负责挑选和组合信息集，而可获得的信息（原则上）可以通过报纸或广播机构等中央分发中心为每个人所获取。媒体基础设施不仅充当发送信息的工具，而且这些组织本身就是信息的聚合者。多样性的生产是事前（ex-ante）发生的。然而，在非线性流媒体时代，节目并不固定于某一给定的时间段。用户可以随时享用内容。当然，这里仍然存在控制的环节，因为按需媒体网站通常会展示经过策展的区域。然而，个性化程度很高的网站则找到了其他方式来选择和策展内容：将媒体内容与用户一并数据化（datafication）。在自动化信息选择的情形中，所展示的内容不是由专家提供的，而是由算法提供的。推荐系统基于观察到的用户行为，计算出接下来应当展示哪个视频。因此，相关性的共同生产过程逐渐将策展的专业能力从编辑团队转向了度量性和算法性的信息选择手段（see also Jones and Jones 2019; Sørensen and Schmidt 2016）。Thorson et al.（2021）因此得出结论：对被呈现为可见之信息的选择，正在从组织转向算法。因此，话题——作为潜在的议题——并非基于编辑的行动而出现，而是基于我自己的行为以及其他用户的行为而出现。¶

一方面，计算出的公众（calculated publics）的生产如今正处于旧媒体系统之问题的核心。算法通过计算生产出此前并不存在的集体（Gillespie 2014）。因此，谁看到什么信息并不清楚。另一方面，编辑无法再组合出能够产生多样化信息食谱（information diet）的相应信息。因此，事前的多样性生产遭到了破坏。但实用主义的阐述也开启了以另一种方式思考计算出的公众之涌现的可能性。算法过滤系统基于集体行为来计算不同的公众，以使某些信息对某个个体变得相关。然而，实用主义理论恰恰以完全相同的方式来概念化议题公众的涌现。议题基于他人行为的后果而对个体变得相关。于是，公共服务算法的角色便不是阻止过滤气泡，而是识别它们，并将“多样的受众连接到共享的内容上”（Bennett 2018, 117）。要做到这一点，就意味着重新思考技术与基础设施在生产共享信息空间中的角色。正如 boyd（2010, 39）在谈及“网络化公众”（networked publics）这一较早的术语时所论证的：“虽然网络化公众与其他类型的公众有许多共同之处，但技术构造它们的方式引入了独特的可供性（affordances），这些可供性塑造了人们如何参与这些环境。”借此，她与其他学者（Itō 2008; Varnelis 2008）概念化了社交媒体网站如何促成、塑造和阻碍新公众的涌现。因此，推荐系统对正在涌现的议题公众的贡献，也可以——并且应当——以一种对媒介敏感的方式来解读，这就提出了不同的算法技术如何以不同方式卷入公众之制造的问题。¶

议题公众在数字信息环境中的涌现是一个复杂的过程，权力关系对其有着巨大影响。Marres（2007）认为，我们应当把对民主的理解扩展到物如何参与民主与公众的形成。借由这一转向，她将 STS 的研究纲领扩展到政治理论之中。对实用主义者而言，议题是否使公共参与成为可能，是一个关键问题。使议题公开化，意味着为其开放更多的联结（associations），并允许不同的立场与之相连。现在便显而易见，为什么媒体系统的配置对议题的分发至关重要。通过采纳和分发各种已被表达出来的问题，媒体系统可以让他人与之建立新的联结。因此，介入议题的生产，也意味着介入共同建构正在涌现之议题的数字基础设施与算法，以使民主系统的规范目标得以实现。根据这些结论，就过滤气泡讨论而言，紧迫的问题并不在于过滤气泡是否存在，而在于：在民主社会及其制度之中，议题公众的形成如何被算法过滤系统所规定（prescribed）、转变或调制（modulated），以及在一个民主社会中媒体环境应当如何被设计。¶

因此，按照一些学者的看法，为了实现多样性这一政策目标，介入这一复杂的装配（assemblage）是势在必行的。推荐算法并不必然威胁民主理想，也可以被用来支持公共广播服务的民主角色并促进多样性。借助“设计即多样性”（Diversity by Design），广播机构甚至可以更好地实现多样化信息提供的理想。例如，Reviglio（2019）认为，推荐结果中的意外发现——即用户未曾预料到的令人惊讶的内容——可以成为对抗过滤气泡的一项强有力的设计原则。这甚至有可能借助最初造成过滤气泡问题的同一批技术来实现。正如 Helberger（2015）所论证的：¶

简言之，既然可以将电子节目指南或搜索引擎等其他搜索中介设计成帮助用户找到其感兴趣内容的样子，那么同一种技术也可以被用来做可能恰恰相反的事情，把用户引向更加多样的选择（Helberger 2015, 1329）。

因此，通过以算法手段主动生产多样性，推荐系统可以成为缓解过滤气泡的一种手段（Helberger, Karpinnen, and D’Acunto 2018）。因此，助推（nudging）用户走向内容多样性，已被讨论为一种忠于公共广播机构精神气质的可行选项（Burri 2016）。Nissen（2006, 69）甚至认为，“影响听众或观众的选择、从而影响其媒体消费模式，正是公共媒体得以建立的根本原因，也是即便在媒体供给极其丰富的时代其存在仍得以维持的原因”。¶

有一些声音在这些技术的开发中提出了家长主义（paternalism）问题（e.g., Sørensen & Schmidt 2016）。这一立场有一定的吸引力，因为对公众生产的介入是某种特定政治理想以及某种强有力的制度性、霸权性基础设施的结果。然而，如果我们讨论公共广播在当代民主中的角色，那么只有在我们共享这样一个假设——这些公共媒体基础设施在我们的民主社会中履行着某种功能——的前提下，这样的讨论才有意义。如果这一前提丧失，那么对公共媒体系统本身的需要也就随之消失。因此，如果公共广播机构的精神气质被接受为某种有价值的东西，那么公共广播服务是否应当介入一个共同公众的生产这一问题便是徒劳的。相反，这样的介入成为一种必然。¶

基于实用主义的公众视角，公共领域如何被建构这一问题发生了变化。设计算法系统与媒体景观的过程，并不是去缓解那些源自我们当代社会之数字境况的过滤气泡，而是调整公共广播的角色，以缓解人类传播在新的社会技术条件下（再）生产过滤气泡和偏见的倾向。因此，一方面理解公众的生成过程，另一方面在我们的媒体系统中应用新技术，以便在已然改变的条件下履行其规范性义务，对 21 世纪的民主而言势在必行。关于推荐系统之政治与民主影响的争论，由此不仅引发了关于算法在公共媒体系统中之角色的讨论（Helberger 2019），也引发了关于这些推荐系统如何能够依照所表述的多样性政策目标被构建的讨论（Helberger 2011; Pöchhacker et al. 2017）。¶

正如本节所表明的，新闻业的数字转向——而不仅仅是公共广播服务中的数字转向——已被作为对媒体系统及其既有实践的一种扰乱来讨论（Caswell 2019）。编辑任务日益被委托给算法系统，这可以创造机遇（Helberger 2015），但也必须在一个独特的法律与规范环境中运作。然而，这两种视角都敦促我们转向新闻技术的设计（Diakopoulos 2019, 2020）。正如 Hunt & McKelvey（2019）所论证的，媒体政策也应当考虑（媒体）算法的部署与开发过程。本节所描述的政治斗争在开发项目中也变得切身相关：项目试图以一种使推荐算法与公共政治领域中传播的规范性视角相容的方式来重新表述该算法。关于推荐算法的传播应当是什么样子的隐含假设——即我们如何界定信息的相关性——在这个运用早已广为人知之算法技术的制度内部被问题化了。围绕这一公共服务推荐系统的整个研发项目（我有幸参与其中）调动了多样性、流行度与专家知识等议题，并开始以不同的路径着手处理它们，我将在下一节进一步讨论这些路径。迄今在宏观层面所描述的种种规范性张力，在开发项目的微观世界中同样变得可见，这使得有必要在不同的规范性与政治性主张及必要性之间周旋并调校（align）算法。¶

（不）可能的解决方案（(Un)Probable Solutions）

算法并非不可改变的事实——但我们也不能将其纯粹当作建构而置之不顾。相反，算法的设计与实施代表着一种规范性理想：对于某个给定共同体而言问题是什么，以及人们应当并能够如何处理它。推荐算法也不例外。正如前几节所讨论的，推荐算法运作于该技术的经济起源与公共媒体环境的规范性要求之间的微妙张力之中。这一张力以及可能由此给民主社会带来的问题，呼唤一种针对公共服务算法的设计路径（Helberger, Karpinnen, and D’Acunto 2018）。在这个软件开发项目中，这正是目标之一：构建一个既有吸引力、紧跟当前发展，又能实现公共广播机构之民主义务的推荐系统。然而，在开发过程中，事情变得清楚起来：问题并不仅仅源自这一张力，更具体地说，是源自以不同方式实现这些规范性主张的不同地方性秩序化之间的碰撞。因此，如果我们将视角从抽象的规范性义务转向实践性的、情境化的秩序化形式，事情就变得更加复杂。因此，在下文中，我将讨论三个不同的小品（vignettes），它们记述了我们基于多样化信息食谱这一观念来构建和/或评估推荐系统的尝试。这些路径位于不同的探究层面：改变算法及其参数，重新诠释算法学习程序所产生的模型，以及评估现有的信息食谱。¶

噪声（Noise）

在我们了解推荐系统及其不同技术的旅程中，我也接触到了各种公式和优化指标（optimization metrics）。简言之，每一种机器学习路径都需要一个函数，用来衡量计算出的模型对现有数据的预测有多好。优化函数因技术不同而不同，有时也因目标不同而不同。一个频繁出现的问题是：机器学习模型应当针对什么来优化——这便引出了不同的评估形式。在讨论所采用的协同过滤路径的优化函数时，我们想出了另一个主意。如果我们不知道多样性是什么，那么也许我们可以干脆生产噪声，这最终会产生多样性，因为算法的准确度会下降。随后，我们讨论了摆弄（tinkering with）该公式中单个参数的想法，这个公式如下所示：¶

[图 7] 协同过滤算法的优化函数（Hu, Koren, and Volinsky 2008）（图像见原书第 150 页）

图 7 中的公式展示了协同过滤的一个优化公式。该公式所做的，是将测量到的评分（此处为数值 p）与预测模型的计算值（此处为 x 和 y）进行比较。计算值越接近测量到的评分，模型对观测数据的拟合就越好。颇为有趣的是，参数 $c_{ui}$ 代表算法对该测量的置信度（confidence），其取值通常介于 0 与 1 之间。这意味着，c 的值越高，算法就越看重计算出的误差幅度；而 c 的值较小，则意味着计算模型所犯的误差并不那么重要，在一定程度上可以忽略。于是，我们的想法是降低 $c_{ui}$，声称模型所犯的误差总体上并不那么重要。按照这一设想，通过允许与原始评分行为之间存在更大的偏差幅度，算法会自行在推荐集合中产生多样性。如此一来，那些原本可能不会被接受部署的模型，也会被推荐系统纳入考虑。其结果是，推荐系统会产出预测精度较低的模型，即产生更多令人惊讶且不相契合的结果。然而，这带来了两个问题。第一，模型会产生一种随机的多样性，这意味着多样化的信息集合将如何被组合起来几乎是不可控的。而这种多样性观念，恰恰在对线上编辑团队的访谈中被明确谈及。当被问到多样性在推荐系统的结果中有多重要时，他们回答道：¶

多样性对我来说很重要。但它不应该那么多样。所以，主题上的关联对我来说当然是重要的。所以不能这样：一部犯罪剧集叫《坑里的兔子》（bunny in the pit），然后就去展示一部关于兔子的纪录片（Interview with Online Editors, my translation）。

通过算法脚本所实现的多样性观念，与编辑们的制度性期待并不一致。随机性的观念并不符合编辑们的需求。在我们后来举办的一次工作坊中，编辑们再次指出，他们需要能够引导推荐系统的行为，因为针对不同的页面，推荐系统需要以不同的方式来推荐条目。然而，噪声剥夺了控制输出的可能性，因为预测会变得不那么准确。¶

此外，我们开发团队也对结果的随机性有些担忧。我们认为，通过产生用户无法理解的随机结果，用户真正留在平台上的可能性将非常小。因此，这一干预并不会带来更高的接触多样性，因为人们会干脆把推荐系统当作故障而不予理会——尤其是因为在不同的子人群之间，用户对多样性的态度本身也是多样的（Bodó et al. 2019）。开发者们预先假定了用户的期待。算法脚本在技术上本可以奏效，但编辑们的制度性期待，以及开发者关于用户期待的期待——即二阶期待（expectations of a second order）——都与这种改变算法脚本的形式不相契合。尽管本可以调整算法，但其他的秩序化形式使开发团队重新考虑，并最终放弃了这一想法。¶

反推荐器（Anti-Recommender）

生产噪声在开发团队内部被证明是成问题的，因为计算出的推荐——包括不可预测的噪声——偏离了开发团队所预期的用户期待。在这些进展之后，我们采用了另一个想法，它并不调整推荐系统的模型创建，而是利用同一个模型来推荐不相似的条目。因此，推荐算法被修改为以两种不同的方式使用同一个计算出的模型。按照传统方式，它会推荐那些被预测与用户通常观看的条目相似的条目。而第二种模式则会搜索在计算出的向量空间中距离较远的条目，即推荐系统会向你展示与用户通常观看的条目非常不相似的条目。这一路径被称为反推荐器，并在视频点播平台的测试版中以“来点不一样的”（something different）为标题展示出来。这一路径预期的优势在于：计算——即推荐系统中计算开销较大的部分——将保持不变，只有随后通过推荐系统进行的条目选择会被重新编写脚本（re-scripted），以遵循多样性的规范性观念。正如 Helberger（2015）所论证的，可能产生过滤气泡和信息接触减少的同一种技术，可以被用来主动生产多样性。此外，这一路径基于协同过滤，因而不会使该路径与元数据（meta-data）的生产方式发生冲突。在协同过滤中，n 维向量空间仅根据观察到的用户评分来计算，而不使用组织所生产的元数据。¶

然而，反推荐器的想法在向多样性的可转译性方面也产生了问题。这一次，结果不是随机的，因而不会在用户期待（之期待）方面造成问题。此外，反推荐器的推荐结果被展示在一个单独的区域中，在完成推荐之经典任务的同时，提供了一个使自身信息食谱多样化的额外机会。然而，随着项目的推进，我们遭遇了协同过滤的一个核心特征，它在评估多样性方面构成了一个巨大的问题。Alice 和我在项目相对早期的时候就讨论过协同过滤技术的输出。¶

基于因子分解得出的正态分布形成了漂亮的钟形曲线。但为什么？这个因子指的是什么？今天我坐在 Alice 旁边，她给我展示了一个协同过滤的示例计算。她在 10 个维度上计算了特征，我们一起看着它们。Alice 告诉我，她计算的是潜在因子（latent factors）。它们全都是正态分布，即一条钟形曲线。Alice 问我，我们该如何诠释这一点。“也许你作为社会学家，能告诉我这意味着什么？”我自己也完全不知道我们在这里看的究竟是什么（fieldnote）。

这里的问题实际上是双重的。第一，推荐系统计算出的维度并不真正直观，也不易把握。由于矩阵分解的输出是潜在维度（latent dimensions），其含义并不透明。相反，描述条目与用户的向量空间是由从使用模式中涌现出来的维度所界定的。可能的例子是“Antonio Banderas 留着胡子的电影”——只不过推荐系统不会告诉你该维度的描述。同样的问题也出现在基于内容的过滤中。虽然基于视频条目的元数据来把握多样性意味着什么要更容易一些，但这里所产生的向量空间非常庞大。描述中的（几乎）每一个词都被用作所计算向量空间中的一个维度描述符——这造就了一个高度复杂的系统，它不易被理解，也无法轻易地从多样性的角度加以诠释。也就是说，转译一套关于多样性构成的规则集似乎几乎是不可能的。¶

尤其是，当被问及编辑们如何评判内容时，他们的回答是隐含的，并且诉诸编辑们在该领域的经验。“他们都是记者，在许多编辑部工作过，他们有很好的全局视野”（Online-Editors Interview）。然而，这种解释不仅在评判一般意义上的内容及其质量时被援引，也被应用于多样化内容的观念以及公共广播机构的道德与法律义务。¶

他们都是策展人，在这个机构里待了很长时间，他们完全清楚公共服务使命。［……］每个人也都已经在［该机构］工作很久了。但他们也有自己的专业训练。［……］这是他们固有的一部分，而且这［……］某种程度上是不言自明的。因此，没有必要每天都讨论这个，因为它是我们的一部分（Online-Editors Interview, my translation）。

编辑们所诉诸的是在工作中随时间发展起来的隐性知识（implicit knowledge）。因此，他们在多样性以及评判内容和内容编排方面的专业知识，无法被转译为一种算法指标。在制度环境中多样性是什么，无法被直接获取，因而也无法被转译为一个可用的多样性指标定义。于是，最终我们陷入了这样一种境地：面对两种形式的专业知识与知识，它们都难以被明确表述，而更多地依赖于不同行动者的隐性训练^[16]与理解。这两种秩序化与理解世界的路径都依赖于知识——一种是职业性的，另一种是机器性的——而它们彼此之间并不容易相互转译。¶

多样性计算（Diversity Calculations）

上一节暗示了这样一个问题：如何把关于多样性的规范性观念转译为一种指标，用以在组织与政治规范同推荐系统的算法推理之间建立一个接口。为此，我们必须考虑多样性如何能够被计算，以及这在（评）价（(e)valuation）方面意味着什么。在最抽象的定义中，一个给定条目集合的多样性，可以通过将每一个条目与其他每一个条目进行比较、并将相似度得分加总来计算。在数学上，这可以表达如下：¶

[图 8] Yadav et al.（2020）所定义的多样性计算（图像见原书第 154 页）

因此，数学表述中的多样性定义，取决于对相似度函数的进一步定义。然而，相似度如何被定义，又取决于对这一术语的操作化。例如，Yadav et al.（2020）提出了一种基于某一特定类型集群（通过 k-means 聚类计算得出）中其他用户评分的多样性计算与推荐方法，以实现跨类型推荐。因此，相似度的计算取决于其他用户的评分。Möller et al.（2018）采用了另一种方法，即基于 LDA 算法的主题建模（topic modeling）技术。借此，Möller et al.（2018）基于新闻条目的全文文章及其元数据描述计算出潜在主题。随后，被推荐条目之间的相似度被表达为条目在由此得出的向量空间中的度量距离。仅从这两个例子中，我们已经可以看到，相似度以及由此推断出的多样性属性，都建立在关于如何操作化多样性的非常特定的观念与选择之上。于是，一个悬而未决的问题是：多样性的不同度量版本，如何与某个给定共同体对这一术语的理解相互作用。¶

在我们项目团队处理这一问题的时候，Alice 让我去看她早些时候给我的那本推荐系统手册中关于评估的一章（Shani and Gunawardana, 2011），其中讨论了作为概念的多样性。作者们在那里提出了一种指标，基于用以描述条目的向量空间中条目之间的距离来计算多样性。作为这一计算之基础的向量空间，是由基于内容的推荐算法生成的。因此，用以描述不同条目的元数据十分重要。其中的一项建议是：“我们取算法所生成的每一个推荐列表，计算每个条目与列表中其余条目的距离，并对结果取平均，以获得一个多样性得分”（Shani and Gunawardana 2011, 288）。多样性即被推荐条目之间的平均距离，因为多样性被反映为可比性的反面。而正如我们所了解的，两个条目在计算出的向量空间中位置越接近，它们就越相似。作为一个附带项目的一部分，Alice 实现了这样一种多样性指标，并将其应用于不同的推荐系统输出和不同的节目。¶

Alice 正在展示多样性得分的结果。我方的项目负责人 Marvin 和我已经坐在那里了。Alice 把她的 Macbook 连到投影仪上，站在我们面前展示结果。她给我们看了一些图表，展示了基于推荐系统原型的输出（她在 iPython notebook 上实现的）以及视频内容现有元数据而得出的不同多样性得分。总体而言，多样性得分处于偏低到中等的水平。然而令人惊讶的是，那部节目——一部肥皂剧——得分非常高。我问 Alice 怎么会这样。所有人都被逗乐了。Alice 认为，这是因为每一集里都发生了不一样的事情。这解释了各集之间的距离（fieldnote）。

按照所提议的方式来测量多样性，植根于推荐系统的逻辑，而在这一逻辑之内，它是完全准确的。然而，我们所有人都被一部肥皂剧的各集竟能代表多样性这一想法逗乐了，这表明，数学的、数据驱动的多样性观念，与我们在一种更具反身性的、质性的基础上理解这一概念的方式之间，存在着分歧。因此，基于所考虑的数据，多样性也许在计算上得到了实现，但并不是以组织或法律所意图的方式实现的。所选条目的元数据描述——例如标题、关键词、文字简介（text teasers）——是多样的，因为其中采用了许多不同的词语。然而，项目团队的诠释却完全不同。¶

测量和可视化多样性时遇到的问题在不止一个方面富有启发。首先，基于一套丰富的现有元数据的指标并没有多大帮助，因为该指标无法将元数据的意义语境化。正如我们在上一章所看到的，算法需要发展出某种形式的算法反身性，才能以一种适合其所处社会系统的方式来处理数据。然而，计算多样性指标的算法未能顾及多样化内容的那种情境化的、在制度上被接受的方式。从一个抽象的 n 维向量空间中推导出的相似度，并不足以评估他人会如何看待相似性与多样性。这种计算性定义偏离了公共广播机构中制度化的理解以及对多样性的规范性想象对它的界定方式。问题在于，如何定义一种指标，使之反映在其被观察和体验的语境中所应用的那种对多样性的理解（Sørensen and Schmidt 2016）。¶

再一次，现行的数据生产体制（data production regime）与 Alice 关于多样性生产的直观想法背道而驰。为了在组织中应用所表述的这种多样性形式，各集的元数据本应彼此更加相似。然而，这与新组建的线上编辑团队所讨论的良好元数据观念不相容。在一次访谈中，一位同事告诉我们：¶

那么。现在我们还有一个问题，就是他们给所有剧集都取一样的名字。副标题总是，嗯，副标题总是一样的。那倒也行，但是。这里这个也总是一样的。这意味着，这其实，简单说吧。你会跟编辑们说什么？［问她的同事］（Online Editors Interview）

对此，她的同事回答道：“说实话，我脑子里冒出来的只有些刻薄话”（Online Editors Interview）。也就是说，工作实践以及所表述的需求——编辑团队需要并希望元数据呈现的方式——与该指标测量多样性的目标并不相容。相似性或多样性如何被定义，在算法的相似性逻辑与专业人员所应用的逻辑之间存在差异，这随之使推荐系统在信息分发过程中被体验为成问题的行动者。因此，对多样性的算法评估所作的调整失败了，因为制度逻辑与算法的多样性观念不相容。计算多样性本身之所以变得成问题，是因为它与对这一术语至少两种不同的隐含理解发生了碰撞——项目团队内部我们对多样性的直观把握，以及编辑们既有的工作实践。¶

为算法赋值（Valuing Algorithms）

公共广播机构始终处于一种持续的挣扎之中，要在其作为民主制度的社会角色与最大化其覆盖面的需要之间取得平衡（Nissen 2006）。开发项目中所设定的多样性规范理想，有一个具体目标：遵循并衔接一个早已确立的规范体系。我们所指涉的这一规范体系，由法律与法律原则、法院、合同、监督委员会以及公众和学术讨论装配而成。因此，组织以及作为其一部分的开发团队，表述了一个有待解决的问题——履行通过推荐系统向受众呈现多样化信息食谱的法律义务。这个从一般政策目标中在地推导出来的问题，在项目所设想的议题与一个现成的（off-the-shelf）推荐算法所要解决的问题——即推荐相似或流行的条目——之间造成了一种张力。然而，这一张力并不仅仅是这些技术的经济起源与一个公共制度的法律义务之间的结果。相反，当代媒体生态的新配置与新条件，挑战着生产一个服务于民主话语的公共信息领域的既有形式。我在本章中提出，与其假定推荐算法是对民主的威胁，我们不如将注意力集中于一个共同公共领域的可能性条件，并将其概念化为（部分地）由公共媒体系统所达成的一项实践成就。一种关于复数的议题与公众的实用主义构想，以及它们各自如何从集体互动中涌现出来的方式，或许有助于我们评估生产一个共享而开放之信息空间的可能途径。在这样一种构想中，公共媒体基础设施及其专家的工作，主要是使不同议题能够为更广泛的受众所获得，并给予他们机会，使这些议题成为他们自己的议题——从而使其更加强大——或者在一场争胜性的或理性的讨论中反对它们，审视它们，并让这些议题直面其他视角与意见。¶

将议题公众的实用主义视角应用于推荐系统，便产生了这样一种需要：重新审视算法技术并重新表述它们，以使之与分发和拓宽议题公众的民主观念相容。这样做，我们便聚焦于计算出的公众的生成过程，并寻求介入其生产、以及将它们彼此关联起来的途径。在近来关于推荐系统的讨论中，这被称为在推荐结果中生产多样性的需要。在这个软件开发项目中，我们恰恰尝试这样做，并探索了借助推荐系统介入公众之生产的不同方式。¶

在项目中，无论是问题还是解决方案，都没有经历根本性的重新表述，而是对已知技术的调整。测量多样性的问题利用的是推荐系统本来就在使用的同一个模型，只是对其作了不同的诠释和应用。通过基于条目在模型的 n 维向量空间中计算出的距离来测量多样性，这一逻辑在原则上得以延续，只是采用了一种反向的诠释。推荐系统本身的调整也是如此。所给出的两个例子展示了两个不同的介入步骤：一个在模型生产本身之内——通过摆弄参数来生产噪声——另一个则通过应用一种不同的选择逻辑，对计算出的模型作不同的应用。¶

然而，将政策目标转译为算法手段并不那么直截了当，因为我们在这一过程中遇到了一些问题。正如算法指标所尝试的那样，测量多样性预设了一种不同形式的元数据生产，这导致了算法将什么呈现为多样这一方面的有趣结果。这种与指标的假设相冲突的元数据生产，甚至还通过中央线上编辑团队得到了强化和推动，该团队遵循一种追求良好且可呈现之视频描述的新闻精神气质——其首要考虑的是用户。在生产噪声时也可以观察到同样的冲突，它削弱了对被推荐视频如何被选择的控制。此外，开发者期待用户会期待其他——更为连贯的——推荐形式，这使得对计算出的模型进行调整变得困难。最后，职业与算法各自所依赖的隐性知识无法相互转译——因为二者都无法被明确化。两个行动元——作为其各自学科^[17]的产物——都对可比性、兼容性和多样性对它们而言“意味着”什么有一种观念，但在两种情形中，都不可能对这些原则与理解作出明确的表述。然而，这里所描述的不同评价形式与隐性知识之间的不可通约性（incommensurability），正如前文所述，给推荐系统的民主角色带来了严重的问题。如前所论，公共广播服务的角色在数字信息生态中发生了变化，这使得新的专业知识形式成为必要，以连接不同且相互对立的议题公众。然而，这需要对这些公众进行质性评估的理解。由于算法的评价形式引入了从制度与职业视角无法把握的可比性形式，将这些议题彼此关联起来的任务便变得更加困难。在这些不同的可比性表达之间进行某种形式的转译似乎是必要的。因此，如果要将这些行动者整合进一种规范性秩序化——例如民主价值——之中，那么将算法的输出与模型转译为在某一给定规范架构内可理解、可诠释的说明（accounts），便成为一种必然。例如，从实用主义对正在涌现之公众的理解来看，反推荐器本可以成为实现多样性的一个成功工具。然而，要纳入编辑专家及其（往往是隐含的）多样性理解，就需要一个数据科学家部门，把潜在向量空间中的集群转译为政治范畴，反之亦然。因此，多样性不只是一组多样的内容，而是指涉一种规范性秩序，正是这一秩序界定了这一概念是什么，并使之涌现。因此，在新的社会技术配置下保持我们公共媒体系统的民主理想，就意味着相应地将种种秩序化与这些配置重新调校。¶

所有这些议题都不只是技术性的，而是指涉社会秩序、制度实践与职业知识的不同形态。算法的开发必须在关于公共广播机构的三种不同规范性观念之间周旋，这些观念物化为算法应当解决的三个截然不同的问题：流行度、民主理想与新闻精神气质。在将假设铭写进算法这一混乱过程中周旋并对其加以重构，表明了不同的规范性观念必须如何被协商、排定优先次序并彼此平衡。因此，算法的民主品质正是这些协商与平衡的结果。算法不只是一个推荐系统，而是一场持续进行的政治斗争的投射场域。¶

注释