算法被困在「算法」里

撰文 | 佘宗明

1年半前,随着《人物》那篇文章刷屏全网,这句话蔚为风行。作为泰罗制代名词的「系统」,也由此遭到口诛笔伐。

将系统越织越密的算法,也难逃大众口水的包围圈。

人们对算法的看法,也朝着「反科技狂人」泰德·卡辛斯基的「高智能机器」预警靠拢。

到了今天,情况已经变成了:算法,被困在「算法」里。

征兆就摆在那:

国外,前身系脸书的Meta增长遇困。

国内,首部聚焦算法治理的法规——《互联网信息服务算法推荐管理规定》,于今天起正式施行。

若干年后,复盘算法发展史时,这恐怕是两起标志性事件。

品玩那句话说得不无道理:

2022,「算法」属于人民。

2006年3月,在CSDN技术社区,有程序员这样预言道。

他由Euler语言发明者尼古拉斯·沃斯的「程序=算法+数据结构」延伸,认为到了到了Web2.0时代,在bbs+blog+wiki的结构下,算法将是信息过滤的核心路径,「今天可以肯定地说,未来的互联网,将被算法所主宰统治。」

他说这话时,谷歌的网页排名算法,还是创始人拉里·佩奇1997年开发的PageRank。

到了2013年,谷歌将核心算法更新为了蜂鸟算法(Hummmingbird),还是给网页等级赋值,但指标变了,搜索也变得更智能化了。

在那之后,脸书、推特等将算法继续「发扬光大」:

脸书推出了EdgeRank算法,将Affinity亲密度、Weight热点程度、Time Decay时效等作为信息排序依据;

推特推出了Algorithmic Timelines算法,将信息相关性放在了重要位置。

在国内,互联网企业也逐渐将具有踔绝之能的算法视作基础性技术。它跟算力、大数据合在一块,支撑了AI在长尾场景中的高频使用。

时至今日,在信息分发平台、短视频平台、电商平台、社交平台及餐饮外卖平台,生成合成类、个性化推送类、排序精选类、检索过滤类、调度决策类等算法技术已得到广泛应用。

算法的触角,已伸进B端的流量分发、外卖派单和C端的内容阅读体验、动态价格体系之中。

「算法,比你还懂你自己」的说法,由此泛起。

如今,人们的数字化生活,其实已无法离开算法。

我们打车,导航会把最短或最快路径推荐给我们;

我们点外卖,平台会将评分最高、距离较近的餐馆优先呈现;

我们打开资讯类APP,热搜会将热门话题摆在我们面前。

这与其说是帮我们提高了信息撮合效率,不如说是帮我们节省了信息筛选成本——在信息大爆炸面前,算法「过滤泡」也算是为我们的「脑部减负刚需」而生。

从「效率/成本」的维度看,算法代表的就是向前的趋势。

拿资讯获取而言,从传统媒体的宣发模式,到门户媒体推动的搜索引擎模式,再到兴趣引擎算法推荐以及融合社交关系链的社交算法推荐,越来越低成本、快速、精准,是大趋势。

大势不可逆。

但「有需要时用算法,没需要时骂算法」,也是时下很多人的习惯。

现实中,不少人对算法有着很深的隔膜。膈膜之上,长出疑虑与恐惧。

无论是赫拉利式的预言,还是科幻片的渲染,都在强化着很多人的印象:

「算法利维坦」远在将来,近在眼前。

他们视算法为魔法——魔是「妖魔化」的魔。

而大数据杀熟、过度干预、诱导沉迷等,都是他们捏住的把柄。

本质上,这类对算法的担忧跟对算法的迷恋,代表了两种典型的取向:

反技术依赖倾向下的技术不可靠论;唯科学主义意识形态下的技术进步论。

二者通常各据一端,反向并峙。

尽管包括算法在内的技术给人们带来了很多方便,可忧心派看到的更多的是算法不好的那一面。

而奶头乐理论与反技术乌托邦思维浸泡下的「××正在毁掉一代人」造句比赛,也不断为忧心派助攻。

得承认,算法有AB两面。A面侧重的是效率,注重便捷性;B面侧重的是公平,讲究价值观。

效率与公平,是商业文明的DNA双螺旋,本该保持微妙平衡。

但以往,社会更注重效率,于是「效率」这条链特别粗壮,算法带来的便捷性会被重点突出。

现在情况无疑起了变化:「效率」跟「公平」的优先序在变,与算法伴生的问题会被各种强调。

在「公平本位」的逻辑下,算法在很多人眼中的形象,也就从解决问题者变成了制造问题者——它俨然成了信息茧房的编织者,是赛博囚笼的铸造者。

算法在「算计」用户,成了它被诟病最多的地方。

这里面,不无对算法的误解——因为不够了解,很多人会为算法赋魅,将其视同某种全知全能的高维度系统,乃至可算沙抟空的生命体。

事实上,算法确实能实现细粒度的数据管理,但它离开了天眼还远着。

裴培老师就提醒:互联网平台的「算法」被神化了。

在他看来,人工智能比拼的并不是算法,而是数据,有些互联网企业能将广告主的ROI(投入产出比)效果需求高效地转译成前台CPM(千人成本)需求,靠的是算法,更是算法背后量大、可信度高的数据。

但人们的顾虑是真实的,这会「召唤」出针对算法的约束性力量。

理由就是,算法有些负外部性:如算法歧视,如舆论干预等。

而这样的约束机制,主要朝着两个维度拓展:

一是侧面包抄——强化隐私保护。

二是正面夹击——全方位「规范」算法。

强化隐私保护,会削弱算法的「法力」。

扎克伯克的Meta,就撞在了隐私保护的高墙上。

Meta的前身脸书,这些年来几乎是负面缠身。

窃听门,前员工爆料事件,都在将其形象拽向谷底。

去年12月,脸书被美国网民评为「年度最差公司」后,有人曾这样揶揄Meta:

「Facebook被评年度最差,关我Meta什么事?」

这跟它的算法机制不无关系:之前就有很多人指责,脸书的算法创造出了「危险回音室」,借引起愤怒、激发恐惧、煽动仇恨的内容收割流量。

但对扎克伯格最重的一击,不是来自舆论差评,而是来自苹果。

算法是脸书吸引广告投放的「大杀器」,但就像裴培老师所说,算法起作用,离不开数据广度、深度和可信度的支撑。

而苹果就对脸书来了一记釜底抽薪:去年4月,苹果推出了ATT应用跟踪透明度隐私功能,限制了APP随意性的设备识别与数据采集。

这就导致,脸书的广告推送精准度大受影响,推送准度下降了,效果就差了,广告收入自然也就下滑了。

随之而来的,就是今年2月初Meta财报公开后的「跌妈不认」——因为表现不及预期,Meta股价狂泻26.44%,市值缩水2340亿美元,创下美股历史上个股最大单日缩水纪录。

自2022年以来,Meta股价跌幅已高达约35%,股价(211.03美元)距2021年的高点(384.33美元)已跌去45%,扎克伯克也跌出了全球富豪榜前10。

而Meta方面对此早有预见,老早就意识到了苹果iOS的隐私新政对自身营收的影响。

这表明了一点:算法的效用离不开数据广度、深度和可信度,没了精准画像,也就没了精准推荐。而隐私保护强化,势必会压低数据收集准度。

接下来,加强隐私保护是大势所趋。

欧盟有数据保护条例,美国很多州有数据隐私保护法案,中国也有《数据安全法》《个人信息保护法》等。

苹果调整隐私政策,也被认为是Web3.0时代隐私保护强弱化的风向标性动作。

算法未来的趋向,必然会受制于隐私保护、数据安全维度的「算法」。

「规范化监管」,更是戴在算法头上的紧箍咒。

学者尼克·西弗曾提出了 「算法文化 」的概念,认为在数字经济日益发达的今天,算法已不再仅仅是文化建构的一部分,而已然变成了文化实践本身,对算法不能仅从数学逻辑的角度去理解。

其外延是,算法不能光追求效率,还要「植入正向价值观」。

用咱们这的话说就是:算法必须向上向善。

你用算法搞歧视杀熟?不行。

你制造信息茧房?不行。

你搞算法黑箱?也不行。

最起码,刚实施的《互联网信息服务算法推荐管理规定》不答应。

规定就「在我的地盘,算法该听谁的」问题,给出了明晰答案:

要求平台不得用算法控制热搜、搞虚假点赞评论转发,是将算法的触手拦截在舆论干预权力半径外;

要求平台公示算法推荐服务的基本原理、目的意图和运行机制,剑指算法黑箱(在此之前,字节跳动、美团、滴滴、微博都曾公布算法原理);

要求建立健全算法机制机理审核、科技伦理审查、用户注册、信息发布审核等管理制度,瞄准的是「算法向善」;

要求算法服务保护劳动者获得报酬、休息休假等合法权益,指向了「算法取中」……

可以说,算法也被「算计」了——若将算法的定义笼统化,监管秉持的,未尝不是另一种「算法」。

互联网算法用0和1的代码筑起了某种系统,监管则用更「强大」的系统将其关进了笼子里。

驯服口诀是:算法要有价值观。

在监管频密落锤的当下,这必然会重塑算法的价值面向。

算法困在「算法」里。

困住算法的,是监管,是社情,也是算法自身的两面性。

前方路口的标识牌上,写着大写的「规范」二字。

这对互联网企业来说,倒也未必是坏事。

至少规范运作过后,算法被「污名」的包袱,能轻松卸下了。

与之伴生的场景是:

算法属于人民。

算法里满是正能量。