顾楚丹｜华东理工大学社会学系讲师、博士后
杨发祥｜华东理工大学应用社会学研究所所长暨社会学系教授
本文原载《探索与争鸣》2023年第5期
具体内容以正刊为准
非经注明，文中图片均来自网络
面对算法权力与行动者主体性之间的张力，亟需从用户视角出发，理解人们对算法系统的思考和由此产生的影响。“数字灵工”作为活跃用户，与算法接触的频率和广度都更深入，对算法的感知和理解也更深刻。基于此，本文拟以“数字灵工”的算法实践为分析对象，探究算法的具体运行逻辑和算法关联行动者的算法使用文化，为理解算法是用户与平台关联的互构探寻理论基础。
框架与方法：算法作为一种实践
目前学界对算法的研究主要形成了三条研究进路，即“算法权力”“算法文化”和“作为文化的算法”，这三条研究路径分别呈现了“数字灵工”不同程度的主体性。
（一）从“算法想象”到“算法游戏”：“数字灵工”的算法实践
基于此，本文拟在沿袭“作为文化的算法”研究路径的基础上，从实践逻辑理解算法，具体研究内容如下。首先，探明算法的物质性与能动性，这是算法作为技术的抽象特质、实践特质所在。笔者将以个性化推荐算法为例，考察建构算法的物质基础和技术形貌的“黑箱”实存样态，对不同社交平台的“推荐列表”进行对比，展现算法差异化的运用模式和可见性的管理，呈现算法的能动性。其次，阐述算法关联行动者的算法使用文化。推荐系统的参与者主要包括用户、内容生产者和平台。用户和内容生产者作为多平台的使用者，对不同平台有各自的偏好，因而可能形成不同的算法使用文化类型，对行动者的差异化的算法解释逻辑进行考察，可以呈现关联行动者的实践特质。最后，探讨算法实践的后果。实践是物质性与社会性交织（算法“能动性”与人的“意图性”）的空间。笔者将从算法实践的双重后果来考察以“数字灵工”为代表的人类行动者在算法实践中的多重不确定性，以及算法作为非人类行动者面临的多重挑战，揭示算法与使用者之间的关系机制——互构。算法因其实践特质之一的物质性而具有互构性，算法使用者也因算法主导了内容可见性的管理而具有互构性，两者在文化生产的平台化过程中形成互构。
编码：算法是物质性与能动性的综合体
算法的编码过程就是算法的物质性和能动性的形成过程，即推荐算法的运行逻辑实施和对内容可见性的再编辑过程。
（一）平台的“算法化”：个性化推荐算法的物质特征
个性化推荐算法被设计用来提升信息的收集和分发效率，帮助用户在大型内容目录中作出更好的选择，通过对用户过去的行为进行分析，预测用户的内容偏好，推荐用户（当前）感兴趣的内容。推荐算法本质是通过拟合三个维度的变量进行目标（点击率、观看市场等）预估。这三个维度的变量分别是：内容（图文、视频）、用户特征（年龄、性别、兴趣标签、用户交互行为）、信息环境特征（不同场景）。平台的“算法化”意味着，社交平台依赖于推荐算法管理内容的“可见性”，推荐算法具有数据依赖性、平台化和个性化的特征。
其次，推荐算法的平台化。推荐算法是包含了从内容发布到点击的整个链路系统，推荐算法的逻辑是“机器+人工审核→数亿级内容池→万+内容多路召回→5000+内容简单模型粗排→500+内容深度模型精排→100+内容价值模型重排→千人千面个性化推荐页面”。用Seaver的话来说，“‘算法’根本不是算法，而是‘几十’个子算法的合集”。每一个子算法都剖析不同的内容（用户点击频率、过去偏好等），由主算法将子算法的输出编排成一个“合奏”。而随着大数据、人工智能和机器学习的发展，推荐算法也得到不断的增长和迭代，基于海量多模态数据的大模型算法架构成为社交平台的标配，使用深度神经网络综合了多种应用方式，比如基于内容的推荐系统、混合推荐系统，基于过滤器的推荐系统、功能推荐系统等。各大社交平台的推荐算法都开始依托自研的算法平台进行优化，比如小红书技术团队自研的LarC机器学习平台。算法平台涵盖从底层基础设施到计算框架、资源调度、离线应用、在线部署多个层面，能够在海量的多模态数据中挖掘用户感兴趣的内容和优质商业内容实现千人千面的实时推荐。
（二）算法的“平台化”：差异化的推荐列表
推荐算法的起点、逻辑和运行机制往往相似，但算法并不是普适的。从这个意义上来说，算法是一种“技术文化实体”，不仅仅是一种技术工具，而且逐渐形成了自身的技术文化与物质属性。对于用户而言，最能直观感知到算法呈现的乃是“推荐列表”，推荐列表的设计、运营和管理可以呈现应用的设计师、开发者、平台所有者希望如何接收内容，并将其整合在他们的技术使用实践中。行业从业人员和学术研究人员都认为，一个推荐系统的界面对用户推荐体验的影响可能远远大于推荐算法的性能。笔者拟通过比较不同社交平台App在推荐界面的结构布局、推荐内容集的组成和推荐解释三个方面的差异来呈现算法的能动性。（表1）
解码：“数字灵工”的算法使用文化
平台的“算法化”和算法的“平台化”让我们看到算法的“物质性”和“能动性”。如下，笔者将借鉴传播理论中的“解码”概念作为探索手段，以“数字灵工”为例，探讨他们如何了解和理解算法，以及他们在日常媒体使用中对算法工作的判断和响应。
（一）算法认知差异
（二）算法感受差异
如果说识别算法的存在是算法想象的一个条件，那么理解人们如何解码算法的一个关键方面就在于情感遭遇和反应——人们如何感受算法。“数字灵工”基于自己在社交平台上经历过的“内容审核”“爆款”“限流”等积累的经验知识来认识算法，他们将算法视为流量变现的影响因素，称算法为“玄学”，虽然对算法的运作机制知之甚少，但也根据自己对算法的感受提供了与平台高度关联的四种类型的算法评价。
一是抖音的“沉浸型算法”。访谈对象普遍认为抖音的算法粘性强，旨在让用户上瘾，拉长用户使用时长。算法推荐路径是基于个体过去的历史点击推荐当前的内容，导致内容同质性非常强，容易感到腻烦。抖音的算法推荐机制也限制了内容创作者拓宽多元受众的渠道，其对媚俗、精短、强视听刺激的内容更友好，从而限制了创作力。“在抖音你就不能严肃地创作，特效和模仿视频更可能获得好的数据流量。”（YL20221205）
（三）行动策略差异
Shaw将斯图亚特·霍尔（StuartHall）的三种解码方式（主导、协商和对立）应用于新媒体环境中，并认为解码反映在用户与数字媒体的互动方式上。“数字灵工”对算法的感受差异影响了自身的行动逻辑和策略，形成了以下三种解码模式。
一是解码算法的主导地位及适应模式。在这一模式中，内容创作者认可推荐算法的工具性作用，他们积极向算法提供内容、信息和行为数据，加强与算法的交互作用。比如建立数字新身份，以平台的博主标签、内容分区来定义自我，选用平台偏好的内容形式，追随平台运营的话题来生产内容等。
互构：算法实践的双重后果
算法实践与算法的“物质—能动性”和其关联的人类行动者的算法认知、感受、行动策略是相互“纠缠”的，并在纠缠式的互构关系中形塑着另一方，充满着异质性、不稳定性和意外后果。一方面，平台个性化的算法推荐逻辑塑造了“数字灵工”的文化生产过程和惯习，使得他们的内容生产和日常工作生活置于多重不确定性中。另一方面，“数字灵工”多重角色也对算法建构产生多重影响，并将推荐算法置于多元挑战中。
（一）“数字灵工”的多重不确定性
在用户个性化的推荐算法下，“一个平台的算法变化足以成就或摧毁整个职业生涯”。算法操纵的“可见性”的不稳定性是内容创造者面临的最大不确定性。推荐算法通过审核机制（决定什么可见和不可见）和流量控制（决定什么可爆和什么不可爆）机制，对“数字灵工”的创作、商业化奖励和身份产生影响。
1.审核与创作的不确定性
内容生产者的内容都需要在审核通过后才会得到推荐。算法内容审核是平台借助算法模型将用户上传的内容与预先建立的数据库进行识别、匹配、预测或分类，从而对在线用户生成的内容进行自动化筛选的一种智能化内容审核模式。其中包括绝对过滤涉政治、色情、暴力、血腥等极端的文本、音频、图像或视频等，也包括过滤不同平台制定的规范政策，从而对该平台的内容进行有限度的限制。其中公开的是平台的《服务条款》和《社区指南》，它用通俗的语言确定了平台上禁止的内容类型。尽管平台与平台之间存在差异，但《社区指南》通常概述平台寻求推广的话语类型的总体愿景，包括违规类型、违规词指南、行业合作规范等。
随着算法审核越来越无缝融入用户的日常在线体验，几乎所有的访谈对象都经历过审核过程，因此他们在内容发布之前需要对内容进行“自我消毒”，自主规避可能的敏感话语，对内容作绿色和无害化处理。如果审核不通过，他们会根据平台的反馈结果调整内容后再次提交审核或者进行人工申诉。由于不同平台有各自的审核规定，应对审核积累下的经验知识不完全具有迁移性。更关键的是平台的审核规定会随着社会热点或平台业务调整发生变动，因此经常会出现“以前或现在可以发布的内容，后面就不行了”。（AZ20220919）
2.流量生意的不确定性
其次，平台流量非均衡分布。平台通过算法将内容聚类为各“垂直领域”，如小红书划分了31个垂直领域（如穿搭、美食、职场等），不同垂直领域分属不同行业，行业的发展影响“数字灵工”的变现能力，而平台往往更倾向于增加对高变现领域的流量倾斜。
3.身份的不确定性
“数字灵工”把他们在社交平台上发布的内容视为“个人产品”或“个人形象”用心经营，既是一种极度个体化的实践，以呈现身份/自我，也是一种公共实践，展现出谁应参与这一实践、又应当如何呈现自己的文化规范。这一点使得“数字灵工”拥有多个身份和多重自我，因为他们追求自我与其他身份及非人类环境互动的情境始终是在变动的。
首先，算法通过代码和模型对文化进行重新分类，以算法标签创造了新的“身份类别”，这些由统计数据导出的控制论分类模式，可能与“数字灵工”对自己的感觉和看法相冲突。
其次，“数字灵工”可能是在不同社交平台上建构不同身份类别、面对不同受众、在不同的生命阶段获得不同身份的主体，他们往往需要开展“边界工作”，在多个受众中管理自己的身份表现。因此他们不再是统一于连贯“自我”的身份，而总处于一个不断变动的过程。
对于“数字灵工”来说，身份从来不是单一的，而是构建在许多充满异质性、对抗性、交叉性的论述、实践及地位上的多元组合。
（二）推荐算法面临的多重影响
算法的建构逻辑是“数据输入—运行过程—内容输出”，“数字灵工”的三重角色在算法建构的三个层面均产生影响。推荐算法面临的挑战是如何获得并保持一个积极的反馈循环。
1.作为数据的“数字灵工”与输入挑战
任何的算法实践都依赖于用户的行为数据以形成数据反馈循环。作为社交平台的活跃用户，“数字灵工”差异化的数据反馈循环成为其影响算法实践的根本前提和实际建构的开端。“数字灵工”对自我数据资源的控制力使得其可以在算法建构的输入逻辑上产生三方面的影响。
三是输入的跨平台性带来社交平台算法推荐模式趋同。“数字灵工”对算法的态度及行为最终反映在平台抉择上，在“媒竞人择”的背景下，创作者在平台间迁徙趋势增加，为了留住更多的“数字灵工”，缩小与其他平台用户体验差距，不同社交媒体平台的流量分发逻辑会越来越趋近，其结果是愈加依赖同一完美推荐算法决定内容分发。
3.作为产消者的“数字灵工”对算法输出产生的影响
余论：面向算法实践的多维治理策略
文化生产的平台化使得算法的影响是持续性的、变化性的。本文基于实践逻辑提出了算法的分析路径，包含算法的“物质—能动性”、算法关联行动者的使用文化和算法实践的后果三个方面的内容。算法本质是一种感性实践关系，也是一场社会性的试验过程，是可认知的亦可塑造的。
从认识论层面而言，算法作为技术，其与使用者的关系不是相互独立且对立的，而是相互制约并依存的。算法实践是一段动态的社会过程——结构与能动性相互交错，不存在纯粹静态的算法权力或孤立的人类内在意图，也不能将其还原为另一方。
在方法论层面，跨平台视角对于算法实践研究是有必要的。因为无论是普通用户还是内容创作者都是跨平台和多媒介的使用者，需要将算法实践置于一种“液态化”的空间中，并在“平台—关联行动者—实践后果”的三元辩证法中建立一种共存共生的关系和流动的权力网络，从而清除算法及其使用者“去主体性”的隐患。
“数字灵工”的算法实践使“数字灵工”与算法都获得了“互构性”。在算法逻辑将“数字灵工”置于多重不确定性下的同时，“数字灵工”的三重角色也对算法的建构产生了影响，从而对算法的发展与治理带来挑战。“互构”让我们更深刻地认识到算法系统不只是代码和数据，而是人类和非人类行为者的集合，用户和算法之间是有阶段、长期的共时互动关系。这也为我们超越“作为恋物对象的算法”，提出更好的算法治理（governanceofalgorithms）方案提供了新的思路。笔者认为，从算法实践逻辑出发的治理策略，将走向平台、用户和技术的三维协作互动的算法治理实践，为此需要作三种努力。