算法的六副面孔：它是如何从处理数据，变成定义我们是谁的

概览

本期是一个关于“算法与媒体”的系列开场。主播希望把算法从单纯的技术问题中抽离出来，放到社会学、传播学和人文视角下讨论：算法如何影响信息获取、世界感知、公共讨论，甚至人的身份认同。

节目以 Tarleton Gillespie 的论文《The Relevance of Algorithms》和 Kyle Chayka 的《Filterworld》为主要骨架，借“六个维度”拆解算法：包含模式、预判循环、相关性评估、客观性承诺、与实践的纠缠，以及计算出的公众。

核心结论是，算法不只是把数据变成结果的工具，而是一套嵌入日常生活的权力结构。它决定什么被看见、什么被忽略，预判我们是谁，训练我们的表达方式，并在公共生活中重新划分群体。

节目最后没有把算法简单描述成灾难，而是强调理解算法是与它共存的第一步。多平台、多来源的信息使用，被视为一种可能抵抗单一算法滤镜的方式。

分段落总结

[00:05] 系列缘起与问题意识

[事实] 主播介绍这是一个关于算法和媒体的全年专题系列，源自他在新闻学院相关研究课题中的延伸。

[事实] 他认为现有中文讨论中，技术层面的算法发展谈得较多，社会学、政治学、哲学层面对人的影响谈得较少。

[事实] 本系列希望讨论算法驱动的社交媒体时代如何影响信息获取、世界认知和社会本身。

[推测] 这期单口相当于为后续对谈搭建概念框架，避免后续讨论显得过于抽象或突兀。

[03:21] 把本期当作算法社会学的文献综述

[事实] 主播把本期节目比作一篇针对算法社会学研究的 Literature Review。

[事实] 他选取一篇学术论文和一本畅销书作为主视角，并将其他报告、论文和书籍放在 Show Notes 中。

[事实] 他观察到英文世界关于算法社会影响的研究已经很多，而中文语境中的人文视角研究和书籍相对不足。

[推测] 节目试图弥补中文公共讨论中“个人体感多、实证与理论框架少”的缺口。

[05:52] 两条主线：Gillespie 与 Filterworld

[事实] 学术主线来自 Tarleton Gillespie 的《The Relevance of Algorithms》，主播认为它兼具自然科学和人文科学视角。

[事实] 这篇论文虽然发表于 2014 年，但被称为算法研究的重要奠基文献，并用六个维度覆盖算法从数据输入到身份构建的过程。

[事实] 另一条主线来自 Kyle Chayka 的《Filterworld》，主播认为它提供了普通人在算法时代的感受表达。

[推测] 节目在结构上更依赖 Gillespie 的理论框架，在例证和情绪经验上适度借用《Filterworld》。

[08:03] 算法不只是软件里的推荐机制

[事实] 主播指出，搜索引擎、音乐推荐、输入法自动补齐、邮箱自动补齐、地图导航和科学计算都可以被视为算法。

[事实] 广义上的算法是把输入数据转化为期望输出的编码化流程。

[事实] 主播进一步指出，当互联网成为信息入口和表达出口时，算法筛选“相关内容”就不再只是技术问题。

[推测] 节目将算法定义为一种处理知识、认证知识并影响公共相关性的机制。

[10:21] 算法作为媒介与权力意志

[事实] 主播引用 Gillespie 的观点，把某些算法称为“公共相关性的算法”，因为它们既处理知识，也为知识提供认证。

[事实] 他用麦克卢汉“媒介即信息”的思路说明，算法作为媒介正在重塑人类连接的尺度、节奏和模式。

[事实] 他又借本雅明关于摄影术改变艺术感知方式的讨论，类比算法对信息传递的影响。

[推测] 在主播的框架中，算法更像一种新的感知方式、连接方式和治理方式，而不是单纯工具。

[16:01] 第一副面孔：包含模式

[事实] “包含模式”讨论哪些内容可以进入算法的数据口、索引和内容库，哪些内容被排除在外。

[事实] 主播把早期互联网的黄页、BBS 和图书馆分类，与算法时代的信息颗粒化进行对比。

[事实] 算法时代的信息被打碎成标签和字段，甚至连算法工程师也未必能解释每个字段的具体含义。

[推测] 分类权从相对可见的目录结构转向黑箱标签后，解释权也更隐蔽地转移给平台和算法。

[18:56] 标签、分类与可见性的权力

[事实] 主播强调分类是一种具有统治力的政治行为，因为贴标签是在定义一个东西是什么、应该是什么。

[事实] 他举 Amazon Fail 为例：2009 年亚马逊上超过 5 万本 LGBTQ 相关书籍因被标记为成人向而从销量榜中消失。

[事实] 他认为类似现象也可能出现在热搜和平台推荐中，一个话题可能因标签不被算法认可而消失。

[事实] 降权也是一种隐形管理，内容不一定被删除，但可能无法进入榜单、首页推荐或热门趋势。

[23:11] 算法过滤复杂经验与边缘群体

[事实] 主播引用《Filterworld》的思路，认为算法会进行审美剪裁，只留下安全、平庸、易标签化的现实。

[事实] 他指出，互联网曾让人看到更丰富的世界，但算法又在重新收窄这个世界。

[事实] 老人、残障人士、低收入群体等如果在线上不发声或声量很小，在算法世界里就近似不存在。

[推测] 标签化不仅影响平台排序，也可能反过来影响人们理解社会事件的方式，使讨论更容易非黑即白。

[27:03] 第二副面孔：预判循环

[事实] “预判循环”讨论算法如何预判用户需求，并据此调整模型。

[事实] 主播提出算法世界里有两个自己：屏幕前的肉身，以及算法建立的“数字双胞胎”。

[事实] 平台会根据定位和时间、历史浏览痕迹、相似用户特征来预判用户想看什么。

[事实] 主播提到 hunch.com 曾号称通过五个问题以 80% 到 85% 的准确率判断偏好。

[30:14] 用户也在被算法训练

[事实] 主播指出，点赞、不感兴趣、一键三连等按钮让用户主动把自己修剪成算法能识别的形状。

[事实] 他质疑“我训练了算法”的说法，因为按钮位置、交互设计和反馈机制本身也在训练用户。

[事实] 设计算法的人会默认某些行为模式具有稳定含义，比如点赞代表喜欢、三秒退出代表不感兴趣。

[推测] 所谓个性化推荐并不是纯粹理解用户，而是把复杂的人压缩为可计算、可预测的行为模式。

[32:12] 冰岛旅游与选择的消失

[事实] 《Filterworld》中提到冰岛旅游案例，Instagram 和 TikTok 推动冰岛成为热门打卡地。

[事实] 冰岛旅游局局长担心超过八成旅客只去少数著名景点，因为平台总把好评率高的黄金圈一日游推到前面。

[事实] 主播把这种现象称为“选择的消失”：当 96% 好评出现在第一页时，算法已经在暗示标准答案。

[推测] 算法通过好评、销量和榜单制造自我验证循环，把探索变成低风险、低摩擦的文化快餐。

[36:21] 第三副面孔：相关性评估

[事实] “相关性评估”讨论算法用什么指标判断一个信息与受众相关，以及谁应该排在前面。

[事实] 主播指出，算法黑箱并不只是故障，而是其功能的一部分，因为完全公开规则会导致抄袭、营销和操纵。

[事实] 平台可能会公布考量点击、停留等信号，但不会公开权重和调整时机。

[推测] 相关性的尺度必须被隐藏，才能维持平台排序机制的权威和抗操纵能力。

[38:36] 数字民主更像股东式民主

[事实] 主播反驳“点赞多就靠前”的数字民主想象，指出 PageRank 中不同链接的权重并不相同。

[事实] 来自高权重网站、专家、中度用户或圈内用户的推荐，可能比普通用户的推荐更重要。

[事实] 搜索引擎研究曾指出，搜索结果会偏好高人气内容、英语网站和商业性信息提供者。

[推测] 算法并未消除现实社会中的话语权差异，而是把既有权重等级用代码形式固化下来。

[40:50] 算法是流动的黑箱

[事实] 主播指出，人们常误以为算法写好后就不动，因此相信可以掌握讨好算法的固定技巧。

[事实] 实际上大平台每天进行大量 A/B 测试，界面和排序逻辑都可能不断变化。

[事实] 这种动态性意味着，对算法偏见的静态观察可能很快过时。

[推测] 用户既看不透黑箱，也无法确认黑箱的形状是否稳定，因此很难真正掌握平台规则。

[42:58] 第四副面孔：客观性的承诺

[事实] “客观性的承诺”指平台宣称数学中立、算法工具化、技术客观。

[事实] 平台会用“趋势排行”“最佳匹配”“区域热门”等词语，以及部分规则说明，展示其正当性。

[事实] 学术界把这种可见但不足以解释真实后台运作的呈现称为“表演式的后台”。

[推测] 客观性在这里既是技术主张，也是平台维持信任和合法性的表演。

[44:32] 算法客观性与新闻客观性的类比

[事实] 主播引用一篇 2011 年论文对谷歌算法中立性的批评，指出复杂系统中没有工程师能完全理解所有偏见如何运作。

[事实] 他把算法客观性与新闻业客观性规范类比，认为记者守则和数学模型都在保护自身社会地位。

[事实] 他还用 2008 年金融危机中的信用评级制度说明，数学模型无法免于人性贪婪和偏见。

[推测] 算法客观性并不是没有价值判断，而是把价值判断隐藏在模型、指标和制度流程中。

[46:28] 用户为什么愿意相信算法

[事实] 主播指出，人们并不是真的不知道算法有偏见，也知道审查制度存在。

[事实] 他借《Filterworld》和 Gillespie 的观点解释，人们相信算法是因为这样最省事，可以从永恒怀疑中解脱出来。

[事实] 把选择权交给算法，能让用户减少判断真伪、筛选价值的负担。

[推测] 这种省事的代价是集体性的认知盲区，以及审美和判断能力的退化。

[48:24] 第五副面孔：与实践的纠缠

[事实] “纠缠”讨论人和算法之间的关系，尤其是内容获取者、内容表达者与算法的互动。

[事实] 内容创作者会考虑标题、图片、发布时间和关键词，以适应算法分发。

[事实] 普通用户的点赞、评论、关注和不关注，也会受到算法识别逻辑的影响。

[推测] 算法不只改变人看到什么，也改变人在公共平台上如何表达、如何自我呈现。

[50:24] 算法可识别与表达方式的改变

[事实] 学术圈有“算法可识别”的概念，指用户通过话语、标签、关键词等方式让自己更容易被算法识别。

[事实] 主播提到 hashtag 最初由用户发明，如今却像一种为了讨好算法而穿上的制服。

[事实] 用户会通过打标签、错别字、拼音缩写等方式躲避审查或避免降权。

[推测] 在算法平台上，表达逐渐变成向算法提交易于消化的指令。

[52:32] 算法内幕信息与权力分配

[事实] 主播指出，MCN、SEO 专家、拥有 API 访问权限的开发者和广告商，比普通用户更懂如何利用算法。

[事实] 广告商可以通过竞价和位置分配直接获得流量，不必完全参与普通用户摸索算法的游戏。

[事实] 普通用户对算法的理解往往充满迷信和误解，比如相信大量打标签就能获得流量。

[推测] 算法时代的“内幕信息”形成了新的不平等，理解规则的人更容易获得可见性和收益。

[54:08] 训化算法的幻觉与创作者焦虑

[事实] 主播认为，只要算法维护权和更新权在大公司手里，用户训化算法的感觉就是一种幻觉。

[事实] 他以自己使用小红书为例，说明平台从“有活人感”逐渐变成广告、营销和 AI 内容难辨的环境。

[事实] 作为内容输出者，他发现自己会不自觉考虑标题、封面和流量。

[推测] 算法平台把创作者从“表达者”推向“流量优化者”。

[56:00] 算法如何改变音乐和文化生产

[事实] 主播引用《Filterworld》提到，过去 20 年热门歌曲平均时长持续缩短。

[事实] Spotify 将 30 秒播放计为一次播放并据此支付版税，这削弱了延长歌曲时长的经济激励。

[事实] 他提到抖音神曲和短视频环境使音乐更需要在短时间内刺激创作者和听众。

[事实] 有研究发现，Billboard 百强单曲中转调歌曲从 1960 年到 1990 年代的四分之一，下降到 2010 年代只剩一首。

[59:53] 第六副面孔：计算出的公众

[事实] “计算出的公众”讨论算法如何根据数据把人分群，并赋予人们原本未必意识到的身份。

[事实] 主播指出，大众媒体时代曾有共同聊天底座，而算法时代这一最大公约数正在消失。

[事实] 他区分“网络化公众”和“计算出的公众”：前者是人因兴趣主动聚集，后者是算法把人划为一类。

[推测] 算法不仅观察社会，也在按自己的计算逻辑重新切分社会。

[63:02] 算法定义“像你这样的人”

[事实] 电商和信息流算法常以“像你这样的人还喜欢”“相似用户都在看”的逻辑组织推荐。

[事实] 主播提到小红书评论区中有人会召唤算法推送更多内容，也有人困惑算法把自己带到了哪里。

[事实] 这些现象说明用户能感受到自己被算法放进某种临时群组中。

[推测] 久而久之，人可能把算法切分出来的群体误认为世界本来的结构。

[64:04] 文化偏见被算法放大

[事实] 主播举谷歌搜索 “she invented” 被提示为 “he invented” 的例子，说明算法可能呈现性别偏见。

[事实] 他指出，算法在这里像一个统计员，反映互联网语料中“he invented”出现频率更高的现实。

[事实] 算法把文化中已有的偏见包装成客观规律，再反馈给用户。

[推测] 在 AI 和聊天机器人继续吸收人类语料的情况下，这种偏见可能被进一步强化。

[65:12] 极化、信息茧房与多样性红利

[事实] 主播认为，社会极化和算法极化是互相造就的问题，算法客观上加速了极化进程。

[事实] 他同时指出，很多研究证明信息茧房至少目前并不像大众想象得那么严重。

[事实] 一个重要原因是多数人不会只使用一个平台，而是混合使用抖音、小红书、微博、播客、B站、YouTube 等。

[推测] 多平台使用可以形成“算法的多样性红利”，帮助用户用不同滤镜校验信息。

[67:15] 结尾：认识隐形室友

[事实] 主播总结六个维度：算法定义数据，预判需求，评估相关性，披上客观外衣，与生活纠缠，并定义我们是谁。

[事实] 他认为算法已成为测量社会的科学仪器，重新测量生活、定义感知世界的方式，并改变世界本身。

[事实] 他强调人们注定要与算法共生共存，因此第一步是认清这个“隐形室友”的底细。

[事实] 下一期将与一位在美国大学任教、长期研究算法的新闻学教授对谈。

播客点评/总结

这期节目的价值在于，它没有停留在“算法好不好”“平台坏不坏”的情绪判断上，而是用六个维度把算法拆成一套可分析的社会机制。对想理解推荐系统如何影响公共生活、文化生产和自我认同的听众来说，这是一期很好的框架型导论。

亮点是跨学科连接很密集：Gillespie 的算法社会学、麦克卢汉的媒介理论、本雅明的技术与感知、新闻业客观性、金融评级、旅游平台、音乐流媒体和小红书创作经验被串在一起，形成了一个比较完整的论述链条。

[推测] 局限在于节目主要由主播单口完成，很多例子和判断虽然来自论文、书籍或个人经验，但没有在音频正文中逐一展开研究方法和证据边界。因此它更适合作为进入算法议题的思想地图，而不是严格意义上的实证结论汇编。

[推测] 适合的听众包括内容创作者、媒体从业者、平台产品和算法相关从业者，以及对社交媒体、AI、公共讨论和文化变化感兴趣的人。对于只想听具体平台运营技巧的人，这期可能偏理论；但对于想理解“为什么我们越来越像是在为算法生活”的人，它的信息密度很高。