(西蒙顿，1980:6)尽管我没有对算法的“本质”提出任何主张，但我认为算法的存在模式是建立在不同环境的关系戏剧基础上的。在推荐书籍的过程中，亚马逊的“协同过滤”算法创造了一些条件，通过这些条件，某些书籍会引起用户的注意，而其他书籍则难以捉摸。协同过滤是基于这样一个假设，即共享某些偏好的客户也会共享其他偏好。亚马逊并没有将用户与相似的客户进行匹配，而是使用“item-to-item”协同过滤来推荐相似的书籍或其他商品，这种计算出的相似性链在很大程度上依赖于用户输入。可以这么说，从技术层面来考虑算法的力量，没有人能摆脱代理的束缚。用西蒙顿的话说，机器的本质总是需要与其他机器和“人”联系起来理解。在亚马逊上，我们买书(通常是同时买几本)，把它们放入愿望清单，搜索商品，浏览平台，写评论，并提供评级。在推特上，我们发推、浏览、花时间、建立非互惠的关系网络、回复、转发。我们已经牵连其中。根据巴拉德的说法，“我们对我们生活的世界负责，不是因为它是我们选择的任意构建，而是因为它是我们在塑造中扮演角色的特定实践的沉淀”(2007:203)。这意味着，我们不能把算法的力量当作一条单行道。如果权力是指某些行为改变其他行为的方式，那么我们的行为也很重要。我们发的推文、买的东西、点的赞，这些都是影响影响力的因素。正如我们在第4章看到的，这些行为改变了我们和我们的网络所能看到的东西。
这也意味着设计师、开发者和其他决策者的角色是至关重要的。仅仅因为算法学习和放大了现有的社会偏见、不平等或刻板印象，并不意味着它们不能被纠正。相反，算法开发者可以补偿数据集中的偏见，公司确实会选择何时干预纠正某些算法结果当算法最终偏向于某些群体时，这些实例可以被识别和计算处理。正如第6章所讨论的那样，在新闻中使用算法并不会自动导致过滤气泡的产生，这与人们经常声称的相反。正如一位受访者所建议的，“如果你想让你的算法反映多样性，那就是你必须为之设计的。”重要的是，设计师、开发人员和决策者如何思考算法应该针对哪些方面进行优化，以及这对不同的社会群体可能产生的后果。
取向
代理不是孤注一掷。说“是算法做的”是不行的。也不能因为总有其他实体牵涉其中，就把责任推给别人。就像书中讨论的围绕算法的争议一样，
154
IF .. . THEN