登录的时候并没有什么不同。主要的区别在于，用户可能永远不会真正知道他们接触到的是什么，即使在进入Facebook这个数字建筑之后也是如此。移动的沙发很容易被察觉;A/B测试则不然。用户永远不会确切地知道他们看到的是什么，也不会知道屏幕上出现的世界是如何形成的。生活在一个以算法为中介的环境中，意味着学会活在当下，不要指望两次踏进同一条河这也意味着承认，谈论EdgeRank、新闻feed算法，或者随便你怎么称呼它，都意味着谈论一个一般的潜在逻辑，而不是它确切的数学公式
一般来说，该系统旨在最大化用户参与度，并将呈现它认为最有趣的内容，希望用户更有可能“采取行动”(Juan and Hua, 2012)。这些算法功能中固有的预期逻辑主要不是为了确认一些预先存在的文化逻辑，而是为了建立一种有能力考虑主体行为概率的政府模式。毕竟，“这些预测可以用来鼓励更多的用户互动”(Juan and Hua,2012):2).通过观察Facebook平台的特殊性(这里以Facebook算法为例)，我们可以开始重新思考依赖于算法架构并通过算法架构运作的可见性机制。因此，在本章中，我将扩展福柯的“全景主义”思想，因为它为理解可见性的技术结构方式提供了一个有用且高度相关的分析。
重新思考可见性制度 (Rethinking Regimes of Visibility)
算法建立了在线构建可见性的新条件。社交媒体网站是经过设计的计算空间，它决定了人们如何进行社交和交流。正如我们到目前为止在书中所看到的那样，算法所组成的社会技术组合产生了数据被转化为有意义形式的条件，也就是说，决定了我们的数字设备屏幕上将出现什么。要理解感知的分布是如何发生的，以及可能产生什么影响，问题是可见性是如何产生的一一通过什么样的机制、逻辑和治理实践。
全景主义
福柯运用了两个基本概念，即事物是如何被看到或展示的，以他的奇观和监视的概念为例。这不仅仅是在给定的历史语境中看到的东西，而是可以看到的东西，以及如何构建可见和可说的领域，以使其成为特定的政权
82
IF . . . THEN