遭到起诉。
当然，YouTube绝不是唯一的被告。Facebook的过滤器也采用了类似的设计：关注已经流行的、经常被点击的内容，同时忽略掉其他弥母价值不高的内容。这些内容可能永远都不会出现在你的新闻馈送(newsfeed)中。这是挪威学者泰纳·布赫(Taina Bucher)在研究Facebook的EdgeRank算法时发现的。EdgeRank决定了当你登录这个网站时，会看到朋友们分享的成千上万新闻里的哪一些。根据布赫的研究，Facebook想把具有较高弥母潜力的东西发给我们；因此它研究了用户最乐意点击哪些种类、来自哪些朋友、什么主题的故事。布赫甚至提及，“算法偏见有利于那些能带来更明显参与度的故事。”这种态度本身没什么错，但和Twitter的例子一样，它的确对公共生活怎样运作、该奖励哪种行为体现了某种见解，并确然便利了弥母的制造。在此援引中立性，认为Facebook只是反映了正在发生的事情，弥母的出现是有机的自然现象，Facebook并未主动参与，这其实是与实证证据完全相悖的。
公共生活“弥母化”更大的问题是，着眼于谁能谁不能成为“在线热门”来确定编辑决策，必然会同时影响到报道对象和报道方式。媒体学者C.W.安德森指出，能用技术熟练驾驭新闻发布渠道的新一代媒体人，对有关现有和潜在读者的海量量化信息重度依赖，认为读者是“算法受众”，这些人有着极容易识别的需求和欲望，用合适的算法很容易就能识别并给予满足。相比之下，更具公众视角的早期一代新闻出版商则认为，受众基本上是“审慎的”，他们试图把读者纳入自己眼里符合公众利益的对话，而不管它是否吻合受众的实际期待。至少理论上说，唯有提出更好的论点，才能让这些对话和公共讨论尘埃落定，而哪个论点更好，并不由每个论点获得了多少页面访问量来决定。
把这与莱恩·霍利戴所描述的新闻环境做个对比。他曾引用BuzzFeed创始人、无与伦比的弥母之王约拿·佩雷蒂(JonahPeretti)的话说，围绕让人悲伤的内容很难创造弥母。“如果某件事情是晴天霹雳，人们不会分享它……问题是看过之后你会感到沮丧……这就好比，你在把悲伤情绪传递给朋友，那么，你怎么会想把悲伤情绪传递给朋友呢?”佩雷蒂说。那么，也就难怪霍利戴在书中所说，来自遭受经济衰退打击的底特律的两组照片，同时发表在“互联网”上，只有一组实现了病毒式传播。
168
枝术至死