算法权力与政治

由于点击和点赞的方式，暂时的泡沫似乎构成了在算法空间中相当普遍的体验。正如Rachel和Ryan的评论所建议的那样，要么你负责点击，要么点击会让你陷入一个永久的反馈循环。

然而，有意识地点击并不仅仅是一种防御策略。它也以一种更主动的方式出现。以凯特(Kate)为例，她以前是一名学校教师，现在为她所在社区的父母经营一个Facebook页面。对于凯特来说，她的帖子被尽可能广泛地看到和传播是至关重要的。用凯特的话说，为了确保“最大限度的传播”，她非常小心地“有意识地”发布，这意味着她使用多张照片而不是一张，总是试图选择合适的词语和合适的时间。作为一个页面所有者，凯特说：“我已经完全改变了我分享信息的方式，使其最适合算法。48同样，诺拉也会以特定的方式调整她的更新，以适应Facebook的算法。和Michael一样，诺拉也观察了一段时间的动态消息的运行情况，记录下了哪些是有效的，哪些是无效的。正如她所说，“如果我发布的东西在最初的5分钟内没有收到点赞，或者点赞非常稀疏(第一分钟1-2个)， 那么它们就会下降，根本没有多少评论或点赞。”49.多年来，诺拉制定了不同的策略，使她的“帖子更容易被算法识别”这些策略包括在特定的时间发布(“通常是在非周五的工作日深夜左右”)，以特定的方式组织帖子，确保其他人不会出现在她的头像照片中(否则，他们“可能会得到更少的点赞”)，并确保在她的更新中避免或包含某些关键词。

正如吉莱斯皮(2016)指出的那样，使在线行为适应社交媒体平台及其运营逻辑可以被视为一种优化形式，内容生产者可以通过这种方式使他们的帖子“在算法上可识别”。当用户等到一周中的某一天和一天中的特定时间，使用多张图片而不是一张图片，仔细选择他们的措辞，并故意使用听起来积极的措辞时，他们不仅仅是在战略性地更新他们的社交媒体资料或希望被其他人看到。让人想起吉莱斯皮(2014)关于使用标签来优化算法的论点，作为本研究一部分分享的个人算法故事表明，许多参与者正在重新设计他们的表达，以便更好地被算法识别和分发。和凯特一样，Ryan也认为社交媒体的潜在逻辑非常重要。正如他所说，“社交媒体的运作方式真的，真的会影响我发布的内容和方式。”例如，在Facebook上发布“生活事件”，或者在推特和Instagram上使用特定的标签，被一些参与者视为增加算法显示这些事件的概率的特别有效的手段。

当然，为了被信息中介看到和认可，人们一直在制定战略努力。正如吉莱斯皮所写，“向新闻机构发送新闻稿，举办具有电视渴望的视觉冲击力的活动，或者以方便记者的方式获得发言人和录音。

110

IF .. . THEN

长期以来都是媒体提高能见度的策略(2016:2)。从某种意义上说，用户总是试图对媒体机构和权力经纪人看似难以理解的逻辑进行逆向工程或戏谑地参与。然而，在这个时代，人们试图破解的逻辑不是人类的心理，而是机器的处理。

这项任务的一部分包括弄清楚这些平台是如何运作的。例如，在脸书上发布“生活事件”，或者在推特和Instagram上使用特定的标签，被一些参与者视为增加被算法发现的可能性的特别有效的手段。23岁的加拿大自由职业设计师佐伊认为，这不仅仅是要知道使用哪些标签来引起注意，还要首先知道不同的平台是如何对待和重视这些标签的对于像佐伊这样的有前途的设计师来说，她依赖于吸引受众(就像迈克尔一样)，无法把握某些平台惯例可能会对业务造成损害。例如，博客平台Tumblr和Instagram有不同的标签约定，这不仅仅是为了知道哪个最受欢迎。以一个看似很小的技术细节为例，比如一个平台是否允许在标签中输入空格。佐伊说，她花了一段时间才弄明白，在博客平台Tumblr和Instagram之间交叉发布图片之所以无法吸引新的粉丝或兴趣，仅仅是因为标签没有以正确的方式同步。虽然这些标签在Tumblr上很管用，但在Instagram上却变成了胡言乱语。佐伊推测，这可能让她失去了被注意到的宝贵机会，因为算法不愿意在Instagram的其他用户的“探索”部分展示她的个人资料。佐伊说，以正确的方式使用正确的标签将增加你成为这些推荐资料之一的机会。

与传统的公关人员或战略传播者不同，这项研究中的大多数人并没有因为商业原因而定制他们的信息，而是经常因为他们认为他们的朋友和家人希望看到的东西而这样做。特别引人注目的是，他们不想让人们因为不必要的帖子而感到负担，也就是说，不想给朋友的信息过载增加负担;而围绕可接受的分享行为的社会规范也在这方面被频繁提及。对于瑞安来说，迎合他认为自己的社交网络感兴趣的内容与了解平台的运作方式是密切相关的。因为他知道脸书上的相册“比文字状态更新更有可能出现在某人的动态中”，所以他确保自己发布的照片值得别人关注。他只会分享带有“深思熟虑、有趣的说明文字”的相册，因为他知道，考虑到算法对相册的感知偏好，人们很可能会看到它。同样，瑞安很少在社交媒体平台上“点赞”，因为正如他所说，“人们会注意到”。如果你“点赞”的东西太多，“点赞”就会变得毫无意义。因此，瑞安试图“把这些东西留到真正重要的时候”。这样，当人们看到他喜欢某样东西时，这实际上意味着他真的很喜欢它。“我把点赞留给那些已经有一百万粉丝或点赞的大型商业页面发布的有趣文章或搞笑视频。

Affective Landscapes

111

瑞安解释说，因为正如他推测的那样，在大而重要的页面上积累的点赞更有可能出现在其他人的新闻提要上。

以这种优化和战略性的方式处理个人在线交流需要花费大量的时间和精力。事实上，算法扮演着各种注意力看门人的角色，用户需要“破解”或与之合作，以增加他们获得信息的机会。正如围绕推特和Instagram算法时间表的公开讨论所表明的那样，算法被视为权力捐客，你要么与之合作，要么与之对抗。瑞安认为推特和Instagram大规模“使用算法”是一个很大的错误，部分原因是它“将改变人们发布的内容和人们使用平台的方式，他们不会像以前那样使用它。”对瑞安来说，Snapchat和脸书的区别在于前者“需要更少的思考时间”。他阐述道:

但是，在脸书上，有很多事情在发生，所以我必须有策略地计划我要说什么，我怎么发布，我什么时候发布，所有这些事情。只是为了确保我想看到的每个人都能看到它

策略性规划说什么，只是“自觉点击”的另一个侧面，是一种面向平台运营逻辑的方式。对瑞安来说，推特以比以前更大的规模推出算法逻辑的问题不在于算法本身，而在于它对平台的实际参与所带来的后果。因此，瑞安建议，如果推特要“从算法开始，你真的必须开始考虑你发布的内容”。

如果用户想要引起注意，他们通常需要配合算法，但也有相反的努力，即不让自己“被算法识别”。的确，正如个人算法故事所证明的那样，避免或破坏算法需要人们关注平台的运作方式。来自菲律宾的受访者路易斯说，他对Facebook的算法深深着迷;然而，他认为这是一个陷阱。对于路易斯来说，用户有各种选择来抵消算法的逻辑。事实上，正如希尔所言，“抵抗不能仅仅是选择退出，而是以不可预测的方式参与”(2012:121)。在路易斯看来，“网上隐私并不真正存在。所以，为什么不直接迷惑那些真正在看你私密信息的人呢?这样，就误导了他们。52其他人也报告说，他们参与了数据混淆的活动，无论是明示的还是暗示的。莉娜一直试图“操纵内容”，以便“控制”Facebook给她的建议，而Jessa则试图通过喜欢矛盾的东西来混淆算法。

无论人们是否试图让自己被算法识别，这些反应都表明，用户的有趣学习应该是

112

IF . . . THEN

53.被认为是一种认知模式，是面向对未知物体的积极探索在许多方面，用户将自己导向平台操作逻辑的各种方式与我在前一章中试图“逆向工程”Facebook的新闻feed算法的方式并没有什么不同。虽然我们可能不知道算法的确切工作原理，但它们的后果往往是可以观察到的，也是可以感受到的。根据埃莉诺·吉布森(EleanorGibson)的说法，“对物体的主动探索，导致了可观察到的后果和更专门的探索活动，对于了解物体提供什么、可以用它做什么、它的功能可能性和用途具有重要的结果”(1988:24)。一些用户(尽管相当具有反身性和知识性)参与的对算法的有趣探索不仅会导致用户更多地了解系统提供什么以及可以用它们做什么，这些活动也有能力塑造那些首先使这些反应永续的算法。

算法的想象

算法通过它们所参与的各种情感遭遇来抓住社会想象。正如本章分析的许多不同的个人算法故事所证明的那样，算法是由不同的经验、情绪和感觉生成的。不同的场景和情境可以被理解为构成了可能被称为算法想象的一部分-思考算法是什么，它们应该是什么，它们如何发挥作用，以及这些想象反过来使什么成为可能的方式。虽然没有办法确切地知道算法是如何工作的，但个人算法的故事说明了了解算法如何可能涉及代码以外的其他类型的寄存器。事实上，“故事有助于理解事件，提出真理主张，定义问题，并建立解决方案和策略”(Ainsworth&Hardy,2012: 1696)。故事解释事件和经历的方式，帮助演员理解在特定的、情境性的遭遇中正在发生的事情。个人算法故事阐释了查尔斯·泰勒(2004)所称的“社会想象”，即人们想象自己的社会现实的方式。因此，想象应该被理解为一种生成和生产意义上的东西，它使人们能够识别和参与到自己的生活存在和社会物质环境中。

然而，我对想象的使用并不是关于社会想象本身。算法想象不一定是一种“共同理解，使共同实践成为可能”的形式(泰勒，2004:23)，也不一定是关于算法的方式，例如，可以生成一个“想象的社区”(安德森，1983)或“计算的公众”(吉莱斯皮，2014)。虽然这些概念肯定可以成为“算法想象”的一部分，但我想在这里使用这个术语来暗示一些略有不同但相关程度并不低的东西。例如，我没有理由也没有意愿宣称，人们的个人算法故事是一种更普遍的关于算法的文化信仰的一部分。虽然他们可能

Affective Landscapes

113

它们以重要的方式共享或重叠，并成为社会中关于算法的更大辩论和话语的一部分，它们也是从算法中介空间的个人和习惯实践中产生的想象。在本书的其他部分，我讨论了程序化社会性的概念，即软件和算法支持和塑造社会性和生活经验的方式，这些社会性和生活经验是特定于所讨论的平台的建筑和材料基质的。从这个意义上说，算法可能确实有能力产生一种聚在一起的形式，让人想起本尼迪克特·安德森(BenedictAnderson)的想象社区概念。正如安德森的著名宣言，一个国家“是一个想象中的政治共同体—一被想象为既固有地有限又具有主权”(安德森，1983:15)。重要的是，正如施特劳斯所指出的，安德森强调了媒体的作用，特别是报纸和书籍，在“创造读者作为其他假定读者的更大社区的一部分的感觉”(施特劳斯，2006:329)。然而，我在本章想要阐述的算法想象，并不是由算法组装的公众，而是部分由公众组装的算法。换句话说，算法想象出现在公众对算法是什么和应该是什么的信仰、经验和期望中

用想象的概念来描述人与算法之间的相遇所产生的东西，并不是说人们对算法的体验在某种程度上是虚幻的。恰恰相反，它们是“真实的”。55算法不仅仅是抽象的计算过程;它们也有能力通过在不同程度上塑造社会生活来制定物质现实(Beer, 2013;Kitchin & Dodge, 2011)。当瑞秋发现自己“每天有意识地点击”来影响随后会出现在她的新闻推送中的内容时，算法不仅仅是她所思考的一个抽象的“不真实”的东西，而是影响她使用Facebook的方式的东西。同样，卢卡斯说，他对Facebook算法的了解不仅影响了他的发帖方式，也影响了他对他人的回应。正如卢卡斯解释的那样:

我知道，如果我的一个朋友发布了他们感兴趣的内容，我就会不遗余力地“点赞”和“评论”，因为我知道这将在程序上“支持”他们，并希望将他们放到更多人的feed中，因为EdgeRank会因为我的参与而给他们更多的分数

卢卡斯愿意不辞辛劳地给朋友的帖子点赞，提高他们的知名度，这与最近在社交媒体监控方面的一些研究结果相呼应。正如Trottier和Lyon(2012)所表明的那样，Facebook用户参与“协作同一性构建”，通过标记、评论和喜欢的实践来增加彼此的可见性。

用户对算法是什么以及它是如何工作的感知，塑造了他们对算法的取向。几位参与者报告说，他们已经改变了自己的信息共享行为，正如凯特所说，“以使其最适合算法”。这些人

114

IF . .. THEN

将社交媒体平台作为生活环境的实际参与意味着发展关于系统底层逻辑的隐性知识。虽然大多数技术的设计方式使人们不必确切知道它是如何工作的(Hardin,2003)，但人们倾向于构建关于其工作的“心智模型”和理论，作为一种导航和与世界互动的方式(Orlikowski& Gash,1994)。尽管明确指出他们不知道算法是什么，但大多数参与者或多或少都有关于算法是什么和应该是什么的详细理论。以Facebook为例，凯拉说她“不知道算法是什么”，但怀疑它是对平台跟踪的所有数据做出反应的。同样，Michael也“不知道实际的算法是什么”，但对于如何最好地构建状态更新，以增加他的帖子被广泛传播的可能性，他仍然有一个清晰的想法。

算法想象绝不是一种虚幻的关系，而是一种需要被理解为富有成效的强大识别。人们遇到和体验算法的场所和情境，可以说塑造了人们对算法的思考、交谈和感受方式。当你45岁的时候看到一个除皱霜的广告，或者当你在脸书上宣布自己是“单身”时看到一个约会网站的广告，这些联系可能不是偶然的。算法通过构建“同一性类别”来创建“与识别的控制论关系”(Cheney-Lippold,2011:168,172)。然而，这些统计推导出的控制论分类模式可能与用户对自己的感受和看法相冲突。一些参与者，如Shannon和Kayla，对他们被分类的方式感到不舒服，而其他人，如莉娜和Larry，对算法“认为”他们会是真正对他们所提供的内容感兴趣的人感到疏远甚至愤怒。虽然可能很难摆脱数字构建的同一性类别，但Papacharissi认为，情感可能超越“仅仅是情感和感觉，以描述暗示以各种方式行动的倾向的驱动力”(2015:12)。算法是否做出正确的推断并不一定重要。例如，一个被错误地称呼为成年人的孩子可能会喜欢他或她被“认真对待”的事实，并开始以更像成年人的方式行事(DeVries,2010: 78)。同样，莉娜对被“错误地”识别并与她以前的同学联系在一起的愤怒，似乎促使她更新了更多关于民主党的信息，以对抗算法坚持显示“共和党”更新的做法。

算法想象不仅描述了人们构建的关于算法的心智模型，还描述了这些想象所具有的生产力和情感力量。在机器学习的驱动下，驱动社交媒体平台的算法由于暴露于不断增加的数据集而不断发展和变化。正如Emilee Rader和Rebecca Gray(2015)指出的那样，这些系统的反馈回路特征使用户信仰成为塑造整体系统行为的重要组成部分。当用户“有意识地点击”时，破坏他们的

Affective Landscapes

115

“点赞”的做法，更频繁地评论一些朋友的帖子来支持自己的知名度，只在工作日的晚上发帖，或者强调带有积极色彩的词语，这些动作或反应不仅仅受到算法的影响(或者更确切地说，受到人们对算法的看法的影响);这些做法也有能力影响那些最初帮助产生这些反应的算法。算法的社会力量——特别是在机器学习的背景下—一源于人与算法之间的递归关系。

结束语

与算法的日常接触构成了分析算法的权力和政治的重要场所，这种方式不一定假设自上而下或宏观的权力观。相反，在本章中，我关注的是人们在网络环境中遇到算法力量时，在其生活影响中出现的权力的微观政治。对于思考这些遭遇会产生什么，微观政治成为了一个有用的概念。作为事件，这些情境遭遇“可能通过[它们改变]使能关系和约束关系的方式产生强大的后果”(Bissell,2016:397)。这不仅仅是算法可能限制或使人们能够做事情一一例如，在网上被看到和听到，允许感觉被感受到或促使对一个人的生活环境的反应和评估。在情境遭遇中发生的几乎觉察不到的转变绝不是单向的;人们当然也会限制或使算法的能力有所作为。

算法体一—尤其是由机器学习驱动的算法体—一的特点是它有能力因遭遇而改变。就像人们学会在哪里导航一样，算法也会学习和适应周围的环境。虽然我们可能无法询问算法影响和被影响的能力，但它的结果肯定可以被解读为它如何评估与社会世界的接触的痕迹。重要的是要理解人们与算法之间的情感接触，不是作为某种程度上在算法之外的孤立事件，而是作为同一存在模式的一部分。当人们体验到脸书算法的控制时，并不是说实际的新闻推送算法在限制意义上是强大的。在其感知到的限制性功能中，算法也成为各种评价、感觉和情绪的生成性。

如果要从关系上理解权力，那么我们必须把算法和人之间的相遇看作是敌对的和支持的。福柯提醒我们，权力“穿越并创造事物，它带来快乐，知识的形式，产生话语。它需要被视为一个生产网络，它贯穿整个社会体，而不仅仅是一个消极的实例，其功能是压抑”(1980:119)。因此，权力最重要的是，它是一个

116

IF . . . THEN

变革能力总是暗示着抵抗的形式(福柯，1978:95)。抵抗与其说是拒绝受算法的支配或使用特定的平台，不如说是与一种上升力量的实际接触。本章所考察的个人算法故事恰恰表明了这种参与。正如Williams所说，人们与算法的情感接触不应被解读为对算法的“正式持有或系统的信仰”，而应被解读为“积极生活和感受的意义和价值”的生成(Williams,1977:23)。仍然处于语义可用性的尖端，如果我们将其理解为一种文化的精神或共同的理解意识，那么这些意义、感知和期望就不能被充分描述为一种社会想象。作为个体和特质，这些故事指向了围绕算法的更微妙的条件、存在方式和想象。

在本章中，我建议将这些“普通影响”(借用斯图尔特的术语)视为构成算法想象的一部分，理解为思考算法是什么，也许更重要的是它们应该是什么。虽然算法和人之间的相遇产生了关于算法的故事和某些信仰，但这些想象也具有变革能力。因此，在一个重要的意义上它不是算法，被理解为能够或限制行动的编码指令，而是在人与算法之间的情境遭遇中出现的感知和想象一一实际上，是算法的想象。如果我们想要理解算法的社会力量，那么，仅仅批评它们的工作方式是不够的。虽然算法当然会对人做事情，但人也会对算法做事情。

Affective Landscapes

117

新闻编程

当算法变得重要

“人们开始相信自己想要的东西。”这就是麦格理词典将“假新闻”评为2016年度词汇的原因。同样，《牛津英语词典》将“后真相”(post-truth)评为2016年度词汇，表示：“在塑造公众舆论方面，客观事实的影响力不如诉诸情感和个人信仰。”在2016年复杂的政治发展之后，关于真相、新闻和事实地位的问题再次受到重视，特别是关于美国总统大选后公众被误导的可能后果。但是，“假新闻”和“后真相”进入大众词汇并不仅仅是描述信仰和情感胜过事实和真相的概念这些概念是一个时代的症状，算法已经成为公共话语中一个特别突出的关注问题。当关于假新闻以及我们是否生活在后真相时代的辩论出现时，它们已经成为一场更长久、更持续的讨论的一部分，讨论的主题是社交媒体平台在传播新闻和信息方面的强大作用。

仅在2016年，Facebook就卷入了至少三起围绕其所谓编辑责任的重大公众争议。我在第3章中简要讨论了第一个争议，该争议集中在编辑被认为是确定趋势新闻的全自动过程中的人类角色上。2016年5月，当Facebook雇佣人工编辑来策划“热门话题”版块的消息首次曝光时，公众的反应是愤怒。毕竟，该算法被认为是中立的，没有人为于预和主观偏见。通过这些争议，除其他外，世界了解到算法无法脱离人类而发挥作用。部分争议集中在一种信仰上，即人类正在于扰算法的中立性。但事实证明，参与其中的人类持有左倾的政治倾向，这让事情变得更糟。这个故事变成了一个带有政治偏见的人故意编辑掉的故事，从而阻止了保守派新闻进入热门话题部分。

6

118

在巨大的公众压力下，Facebook在2016年8月做出了回应，减少了人类编辑的作用，使“产品更加自动化”，因为它不再需要人们为热门话题撰写描述(Facebook,2016)。在一次采访中，Facebook负责新闻动态的经理亚当·莫塞里(Adam Mosseri)声称，热门话题部分“是一个没有人类管理员的‘更好’产品”(Chaykowski,2016)。然而，在移除人类策展人仅仅几天后，所谓的假新闻就开始出现在趋势区。其中包括一个涉及福克斯新闻名人梅根·凯利(Ohlheiser,2016)的事实错误标题。解雇26名员工(19名策展人和7名编辑)并让机器人负责显然并没有使热门话题部分更准确或更好。考虑到Facebook一再否认自己是一家媒体公司，它当初为什么会做出这样的承诺，当然是另一个问题了。

几乎就在Facebook解雇了编辑热门话题功能的新闻专业毕业生，并出现了第一起假新闻指控的同时，Facebook卷入了围绕其算法的另一场重大争议。2016年9月初，这家社交媒体平台因删除了著名的普利策奖获奖照片《战争的恐怖》(theTerror of War)而受到公众的密切关注。尼克·尤在越南战争期间拍摄的一张9岁裸体女孩在汽油弹袭击后痛苦地逃跑的照片，因违反公司的服务条款而从Facebook上删除。虽然此前这张照片已经被多次从平台上删除，但这一次并没有被忽视。9月8日，挪威最大报纸《Aftenposten》的总编辑Espen Egil Hansen利用头版刊登了一封致马克·扎克伯格的公开信，他在信中对Facebook无法“区分儿童色情和著名的战争照片”表示担忧。“亲爱的马克·扎克伯格，”信的开头写道，“(编辑责任)不应该被你在加州办公室编码的算法破坏。”像大多数关于算法主题的报道一样，汉森的信很快就构建了一个二分法，将自动和机械决策与人类决策进行对比。除了凸显出人们对Facebook作为信息中介力量日益增强的强烈担忧外，这一事件还说明了该算法是如何被战略性地提出，并被视为对民主社会的潜在威胁的。在这个越来越为人熟知的故事中，算法是反派，而人类一—在这个案例中，就是媒体——被描绘成英雄。

上述争议引起了我们对当前算法媒体时代一个特别混乱和复杂的部分的关注。这不仅仅是Facebook算法做或不做某些事情——比如，审查一张著名的图片或支持点击诱饵新闻和假新闻的传播。热门话题争议、审查指控和假新闻故事所表明的是，当算法在特定情况下被称为特别强大时，各种行动者总是以不同的方式参与设定赌注的程度。在第3章中，我们提出了这样的论点:算法只是有时重要，而且它们的力量很重要

Programming the News

119