被算法操控的生活：重新定义精准广告、大数据和AI

我觉得这种抗议有点让人摸不着头脑。脸书当然在操纵用户可以访问的信息！这是它商业模式得以建立的基础。动态消息操纵是脸书的产品主管亚当·莫塞利骄傲地在商界领袖面前推介的算法。为了让你更频繁地使用脸书，脸书不断地在调整它向你展示的内容。它对这一点完全没有避讳，甚至允许优化你的脸书个人体验。

亚当·克雷默的实验得出了一个引人注自的结论，那就是操纵动态消息对用户的情绪几乎没有影响。他的研究发现，动态消息中带有积极情绪的新闻被移除之后，用户使用的正面词汇略低于5.15%，而接受正常推送的对照组使用的正面词汇也不过接近5.25%，两者之间的差异仅为0.1%。为了让你对这0.1%的差异给脸书帖子带来的影响有一个直观印象，我们假设你是一个相对比较活跃的用户，你每天在脸书上发布100个单词。0.1%的减少意味着在未来10天里，你总共只会少使用一个正面词语。也许，下周三你会把你看过的一部电影描述为“凑合”而不是“还不错”。

被算法操控的生活JNUMEERFD

140

当涉及负面词汇时，我们得出的差异甚至更小，其结果是0.04%，相当于每个月多使用一个负面词汇。很难想象还有人会注意到你在描述某个工作会议时多加的“无聊”，或者留心到你支持的足球队输掉了一场预选赛后你在帖子上多写的“失望”一词。

当媒体热火朝天地讨论脸书拿我们做实验的危险时，他们忽略了一个事实：这些实验的操纵效果小到可以忽略不计。出现这种现象，亚当·克雷默和他的同事们在一定程度上难辞其咎。他们给其研究论文命名为《社交网络可以带来大规模情绪感染的实验证据》。什么？这个标题暗示情绪像埃博拉（Ebola）病毒一样在我们的社交网络中传播，但实际上它并不是一个特别准确的描述。他们的实验结果可以被更好地表述为“对脸书用户动态消息的大规模操纵只是略微地增加了积极情绪的表达，但这种增加存在统计显著性”。

有关脸书以及它如何影响我们生活的炒作铺天盖地、无孔不入。但在仔细分析了研究人员所做的大型调查并与他们交谈之后，我发现媒体报道总是扭曲或夸大这些研究结果，对此我感到震惊。

在我的理解中，科学不是用来炒作的。没错，脸书可能会在选举日吹起一个小气泡，让更多的人去投票。没错，它可以通过只向我们呈现令人沮丧的帖子来微微缩小我们的情感气泡。没错，脸书没有提供能够完全代表世界上各种观点的新闻。但这些都不足以改变你我的生活。与现实生活中人们日常互动的影响相比，脸书作用在我们生活中的力量几乎微乎其微。

看得出来，将网络的孤岛化现象类比为气泡是合理的，因为米凯拉和她在意大利的同事们发现了某些群体可以达到的封闭程度。但被应用于人数更多、拥有的兴趣爱好更加广泛的群体中时，气泡理论的弱点开始出现，并使我感到困惑。社交媒体上充斥着由算法产生的各种气泡，并且一些非常疯狂的阴谋论者正游荡其中。但对大多数人来说，我们似乎总有摆脱气泡的办法。是什么使我们不被困在气泡中？如果在理论上，脸书的“过滤”算法能够将我们禁锢在某种特定的观点中，那么现实里的我们是怎样摆脱这种禁锢的？为什么我们长时间使用社交媒体，情绪却能在很大程度上不受影响？

第二部分 算法想控制我我们的情绪和行为吗？

141

对我来说，回答这些问题的唯一办法就是钻进自己的网络气泡，看看是否能找到自己的出路。这不是我特别愿意做的事情。我有一个自己非常喜欢的气泡，也不太想戳破它。但我不能再找借口，我必须弄清楚自己的气泡由什么构成。

被算法操控的生活OUTUUMREPE

142

第12章|网络回声室：互联网时代的信息闭塞?

我对社交媒体的使用与足球密切相关。我有一个推特账户@Soccermatics，我用它与别的足球数学爱好者交流比赛，以及可以被用来分析比赛的数学和统计学方法。推特世界中的这个小角落既是一个过滤气泡也是一间回声室。我知道推特在过滤我的消息流，所以那些顶级的极客（the geek）①会出现在我主页的顶部。其他专业的足球数据统计用户如@deepxg，、@MC\_of\_A、@BassTunedToRed等，谈论的都是我感兴趣的内容，因此推特始终让我优先看到他们。我对其他志趣相投的极客的关注，为我创造了一个气泡，在这里我们都认为足球和数学需要携手合作。

有时候，没那么书生气的推特用户（通常是切尔西队的粉丝）并不认同我最近提出的传球网络可视化分析。他们通常会闯进我的回声室，告诉我应该怎么做。我在这里展示两个具有代表性的例子：“滚回去打飞机吧”，或者“你还是去泡妞吧，你个老处男”。不过，因为这些话并没有太多的科学信息，我通常会忽略它们，或者礼貌地给这个切尔西球迷一个链接，让他去看一篇文章，里面解释了足球分析学的基本概念。

第二部分 算法想控制我我们的情绪和行为吗？

①极客指智力超群和非常努力的人，也被用来形容对计算机和网络技术有狂热兴趣并投入大量时间钻研的人。

143

社交媒体的气泡并非密不透风

必须坦率承认，我生活在一个足球分析学的气泡中。但我注意到这个气泡的一个有趣之处。我们中有人像我一样是利物浦队的球迷，有人支持埃弗顿队，有人支持曼联和其他城市的球队，还有人支持切尔西队。此外也有皇家马德里队的球迷、巴塞罗那队的球迷、意大利队的球迷和德国队的球迷，还有一些足球分析人士在推特上发表关于非洲足球、亚洲足球和美国足球的文章。我们这些足球数学极客们并不在各自球队或者联赛的气泡中画地为牢，而是阅读和分享各式各样与足球相关的信息。我对曼联队和对利物浦队同样熟悉。我也已经了解了美国职业足球大联盟（以及最近才找到的加拿大职业足球大联盟）的情况，甚至更熟悉美国女子足球联赛（NWSL)。此外，我也会从足球气泡里探出头来，到橄榄球气泡、冰球气泡和篮球气泡串门。

政治也渗透到了我的(足球)气泡中。在我关注的许多利物浦球迷中，经常有一股强大的工人阶级氛围和社会主义思潮在涌动。但我也关注英国右翼报纸和媒体的记者。我关注许多美国分析师，他们中的许多人倾向于支持民主党并转发反特朗普的文章，但我也关注在美国各地基层工作的足球教练，他们支持共和党的理念并受到基督教信仰的激励。在我关注的人中，有一位推特账号为@SaturdayOnCouch的足球分析师。他会发一些有关德国足球的热图，还会以朋友间开玩笑的口气“喷”那些反对特朗普的自由派足球分析师，这些内容都在不断地给我带来乐趣。

推特的世界包罗万象。在这里，有人呼吁曼联成立一支女子足球队，有莱斯特城足球俱乐部的球迷要求停止足球看台上的观众对同性恋的辱骂，有多特蒙德足球俱乐部的球迷们请求德国敞开胸怀欢迎叙利亚难民，在这里我还看到了有关美国工薪阶层对社会现状的不满如何导致唐纳德·特朗普崛起的内容。

被算法操控的生活BERED

144

政治渗透到社交媒体气泡的现象，可以帮助我们真体认识人们是如何接触到不同的政治观点的。加州大学戴维斯分校的教授鲍勃·哈克费尔特（BobHuckfeldt）投入了三十多年的时间来研究我们的政治讨论。在1992年老布什和克林顿竞选总统期间，鲍勃和他的同事们要求两党支持者列出与他们谈论过政治问题的人，以及他们所持的政治立场。他们发现，39%的政治讨论发生在两个支持不同总统候选人的选民中间。这个统计数字能够计算出来，部分可能要归因于选民们更容易记住对抗性的讨论。但事实并不完全如此。在老布什与克林顿进行总统选举的前夕，美国各地民众都经常与持有相反观点的人谈论政治。

鲍勃强调，人们“生活在不同的环境中，为多个维度所定义”。比如，体育和政治就是两个不同的社会维度。不管是在比赛现场还是赛后的在线讨论中，体育迷们都会遇到持各种不同政见的人。在音乐、书籍、电影、食物和名人八卦等领域发生的情况也是如此。如果政治背景截然不同的人在网上相遇，他们可能以谈论电影《火车上的女孩》(The Girl on theTrain）或《复仇者联盟》（The Avengers）开头，但总是以谈论政治收尾。

1992年的竞选是否处于独一无二的黄金年代，友好的同事和体育迷们可以在吃午饭或者在酒吧喝酒时谈论两位政治候选人的优缺点？并非如此。鲍勃注意到在德国和日本，类似的政治讨论氛围弥合了两国各自内部的政治分歧。他还发现2000年小布什和阿尔·戈尔（A1Gol）角逐总统时也出现了这样的现象。那次大选至今仍被视为美国过去50年中最具争议的总统竞选。在2000年的总统选举期间进行的调查显示，在选民间进行的政治讨论中，有超过三分之一是与对立党派的支持者进行的。

谈论政治可不是简单地说一句“哈，我比你懂”这么简单，政治话题远比它复杂深奥。在他们的研究中，鲍勃和同事们还测试了人们的政治知识，并且发现当人们想要更多地了解一件事情时，他们会求助于专家。人们更愿意询问那些对政治了解更多的人持有何种观点，而不在乎这些人的政治见解如何。

第二部分 算法制我我们的情绪和行为吗？

145

然而小在布什和戈尔竞选总统后的18年时间里，社交媒体是否改变了我们交流政治话题的方式？这个问题一直没有答案。鲍勃的研究是在推特、脸书和Reddit面世之前完成的，因此近来很多人认为现在是新时代、新气象，旧的那一套理论已经过时。考虑到在英国脱欧公投和美国政治竞选期间人们对网上舆论两极分化的担忧，我想知道回声室已经全面主导了我们的网络生活，还是鲍勃的研究结果仍然符合当下的情况。

被算法操控的生活OUTNUMBFRED

146

我决定自己来验证。

图12.1显示的是我在推特上的部分社交网。图中的每一个圆圈代表一个和我互相关注的人。中间那个圆圈代表的是我，所有的线都连接到我(因为我是网络的焦点)。其他两个圆圈之间的线条表示我的推特粉丝也互相关注了。该图只包括“典型”的推特用户，我将其定义为那些关注不到1000人，同时被不到1000人关注的推特用户。学术大拿、社会名流和媒体著名人士都因此被排除在外。

我的社交网络图有一个非常独特的结构。在图12.1顶端，有一群人相互连接，包括我本人。这群人就是科学家们，我们聚在一起分享最新研究成果，自嘲他们攻读博士学位的岁月，并抱怨科研资金匮乏的状况。这个群体是最典型的一类回声室：我们彼此持有相同的观点、互相附和，并分析最近的八卦消息。

在我的社交网络中，其他连接则更加分散。这些人彼此之间不认识，但他们都认识我，其中包括了我的很多球迷朋友。我出于研究足球的目的选择关注什么人，比我出于科学的目的决定关注什么人，来得更加随机。有时，我会和某位用户热烈讨论，不停分享一些关于某场比赛或者某名球员的推文。我享受这种交流方式，因此决定关注一直与我互动的推特用户，而他很有可能并不认识我以同样方式关注的另外一个人。

推特上，你和反对者只隔六个人

为了研究政治如何影响与我在推特上互相关注的朋友，我的一位硕士研究生乔基姆·约翰逊提出了一个很好的想法。他把英国脱欧问题视为我社交网络中最重要的政治事件，因为我的大多数关注者都来自英国，而且它是我消息流上的一个热门事件。乔基姆根据我认识的人和英国报纸之间的分隔度赋予他们不同的灰度。根据推特上的关注情况，与支持留欧的报纸的分隔度较小的人得到较深的灰色，而那些支持脱欧运动的人则得到了较浅的灰色。

第二部分

算法想控制我们网络能够影响我们的情绪和行为吗？

147

为了衡量分隔度的大小，乔基姆研究了一个人必须经过几个推特用户才能接触到英国最重要的九份报纸中的任意一份。如果某人关注了《卫报》，那么他与《卫报》的分隔度就是0。如果他本人并未关注《卫报》，但是他的朋友关注了，那么他与《卫报》的分隔度是1。如果本人未关注《卫报》，但朋友的朋友关注了它，那么分隔度就为2，依此类推。这是衡量分隔度的标准做法，它通常与数字6有关。据说（但有一点瑕疵)，我们和地球上任何人之间的分隔度最多不超过6。

在我的社交网络中，灰度较深的人与脱欧公投前夕支持留欧的报纸的分隔度较小，灰度较浅的人则与支持脱欧的报纸的分隔度较小(图12.1)。从图上可以看出，我的科学家朋友们(更亲近类似《卫报》这样的反对脱欧的报纸）和我科学圈外的朋友有个细微的差别：科学圈外的朋友灰度深浅不一，更为丰富多样。即使我已经了解了鲍勃·哈克费尔特的研究，但还是被一个发现震惊了，那就是我的朋友们和支持脱欧或留欧的报纸之间的分隔度可谓干差万别。足球和推特总体上让我能够接触到各种不同的观点。

我本人的情况不太有代表性。因此，乔基姆在他的论文中为上于名用户创建了关系网，这些用户每人至少关注一份英国的报纸。他们的社交网络通常包括一个或两个互相关注、关系密切的朋友群。有的群体中的用户全部支持留欧的报纸，有的群体中的用户全部支持脱欧的报纸。然而，在这些更有党派色彩的群体之外，总是存在一些相对独立的分支群体，这些分支群体里的朋友有着完全不同的网络关系，它们能够确保拥有不同政治观点的用户能够连接在一起。

对于只关注支持留欧的报纸的推特用户来说，他们的朋友中只关注支持脱欧的报纸的人的比例只有13%，相比之下，他们有54%的朋友只关注支持留欧的报纸，另外还有33%的朋友既关注支持脱欧的报纸也关注支持留欧的报纸。因此，就分隔度而言，我们大多数人离反对我们观点的报纸只有几步之遥。支持坚决脱欧的推特账户与《卫报》的平均分隔度只有1.2。支持坚决留欧的账户与《太阳报》的分隔度也仅为1.5。

被算法操控的生活

148

唯一的例外是花边小报《每日星报》，它与支持留欧的账户及支持脱欧的账户的分隔度都是2.2。《每日星报》以报道似是而非的阴谋论而闻名，米凯拉·德尔·维卡里奥倒是可以将这些阴谋论放到她的研究中，但我们其余的人和这些观点几乎完全没有关系。

第二部分 算法想控制我我们的情绪和行为吗？

149