奎克的藏经阁 · MinerU 解析内容

技术至死 数字化生存的阴暗面

396 个 PDF 物理页 · 本页显示文件第 181–190 页

PDF 物理页索引 180

文件中的第 181 页 · 印刷页码:166

小博客甚至可以采取主动,一开始就在Facebook和Twitter推它自己的帖子,然后把它提交给不同的新闻聚合器,比如Reddit。这就是公关公司可以插足的地方了,它们在Reddit建立多个账号,通过投票把帖子顶上首页。做到这一点很关键,因为像Gawker这类大博客的作者和全国性媒体的记者,在搜寻故事创意时都会仔细察看这类聚合器。即使这个故事最终只出现在Gawker,这也已经成功了:它或许不是世界上访问量最高的博客,但读它的人是媒体精英,他们需要“点子”来填满自己的专栏和电视节目。

对霍利戴来说,博客(说到“博客”,他主要指Gawker或《赫芬顿邮报》这样的营利性网站)不过是“制造新闻的滩头阵地”。由于其非常独特的经济模式,它们的故事和标题越有争议性,它们从流量增加中赚到的钱就越多,博客对任何哪怕只有一丝争议的东西都趋之若鹜。霍利戴讲了一个很说明问题的故事,他出任公关代理的一家公司卷入了官司,他需要向公共领域提供一些信息,以便引起辩论。“我匆忙搞出一套假的内部备忘录,打印,扫描,然后把文件发给一大堆博客,好像我是该公司的雇员,泄露了我们刚刚从老板那里得到的备忘录’。我原先曾直接把事实告诉这些博客,可它们毫无兴趣。可搞了这么一档把戏之后,它们立刻兴高采烈地发出了独家!’和揭密’的帖子。”一分钟以前还令人昏昏欲睡的东西,摇身一变就成了具备弥母因素的刺激性素材。

166

枝术至死

PDF 物理页索引 181

文件中的第 182 页 · 印刷页码:167

如果法兰克福学派的老前辈、令人敬畏的文化批评家狄奥多·阿多诺(Theodor Adorno)和马克斯·霍克海默(MaxHorkheimer)今天来写他们的开创性著作《启蒙辩证法》(TheDialectic ofEnlightenment)(1944),他们定会需要修改其中最著名的章节,把“文化产业”替换成“弥母产业”。这里的主要问题是,公关业隐秘的初始操纵,被YouTube和Facebook这类平台的商业动机搞得更糟了。它们有自己的理由来推进弥母:它们创造了某种共享文化,更重要的是,带来了更多页面访问量,更多用户互动(也即用户对这家公司展示了更多的兴趣),最终带来了更多更好的广告。一个贪婪的产业碰上另一个贪婪的产业,结果,弥母就出现了。

和Twitter“趋势”的例子一样,很有必要调查特定平台的过滤器和算法在塑造弥母形成条件时所扮演的角色。比如YouTube前娱乐内容经理费力西亚·威廉姆斯(FeliciaWilliams)对技术作家B.J.门德尔松这么说:“没人确切地知道YouTube算法是怎么工作的,但我注意到,如果一个视频发布后,在前几个月引起热议,并且保有稳定人气,那么它就会被标记与观众非常贴近,以热议’、流行’、‘相关视频’的方式高密度轮番展示。这种相关性排序增加了人气,结果导致更多传播和观众量的指数级增长。”

换句话说,公关业只需尽量花钱在短时间内维持住一个视频的人气;幸运的话,YouTube就会通过向用户推荐这个视频,造成弥母自主传播的印象。最终,这将把这个视频变成弥母,媒体不计其数的报道也就顺理成章了,它们中大多数都属于“现在请看来自互联网社区的奇闻”这一类。事实上这类新闻报道应当这么读,“现在请看来自最有创意公关公司的奇闻”,但互联网中心主义使得我们的新闻渠道在运用这种最离谱的委婉语时,一点也不担心

算法“守门人”的危险

167

PDF 物理页索引 182

文件中的第 183 页 · 印刷页码:168

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

PDF 物理页索引 183

文件中的第 184 页 · 印刷页码:169

这种区别如何解释?没火起来的那组照片中,有好多相当悲惨的当地人镜头;而火起来的那组,则全是建筑物和当地色彩。由于《赫芬顿邮报》的推波助澜,其中一组成了弥母;另一组毫无起色,只收到29条评论,而《赫芬顿邮报》的评论有4,000条还要多(更别说Facebook上的25,000个“喜欢”了)。公共生活弥母化是霍利戴深恶痛绝的东西,也许他自有理由。“网络经济状况使人无法准确描绘底特律的复杂状况……城市令人难以释怀的毁灭,这类简单故事传播和留存下来,而复杂的故事,比如城里满是亟需帮助的人,却流传不开,”他这样写道(鉴于他所要传递信息的急迫性,即便他偶尔陷入互联网中心主义,或许也是可以原谅的吧)。

这种弥母逻辑,也就是说,基于受众已知信息,以目标受众可能如何反应来评价一切的倾向,也在迅速侵入我们文化的其他部分。在音乐产业,唱片公司日益依赖能对任何歌曲进行多维度分析的复杂算法,它根据之前上榜歌曲的漫长历史分析现有歌曲的上榜可能性,并为之打分。正如克里斯托弗·斯坦纳(ChristopherSteiner)在《自动化》(AutomateThis)一书中所指出,像MusicXray这样允许音乐家把歌曲传到网上,并对其进行流行潜力分析的创业公司,为音乐产业带来了巨大的“效力和大批全新的艺术家……主要唱片公司(其实是所有的)依赖算法来选择签约音乐家和推广歌曲,这一天的到来只是时间问题。”

算法“守门人”的危险

169

PDF 物理页索引 184

文件中的第 185 页 · 印刷页码:170

看起来,这似乎解放了艺术家,他们以前得靠人类主导的人才发现模式才能得到“发掘”。现在,算法过程被塑造成了一种更加客观的模式,因为人类的判断力减到了最低限度;这种方法部分体现了科学史学家彼得·盖里森(PeterGalison)和洛林·达斯顿(LorraineDaston)所谓“机械客观性”。然而,我们不应忽略主观性给艺术带来的好处;很多优秀的艺术,本身就意味着冲撞和挑衅。优秀的艺术不是为了收集Facebook上的“喜欢”,或在Kickstarter筹集资金。让发掘新音乐家的过程成为算法的逻辑,妨碍了音乐的创新。这类算法音乐许多都卖得出去,但过上二十年,人们未必会喜欢。

正如斯坦纳所说,“算法可能给我们带来新的艺术家,但由于它们的判断建立在过往流行的基础上,我们最终得到的东西,很可能正是那种已经被我们遗忘了的流行乐。这种技术的明显弱点,就在于它的分析里收入了这些年来太多的平庸音乐。”当然,算法可以进行不同的配置,还有些独立唱片公司可能愿意发行注定不受欢迎的音乐,然而,难以想象,主要唱片公司会拒绝这个依靠算法稳稳当当赚到更多钱的机会。

熬过大数据

随着我们过渡到弥母饱和的“算法受众”世界,我们已经很难记得从前还有那样一段日子:严肃媒体不痴迷于某件新闻是否有“晴天霹雳”的效果,只报道重要而值得关注的新闻,不管它对受众情感幸福有何影响。赞美“大数据时代”,默许各种统计办法和指标入侵新闻业,就是屈服于解决方案主义,认可一种截然不同、骄傲自满的新闻业。对受众一无所知,以及由此带给新闻领域的效率低下,未必是需要解决的问题,即便最新工具把解决方案变得平常且显而易见。要克服解决方案主义,抵挡诱惑不去解决“对受众无知”这个问题,这很困难,尤其是工具唾手可得,也尤其是互联网中心主义的新纪元话语风格正努力让我们相信,革命时代要求激进的革命措施。

170

枝术至死

PDF 物理页索引 185

文件中的第 186 页 · 印刷页码:171

不难看出,生成受众新数据的压力来自哪里。约瑟夫·塔洛(JosephTurow)写了一本很有启发意义的书,《每天的你》(TheDailyYou)。书中指出,高质量内容的出版商根本无法如愿在自己的网站上卖出足够多的广告。因此它们求助于广告网络,后者为它们提供无限多广告,然而这些广告所得到的回报(往往只有两三位数),远不如由出版商直接售出、绑定在某个特定出版品牌(比如《纽约时报》或《卫报》)上的广告。因此,这些出版商就想求助于另一套承诺向出版商提供有关其读者详细信息的中间媒介(这些偷偷摸摸的邪恶媒介总能挺过难以克服的“互联网”挑战)。这种信息大多收集自其他网站和社交网络,通过存储在读者计算机上的cookie文件,或者借助更新更时尚的技术(比如“设备指纹”,出版商甚至能看到已经删除、或从未存储过cookie文件的用户。这种技术对手机特别管用)来记录。

靠着这么广泛的信息,出版商竭力让读者在网站上逗留最长时间,因为这也能让它们从广告商那里赚到更高提成。要做到这一点,可以给用户看猫咪搞笑图片和底特律的建筑图。再比如说,给他们看专门针对用户兴趣的高度个性化幻灯片(有些人可能喜欢猫咪,但狗狗爱好者呢?),确保读者会持续点击。

“每天的我”(TheDailyMe)这类网站,使在线出版商能根据新访客在其他网站的阅读情况,为之提供故事和广告。塔洛专访了“每天的我”创始人兼CEO,后者给他举了个例子:一个定期阅读《波士顿环球》的读者,跟着从博客或搜索引擎找到的一个链接,最终来到《达拉斯晨报》网站。由于两家报纸都与“每日的你”有生意往来,又因为访客在《波士顿环球》上读过足球新闻,保存在其计算机上的Cookie文件便靠着“每日的你”施展的魔法,告诉《达拉斯晨报》也应该向他提供足球新闻。塔洛特别提到,“当广告随新闻一同展示时,其文本和照片会实时排版,插入足球词汇和照片以行推销。”因此,足球迷看到的是与足球相关的广告,“篮球迷收到的同一种产品的广告里,出现的是爱好篮球人士所熟悉的词汇和照片。”如果“每天的我”CEO的话可信,这会带来更高的点击率和更高的网站页面浏览量。

算法“守门人”的危险

171

PDF 物理页索引 186

文件中的第 187 页 · 印刷页码:172

突显特定新闻故事,修改广告以反映用户兴趣,这看起来似乎没什么不对的。但塔洛指出,这种做法正迅速扩展到新闻出版工作的编辑领域,不光是因为新闻媒体存在推动读者不停阅读和点击的经济压力。塔洛引用一位数字出版业内人士的话说,由于现在个性化广泛应用于从旅行到金融的其他行业,用户和出版商可能也更迫切地想在新闻中对此进行试验。塔洛引用另一位高管、时任时代公司数字业务总裁的话说,像时代这样的公司,“都在努力寻找合适的方法推进编辑个性化,同时又不引发受众恐慌。”这位高管似乎对这能奏效深信不疑:因为“许多公司都开始为特定受众创建内容,”他的公司(我们所说的可是《时代》杂志!)目标是“在创建内容时灵活地应用数据。”

据此,塔洛得出一个相当令人沮丧又难以反驳的结论:“我们正进入一个高度个性化的世界,在这个世界,出版商甚至营销人员将以量身定制、符合广告销售需求和特定个人声望的软性新闻或娱乐节目,来包装个性化广告。”它可能会先从一些看似无害的事情入手:对标题甚或第一段进行个性化处理,以便反映网站所了解(或能发现)的读者信息。但很快(堪比亚马逊在书籍行业的壮举),这种实践或许就会扩展到对文章的实际文字进行定制。比如语言,就可能会反映网站对读者教育程度信息的猜测(为少数受过良好教育的人提供《经济学人》式的词汇;为大多数未受过良好教育的人提供《纽约邮报》式的词汇)。又比如说,一则关于安吉丽娜·朱莉的新闻故事,可能会提到她自编自导的有关波斯尼亚的电影(如果你喜欢国际时事),也可能提到她与布拉德·皮特的生活八卦(如果你喜欢好莱坞花边新闻)。许多公司比如“自动化见解”(Automated Insights)和“叙述科学”(Narrative Science)),已经利用算法来自动生产故事。下一个合乎逻辑的步骤(没准儿还是个利润非常丰厚的步骤),是让这类故事瞄准具体读者,给我们带来根据用户需求量身定制新闻故事的新一代内容农场。

172

枝术至死

PDF 物理页索引 187

文件中的第 188 页 · 印刷页码:173

这种改变对我们的公共生活意义深远:上面所说的这种个性化,可能会破坏整个城市都阅读相同报道所带来的团结一致、集体行动和充分讨论的机会。但更重要的,是让这些问题的特定讨论方式保持继续存在;我们不能屈从于仅从效率角度看问题的诱惑。旧体系无法衡量受众对个别文章的反应,广告商的做法简直毫无效率(它们对报纸投放广告,却不知道每篇文章有多少人阅读),然而这种低效率其实是相当有好处的。

正如记者雅各布·韦斯伯格(JacobWeisberg)所指出,新闻业是公民企业,由无知引起的低效率对它是有益的:“我常想,有多少人会读《纽约时报》对奥尔巴尼州政府的报道。说不定正因为不知道有多少人会读,《纽约时报》才在这篇报道上不惜巨资!在Google的世界里,没人会点击这些新闻故事,它们的优先度会下降。”或者干脆消失。传播学教授大卫·卡普夫论述了过去一直伴随传统新闻业的“有益的低效率”:“对广告效率的信息缺乏,再加上广告位的缺乏,一道推高了价格”,这就形成了“有益的低效率”。而今天,当每一次点击都能永远保存下来,“广告商能衡量广告展示次数和点击率。它们把广告瞄准小众市场和小众对象。更高效率降低了广告价格。于是,传统媒体组织就无法负担其现有经费开支和基础设施了。”

效率语言(大多数极客和经济学家所信奉的唯一真神)也慢慢悠悠渗透到这场辩论里。这是《Slate》杂志专栏记者马修·伊格莱西亚斯写给定向广告(targetedadvertising)的情书:“更有针对性的定向广告,为消费者和广告商都创造了经济效益。更有效率的广告,给公司带来了动力,为改善服务实际品质上更多投入的资源。更有效率的广告,能为本因缺乏收入而捉襟见肘的内容创造市场。”明白了吗?

算法“守门人”的危险

173

PDF 物理页索引 188

文件中的第 189 页 · 印刷页码:174

这听上去很棒,然而一旦你开始看到在线广告商所面临的实际压力,由广告网络和广告交换所积聚的巨大力量,为获得点击以便从定向广告上赚钱的越来越大的压力,恐怕就很难认同伊格莱西亚斯的乐观态度了。人们恐怕无法赞同他的这句话,“在用户跟踪的世界,内容精确性没那么重要。编辑工作成了发现受众(任何受众),然后,后台跟踪就会根据这位读者的其他信息,向他投放有可能感兴趣的定向广告,鞋子或app应用或厨房用具或汽车保险或别的什么东西。”伊格莱西亚斯的说法几如童话:抽象地追求效率,忽视当代数字出版世界的实际动态,全靠把一项技术(这里即定向广告)的积极功能投射到某种高度理论化的经济模型上来发挥作用。

“打倒守门人!”……守门人如是说

然而,坚信过滤器和算法的中立、客观和不证自明,并非网络天真病的最高境界。这顶可疑的高帽子,不妨送给如下这种普遍的信仰:“互联网”正使我们摆脱守门人和中介。“非中介化”(Disintermediation),这无疑是英语中最丑陋的词之一,现在却时常被宣告为数字时代的本质特征。6由于创新技术的出现,据信各行各业的中间人都必将走上和渡渡鸟一样的不归路。一旦编辑、出版商和书店凋亡了,故事就没了,最后,我们的公共生活,就会从中间机构的偏见、低效率和隐秘议程中得到解放。这种观念里有成立的地方,但我们不应当错过一种更为重要却不太容易注意到的进展:公共生活的数字化也将产生许多基本上不可见(兴许也不可信)的新中间媒介。

5作者说“Disintermediation”这个词丑陋,是因为这是一个生造出来的合成词,字母很多,发音困难,普通人生活里很少用到。下一段里的“hyperintermediation”也一样,是作者在讽刺。

174

枝术至死

PDF 物理页索引 189

文件中的第 190 页 · 印刷页码:175

以博客为例。20世纪90年代末第一代博客上线时,在它们和剩余世界之间的唯一中介,就是托管公司和互联网服务提供商。到2012年,人们开博客可能会在Tumblr或WordPress这样的商业平台上,而博客上的所有评论,则通过Disqus这种第三方公司来管理。中介机构还不止于此:Disqus自己就与一家叫做Impermium的公司进行合作,后者依靠各种机器学习工具来检查贴出的评论是不是垃圾信息。是中介的增殖而非消亡,使博客变得如此广泛流行。也许,更合适的词是“超级中介”(hyperintermediation),而非“非中介化”。

Impermium的新服务甚至走得更远:该公司声称已开发出一种技术,“不仅能识别垃圾信息和恶意链接,还能识别各种有害内容,比如暴力、种族主义、公然亵渎和仇恨言论,使网站所有者能在读者读到它之前实时采取行动。”Impermium号称有30万网站客户(这一点也不奇怪,因为它被整合到广泛使用的第三方工具中,比如Disqus)。至于中介,这听起来令人印象深刻:一家加利福尼亚公司为一些世界上最流行的网站做决策,对什么是仇恨言论和亵渎进行判断,却没有一个人来审查,它自己的算法是否存在偏见或过于保守。与其说为非中介化的神奇天堂而欢呼雀跃,我们倒是该好好看看Impermium垃圾信息算法的黑箱。

对非中介化解放潜力的信仰,在有关书籍出版业未来的繁多作品中体现得最为明显。而这个领域的存在,本身就违背了它所做的预测(应该有人出本书,谈谈这些不断预言出版业走向终结的末日预言者)。

互联网中心主义者对新纪元的理解引起很多问题:如果书籍能在网上借阅和购买,谁还需要图书馆和书店呢?如果作者能自出版,谁还需要出版商呢?如果文章甚至书籍能加以个性化以符合读者兴趣,谁又会需要编辑呢?

算法“守门人”的危险

175