如何在海量信息中获取自己所需？

随着信息技术的飞速发展，人们已经进入了一个算法遍地开花的时代。今天的技术使得人类每天产生的信息量等于数千年人类信息的总和。人们如何谨慎选择符合他们期望的信息？

事实上，算法技术可以帮助每个用户从巨大的信息海洋中筛选出目标信息，这些信息远远超出了个人处理能力，例如定制。

近日，复旦大学新闻学院举办的“算法推荐与人工智能圆桌论坛”邀请了复旦大学、清华大学、中国传媒大学、中山大学等新闻与传播学、哲学、计算机、法学等学科的知名专家围绕“信息茧室”和“隐私保护”主题进行深入而热烈的讨论。

清华大学新闻与传播学院常务副院长陈昌奉教授认为，该算法能够提高用户从海量信息中获取所需信息的效率，对用户大有裨益。陈昌奉对该算法的优势给予了积极的评价，同时也表达了他的担忧:该算法使用太多，范围太广，所以一些传统的顽固分子用各种枪支和匕首攻击该算法。

目前，该算法具有越来越多的多样性、不断优化和自校正能力等优点。专业技术人员的总结表明，这些算法大致可以分为四类:协同过滤推荐算法、基于内容的推荐算法、混合推荐算法和流行度推荐算法。然而，每种算法都有其独特的输入、类型、优缺点，其中还使用了专业方法，如信息检索和机器学习。目前，很少有公司只使用一种算法。算法变得越来越多样化。不同的算法有不同的特点，可以相互补充。多样化的算法，结合科学全面的使用，可以有效避免单一算法带来的“信息茧屋”的刻板印象。

在多元化的同时，算法不断优化，通过对第三方公司的审计提高了算法的可信度。陈昌奉说，脸书、谷歌、今日头条等科技公司和产品已经深入参与了信息的传播，而算法是它们参与信息传播的最重要工具。此外，这些公司在实际操作中不断优化调整算法。公司不断开放他们的算法来提高透明度。例如，今天的头条在2018年宣布了算法的原理。Facebook还在世界各地雇佣当地专业公司来审查其使用情况。

中山大学通信与设计学院院长张志安教授认为，大样本用户训练的算法更加专业、平衡和客观。庞大的样本数据量显示了人类普遍的兴趣需求。尽管个体之间存在差异，但总体趋势是相似的。例如，在当今头条的算法推荐过程中，在引入社交互动和协同过滤等权重因子后，内容用户会得到更细粒度的匹配，从而提高推荐的准确性。算法推荐的优化和治理需要多方参与、哲学指导和认知心理指导，探索算法度量指标的优化，通过算法增强和关系场景增强的多样化来提高算法推荐的公开性。

目前，该算法还具有自我修正的能力。它可以用技术的能力来弥补技术的不足。一些研究表明，当用户获得选择信息的权利时，他们也会影响他们对信息的选择。例如，保守派只浏览保守派网站，*派只关注*信息。环保主义者和环保主义者的批评者也只关心志同道合的信息。人们倾向于寻找能够支持他们观点的新信息来确认他们的决定或观点，而忽略那些否定或推翻他们观点的信息，因为他们主观上支持某些观点。这种做法被称为证实性偏见。

技术正试图纠正信息偏见以回应流行的偏见。根据陈昌奉的说法，《华尔街日报》在2016年创造了一个“红色推送，蓝色推送”的模式，将类似内容的*和保守信息在脸书上同时呈现给用户。提醒用户他们的偏见，并推荐不同观点的内容，以帮助用户平衡和多样化他们的新闻消费。

信息技术的发展给我们带来了更多的可能性。算法推荐能在很大程度上满足用户的多样化需求。算术技术仍在进步。脸书、谷歌、今日头条等科技公司和产品，除了开放算法原理外，还致力于自我修正信息推荐，试图打破用户思维“偏见”带来的“信息茧”。