作者：任倾

6月16日，复旦大学新闻学院、复旦大学全球传播全媒体研究院在线上举办了“智能传播与算法推荐”研讨会，与会专家就数据安全、算法黑箱、信息茧房、算法偏见、算法伦理、算法优化和算法规制等议题展开讨论。

复旦大学新闻学院执行院长、教授张涛甫表示，算法推荐、智能传播、尤其是新媒介技术，给人们的生活带来了一些新的问题。为什么我们过去在一个传统的媒介技术时代没有把这个问题视为很大的问题，而现在就变成一个巨大而突出的存在，而且在道义上面临巨大的争议？

在张涛甫看来，第一，涉及到人和信息，以及二者之间技术作为媒介在其间的作用和关系。对一个普通人来讲，认知能力是有限的，基因为认知能力的有限性，人们对于世界的判断，对某一个对象的判断，往往是通过信息达到对某一个事件或者一个实体的把握。而这种认知和判断实际上都是基于个人的认知半径，在各自的认知半径里面产生的。因为认知能力的有限性，决定了人不可能全面的占有信息，特别是在信息过载的情况下，决定了人对认知对象的判断是在基于对有限信息的有限关注和有限理解的基础上作出的。只不过过去信息没有那么过载，如今信息跟技术之间高度互动，技术越发达，信息越过载，而人认知的能力并没有指数级的增长，这就决定了在做信息选择、认知和判断的时候，一定是基于人d有限的判断。

另外，张涛甫表示，今天讨论算法推荐，从技术正面的效应来讲，假如没有算法推荐，我们的信息环境是高度的过载的，人的精力是非常有限的。在这种情况下，有这算法技术的帮助，从提高效率的角度来讲是有益的。算法提供了一个有效的信息连接——它提供的就是我想要的东西。人的需求和信息之间正好有算法这个导管实现有效的连接。从效率角度来讲，那算法节约了寻找信息的成本，且比人工搜索更加有效。

张涛甫同时表示，只有更好的技术，没有最好的技术，连接信息和人的需求要达到一个最佳匹配，实现信息和人的需求的有效的连接。技术基于人留下来的显性信息痕迹和轨迹，来做出信息标注，作出判断，最终达到有效连接。

那么算法的实际颗粒度是不是非常精细？张涛甫表示，人的个性化差异比较大，用算法技术进行跟踪和捕捉，达到个性化信息和他所需要信息之间的匹配，算法技术在连接方面的精准度是不够的，目前算法技术更多是在共性偏好的把握上表现更好一些。理想状态下，算法既能在共性面上达到精准把握，同时在个性化、细颗粒度层面把握精细，，就非常好了。

另外，关于技术优化的问题，张涛甫表示，技术不是万能的，目前，技术优化是靠技术本身，比如深度学习就是通过海量数据在数据环境的培养，达到对算法更加精微的优化。但不可把算法视为超越一切的终极性目标，张涛甫认为，算法所短的地方，需要通过人力或人的智慧把这个短板给补上，机器推荐并不是最优推荐选项，在机器推荐和算法推荐不足的地方，需要有更多的人力跟上。以后，无论是人力也好，还是机器也好，彼此在优化方面应该双管齐下。

在张涛甫看来，算法的优化须考虑到这几个维度：一是效率的问题。在效率上节约更多成本和更多时间；二是价值的变量，不能只讲效率，同时也要考虑价值，而且，这个价值不仅要考虑个性化的价值，还有公共价值和社会价值；三是要有效果，如果技术达不到效果，那么将来随着智能技术更快的进步和优化，智能技术对人的理解，特别是对用户需求偏好的理解，乃至对整个社会化环境的理解和都会更好一些。

所以，张涛甫表示，算法跟社会互动不能终止。算法不仅仅是技术性的指标，同时是社会指标，须接受社会对它的规训和优化。

总之，张涛甫表示，算法作为技术工具，其背后算法的价值、伦理、动机，是很关键的，这些问题涉及多学科、多领域的互动，讨论或辩论。