释放大数据价值的过程当然不是主要由人工完成的，算法才是加工数据匹配供需的新引擎，它“发挥了极其重要的作用，帮助我们在每天产生的多达2.5艾字节（是人脑信息储存量的100万倍）的数据海洋中航行，并得出切实可行的结论”[36]。面对源源不断产生的数据规模和传播问题，算法承担着帮助我们化繁为简、去芜存菁、给出答案、得出结论的重要任务，并在技术理性主义和数据客观真实的假设前提之下建立起了基于数据要素和计算能力的传播新秩序。
在算法的逻辑中，我们每个人的地理位置、目光焦点、呼吸节奏、心跳速率、口味偏好、消费记录、情绪状态等都是一种可以通过量化手段呈现并能用来进行统计推理的基础数据，无论出于什么样的目的、选取其中的哪些维度、形成了何种相关的结论，其本质都是一种通过算法而得出的对于某个个体、群体、事件、行为的可理解的或可视化的定量描述。比如，算法可以得知用户感兴趣的商品、明星和内容，算法也能够总结出昨天的舆情事件从发酵到扩散再到高潮直至热度消失的整个过程，算法还能够预测哪些产品会成为爆款、什么样的短视频具有刷屏的潜力等。更复杂的算法还能够通过运用情感分析和语义分析技术综合考察用户在社交网站上发布的微博状态、图片内容、日志文章、视频类型以及评论回复等因素来推测用户的性格、职业、经济状况、可信赖程度等信息。以色列一位名叫盖伊·哈夫特克的创业者利用网络游戏技术和深度学习技术开发了一套算法用来评价用户的理解力、洞察力、创造力和同理心等更加具体的性格指标；美国的一家创业公司开发了能够浏览用户推特博文并以此为基础为用户定制个性化简历的算法；另外一家名叫Hunch的创业企业宣称，用户只需回答它所提出的五个问题，他们就能够据此推断出用户在商品和文化等方面的消费偏好，而其开发的You Are What You Like这个算法则能够通过分析脸谱网上的数据准确地反映用户的“个人喜好”与“社会维度”数据集之间的关系，随着它逐渐面向开发者开放使用其算法进行自助服务的API，越来越多基于本地化或场景化信息服务的组织便能够进一步提升他们的推荐选项的精准度。[37]还有更多类似的应用和案例向我们揭示着算法作为智能媒体时代的一种认识传播、重构传播和优化传播方法的基本逻辑：给算法足够的数据，让它找到个性化的信息生产和媒介消费解决方案；如果不够精准，那么就再给它更多的数据或者进行模型改进，从而迭代出更多样化的、更优秀的算法，用机器学习的专业术语来说就是“期望值最大化”的过程：只要事先定出一个学习目标，这些算法就会不断地优化模型，让它越来越接近真实的情况，机器学习训练算法迭代的次数越多，或者通俗地说学习得越深入，得到的数学模型效果越好。[38]
今天，我们正在把这些算法应用到更多更具体的领域中去，比如图像识别、影像剪辑、场景分析、新闻核查、噪声过滤等，尽管它们的功能和用途各不相同，但在计算传播领域中，所有算法的不同价值在根本上都服务于一个清晰的核心目标：在最合适的场景下，把最合适的信息产品传播给最合适的用户。无论我们用算法选择用户喜欢的明星，还是用算法加工用户评论最多的桥段，抑或者是用算法针对不同用户调整排版风格或者字体大小，都是为了服务于精准匹配这一核心目标，使得我们向用户推荐的内容能够获得最优的传播效果、发挥最大的传播价值。
与算法有关的基本知识最初是提炼自这个世界、来源于这个世界，[39]而如今它已经开始重新塑造这个世界，其巨大的威力已经深刻地改变了传播世界的旧有版图：我们开始越来越多地依赖于算法来告诉我们这个世界发生了什么，你的附近存在着什么新闻、图书、音乐、电影、发型、衣服、景点、路线。几乎每位用户都曾经主动地点击过各类移动应用程序不时弹出的消息提醒，今日头条推荐栏中的内容是用户点击率最高的内容，抖音短视频的用户更是严重依赖推荐算法帮他们决定下一则可能会看到的内容究竟是什么，微信更是持续不断地改进它赖以存在的社交关系推荐算法来提升其公众号文章和朋友圈广告的曝光率和点击率。在当下的中国乃至全球的每一个角落，几乎每一位互联网的接入者和智能手机的使用者都无可避免地被算法影响和塑造着，哪怕这其中相当比例的人压根都没有听说过算法、大数据、深度学习这些概念。而对于那些对大数据、对算法有一定认知的用户而言，算法推荐则意味着，“无论数据驱动的决策根源是什么，更多的数据给我们的决策带来一种根据感，”我们对于算法的信赖、依赖甚至仰赖已经到了史无前例的地步，是算法在很大程度上帮助我们进行了决策，而不是我们以为的我们自己在主导着媒介消费的船舵。(www.xing528.com)
当然，这些决策中的绝大多数并不是那么严肃的、生死攸关的、轰轰烈烈的，它们更多的只是涉及浏览哪些资讯、点击哪些视频、关注哪些娱乐、选择哪条线路等日常小事。当然我们也必须清醒地意识到，随着我们对算法所推荐的信息越来越依赖、越来越信任，我们的传播行为和生活方式也必然会在无形之中受到算法的改造，而这些影响并非全都是正向的、积极的，关键的问题在于我们利用算法的逻辑起点是什么，以及我们开发出了什么样的算法工具。比如近年来学界讨论的信息茧房现象，“对个性化算法可能带来的信息茧房问题，我们应该有所警觉。但……如果运用得当，算法也可能成为刺破信息茧房的一种武器”[40]，事实也诚然如此，算法既可以是强化信息茧房的蚕丝用来将用户的视野束缚得越来越局限，但反之我们也完全可以针对信息茧房困境开发出全新的算法，将越来越多的用户从狭隘的视野中解放出来。
所有的算法都不是完美的，但算法本身存在的问题是可以用新的模型或者新的算法改进、优化乃至杜绝的，关键在于我们是否意识到了算法本身存在的问题并努力去找到解决问题的新算法。就像腾讯控股的首席执行官马化腾和高级副总裁郭凯天近年来频繁强调的“科技向善”理念一样，“人的诉求不是随着技术的发展更黑暗，而是更光明、更自由、更强大。”[41]算法也是一种技术，尽管人们一度强调它是中立的、客观地、与价值观无涉的，但算法背后隐含着的却是人的价值判断和选择倾向，这意味着计算传播过程中所涉及的算法直接影响着我们怎样认识这个世界、我们将会获得什么样的信息、我们正在被何种价值观念和舆论导向所影响等实实在在的问题。“科技向善的本质在于‘人是技术的尺度，关键是谁来用’”[42]，以及拿这些数据、技术和算法等用来做什么、是怎么用的、最终是用好了还是用歪了。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
