相較于傳統(tǒng)的物理世界，新一輪信息技術的發(fā)展使一個基于互聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)、區(qū)塊鏈等新興科技而形成的“數(shù)字世界”正真實而具體地嵌入我們的社會生活，深刻又廣泛地影響著我們習以為常的現(xiàn)實世界。

但不論是大數(shù)據(jù)還是人工智能，都依托算法而存在，我們正在走進的數(shù)字世界本質(zhì)上則是數(shù)據(jù)驅(qū)動的算法應用。當算法充斥于我們的生活，又在細微處改變著我們對信息的接收、對產(chǎn)品的需求以及情緒與狀態(tài)時，卻少有人關心算法最終會對我們產(chǎn)生的影響。

事實上，以算法為導向的思維模式，正在迅速地蔓延到自然科學和社會科學的所有領域，并滲透到我們?nèi)粘Ｉ畹母鱾€方面。它將對文化和消費者行為產(chǎn)生巨大影響，而任何人都需要為此做好準備。

算法基礎和算法前提

一般來說，算法是為解決特定問題而對一定數(shù)據(jù)進行分析、計算和求解的操作程序。算法，最初僅用來分析簡單的、范圍較小的問題，輸入輸出、通用性、可行性、確定性和有窮性等是算法的基本特征。也就是說，算法是一個過程或一組規(guī)則，它可以像食譜一樣簡單，也能夠像機器學習程序代碼一樣復雜。

數(shù)學是算法的基礎之一，而且走得相當艱難。以數(shù)學演算為形式的傳統(tǒng)算法進化了2000多年，到18世紀才有所飛躍——德國數(shù)學家萊布尼茨發(fā)明了二進制，還設計出第一臺能做加減乘除的機械計算器。

此后200多年，隨著高斯函數(shù)、概率論、圖論、布爾邏輯及更多數(shù)學分支的發(fā)展，1930年代，二進制電子電路的問世使現(xiàn)代算法呼之欲出。一個叫克勞德·香農(nóng)的麻省理工研究生試著把二進制和布爾邏輯結(jié)合寫進電子電路，之后他發(fā)現(xiàn)這種結(jié)合能解決數(shù)學難題，存儲數(shù)據(jù)，編輯圖像和文字。

1946年，世界上第一臺計算機“埃尼阿克”在美國問世。它重30噸，能用20秒計算出炮彈的軌道。從此，算法走出古典數(shù)學家的演算紙，進入計算機時代。

而數(shù)據(jù)信息則是算法存在的前提。事實上，算法的本質(zhì)就是對數(shù)據(jù)信息的獲取、占有和處理，在此基礎上產(chǎn)生新的數(shù)據(jù)和信息。簡言之，算法是對數(shù)據(jù)信息或獲取的所有知識進行改造和再生產(chǎn)。

由于算法擅長計算、數(shù)據(jù)處理和自動推理，因此，它們也成為當今數(shù)據(jù)驅(qū)動世界中極具價值的工具。于是，我們所做的一切，從吃飯到睡覺，在被數(shù)字化地跟蹤并生成數(shù)據(jù)后，算法進一步組織這些非結(jié)構化數(shù)據(jù)并將其加工成模型，以此來獲得某種具有預示性的數(shù)據(jù)結(jié)果。

以社交娛樂為例，可以說，社交媒體就由龐然大物般的算法構成。社交媒體根據(jù)人們所提供的以及來自其他各種渠道的數(shù)據(jù)，確定人們的興趣、愛好、口味，然后推送更多人們喜歡的內(nèi)容。

其中，“基于內(nèi)容的推薦算法”和“協(xié)同過濾算法”應用最廣，也最典型?；趦?nèi)容的推薦算法在資訊閱讀領域有著基石般的存在。形象地說就是“你多看什么就給你推薦什么”。Feed流（信息流）是目前資訊和社交軟件最常用的展示方式，因直觀、簡單、高效等優(yōu)勢深受歡迎。

早期Feed流以Timeline（時間線）排序，最經(jīng)典的案例就是朋友圈。這種排序法易于理解且充滿極簡主義。但它的缺點也顯而易見，即呈現(xiàn)出效率低下的不良體驗。

于是，“重力排序算法”得以衍生，兼顧熱度和更新時間的綜合策略。它給內(nèi)容施加兩種力：“重力”和“拉力”。前者是時間，新內(nèi)容會把老內(nèi)容刷下去。后者則代表點擊數(shù)、評論、贊等“熱度”，又會把熱點內(nèi)容推上去。如此往復，用戶將看到一種“既新又熱”的動態(tài)平衡。

“協(xié)同過濾算法”則主要基于人際關系和興趣關聯(lián)的推薦方案。值得一提的是，協(xié)同過濾最終不是在資訊而是在電商領域發(fā)揮了最大價值。

“尿布—啤酒”的銷售案例就是協(xié)同過濾的經(jīng)典應用。沃爾瑪分析消費者購物行為時發(fā)現(xiàn)，男性在買嬰兒尿片時都會順手犒勞自己幾瓶啤酒。于是，兩種看似風馬牛的東西，通過大數(shù)據(jù)和算法，捆綁銷售實現(xiàn)效益最大化。

算法的開放和狹隘

不斷擴大的算法體系包羅了萬象，興起了數(shù)據(jù)主義，數(shù)據(jù)主義（dataism）宣稱“宇宙是由數(shù)據(jù)流組成的，任何現(xiàn)象或?qū)嶓w的價值取決于它對數(shù)據(jù)處理的貢獻”。于是，在數(shù)據(jù)主義的影響下，所有的社會科學都呈現(xiàn)出追求理論上隱藏在我們的社會經(jīng)濟活動中的算法模式的趨勢，就像所有的自然科學都在試圖解碼自然的有機算法一樣。

在“一切都是算法”的理念下，人們越來越相信算法能夠讓我們得到優(yōu)化的結(jié)果，這進一步增強了數(shù)據(jù)主義的吸引力。比如，谷歌（Google）和Hopper能夠通過設計的算法跟蹤和預測機票價格來節(jié)省用戶的航空旅行費用；Spotify的算法讓用戶享受發(fā)現(xiàn)新音樂的樂趣，或者通過定向廣告讓人們發(fā)現(xiàn)曾經(jīng)不知道但非常想要的產(chǎn)品。

甚至，算法和機器學習能被應用在疾病診斷和生物特征跟蹤中。人工智能（AI）在疾病診斷方面的應用日益普及，有些地方AI甚至可以提出治療方案和療法建議。 2020年1月一項研究結(jié)果顯示，通過X光片子診斷乳癌，算法的表現(xiàn)超過醫(yī)生。

時下，算法統(tǒng)治著各個領域，從時尚出版娛樂到金融保險旅行等。隨著技術的發(fā)展，很快，算法就將接管其他關鍵領域，如交通、城市規(guī)劃、醫(yī)療和教育，所有這些都將對我們的整體生活質(zhì)量產(chǎn)生深遠的影響，而不論其是好是壞。

但問題是，當一切都建立在數(shù)據(jù)的基礎上時，隨著日常生活中所有領域逐漸被算法接管，無意識但高度智能的算法可能很快就會比我們自己更了解我們，也會誘使我們進入一個算法陷阱：提煉出最大眾的標準，呈現(xiàn)出同質(zhì)化的經(jīng)驗，并以此作為對每個人的最佳選擇。

歷史學家赫拉利表達了這方面的擔憂。他指出，大數(shù)據(jù)比我們最親近的朋友還要了解我們自己。在醫(yī)療領域，大數(shù)據(jù)不僅知道人們過往的病史，還知道人們祖先的病史，家族的基因情況，以及生活習慣等。因此，在健康方面，相比個體本身，大數(shù)據(jù)更能做出恰當?shù)臎Q定。

在情感生活領域、職場領域等都存在同樣的情況，消費領域自不待言。顧客走到一個貨架前，會拿起哪些商品來查看，比較哪幾個品牌，最終買下哪件商品，大數(shù)據(jù)都能做出可靠的預測。

這似乎只是傳統(tǒng)消費行為學、社會學的延伸。然而，法蘭克福學派卻更早就對商業(yè)社會的媒介霸權做出了警告和批判，馬爾庫塞認為，傳播媒介中的廣告等信息給人們制造出一些虛假的需要，人們并不去思考自己究竟需要什么，而是被媒介信息所操控，沉迷于它們所宣揚的物質(zhì)世界。

于是，個體不再了解自己真正的需要，而是被給予需要，人們的決定并不真正由自己做出。每一個登錄亞馬遜網(wǎng)站的用戶都會看到一個定制的主頁，上面滿是亞馬遜算法根據(jù)你的購買歷史精心挑選的產(chǎn)品。算法在產(chǎn)品發(fā)現(xiàn)方面已經(jīng)占據(jù)了主導地位，但現(xiàn)在它們開始通過自動購物進一步侵蝕消費者的自由意志。

最終，數(shù)據(jù)主義和算法決策的傳播所產(chǎn)生的影響明顯地體現(xiàn)出來：它開始剝奪人們的能動性，剝奪了人們做出自由意志選擇的機會。

在線搜索中，Google根據(jù)人們輸入結(jié)果的相關性提供按其算法排名的超鏈接頁面，然后通過瀏覽鏈接，從中了解更多信息。而隨著智能揚聲器和語音助理的推廣，越來越多的搜索開始通過語音進行。與自然對話的情況一樣，語音搜索通常一次只返回一個答案，即算法認為最匹配的結(jié)果，因此極大地限制了搜索結(jié)果。于是，人們對算法及其對數(shù)據(jù)的解釋越信任，人們就越不可能質(zhì)疑其作出的決定。

顯然，算法的應用使得人們更加自愿和主動地讓渡自己的自由意志，同時也使得原初意義上的自由意志的決斷過程和結(jié)果被輕易地暴露出來并更容易地被影響。此外，社會系統(tǒng)將適應算法的存在，廣泛依賴算法來決定集體和個體事務。而社會系統(tǒng)的總體改變又將深刻地改變個體的生存方式，進而再一次改變自由意志的內(nèi)涵。

但無論如何，當算法賦予一枚硬幣開放和狹隘兩面的同時，我們也需要有更多思考。不要認為眼前的一切都理所當然，不要習以為常，不要喪失對于正確判斷的敏銳度，這才是算法時代下的進路。
責編AJX