DOI：10.13806/j.cnki.issn1008-7095.2023.03.008 算法作为一种“技术人造物”，是人的智性产物，铭刻人的意志和价值观；而人不是抽象物，人具有社会性，是“社会关系的总和”，这种“社会关系总和”并非均质地体现在每个人的身上。因为技术的非均衡触达，单位社会关系是平衡的。技术被不同的社会主体所掌握，技术可及性是不同的，比如，老人群体以及弱势群体所拥有的技术能力是不一样的，所产生的技术效应和社会效能亦存在差异。算法作为人类社会进入高阶社会形态即信息社会、智能社会的媒介，其社会影响的深度和广度是空前的：从广度而言，智能媒介技术无远弗届地介入社会界面，且介入的颗粒度很小，触及一个个原子化的社会个体；从深度而言，智能技术对于人的身体和心理的渗透愈来愈深，技术对于人的内在世界的逼近更加深入。 算法技术的广泛普及，基于信息资讯的“流动性过剩”、信息过载与分众化人群的注意力供给有限性的矛盾日益凸显。计算机及其网络所创造的网络环境错综复杂，人们与这些网络环境之间的互动达到前所未有的广度和深度。高度发达的智能媒介技术所制造出来的复杂性，固然提供了空前的沟通便捷，使人们在很大程度上克服了交往过程中的时间和空间约束，与此同时也加大了人的信息负荷，而人的注意力极限是刚性的。加之，技术本身存在的不稳定性以及技术的社会化应用的偏向，致使算法的“失算”问题变得愈加触目惊心，诸如算法遮蔽、算法偏见、算法合谋、算法霸权、算法黑箱、算法责任缺位、算法操纵、算法劫持、算法剥削等问题不断涌现，算法对于社会的伤害问题愈加突出。问题在于：人类的社会系统并没有备好整体性溶解算法“失算”后果的机制和能力，以至于出现社会的结构性“失能”。破解这个问题不能靠短期的止损和补位，须在算法的逻辑和社会结构的接榫处，找到合理的解决办法。 一、算法“失算” 1.算法的技术之长 从人的生理机能来看，人不是万能的。在复杂的生存环境面前，人的能力是弱小的。但人的“过人”之处在于：人凭借其自身的智能，可以创造技术作为撬动社会、改造自然的工具。“技术延伸了人的能力。”①人类凭借智能创造技术，借助技术，人类不仅补齐其先天能力的短板，而且进化其能力，延长其能力半径。米德认为，智能实质上是根据未来的可能结果和过去的经验解决当下的行为问题的能力。这种能力就是根据或参照过去和将来解决当下的行为问题，它包括记忆和预见。运用智能的过程就是延迟、组织和选择对特定环境刺激的反应的过程。这是个体所具有的顺应社会环境，事实上也是顺应一般环境的最有效手段。有机体内存在一种确定的必然的感受性结构或完形，它有选择地、相对地决定它所感知的外部世界的特征。社会环境凭借社会活动过程而具有意义。它是对各种客观关系的组织，这些关系的产生涉及参与这种活动、参与社会经验和行为过程的一群有机体。仅当关涉到个体有机体相互作用的社会群体时，社会环境才拥有外部世界的某些特征。② 经由技术的加持，人的包括感知行为在内的社会行为被媒介化了。随着技术的进化，人的行为也被技术加持和形塑。有学者认为，“技术变成了经验的中介”，或者说，技术“变成了经验本身”，“技术就是现实”。③在新传播技术所表征的世界，直接经验的重要性大幅度下降，经由媒介感知的经验则成为主导性的经验。技术的延伸让身体在场成为可有可无，“具身”于现场不再重要，技术所传递的经验成为人的日常生活的常态，人类交往及诸多社会实践越来越多地浸入数字空间，而新传播技术体系全方位地“侵入”社会实践，致使人们的直接经验大面积退场。经由新传播技术建构的数字空间是一种非疆域、瞬时化且时空一体的存在场域，此前受制于在地性和具身性的社会实践，被“脱域化”、陌生化的情境所削弱，人类社会交往的场域大范围迁移。 当下社会的核心问题是快速增长的海量信息和人们有限的注意力之间的矛盾。正如韩炳哲所言，过度的积极性可以呈现为过度的刺激、信息和资讯，它从根本上改变了注意力的结构和运作方式。感知变得分散、碎片化。④信息高度过载，而人们的精力、认知能力则是有限的，人们为信息付出的时间成本也水涨船高。在这种情况下，算法技术提供了有效的信息连接。面对互联网过载信息量，海量人群对互联网信息有多元需求，算法提供了认知捷径，通过可控的技术，实现便捷、人性化的信息导流服务。算法推荐的问世、普及是媒介技术进步的体现，它让信息与用户实现精准对接，使得信息与用户之间实现个性化匹配，让用户能从纷繁复杂的信息中找到自己所需的信息，从而节约信息搜寻成本、提升信息选择效率。这些便利容易让人产生惰性和惯性：算法推荐如此方便，可放心地让其为人导航。 算法技术可以最大扇面覆盖人的需求。这些需求包括刚需、边缘需求乃至于被制造出来的泡沫化需求。其实，算法推荐是一把双刃剑，关键看怎么用。人心是最复杂的世界，要利用这样的算法技术达到对人心的猜测和洞察，存在很大的偶然性。即便现在有这样的技术可以通过外部的手段把握人心，也只是初级阶段，因为它无法准确地实现个性化、及时化、场景化的洞察。算法只是智能推荐的入口。算法的优势是可以根据浏览痕迹、个性标签来猜测用户会有何种动机或者偏好，而用户的偶然性动机是无法把握的。智能算法可以接近人心，但不能实现对复杂人心的精准把握。 2.技术偏差 即便媒介技术对社会的影响的深度的广度己创下人类历史新纪录，但技术并非万能的。在传播技术发展到当前智能化阶段，其智能化水平仍处于弱人工智能阶段。当前的人工智能算法技术虽然展现出不同程度学习能力，但这种学习能力归根结底仍属于工具能力，不能接近人的智能。人类对算法始终处于控制支配地位，其含义区别于数学领域的算法概念，指的是将输入转化为输出的序列计算指令，或者说是依托特定计算模式将输入数据转换成预期输出的编码程式，是一种有限的、确定性的、有效的、适合计算机程序执行的问题解决方法。⑤算法作为技术人工物也会出现功能偶发性失常现象。功能偶发性失常是技术人工物的一种普遍现象。算法模型的形成需要大量数据进行训练、学习和数据挖掘，输入数据或训练数据有限、不相关或不正确，以及数据未脱敏、大小样本差别很大，都可能因过拟合和“冗余编码”而导致算法判断错误或算法输出偏差，或者带来输入数据的缺陷“偏见进，偏见出”(Bias In，Bias Out)的算法歧视问题。⑥人工智能越来越多地呈现出概率关联困境，即只关注相关性而不关心因果，只进行归纳而不做演绎，⑦这使得算法决策可能出现偏差和技术漏洞。现有的算法技术的超人之处在于对于数据的惊人算力，主要体现在分类、搜索、过滤、排序、优化等功能方面，以及相对有限的自动化决策能力，这些功能的依据基于机器对于行为者的线上留痕，即线上行为数据的积累，这些外化的行为数据尚未真正深入到深层次的心理、生理、认知等层面。算法要真正做到“知心”，需要深入人的生理、心理、认知的幽微之处，实现这一目标，当前的算法技术尚力不从心。即便在有限的范围可及，其成本也是很高的。其实，当前的算法更多体现在市场化应用上，出于成本考虑，算法开发者、算法平台尚不能承受高成本压力。
