无处不在的算法教程(算法困在算法里)

编辑导语:自Facebook创立以来,“算法”就走进了大众的视线,成为了各大互联网巨头的好助手,在各个平台应用广泛。本文主要从算法的过去以及现在的状况分析,展开了关于“算法”的一些思考。推荐对算法感兴趣的用户阅读,一起来看看吧。

无处不在的算法教程(算法困在算法里)(1)

“外卖骑手,困在系统里”

1年半前,随着《人物》那篇文章刷屏全网,这句话蔚为风行。作为泰罗制代名词的“系统”,也由此遭到口诛笔伐。

将系统越织越密的算法,也难逃大众口水的包围圈。

人们对算法的看法,也朝着“反科技狂人”泰德·卡辛斯基的“高智能机器”预警靠拢。

到了今天,情况已经变成了:算法,被困在“算法”里。

征兆就摆在那:

国外,前身系脸书的Meta增长遇困。

国内,首部聚焦算法治理的法规——《互联网信息服务算法推荐管理规定》,于3月1日起正式施行。

若干年后,复盘算法发展史时,这恐怕是两起标志性事件。

品玩那句话说得不无道理:2022,“算法”属于人民。

一、“算法决定互联网”

“算法决定互联网。”

2006年3月,在CSDN技术社区,有程序员这样预言道。

他由Euler语言发明者尼古拉斯·沃斯的“程序=算法 数据结构”延伸,认为到了到了Web2.0时代,在bbs blog wiki的结构下,算法将是信息过滤的核心手段,“今天可以肯定地说,未来的互联网,将被算法所主宰统治。”

他说这话时,谷歌的网页排名算法,还是创始人拉里·佩奇1997年开发的PageRank。

到了2013年,谷歌将核心算法更新为了蜂鸟算法(Hummmingbird),还是给网页等级赋值,但指标变了,搜索也变得更智能化了。

在那之后,脸书、推特等将算法继续“发扬光大”:

脸书推出了EdgeRank算法,将Affinity亲密度、Weight热点程度、Time Decay时效等作为信息排序依据;

推特推出了Algorithmic Timelines算法,将信息相关性放在了重要位置。

在国内,互联网企业也逐渐将具有踔绝之能的算法视作基础性技术。它跟算力、大数据合在一块,支撑了AI在长尾场景中的高频使用。

时至今日,在信息分发平台、短视频平台、电商平台、社交平台及餐饮外卖平台,生成合成类、个性化推送类、排序精选类、检索过滤类、调度决策类等算法技术已得到广泛应用。

算法的触角,已伸进B端的流量分发、外卖派单和C端的内容阅读体验、动态价格体系之中。

“算法,比你还懂你自己”的说法,由此泛起。

二、很多人视算法为“魔”法

如今,人们的数字化生活,其实已经无法离开算法。

我们打车,导航会把最短或最快路径推荐给我们;

我们点外卖,平台会将评分最高、距离较近的餐馆优先呈现;

我们打开资讯类APP,热搜会将热门话题摆在我们面前。

这与其说是帮我们提高了信息撮合效率,不如说是帮我们节省了信息筛选成本——在信息大爆炸面前,算法“过滤泡”也算是为我们的“脑部减负刚需”而生。

从“效率/成本”的维度看,算法代表的就是面向未来的趋势。

拿资讯获取而言,从传统媒体的宣发模式,到门户媒体推动的搜索引擎模式,再到兴趣引擎算法推荐以及融合社交关系链的社交算法推荐,越来越低成本、快速、精准,是大趋势。

大势不可逆。

但“有需要时用算法,没需要时骂算法”,也是时下很多人的习惯。

现实中,不少人对算法有着很深的隔膜。膈膜之上,长出疑虑与恐惧。

无论是赫拉利式的预言,还是科幻片的渲染,都在强化着很多人的印象:“算法利维坦”远在将来,近在眼前。

他们视算法为魔法——魔是“妖魔化”的魔。

而大数据杀熟、过度干预、诱导沉迷等,都是他们捏住的把柄。

本质上,这类对算法的担忧跟对算法的迷恋,代表了两种典型的取向:反技术依赖倾向下的技术不可靠论;唯科学主义意识形态下的技术进步论。二者通常各据一端,反向并峙。

尽管包括算法在内的技术给人们带来了很多方便,可担忧派看到的更多的是算法不好的那一面。

而奶头乐理论与反技术乌托邦思维浸泡下的“××正在毁掉一代人”造句比赛,也不断为担忧派助攻。

三、对算法的约束机制正在强化

得承认,算法有AB两面。A面侧重的是效率,注重便捷性;B面侧重的是公平,讲究价值观。

效率与公平,是商业文明的DNA双螺旋,本该保持微妙平衡。

但以往,社会更注重效率,于是“效率”这条链特别粗壮,算法带来的便捷性会被重点突出。

现在情况无疑起了变化:“效率”跟“公平”的优先序在变,与算法伴生的问题会被各种强调。

在“公平本位”的逻辑下,算法在很多人眼中的主要形象,也就从解决问题者变成了制造问题者——它俨然成了信息茧房的编织者,是赛博囚笼的铸造者。

算法在“算计”用户,成了它被诟病最多的地方。

这里面,不无对算法的误解——因为不够了解,很多人会为算法赋魅,将其视同某种全知全能的高维度系统,乃至可算沙抟空的生命体。

事实上,算法确实能实现细粒度的数据管理,但它离开了天眼还远着。

裴培老师就提醒:互联网平台的“算法”被神化了。

在他看来,人工智能比拼的并不是算法,而是数据,有些互联网企业能将广告主的ROI(投入产出比)效果需求高效地转译成前台CPM(千人成本)需求,靠的是算法,更是算法背后量大、可信度高的数据。

但人们的顾虑,会“召唤”出针对算法的约束性力量。

理由就是,算法有些负外部性:如算法歧视,如舆论干预等。

而这样的约束机制,主要朝着两个维度拓展:

  1. 是侧面包抄——强化隐私保护。
  2. 是正面夹击——全方位“规范”算法。
四、强化隐私保护,会削弱算法“法力”

强化隐私保护,会削弱算法的“法力”。

扎克伯克的Meta,就撞在了隐私保护的高墙上。

Meta的前身脸书,这些年来几乎是负面缠身。

窃听门,前员工爆料事件,都在将其形象拽向谷底。

去年12月,脸书被美国网民评为“年度最差公司”后,有人曾这样揶揄Meta——

“Facebook被评年度最差,关我Meta什么事?”

这跟它的算法机制不无关系:之前就有很多人指责,脸书的算法创造出了“危险回音室”,借引起愤怒、激发恐惧、煽动仇恨的内容收割流量。

但对扎克伯格最重的一击,不是来自多方差评,而是来自苹果。

算法是脸书吸引广告投放的“大杀器”,但就像裴培老师所说,算法起作用,离不开数据广度、深度和可信度的支撑。

而苹果就对脸书来了一记釜底抽薪:去年4月,苹果推出了ATT应用跟踪透明度隐私功能(App Tracking Transparency),限制了APP随意性的设备识别与数据采集。

这就导致,脸书的广告推送精准度大受影响,推送准度下降了,效果就差了,广告收入自然也就下滑了。

随之而来的,就是今年2月初Meta财报公开后的“跌妈不认”——因为表现不及预期,Meta股价狂泻26.44%,市值缩水2340亿美元,创下美股历史上个股最大单日缩水纪录。

自2022年以来,Meta股价跌幅已高达约35%,股价(211.03美元)距2021年的高点(384.33美元)已跌去45%,扎克伯克也因此跌出全球富豪榜前10。

而Meta方面对此早有预见,老早就意识到了苹果iOS的隐私新政对自身营收的影响。

这表明了一点:算法的效用离不开数据广度、深度和可信度,没了精准画像,也就没了精准推荐。而隐私保护强化,势必会压低数据收集准度。

接下来,加强隐私保护是大势所趋。

欧盟有数据保护条例,美国很多州有数据隐私保护法案,中国也有《数据安全法》《个人信息保护法》等。

苹果调整隐私政策,也被认为是Web3.0时代隐私保护强弱化的风向标性动作。

算法未来的趋向,必然会受制于隐私保护、数据安全维度的“算法”。

五、规范化监管为算法戴上紧箍咒

“规范化监管”,更是戴在算法头上的紧箍咒。

学者尼克·西弗曾提出了 “算法文化 ”的概念,认为在数字经济日益发达的今天,算法已不再仅仅是文化建构的一部分,而已然变成了文化实践本身,对算法不能仅从数学逻辑的角度去理解。

其外延是,算法不能光追求效率,还要“植入正向价值观”。用咱们这的话说就是:算法必须向上向善。

  • 你用算法搞歧视杀熟?不行。
  • 你制造信息茧房?不行。
  • 你搞算法黑箱?也不行。

最起码,刚实施的《互联网信息服务算法推荐管理规定》不答应。

规定就“在我的地盘,算法该听谁的”问题,给出了明晰答案:

要求平台不得用算法控制热搜、搞虚假点赞评论转发,是将算法的触手拦截在舆论干预权力半径外;

要求平台公示算法推荐服务的基本原理、目的意图和运行机制,剑指算法黑箱(在此之前,字节跳动、美团、滴滴、微博都曾公布算法原理);

要求建立健全算法机制机理审核、科技伦理审查、用户注册、信息发布审核等管理制度,瞄准的是“算法向善”;

要求算法服务保护劳动者获得报酬、休息休假等合法权益,指向了“算法取中”……

可以说,算法被“算”了——若将算法的定义笼统化,监管秉持的,未尝不是另一种“算法”。

互联网算法用0和1筑起了某种系统,监管则用更“强大”的系统将其关进了笼子里。

驯服口诀是:算法要有价值观。

在监管频密落锤的当下,这必然会重塑算法的价值面向。

算法困在“算法”里。

困住算法的,是监管,是社情,也是算法自身的两面性。

而前方路口的标识牌上,就写着大写的“规范”二字。

这对互联网企业来说,倒也未必是坏事。

至少规范运作过后,算法被“污名”的包袱,能轻松卸下了。

与之伴生的场景是:

算法属于人民。算法里充满正能量。

作者:佘宗明

本文由 @数字力场 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Pexels,基于CC0协议。

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页