信息爆炸時(shí)代，多項(xiàng)推薦算法成為人們高效獲取有用信息的研究也重要途徑。伴隨而來，表明“算法制造信息繭房”“算法導(dǎo)致社會(huì)極化”等論調(diào)被提出。撕裂社會(huì)算法算法真相果真如此嗎？產(chǎn)生Science、Nature等權(quán)威期刊刊載的極化多項(xiàng)研究結(jié)果，向這些論調(diào)發(fā)起了有力挑戰(zhàn)——撕裂社會(huì)的多項(xiàng)從來不是算法，沒有算法也會(huì)產(chǎn)生極化。研究也

首先，表明“算法導(dǎo)致信息繭房”的撕裂社會(huì)算法算法核心前提，在實(shí)證中存在顯著脆弱性。產(chǎn)生路透新聞研究所的極化文獻(xiàn)綜述顯示，真實(shí)的多項(xiàng)“信息繭房”極為罕見，僅有約6%到8%的研究也公眾處于黨派新聞的“回音室”中。多數(shù)依賴搜索引擎和社交媒體獲取信息的表明用戶，反而能接觸到更廣泛的信息來源，算法的“探索”機(jī)制會(huì)主動(dòng)推送用戶潛在感興趣的新內(nèi)容，形成“自動(dòng)的機(jī)緣巧合”。

抖音安全與信任中心公開的算法原理也印證了這一點(diǎn)：如果算法一味迎合用戶已有的興趣，會(huì)導(dǎo)致內(nèi)容越來越同質(zhì)化，這會(huì)使用戶很快感到無聊并離開平臺(tái)。因此，算法必須在“利用”和“探索”之間保持平衡，主動(dòng)將用戶可能感興趣的新內(nèi)容推送給用戶，以保持新鮮感和用戶黏性。

更具顛覆性的發(fā)現(xiàn)是，打破“繭房”未必能緩解極化，反而可能適得其反。杜克大學(xué)社會(huì)學(xué)家克里斯·貝爾的實(shí)地實(shí)驗(yàn)極具說服力：他招募立場(chǎng)堅(jiān)定的民主黨和共和黨推特用戶，付錢讓他們關(guān)注一個(gè)轉(zhuǎn)發(fā)對(duì)立陣營言論的“機(jī)器人”賬號(hào)，強(qiáng)行打破信息壁壘。然而一個(gè)月后，參與者非但沒有變得溫和，政治立場(chǎng)反而更加極端。

阿姆斯特丹大學(xué)的“生成式社交模擬”研究進(jìn)一步證實(shí)了這一結(jié)論：研究團(tuán)隊(duì)用多個(gè)平臺(tái)的大語言模型生成500個(gè)帶有真實(shí)選民特征的虛擬用戶，構(gòu)建無廣告、無個(gè)性化推薦算法的極簡社交平臺(tái)，僅保留發(fā)帖、轉(zhuǎn)發(fā)和關(guān)注功能。經(jīng)過每次試驗(yàn)一萬個(gè)周期的運(yùn)行，無論使用哪個(gè)平臺(tái)的大語言模型，平臺(tái)都不可避免出現(xiàn)回音室效應(yīng)、影響力集中和極端聲音放大三大問題。

為尋找解決方案，阿姆斯特丹大學(xué)的研究團(tuán)隊(duì)測(cè)試了六種主流干預(yù)策略，結(jié)果更令人深思。被不少人視為“解藥”的“按時(shí)間順序推送”，雖能降低關(guān)注度不平等，卻顯著加劇了極端內(nèi)容的傳播；平衡黨派內(nèi)容的橋接算法在提升觀點(diǎn)多樣性的同時(shí)，反而擴(kuò)大了關(guān)注度差距；其他如淡化主流內(nèi)容、隱藏統(tǒng)計(jì)數(shù)據(jù)等措施，要么效果微乎其微，要么弊大于利。這表明，即便剝離算法干預(yù)，社交媒體的極化現(xiàn)象依然會(huì)因人類社交的固有邏輯自發(fā)產(chǎn)生——情緒化的極端內(nèi)容更易獲得轉(zhuǎn)發(fā)，轉(zhuǎn)發(fā)帶來的關(guān)注又進(jìn)一步強(qiáng)化其傳播優(yōu)勢(shì)，形成惡性循環(huán)。

Nature刊載的2021年的一項(xiàng)研究則從時(shí)間維度揭示了極化的真正驅(qū)動(dòng)力。多倫多大學(xué)團(tuán)隊(duì)分析Reddit平臺(tái)14年間51億條評(píng)論發(fā)現(xiàn)，2012至2015年平臺(tái)政治極化程度穩(wěn)定，2016年美國大選期間卻突然驟升，且這一變化主要由新用戶推動(dòng)，老用戶立場(chǎng)幾乎未變。這證明，社會(huì)極化更多是外部政治事件和現(xiàn)實(shí)社會(huì)分裂的映射，與平臺(tái)算法或使用時(shí)長無顯著關(guān)聯(lián)。

這些研究共同指向一個(gè)結(jié)論：算法既非社會(huì)極化的“元兇”，也非解決問題的“萬能藥”。它只是一個(gè)中立的技術(shù)工具，映射出了人類本性中“選擇性接觸”的傾向和社會(huì)結(jié)構(gòu)中已有的裂痕。與其將社會(huì)撕裂歸咎于算法，不如正視人性的局限與現(xiàn)實(shí)的矛盾——這才是理解和應(yīng)對(duì)社會(huì)極化的關(guān)鍵。