《新闻实验室》访谈稿

原文引言

发起“新闻实验室会员计划”快一年了，加入计划的有许许多多有趣的人，在线上和线下的会员活动中，逐渐拥有了一个很好的社群。

于是我想把平台提供给他们，倾听他们的故事，分享他们的智慧，让更多朋友认识这些有趣的人。——方可成

采访／黄佶滢

Q：你是算法工程师。能否简单介绍一下什么是算法？

A: 简单理解，通常谈论的算法是指以计算机为工具，利用数学模型来解决各种实际问题。既可以是逻辑确定的一系列步骤；也可以是根据数据来自我学习、优化。

比如常见的搜索引擎；比如根据你的历史行为和当前状态推荐你想看的文章、视频；比如自动翻译；比如识别图片中的物品画面，帮助盲人；比如 AlphaGo 下围棋等等。这些都是算法的实际应用。

Q: 平时和算法机器打交道，有没有什么人机间印象深刻的事情？是爱机器人还是爱人更多？

A: 爱机器还是爱人更多，哈哈，这个问题好哲学。现阶段的 AI 还远远没有达到强人工智能的水平，虽然有一些很厉害的结果，但目前为止还没有特别出乎意料的事情。

的确，跟机器打交道要更舒服一些，因为听话。我可以明白到底发生了什么，动手写代码去修改和调整完善。人则不同，更复杂，更难把握，比如猜女孩子情绪比找程序 bug 难多了。人有更多的不完美，更多的不确定性，而这些恰恰是可爱的地方。另一方面人脑在很多领域的奥秘还远远没有揭开，这些仍然是机器暂时无法企及的地方。我最近也在看一些认知科学的东西，很有意思。

Q: 你的专业是数学，现在从事算法工作。同时也对政治、法律、新媒体领域感兴趣，是什么促使你对这些领域感兴趣的呢？有没有这方面对你影响大的人或事？

A: 应当说并没有特别的人或事来影响这种兴趣。对于公共规则、程序正义的兴趣是天生的。如果要说有的话，2008年可能会是一个节点——那一年发生了很多事情，奥运火炬传递过程中东西方媒体的差异，汶川地震中各种谣言假新闻。我当时人在成都，亲身经历了很多事情。这种公共空间的讨论就发生在身边，对于之后也有些影响。

作为80后，我也算见证了 BBS 讨论时代的末期，挺怀念那个没有表情包，大家真诚码字、认真讨论的空间。此外就是大学精神的影响，虽然被很多人批评现在的大学生研究生是一群精致的利己主义者，但我认为理想主义的精神在社会中仍然存在。这种说起来可能有些矫情，但我们的确应该关心更大范围内的一些事情。

就像淡豹所说的：「我们这代人经常陷在虚无中，表现形式之一是：保卫或珍惜自己的精神生活，放弃公共生活，用职业上的生活给自己提供物质保障，私人生活里有朋友和快感。它实际上割裂了个人与社会、工作与内心。这既是很多知识青年对现实失望的后果，同时也是中国现代化的一个结果。」

Q: 你在入会邮件中提到：不喜欢微信公众号的封闭生态环境，能否具体说说？

A: 关于微信公众号的封闭生态环境这点很多人提到过，写了不少文章，我的观点也大致相同。但是你看，如果我想在这里引用这些文章，就是一件非常困难的事情，因为一般的公众号是无法添加链接的¹。

我自认为是数字时代的原住民，认为能够平等无障碍地访问网络内容是一种基本权利。超链接是互联网最本质的东西，阉割掉了这个，只在微信自己的生态圈里打转。整个风气是鼓励把所有内容都圈在自己的地盘，最终的结果是劣币驱逐良币。具体来说有这样一些问题：

• 外部链接不方便，变相鼓励抄袭，打击原创。
• 文章的质量、可信度一个重要的判断技巧就是看是否有给出消息来源链接，这是判断假新闻谣言的重要办法，同时也是判断作者是否有「做足功课」的方法。封闭生态实际上助长了谣言。
• 每天数字世界产生的优质内容中，英文的比例远远大于中文，但现在国人被圈养在微信公众号里，加之微信群的泛滥，容易造成信息孤岛。
• 文章应该是能被搜索引擎检索，被 RSS feed 订阅的，对于个人作者，一篇文章的生命力应该更长，很多十年前的博客文章现在依然可以被搜索到，被阅读和引用。但现在公众号的文章生命力太短了，大部分不超过一周。

另外多说一点的是，移动互联网时代，随着微信公众号的泛滥，很多人已经丧失了基本的信息素养，比如读不懂 url 的基本规则（公众号链接的丑陋简直难以想象）。

Q: 张一鸣创办的今日头条注重的是信息分发效率，你觉得当算法被用于传播，是否需要具有价值观？

A: 某种意义上说，算法模型的原理的确是客观的。但实际中，一个真实产品的算法一定是有价值判断在的。这体现在几个方面

• 模型假设：所有算法模型都是对现实世界的简化，数学模型成立一般是有前提假设的。但是针对实际人群，你的假设是什么，这本身就是有价值倾向在。
• 算法的优化目标最终都是商业利益：既然最终目的指向的是商业利益，那么这种利益本身同一般意义的公众价值判断就有可能产生矛盾。
• 数据的偏差：机器学习算法一般都会根据收集到的数据进行自我学习，但如果机器见到的数据本身就是严重有偏的，那么最终学出来的模型也就带有了「偏见」。

就好像可成老师发起的媒体食谱计划中说的那样，你每天接触的信息就跟吃的饭一样，长久下去会直接塑造这个人的很多方面，包括其怎样看到这个世界，怎样在公共空间与人打交道。当一个算法影响的是亿万人每天能接触到什么时，我想背后的公司决策者，算法背后设计它的工程师应该保有一点敬畏之心。

Q: 现在的算法是在迎合人们还是指导人们？

A: 可能都是，也可能都不是。

商业公司在设计算法时，并不是从被动迎合人们还是主动指导人们出发的。公司的商业利益才是最终考量。于是两种情况都会出现。

有些算法会专门利用人性弱点。又比如现在很多碎片化、多图流的设计，也是迎合了人背后的信息焦虑感的，吸引你不停地刷新，从而取得更长的停留时间。

所以，「指导」这种说法太理想化，并不现实。用户是不会按照上层设计走的。而且我并不相信商业公司会把社会责任摆到商业利益前面，这里永远有博弈。有时涉及到公众利益，就可能需要公权力的介入，需要媒体的舆论监督。当然，本质要靠普通人提升信息素养。

Q: 传播学理论中有“媒介即信息”这一说法，你觉得在算法加入传播后，多大程度上改变了我们的传播方式？

A: 之前其实大部分人获取信息的方式也是中心化的，有限的，被动的。比如收看统一的电视新闻，读同样的报纸。现在互联网算法加速后，有好的一面，也有不好的一面。

好处：

• 之前高高在上的话语权，现在更亲民；
• 从中心化到分布式，普通人有了更多机会；
• 更好的监督和验证，信息被检验的速度加快；
• 信息总量增加，有限到丰富，有助于长尾内容被发掘。

坏处：

• 噪音和谣言也同时被放大了，而且似乎更懂得利用算法传播（标题党，多图流，SEO，ASO）；
• 在被动性上并没有本质的改变，比如依赖算法推送。

Q: 算法通过技术帮人建立起了一个过滤气泡，滤除了与我们意见不符的信息。你觉得算法一定会导致过滤气泡吗？

A: 不一定。

过滤气泡往往意味着接触到的始终是类似的内容，愿意看的（潜台词是与自己意见相符的）内容。

通常理解，最原始的推荐算法有两种基本形式，一种是根据相似的物，一种是根据相似的人。前者导致过滤气泡比较容易理解。但后者其实是不一定的。因为人的兴趣品味是多样的，跟你在某方面相似人可能有其他兴趣是你所不知道的。但我们日常接触到的，可能更多是不那么智能的例子。因为靠人来推荐也未必靠谱，毕竟大部分人的数据是很稀疏的，并不足以产生迁移。结果就是，当大多数人都只有很小范围内的数据时，单纯的相似推荐会强化这种结果，于是更容易出现过滤气泡。

但这一点也是可以解决的。虽然从商业角度看，很多场景下只用相似性就可以达到不错的效果，但相似性只是推荐算法的一个方面，而推荐算法技术本身涵盖的方面有很多。

Recommender System Handbook一书中对于推荐系统衡量指标的列举：

• User preference 用户喜好
• Prediction Accuracy 预测精度
• Coverage 覆盖面
• Confidence 置信度
• Trust 信任
• Novelty 新鲜感
• Serendipity 惊喜度
• Diversity 多样性
• Utility 效用
• Risk 风险
• Robustness 稳健性
• Privacy 隐私
• Adaptivity 自适应性
• Scability 可扩展性

通俗的说，这些算法往往最后会归结到一个数学上的优化问题，那么关键在于这个算法背后的优化目标是什么。如果通过一定的建模手段，把多样性，新鲜度等指标形式化成数学度量，放入模型中，机器算法会自动去寻找能优化这些指标的方案，最终看到的推送内容就有可能走出过滤气泡。

总的来说，我个人认为，推荐系统虽然确实可以导致过滤气泡的产生，但推荐算法技术本身的表达能力是可以克服这个问题的，关键在于如何更好的设计算法的优化目标，以及更本质的，如何平衡这些目标与公司商业利益之间的关系。说到底，商业利益是这一切的核心。

Q: 当我们已经处于气泡中，我们可以做些什么？

A: 我自己也在气泡中做着挣扎，所以只能粗浅地提供一些意见，仅供参考。

• 提高信息素养：独立思考。基本的判断信息来源是否可靠的能力，基本的信息检索获取能力。
• 走出舒适区，去沟通，去看看外面的世界。人的大脑喜欢确定性的东西，讨厌未知，这是本能。（这点很难，我自己也做得不好，但有更多的人努力，环境会变好）
• 始终拥有好奇心，愿意折腾，培养自己的 hacker 精神。比如学一点编程，自己动手整理 RSS，而不只是依赖头条、即刻等的推送。避免总做伸手党。
• 培养隐私意识。被算法控制的用户，一个重要原因是出让了太多隐私，于是算法了解你的越多，你越看不到不同的声音（当然，这属于消极抵抗，但也值得做）。

Q: 你今后是否会将现有的工作和新闻传播结合起来，如果有会怎么做呢？

A: 算法中有很重要的一个方向是自然语言处理 (NLP)，而我的不少工作内容也直接与此相关。已经看到有不少论文在讨论利用 NLP 技术处理一些诸如识别假新闻等跟传播学相关的论文，可以考虑实际动手在相关数据集上做些实验，或者整理一下相关的论文材料，写一些小的文章，投稿到新闻实验室。

Q: 你大学毕业来北京读研、创业，对这座城市的第一印象是什么？后来有没有发生改变？

A: 第一印象是城市和人的多样性，有趣，以及无限的可能。以前觉得遥远的事情，现在身边的人就在做，而且做得很好。会给你自信，同时有压力。我常跟朋友说北京是一座很容易欺骗人的城市，特别对于来这里求学的人，因为往往是九月份开学，而九十月份秋天的北京实在太美好了。

很遗憾的是，这种多样性的包容空间，随着年龄的增长，越来越压缩，信心也在跟公共部门的打交道中一次次被打击。你可能给自己的标签是名校毕业从事科技行业的高素质劳动者，但在官方的话语体系中，你是一个在体制以外没有户口的外地人，是这个城市的不稳定因素。

有趣的人同题问答

Q: 你最近关心的公共议题是什么？有什么见解？

A: 言论控制的收紧以及对于国外网站访问的限制，特别是科研和技术类的资源。比如最近剑桥大学出版社被迫撤掉论文等。

从之前上大学，读研究生做科研；到现在作为科技行业的从业者，每一次限制的加强，就像方老师前段时间的一条微博里说的，都带来巨大的人力时间精力的消耗成本。很无奈。

Q: 你最近最大的困惑是什么？

A: 木遥在一条微博里说过，我们这代人是天生的乐观主义者，因为成长过程中一切都在慢慢变好。但最近国内外，保守主义言行，社会阶层间的对立，这些让我开始怀疑这种天生的乐观主义。

Q: 如果让你用旁观者的视角，为自己的人生写一篇报道，你会起什么标题？

A: 虽然年纪不小了，但自以为还是少年心态，仍然觉得人生还有很多不确定的可能值得探索，很难现在就定个一生的标题啊。如果可以，我希望临死前，发现自己的一生始终抱有好奇心，始终愿意为了更好的事物而折腾，能赢得一个标题：A Lifelong Hacker。

Q: 如果你发现亲戚朋友在社交媒体转发谣言，你会怎么做？

A: 尽量搜索靠谱信息源，直接在下面贴链接辟谣。

Q: 如果生活中的一件事日后要被人工智能替代，你愿意选哪一件？

A: 日常跟公务部门打交道办事，很多流程化的事情完全可以替代，而且透明，不会出现一会多要这个证明，一会多要那个签字。

Q: 如果你与方可成老师交换一天生活，你会以方老师的身份做什么，你会推荐方老师用你的身份做什么？

A: （这是方老师的迷妹们想出来的问题吗，2333）

用方老师的身份：方老师认识特别多有意思的人，这点让人很羡慕，我想去多和这些人聊聊天，了解自己圈子以外的世界。另外可以尝试下人文社科某个题目的研究流程，作为理科生，对这套方法论非常陌生。但我相信会有借鉴价值。

方老师用我的身份：我写过一些推荐算法，推荐方老师手工追踪一下某个推荐算法的流程，比如就以自己的帐号为例，看看某一天的推送内容到底是怎么从原始的候选池一步步生成的。相当于进到算法黑盒里面走一遍，这样会有更直观的感受。