對(duì)立極化，是算法的鍋還是人的鍋

4月25日，白宮記者協(xié)會(huì)晚宴上的槍聲與混亂，讓世界再次直觀地看到：在長(zhǎng)期被吹捧為“成熟民主典范”的美國(guó)，政治分歧已經(jīng)不再只是辯論與投票，而可能演變?yōu)楝F(xiàn)實(shí)中的對(duì)抗甚至沖突。

特工護(hù)衛(wèi)特朗普，退下白宮記者協(xié)會(huì)晚宴的主席臺(tái) 視頻截圖

但如果把視線稍稍拉遠(yuǎn)，就會(huì)發(fā)現(xiàn)這并不是孤立事件。從國(guó)會(huì)山事件到多次政治刺殺；從特朗普反復(fù)指控“選舉被竊取”，到社交媒體上不斷擴(kuò)散的對(duì)立敘事；從電視辯論中針鋒相對(duì)的政客，到普通家庭餐桌上因政治立場(chǎng)爭(zhēng)執(zhí)不休的親人——一種更深層的變化已經(jīng)在美國(guó)發(fā)生：人群正被政治重新劃分，而且兩頭越來越極端。

與此同時(shí)，英國(guó)圍繞“脫歐”的長(zhǎng)期爭(zhēng)論、德國(guó)關(guān)于移民與能源政策的分歧，使不同陣營(yíng)之間的互不信任顯著加劇。

歐洲多國(guó)的建制派也受到各種力量的挑戰(zhàn)，以法國(guó)為代表，被視為“極右翼”的政黨明顯崛起。

對(duì)立與極化在全球似乎有同此涼熱的趨勢(shì)，在中國(guó)則表現(xiàn)為代際沖突和性別觀念沖突抬頭。比如家里老人時(shí)常看到說“孩子不孝順”的內(nèi)容，另一方面“老登”也成了熱詞；一些雞毛蒜皮的社會(huì)問題，也總有人從性別角度切入炒作……

術(shù)語一大堆，但是……

極化已是人們能廣泛感知的現(xiàn)實(shí)，近年，圍繞極化成因的討論，聚焦到了互聯(lián)網(wǎng)平臺(tái)與算法機(jī)制上。一系列帶有強(qiáng)烈批判意味的概念被提出，用以描述算法如何“塑造”甚至“扭曲”公共輿論空間。

“信息繭房”（information cocoon）由美國(guó)法學(xué)教授凱斯·桑斯坦（Cass Sunstein）在其2006年出版的著作《信息烏托邦——眾人如何生產(chǎn)知識(shí)》中首先提出。他本人就有明顯的政治背景，曾任奧巴馬競(jìng)選團(tuán)隊(duì)的法律事務(wù)顧問，后在奧巴馬政府中出任白宮信息與監(jiān)管事務(wù)辦公室主任。

這一說法強(qiáng)調(diào)，用戶在長(zhǎng)期接觸與自身觀點(diǎn)一致的信息后，會(huì)逐漸被“包裹”在單一認(rèn)知環(huán)境中，難以接觸不同立場(chǎng)的內(nèi)容。

“回聲室”（echo chamber）更進(jìn)一步，相比單純的隔絕，還強(qiáng)調(diào)“放大效應(yīng)”：在同質(zhì)化社群中，觀點(diǎn)不僅被重復(fù)，還會(huì)在不斷強(qiáng)化中變得更加極端。

2003年5月，中國(guó)網(wǎng)友用“傻子共振”來形容上述概念背后所假定的機(jī)制，后來被國(guó)內(nèi)的營(yíng)銷號(hào)捏造成美國(guó)著名社會(huì)學(xué)家戈夫曼發(fā)明的“術(shù)語”，反而成了場(chǎng)傳播學(xué)的鬧劇。

“過濾氣泡”（filter bubble）由IT領(lǐng)域的活動(dòng)人士伊萊·帕里澤（Eli Pariser）提出。他假設(shè)平臺(tái)的個(gè)性化推薦系統(tǒng)（如搜索排序、信息流推薦）會(huì)在用戶“無感知”的情況下篩選信息，使其逐漸陷入由算法構(gòu)建的“信息泡泡”之中。與“回聲室”相比，“過濾氣泡”更強(qiáng)調(diào)被動(dòng)篩選機(jī)制。

這些術(shù)語的流行，本身就構(gòu)成了一個(gè)值得觀察的現(xiàn)象。它們往往以形象化的比喻方式描述復(fù)雜機(jī)制，具有很強(qiáng)的傳播力，也在一定程度上放大了公眾對(duì)于技術(shù)系統(tǒng)的焦慮與不確定感，但其內(nèi)核可能缺乏支撐。

哈佛大學(xué)伯克曼互聯(lián)網(wǎng)與社會(huì)中心資深研究員大衛(wèi)·溫伯格就曾指出：“盡管桑斯坦頻繁使用這個(gè)詞……但從未定義過回音室”。

凱斯·桑斯坦與大衛(wèi)·溫伯格

“過濾氣泡”則出自帕里澤在暢銷書中的故事：“2010年春天，當(dāng)深水地平線石油鉆井平臺(tái)的殘骸仍在向墨西哥灣噴涌原油時(shí)，我請(qǐng)兩位朋友搜索‘BP’這個(gè)詞。她們非常相似——受過教育、白種人、左傾、住在東北部。但她們看到的搜索結(jié)果卻截然不同。”

在學(xué)術(shù)層面，他被批評(píng)為“未能超越此類軼事證據(jù)來充分定義他的核心概念”。而且和桑斯坦一樣，他們的概念都起于搜索引擎時(shí)代，在事兒還沒講清楚的情況下，就隨著技術(shù)熱點(diǎn)，無縫銜接到社交媒體平臺(tái)及其算法上了。這種“趕時(shí)髦”的做法，確實(shí)讓人心生疑慮。

俗話說，先問是不是，再問為什么。人們發(fā)明并反復(fù)使用這些概念，與對(duì)立極化相掛鉤，未必能體現(xiàn)“真相”，或許只是一種面對(duì)復(fù)雜信息環(huán)境時(shí)的解釋沖動(dòng)與情緒回應(yīng)。

算法是否、以及在多大程度上推動(dòng)了極化，仍然是一個(gè)需要依賴數(shù)據(jù)與實(shí)證研究來回答的問題。

好在真有學(xué)者在解答“是不是”。

“信息繭房”等導(dǎo)致極化是真是假？

有的關(guān)于政治極化的研究直接動(dòng)搖了“繭房”或“回音室”的普遍性和影響程度。

路透新聞研究所2022年發(fā)布的一項(xiàng)文獻(xiàn)綜述指出，包括高度極化的美國(guó)在內(nèi)，絕大多數(shù)人的媒體“膳食”是多樣化的。

即使只依賴單一來源的人，他們通常綁定那些面向政治多元化受眾（內(nèi)容也相應(yīng)多元化）的來源，如商業(yè)或公共服務(wù)廣播公司。只有極少數(shù)人（通常僅占幾個(gè)百分點(diǎn)）完全依靠黨派來源獲取新聞。

例如在英國(guó)，僅有約6%至8%的公眾處于所謂黨派傾向嚴(yán)重、且由于缺乏交叉接觸而與反駁意見隔絕的“回音室”中。

“過濾氣泡”的軼事或許也只是個(gè)案而已。2018年到2019年的三項(xiàng)研究（Haim、Nechushtai & Lewis以及Krafft等人）都發(fā)現(xiàn)了與帕里澤所述截然相反的情況：搜索相同關(guān)鍵詞的不同用戶被提供了非常相似的信息，并且在5-10%的情況下看到了“甚至順序都相同”的相同搜索結(jié)果。只有在不同國(guó)家或使用不同語言瀏覽器的用戶之間，才不出所料地出現(xiàn)了實(shí)質(zhì)性差異。

為了驗(yàn)證算法對(duì)現(xiàn)實(shí)政治態(tài)度的具體影響，由普林斯頓大學(xué)、斯坦福大學(xué)等學(xué)術(shù)機(jī)構(gòu)與Meta公司合作完成了多項(xiàng)關(guān)于2020年美國(guó)大選的大規(guī)模實(shí)證研究（發(fā)表于2023年的《科學(xué)》和《自然》雜志）。

研究人員將部分用戶移出算法驅(qū)動(dòng)的信息流，改用“按時(shí)間順序排列”接收內(nèi)容。別覺得有Meta輔助做試驗(yàn)，研究可能不靠譜，他們并沒有藏著掖著。實(shí)驗(yàn)數(shù)據(jù)證明，改為時(shí)間順序后，用戶在社交平臺(tái)上的互動(dòng)行為和停留時(shí)間顯著減少，且接收到的內(nèi)容組合發(fā)生了巨大變化——例如在Facebook上接觸到的政治內(nèi)容總量增加了約15.2%，來自中性或混合來源的內(nèi)容增加36.7%。

改為時(shí)間信息流后的內(nèi)容比例變化，黃色為算法驅(qū)動(dòng)，藍(lán)色為時(shí)間信息流

然而，盡管在線體驗(yàn)發(fā)生了如此大的改變，在為期三個(gè)月的研究期內(nèi)，用戶的議題極化（Issue Polarization）、情感極化（Affective Polarization）或政治參與度等關(guān)鍵指標(biāo)并沒有出現(xiàn)任何明顯變化。這表明，人們根深蒂固的政治對(duì)立背后，主要原因并非算法。

改為時(shí)間信息流后，絕大部分極化關(guān)鍵指標(biāo)都沒有明顯變化

發(fā)表在《科學(xué)》雜志上的另一項(xiàng)實(shí)驗(yàn)，聚焦于社交媒體的“轉(zhuǎn)發(fā)”（Reshares）功能。研究者在2020年大選前的關(guān)鍵時(shí)期，對(duì)實(shí)驗(yàn)組用戶的信息流進(jìn)行了“刪除轉(zhuǎn)發(fā)內(nèi)容”的處理。

結(jié)果顯示，這一操作確實(shí)起到了過濾作用，使用戶接收到的政治新聞總量（尤其是來自不可信來源的內(nèi)容）大幅減少了約四分之一。然而，這種對(duì)信息流的大規(guī)模干預(yù)，同樣未能顯著改變用戶的個(gè)人政治態(tài)度或極化程度衡量標(biāo)準(zhǔn)。

發(fā)表在《美國(guó)國(guó)家科學(xué)院院刊》（PNAS）上的一項(xiàng)研究，通過4項(xiàng)嚴(yán)格受控實(shí)驗(yàn)、招募了8883名美國(guó)受試者，在模擬YouTube界面的平臺(tái)上安排不同的推薦邏輯。研究人員設(shè)計(jì)了“傾斜式”算法（模擬過濾氣泡，提供3/1的與受試者相同的立場(chǎng)內(nèi)容），以及“平衡式”算法（提供2/2對(duì)等立場(chǎng)內(nèi)容）進(jìn)行對(duì)比。

結(jié)果顯示，盡管傾斜式推薦顯著改變了受試者的觀看行為和停留時(shí)間，但在實(shí)驗(yàn)階段內(nèi)對(duì)用戶的政策態(tài)度、情感極化或媒體信任度幾乎沒啥明顯影響，證明“沒有可檢測(cè)到的極化效應(yīng)”。

傾斜式（slant）算法相比平衡式的部分研究結(jié)果，政策態(tài)度、平臺(tái)互動(dòng)、媒體信任等無明顯變化

研究者指出，實(shí)驗(yàn)證據(jù)與關(guān)于算法誘導(dǎo)用戶集體激進(jìn)化的流行敘事，并不一致。

這些研究和多篇文獻(xiàn)綜述都共同指向一個(gè)結(jié)論：社交媒體的算法和功能設(shè)計(jì)雖然極大地改變了信息分發(fā)的生態(tài)和用戶的在線行為，但它們似乎并不是驅(qū)動(dòng)西方社會(huì)政治極化的核心動(dòng)力，極化的根源可能更深植于社會(huì)和政治現(xiàn)實(shí)本身，而非技術(shù)邏輯。

由于缺乏對(duì)“回音室”或“過濾氣泡”如何作用的實(shí)際證據(jù)，昆士蘭科技大學(xué)數(shù)字媒體研究中心2019年的論文更是以嚴(yán)厲的措辭指出：“回音室和過濾氣泡主要構(gòu)成了一場(chǎng)毫無根據(jù)的道德恐慌，它為更關(guān)鍵的問題——日益加劇的社會(huì)和政治極化——提供了一個(gè)便利的技術(shù)替罪羊。”

算法究竟帶來了什么

在真實(shí)世界中，英國(guó)和其他幾個(gè)國(guó)家的觀察性研究表明，基于算法選擇的搜索引擎和社交媒體，往往能引導(dǎo)用戶接觸到稍微更多、更豐富的新聞來源。

也就是說，至少這些人群并沒有被不同的氣泡有意隔開。如果真要說有什么分別的話，是算法支持的用戶反而比其他人享受了些許技術(shù)優(yōu)勢(shì)。

研究發(fā)現(xiàn)，普通用戶主動(dòng)尋找新聞時(shí)，每周平均僅依賴1到2個(gè)來源，但搜索引擎和社交媒體通過“自動(dòng)偶然發(fā)現(xiàn)”（Automated Serendipity）和“偶然接觸”（Incidental Exposure）機(jī)制，實(shí)際上引導(dǎo)用戶接觸到了比其意愿更豐富、更多元的視角。

自動(dòng)偶然發(fā)現(xiàn)是指算法給出的搜索結(jié)果，有時(shí)來自用戶不會(huì)直接訪問的來源。偶然接觸是指，用戶在主要用于其他目的的社交媒體網(wǎng)站上，偶然看到并閱讀新聞文章。

研究中很有說服力的一點(diǎn)是，這兩個(gè)機(jī)制與平臺(tái)商業(yè)利益是一致的，確實(shí)可能得到加強(qiáng)。

因?yàn)樽詣?dòng)偶然發(fā)現(xiàn)創(chuàng)造了多樣性的體驗(yàn)，能提高用戶的留存率。偶然接觸機(jī)制可以增加在社交媒體上花費(fèi)的時(shí)間，因?yàn)槿藗兣紶枙?huì)遇到有趣的文章。

國(guó)內(nèi)的研究也發(fā)現(xiàn)，從平臺(tái)運(yùn)營(yíng)邏輯來看，制造“極化”對(duì)互聯(lián)網(wǎng)企業(yè)的長(zhǎng)期發(fā)展并無益處。《算法向善與個(gè)性化推薦發(fā)展研究報(bào)告》分析抖音等代表性應(yīng)用的數(shù)據(jù)，認(rèn)為用戶閱讀內(nèi)容的類型數(shù)量，以及內(nèi)容的離散程度（分散度），與用戶的長(zhǎng)期留存呈顯著正相關(guān)。這意味著，如果算法一味“投其所好”導(dǎo)致信息窄化，反而可能加速用戶的流失。

因此，平臺(tái)有內(nèi)在動(dòng)力通過“興趣探索”機(jī)制激發(fā)用戶的潛在需求，保障內(nèi)容供應(yīng)的健康與平衡。今日頭條、抖音等平臺(tái)經(jīng)過數(shù)次算法迭代與升級(jí)，對(duì)多樣化信息推薦技術(shù)不斷優(yōu)化，已經(jīng)取得了一定的效果：一方面，選擇用戶過去不常觀看的內(nèi)容類目，進(jìn)行一定比例的推薦；另一方面，特別增加一些隨機(jī)內(nèi)容，來保障用戶可見內(nèi)容的多樣性。

好的算法和界面配合，在用戶感興趣內(nèi)容的基礎(chǔ)上，還能深入激發(fā)、滿足用戶的潛在需求，進(jìn)而滿足人對(duì)信息的多維度訴求。貴州返鄉(xiāng)創(chuàng)業(yè)青年丁浪在抖音上記錄腌蒜苔制作過程，算法把相關(guān)視頻準(zhǔn)確推薦給對(duì)鄉(xiāng)村美食、農(nóng)特產(chǎn)品感興趣的用戶，然后用戶能順勢(shì)在同屏搜索框中搜索、了解蒜苔烹飪相關(guān)內(nèi)容，擴(kuò)展相關(guān)知識(shí)。

深圳大學(xué)深圳城市傳播創(chuàng)新研究中心發(fā)布的《短視頻用戶的算法實(shí)踐與“破繭”報(bào)告》顯示，近八成（77.8%）短視頻用戶認(rèn)為算法推薦的內(nèi)容是多樣化的，能夠幫助其發(fā)現(xiàn)“以前不了解的全新興趣領(lǐng)域”。

清華大學(xué)社會(huì)科學(xué)學(xué)院的研究報(bào)告則提出了“破繭效應(yīng)”：數(shù)據(jù)證明，隨著用戶使用時(shí)長(zhǎng)和算法素養(yǎng)的增加，用戶感知到的內(nèi)容同質(zhì)化程度反而會(huì)下降，兩者呈反比關(guān)系。這種“信息偶遇”的機(jī)會(huì)，讓算法成為了開闊用戶視野、促進(jìn)數(shù)字公平的工具。

麻省理工學(xué)院（MIT）在2021年也將TikTok的推薦算法列為“十大突破技術(shù)”，認(rèn)為它體現(xiàn)了內(nèi)容公平性讓普通人也能獲得名人般的關(guān)注。

如果放棄算法，核心問題在于，一是內(nèi)容太多，產(chǎn)生了“信息過載”的問題；二是不值得信賴的來源，在時(shí)間流中可能會(huì)大幅增加，美國(guó)的研究中就出現(xiàn)了68.8%增幅。

算法的個(gè)性化推薦對(duì)于解決這兩個(gè)問題，也起到了至關(guān)重要的作用。

關(guān)鍵還是在人

在深挖西方政治極化的根源時(shí)，越來越多的研究者發(fā)現(xiàn)，與其將矛頭指向算法，不如審視人類自身的社交本能和心理偏好。社交媒體并非制造分歧的工廠，而更像是一面“棱鏡”，折射著人類固有的行為邏輯。

選擇性地使用與既有信念相符的信息是人之常情。人們傾向于回避與其信念相沖突的媒體內(nèi)容。這方面的首批數(shù)據(jù)是在1940年美國(guó)大選期間收集的：民主黨人更可能接觸民主黨的競(jìng)選活動(dòng)，共和黨人更可能接觸共和黨的競(jìng)選活動(dòng)。

直到20世紀(jì)上半葉，許多歐洲國(guó)家都存在強(qiáng)大的黨派報(bào)刊，人們接觸的主要是志同道合的信息。一個(gè)典型的例子是荷蘭的“柱化”時(shí)期，天主教徒通常被認(rèn)為閱讀天主教報(bào)紙、加入天主教體育俱樂部、收聽天主教廣播。左翼投票的工人有自己的“柱”，新教徒也是如此。

那些年代里可沒有算法什么事。如今，簡(jiǎn)單地打破“信息繭房”，在社交媒體上接觸對(duì)立觀點(diǎn)，往往會(huì)產(chǎn)生“適得其反”的效應(yīng)（Backfire Effect）。根子還是在人。

杜克大學(xué)社會(huì)學(xué)家克里斯·貝爾（Chris Bail）的實(shí)證研究讓受試者在一個(gè)月內(nèi)，關(guān)注一個(gè)持續(xù)轉(zhuǎn)發(fā)對(duì)立黨派政客和意見領(lǐng)袖言論的機(jī)器人賬號(hào)。結(jié)果顯示，受試者并沒有變得更加溫和理性，民主黨受試者的立場(chǎng)也呈現(xiàn)出更加自由化的趨勢(shì)，而共和黨受試者，在被迫接觸自由派觀點(diǎn)后，其保守傾向顯著增強(qiáng)。

研究者認(rèn)為，人類的動(dòng)機(jī)性推理（motivated reasoning）會(huì)促使人們?cè)谠庥龇疵孀C據(jù)時(shí)，通過反駁對(duì)方來強(qiáng)化自我認(rèn)同，從而加劇政治極化。

如果確實(shí)不是算法的鍋，那究竟是人的哪些方面出了問題？一個(gè)原因也許就是人類的社交動(dòng)機(jī)與“同質(zhì)性聚集”（Homophily）傾向。

2024年發(fā)表在《實(shí)驗(yàn)心理學(xué)期刊：總論》（Journal of Experimental Psychology: General）的一項(xiàng)研究揭示，社交媒體用戶關(guān)注、互動(dòng)和回粉行為的主要驅(qū)動(dòng)力是“社交動(dòng)機(jī)”而非“信息動(dòng)機(jī)”。人們更傾向于與分享相似世界觀的“同黨”建立聯(lián)系，并對(duì)對(duì)立陣營(yíng)表現(xiàn)出天然的排斥，這種對(duì)社交歸屬感的追求導(dǎo)致了在線社交網(wǎng)絡(luò)自然演化為彼此隔絕的集群。

另一項(xiàng)發(fā)表在《自然》旗下《計(jì)算社會(huì)科學(xué)雜志》的模擬研究也證明，即便在算法干預(yù)最小的環(huán)境中，只要存在極少量的社會(huì)影響力和“取關(guān)”（Unfollowing）不同意見者的行為，社交網(wǎng)絡(luò)就會(huì)迅速退化為分散、同質(zhì)的“回音室”。

阿姆斯特丹大學(xué)邏輯、語言與計(jì)算研究所（ILLC）在2025年的最新模擬研究中則采用隱藏點(diǎn)贊數(shù)或強(qiáng)化跨黨派內(nèi)容推薦的操作，發(fā)現(xiàn)“回音室”的出現(xiàn)主要是因?yàn)槿藗冊(cè)诨?dòng)中存在“選擇性接觸”和“確認(rèn)偏差”，傾向于尋找符合先前觀點(diǎn)的信息并回避沖突。

這種情感化的參與驅(qū)動(dòng)了網(wǎng)絡(luò)結(jié)構(gòu)的增長(zhǎng)：人們通過轉(zhuǎn)發(fā)來構(gòu)建關(guān)注網(wǎng)絡(luò)，而轉(zhuǎn)發(fā)決策往往是情感性和防御性的，這形成了一個(gè)自我強(qiáng)化的循環(huán)，使極化成為社交媒體架構(gòu)中難以通過技術(shù)手段根除的深層機(jī)制。

西方政治學(xué)者還普遍關(guān)注了“政治精英極化”，認(rèn)為他們?cè)絹碓綐O端的言行，也是驅(qū)動(dòng)社會(huì)分歧擴(kuò)大、把普通人帶溝里的關(guān)鍵因素之一。例如，在氣候變化議題和疫情問題上，美國(guó)精英的矛盾立場(chǎng)，直接導(dǎo)致了公眾對(duì)科學(xué)機(jī)構(gòu)（如CDC）信任的迅速瓦解和黨派陣營(yíng)的對(duì)立。

極化水平的波動(dòng)與外部現(xiàn)實(shí)事件高度同步，而非受控于平臺(tái)邏輯。發(fā)表在《自然》正刊上的研究對(duì)Reddit長(zhǎng)達(dá)14年的數(shù)據(jù)進(jìn)行了量化分析，發(fā)現(xiàn)在2012年至2015年間，該平臺(tái)的政治極化程度保持在一個(gè)非常穩(wěn)定的區(qū)間。然而，在2016年美國(guó)大選年，平臺(tái)的極化程度驟然飆升，并在隨后的年份持續(xù)保持高位。

關(guān)鍵證據(jù)顯示，這種系統(tǒng)性的極化并不是由老用戶在平臺(tái)內(nèi)變極端驅(qū)動(dòng)的，而是由當(dāng)年的“新增用戶”和“新參政用戶”帶來的。大選這一外部社會(huì)政治事件將大量已經(jīng)極化的群體吸納進(jìn)社交平臺(tái)，改變了整體的生態(tài)，這側(cè)面說明極化是一個(gè)社會(huì)性、歷史性的現(xiàn)實(shí)問題，平臺(tái)和算法只是承載這些矛盾的載體而非源頭。

更重要的背景，則是美國(guó)為代表的西方社會(huì)發(fā)生了重大裂變，貧富差距拉大，大量民眾在全球化中失落……這方面的論述更是汗牛充棟。

相比于人類的本能、政客的盤算，以及外部整體氛圍的帶動(dòng)，算法這一技術(shù)工具，反而可以說是相當(dāng)“情緒穩(wěn)定”了。將復(fù)雜的政治與社會(huì)分裂，歸因于單一技術(shù)機(jī)制，無助于問題的解決。

“信息繭房”“回聲室”或“過濾氣泡”作為一種時(shí)代情緒的投射，捕捉到了某些真實(shí)的變化，卻未必構(gòu)成完整的解釋。真正需要回答的，仍是一個(gè)更為困難的問題：在一個(gè)由技術(shù)深度介入的信息環(huán)境中，社會(huì)是否還能維持基本的事實(shí)共識(shí)與公共討論空間？而不是簡(jiǎn)單地甩鍋給算法或技術(shù)，把它們作為“便利的替罪羊”。