智能传播时代新闻后真相现象中的算法偏见与风险规制

李 翔 余超越

（作者单位：江西科技师范大学文学院）

1 后真相时代的新闻

“后真相”一词最早来源于西方政治领域，被牛津字典定义为“诉诸情感及个人信念，较客观事实更能影响民意”。指的是人们不再专注于寻找真相，客观事实对舆论的影响力下降，而情感与个人信仰则会产生更大的影响。后真相时代，情绪比新闻真相更加重要。公众更愿意选择与自身兴趣、个人观点、自我认知相符合的新闻信息，具体表现有三种：第一是“回声室效应”，是指个体处于一个封闭的空间内，当听到的声音是自我声音的回响时，就会认为自己的看法代表了主流声音；第二是“信息茧房”，是指大众只关注自己感兴趣的信息和领域，进而将自己封闭在“茧房”之中，缺乏对其他领域的了解；第三是反转新闻，是指一些引发广泛关注与讨论的新闻热点事件经过一段时间之后，出现与事实截然相反的现象[1]。在中国，后真相新闻的流弊主要表现在虚假新闻层出不穷、舆论非理性表达、网络暴力蔓延、群体极化加强、媒体公信力下降等方面。

2 算法偏见深化新闻后真相现象

算法是人工智能技术的典型代表，是指为解决某一特定问题而采取的有限且明确的操作步骤[2]。虽然算法不需要在软件中实现，但是计算机基本上是算法机器，旨在存储和读取数据，以受控的方式将数学过程应用于数据，并提供新的信息作为输出[3]。目前常见的有协同过滤推荐算法、基于内容的推荐算法、基于关联规则的推荐算法、基于效用的推荐算法和基于知识的推荐算法五种推荐算法类型[4]。算法偏见主要是指算法运行中出现的会对个人、群体乃至社会造成危害的一种不公平、不合理或者歧视的偏差现象。算法生产者的社会性、导入数据的不准确性、算法技术的局限性等都会让算法携带偏见。

新闻传播进入移动互联网时代，截至2023年6月，我国网络新闻用户规模达7.81亿，占网民整体的72.4%[5]。网络新媒体平台为提升用户的规模、参与度以及使用黏性，基于算法技术形成“用户画像”进行偏好、兴趣推荐，并将其应用于新闻传播的各个环节。由于新闻媒体平台本身也具有自己的运营理念、传播倾向和政治立场，当其利用算法技术的时候会深化偏见并激化情绪，从而助推新闻后真相现象，最终导致“回音室效应”“信息茧房”“反转新闻”等现象接踵而至，公众只能看到自己想看到的“真相”，了解到已经接纳的视角，个体固守着自身的“观念部落”对真相进行消解，从而深化新闻后真相现象。

2.1 算法原始数据偏见引发新闻生态失衡

“用于训练、学习和数据挖掘的原始数据是算法程序中的基石，其客观与中立程度直接影响算法的决策结果”[6]，算法原始数据中隐含的偏见将会深化整个算法程序。首先，算法原始数据主要来自个体，而个体本身是携带社会属性的，体现在其成长环境、社会经历、个人性格、思维认知及行为方式都携带个体偏见。其次，算法原始数据的采集主要来自大数据，但是不论大数据发展多么迅猛完善，其采集到的原始数据都不可能是全面的、具体的、完整的，这将导致算法原始数据产生偏差，而这些偏差都可能被算法捕捉并放大，最终以算法结果呈现出来。

以算法生产新闻为例，虽然算法可以快速整合文字、图片和视频等信息素材自动生成新闻作品，单独完成新闻生产工作。但是，如果采集到的原始数据是存在偏见或歧视性的，算法再将这些不准确的、片面的、携带偏见的数据镶嵌进新闻生产程序中，则会引发新闻生态失衡，导致虚假新闻泛滥、新闻内容低质化以及庸俗、低俗与媚俗新闻充斥社会。算法原始数据偏见加剧了新闻生态紊乱，强化了用户非理性的情绪，弱化了用户辩证思考能力，为新闻进入后真相时代提供了机会。

2.2 算法设计者偏见强化新闻主观情绪

算法工程师是算法偏见形成的一个不容忽视的群体根源。算法工程师有能力直接使用算法、调整算法和预设算法的未来走向，在整个算法设计中起着至关重要的作用。算法工程师有着不同的价值观念，在实现目标功能的过程中，会选择不同的算法来解决问题。正是在这个过程中，算法工程师自身的文化偏见、思维惯性、道德理念等价值偏向会有意识或无意识地被融入算法程序中。

比如在算法驱动的数字新闻生产中，“从客观现实到表征现实的‘转译’过程需要经过两个阶段：记者对客观现实的转译和程序员对记者转译后的客观现实的再转译”[7]。即新闻生产的第一次“转译”来自记者，第二次“转译”是程序员对记者转译后的客观现实的再转译，也就是算法运算的过程。但是算法工程师会有意识或无意识地将主观情绪偏向、继承给算法，所以在新闻生产的第一次“转译”之后，再利用算法技术进行新闻的第二次“转译”时，算法工程师的主观情绪也将注入新闻内容中，导致新闻的主观性被强化。而公众在浏览新闻的时候将潜移默化地接受被深化的主观理念和个人情绪偏向，在多次反复地被新闻主观情绪影响时，公众个人情绪不断激化，进而步入“感性在前，理性在后”的新闻后真相时代。

2.3 算法技术局限性构建用户“新闻茧房”

算法技术和人工智能深度学习的局限性导致人机互动时人工智能容易习得公众的偏见。目前的算法模型也不够完善，工程师往往通过学术资源网站获取经过大量数据检验过的成熟算法模型，并在此基础上进行“本土化”处理，因地制宜修改参数应用到实际中[8]。

例如在新闻推荐中，由于人类的情感具有复杂性及多面性，算法只能将复杂的人类情感简化为用户在媒体平台上单一的社交手势，即通过跟踪用户在媒体平台的行为数据对用户进行画像，分析其新闻接收偏好。这种片面的、浅显的、武断的方式无法深入了解用户真正的需要，必然导致对用户产生算法传播偏见。算法技术的局限性具体体现在向用户反复推荐具有相同观念、兴趣和情绪的新闻信息，进而构建出一个“新闻茧房”。“新闻茧房”会使用户桎梏在固有的“茧房”之中，限制其新闻视野，对相反的意见采取排斥态度，强化用户存在的偏见性认知，甚至将自己的偏见视为真理，最终深陷新闻后真相而不自知。

2.4 算法使用者偏见破坏新闻舆论引导

算法使用者主要是指网络媒体平台，其私人主体本质决定了其创新技术、嵌入应用、提供服务的核心目的在于商业逐利，这就迫使媒体信息传播价值体系逐渐偏向商业性。算法使用者在商业利益影响下，“流量至上、唯利是从”的运营理念甚嚣尘上，利用、支配和操控算法的情况屡见不鲜，当网络媒体平台通过算法进行盈利时就已经形成了算法偏见，即算法开发者或所有者通过调控程序参数，从而得到想要看到的结果。

例如在新闻舆论生成中，媒体平台为了实现商业利益，人为干预算法、窜改程序、操纵结果，将主观意识融入新闻信息的加工制作中，并通过个人偏见引导新闻舆论走向，算法无形之中被赋予了舆论引导的作用。尤其当新闻热点出现的时候，媒体平台为了追求流量和商业利益，控制算法反复推送相关内容，以此来引导舆论、吸引用户并引导公众情绪，实现被商业浸染的算法偏见带来的经济效益。另外，在一些重大新闻事件中，商业资本可以通过重要性排序、关键词过滤和内容算法推荐等手段对社会舆论进行目的性操控和引导，以此来增加用户黏性和维护热度。

3 新闻后真相现象中算法偏见的社会风险

3.1 营造“新闻茧房”，推动群体极化

网络媒体平台通过算法技术实现新闻信息的个性化分发，可以从大量的信息中筛选出用户感兴趣的内容，增加用户黏性，但也使用户的信息接触受限，导致用户只能生活在自己和媒体构建的拟态环境之中，只能看到同质新闻信息，形成“新闻茧房”，不利于个体全方位信息的获取。长此以往，容易使用户对现实世界缺乏整体认识与思考，迷恋无价值的信息，进而忽视对真实意义的追求，陷入低俗与娱乐化的新闻狂欢，沉溺在一种虚假的自我满足中，对公共事件漠不关心，缺乏社会责任与思辨能力，成为单向度的人[9]。

群体极化是指群体中已存在的倾向性观点或态度从原来的群体平均水平加强到具有支配地位的现象。从群体维度来看，随着网络新闻的发展，“新闻业的中心转向移动互联网，新闻成为一部分人的新闻，而不是传统媒体时代大众传媒给人们提供‘无差别的’新闻，媒体从服务大众转向服务一定的社会群体，机构化、专业化的新闻生产转向机构媒体、社会群体乃至个人的融合生产和传播”[10]。互联网媒体的发展加剧了社群化，而算法的协同过滤使具有相同观念和兴趣爱好的人“抱团”，进一步促进社会分众。每个群体对热点新闻的认知在群体“部落”里得到认可并强化，随之而来的是各个群体的立场变得界限分明，无法了解与包容其他立场，激进的情绪和非理性的信念建起了群体与群体之间的高墙，群体之间排他性变强促进群体极化，与此同时社会共同价值观也容易被解构。

3.2 新闻真实性淡化，加剧舆情风险

互联网时代的网络媒体平台准入门槛低，算法把关不严格，导致新闻传播内容质量参差不齐，虚假新闻乱象不断，新闻的真实性淡化。一方面，算法生产的社会性、算法技术的局限性以及算法的商业性使算法携带偏见和歧视，导致新闻的主观性得到强化，不断构建起用户的新闻虚拟世界，新闻的客观性与真实性渐渐模糊；另一方面，后真相时代的公众乐于在网络舆情中“吃瓜”，不加思考地与事件当事人共情，对与自己情绪相同的新闻观点进行非理性地跟帖与转发，在“主观”情绪中迷失自己，不断输出情绪而不是俯瞰事件并追逐真相。互联网发展实现了话语权下放，人人拥有“言论自由”，但是这也使社会舆情风险在随之增加，负面言论铺天盖地，不利于社会健康发展。

3.3 媒体公信力弱化，新闻影响力下降

客观记录事实、承担社会责任、正确引导舆论以及守望公平正义，是媒体确保新闻质量的重要体现。但是在新闻后真相时代，新闻质量得不到保证，舆论反转的事件屡次发生，公众渐渐地失去了对媒体的信任，无法认真严肃对待新闻事件，对新闻的“娱乐性”需求大于对真相的渴望，新闻生产者和新闻接收者之间的信任纽带正在被切割。在用户兴趣导向的驱动下，新闻生产的核心理念由具有普惠价值的“公共利益至上”转变为功利化的“受众喜欢什么”。在算法个性化分发新闻的过程中，新闻本身的公正可能已经被遮蔽，当大量不公正的、低质量的和娱乐性的新闻充斥屏幕时，公众也会渐渐对新闻媒体失去信心。

由于算法偏见带来的影响，公众很难再如同传统媒体时代对特定媒体品牌形成稳定黏性。他们往往在不同平台和渠道中不停切换，如同“游猎”一般以满足自己的新闻需要。同时，在没有相关训练和道德建立的情况下，大量“吸睛”“猎奇”的信息被批量产出，满足“新闻游猎者”的需要。在此情况下，需要大量调查成本和理性表达的传统媒体的生存空间遭到极大挤压，传统主流媒体的用户流失严重、广告份额下跌、传播影响力日渐滑坡，使得基于事实的传统客观表达的新闻影响力不断降低。

3.4 情感信任异化，社会共识解体

“崇尚自我体验、自我表达的后现代伦理状况极易导致个体信任表现形式的变异，也对信任走向异化发挥了最大限度的文化负面效应。”[11]社交网络的道德信任呈现出碎片化、自由化、反体制的倾向。公众逐渐对官方机构的权威性、媒体的公信力产生怀疑，真相、事实乃至理性被情绪化言论所影响，最终导致“情感信任异化”这一社会逆反心理普遍存在。

新闻“事实”和“反转”接连不断，公众在批判性思维不足的情况下，往往缺乏对新闻事件的理性分析力，进而倾向于认可自己的主观情感或者感受，不以达成社会共识为目的。“随着平民意识的觉醒，以及精英与大众之间裂痕的加大，平民大众不再将自身的权利诉求假手于精英与政客，并开始走向政治前台。”[12]互联网对公众意见表达的充分赋权使得网络空间充斥着不同的意见、观点和情感，促进了各种社会思潮相互激荡和各种舆论相互交错，而新闻后真相时代的伦理失范又加剧了这种状况，不断侵蚀和危及社会共识的凝聚。

4 新闻后真相现象中算法偏见的风险规制

4.1 提升公众媒介素养，增强公众的新闻辨别力

网络媒体中充斥着海量碎片化的新闻信息，甚至是虚假片面的新闻信息，公众急需提升媒介素养，不断增强新闻辨识力。在后真相时代，可以通过多种方式描述一个人、一起事件、一件事物或者一项政策，这些描述可能具有同等的真实性[13]。后真相时代有较多对热点进行点评的新闻，面对这些带有偏向性的“真实”点评，公众需要保持批判性思维、理性思考以及对真相的尊重。

新闻后真相现象中的算法偏见为公众营造了舒适的“新闻茧房”，但是“兼听则明，偏信则暗”，公众需要主动“破茧重生”，对信息进行主动筛选与辨别，跳出主观桎梏去接纳更多不同立场的观点，积极使用理性思维去看待新闻信息，提升主动质疑意识，谨防偏向情绪化而失去对新闻真相的追求。

4.2 坚守媒体社会责任，回归客观真实性

被算法技术赋权的网络媒体带来了批量“快餐新闻”，严重弱化了公众对媒体的信任，公众常常以“戏谑”的话语来回应新闻并消解对真相的追求。新闻媒体肩负着求真的道义责任、提供背景的知识责任、提供舆论阵地的组织和政治责任三大责任。因此，新闻媒体急需在“真相淡化”的后真相时代肩负起社会责任，明确新闻媒体职责，对新闻事件进行核实，回归客观与真实的报道，进行“舆论纠偏”，引导公众树立正确的价值观。新闻媒体也不能过度依赖算法把关，而需要强化自身把关职能，坚守新闻的“客观性”与“真实性”，筛选并剔除失实内容，引导公众走向理性与真实。

4.3 促进算法技术革新，规避算法偏见

算法偏见深化新闻后真相要求社会将视线聚焦到算法，新闻生产者迫切需要促进算法技术革新，进而规避和淡化算法偏见，促进人工智能新闻传播健康发展。一方面，在算法技术伦理领域，生产者需要厘清技术与道德的关系，进行自我道德约束，利用高尚的道德引导算法技术革新与发展，并且将优良的道德观念贯穿于算法迭代的全过程，使算法的运用和价值设定符合社会主流价值观，保持新闻的客观真实原则，生产高质量新闻；另一方面，在算法技术控制层面，要提升算法数据和算法运算的透明度，做到数据来源可查、数据内容可查、数据处理可查、数据可自主更改等。数据透明有利于用户进行理性的自我审视，并在算法偏见的影响下仍然能够保持独立思考的能力。而算法运算透明由于技术的保密性、复杂性和专业性，向公众遮蔽了算法偏见，急需公权力进行制约，以此淡化算法偏见的影响。

4.4 完善政府监管体系，规制算法权力

在新闻后真相时代，网络新闻传播的原理和核心是算法。算法的技术性较强，算法偏见也较隐蔽，由此产生的积弊难以靠平台的自律而改变；加之算法权力带来的风险是一种典型的现代性风险，也是日趋智能化的社会面临的整体性风险，政府作为社会秩序的维持者应该完善监管体系，规制算法权力[14]。一方面，政府需要对算法偏见主体进行监管，明晰算法偏见的责任主体，比如算法模型的设计者和使用者，并对各个阶段的责任主体进行监管、约谈和问责；另一方面，政府需要成立专门部门，对算法模型本身和算法数据进行审查，并制订专门的法律法规，对算法权力进行监督和规范，促进算法的公开和透明。