算法修辞：媒介实践新形态与数字人文新取向

全燕

摘要：算法修辞是一种计算媒介实践。算法修辞特性与算法的自动化与媒介化过程密不可分，对我们的政治、经济、文化、社会生活施加有说服力的影响。对算法修辞的概念化建构始于相关研究者对计算机科学与修辞学交叉领域的关注，在数字媒介文化的语境中理解算法修辞，就是揭示算法如何通过让某些规则发挥作用并影响选择，导致特定事物变得重要。以元算法修辞、中观算法修辞和微算法修辞作为三层分析框架，能够将算法的修辞学批评引入核心领域。从实践论的角度出发，算法修辞不仅能够成为数字修辞学的新发展，同时也可延伸为数字人文的未来研究方向。

关键词：算法修辞；数字人文；自动化

中图分类号：Ｇ２０６；ＴＰ３９９   文献标志码：A   文章编号：1001-862X（2023）02-0１２３-00８

早在1961年，英国科幻作家亚瑟·C·克拉克（Arthur Charles Clarke）在他的一部科幻小说中就提出了后来被称为“克拉克第三定律”（Clarkes Third Law）的观点，“任何一种足够先进的技术都和魔法无异”。它形象地描述了人们对于未知和难以理解的事物的感受，是科技领域中一句著名的格言。进入21世纪第二个十年后，算法作为实现人工智能飞跃的关键技术之一，几乎成为计算机科学领域“魔法”的代名词。但如果我们将算法看作是指导计算机执行特定任务的语言方案，会发现它的种种“魔法”都可以被归为一种带有修辞意味的媒介实践。一方面，算法媒介通过机器语言和符号产生影响和传递意义，改变用户的看法和态度；另一方面，其隐藏的自动化、自组织能力强大且富有创意，能够执行非常精准的大数据操作（关联、分类、排序、推荐等），从而决定语言的可说与不可说、内容的可见与不可见，成为当前人类状况背后的无形驱动力，其影响伴随着深远的后果。这提醒我们必须开始关注算法媒介实践中的修辞问题。

英国学者尼克·库尔德利（Nick Couldry）在他著名的文章《Theorising Ｍedia as Ｐractice》中批评传统的媒介研究忽视了媒介对社会关系、身份和意义的塑造作用，并提出了一种新方法论——媒介即实践（Media as Practice），这一范式旨在揭示媒介是如何参与社会实践和构建社会关系的。［1］115-132将此范式置于对算法媒介的审视，并结合算法在参与平台社会关系创建中的种种修辞表征，我们提出了一种新的媒介实践形态——算法修辞（Algorithmic Rhetoric），并将其界定为通过运用计算机程序和算法中的语言符号、表达方式、逻辑结构等技术手段，对用户进行信息的塑造和影响，以实现特定沟通目的和社会效应。算法修辞作为媒介实践范式下的一种人文探究，不仅为解密算法“魔法”提供修辞学视角，还可被视为数字人文（Digital Humanities）的空间拓展。借助算法修辞的新兴学术视野，我们尝试证明，在媒介化时代，数字人文倡导的科学技术与人文传统的结合，不只意味着人文学科的数字化转型，还体现在对数字技术批判性人文工作的开掘。

一、算法修辞特性及其概念化建构

从最广泛的意义上说，算法是指一组实现特定任务的程序性指令，这些指令会导致特定的结果，打个通俗的比方，它就好比烤面包的配方、通往目的地的线路等，可以无限重复，以达到预期的结果。当然，大数相乘、进位、标记小数点等算术过程也是算法，一切数学函数都是算法形式的基础。在从古老的石碑时代向微芯片时代演进的过程中，算法逐步实现自动化，历史上斐波那契（Fibonacci）、莱布尼茨（Leibniz）、高斯（Gauss）、帕斯卡尔（Pascal）、布爾（Boole）、图灵（Turing）等人也都在推动算法自动化方面发挥了重要作用。（1）今天，自动化算法已经可以不受人为干预，自主执行使它们能够成为算法的指令和规则，这意味着算法可以根据输入数据的变化和计算结果的反馈，自主调整执行路径和参数，优化学习模型，以新的算法规则实现更准确的数据分类和预测。通俗地说，算法不再只是一套烤面包的配方，它们已经可以自主完成烤面包的工作了。

如果说早期算法看上去更像是一种语法，那么自动化的出现使算法超越了执行程序的工具性角色，成为一种独立的意义构建方式，开始具备说服性意味，并对我们的社会、文化、政治和经济生活施加媒介化影响。换句话说，算法修辞特性与算法的自动化与媒介化过程密不可分。作为平台的组织者，算法媒介能够以不同方式和不同目的与数据、机器和人类接触，具有修辞上的强大力量。例如搜索引擎算法引导我们找到它们认为相关或重要的信息，这种自动化操作方式潜在地圈定了我们的知识范围。为了让用户相信搜索的结果是最好的、最真实的或最重要的，搜索引擎算法含蓄地进行了修辞处理，在与用户的互动中以媒介化方式影响对方的选择和认知，从而改变了他们的行为和偏好。当然，搜索引擎算法只是说明算法修辞特性的一个例子，但其实所有算法在修辞上的表现都差不多，它们既不是绝对正确的，也不是完全公正的，而是由相当具体的知识标准驱动的，这些标准可能从根本上界定我们的知识、社会和物质世界的各个领域中什么是有效的、什么是重要的、什么是有意义的。

算法修辞特性不仅体现在算法自动化、媒介化过程中，作为运用计算消除不确定性的指令序列，算法本身即是一套计算机符号修辞系统，也就是说，算法修辞特性还体现在其作为计算媒介的深层结构中。由于算法是用来解决特定类型问题的，它涉及对问题的诠释，需要考虑多种可能性并选择最优解决方案，选择的过程就是计算机语言说服的过程，是算法在解决应用场景中各种不确定性的一种媒介实践。例如无人驾驶汽车中的算法会说服车内乘客相信其行驶路径可靠并符合交通规则，汽车能够自动准确地感知环境，避免危险和误判等。更具颠覆性的例子是全球军事工业的算法化趋势，算法指令能够让无人机在没有人为干预的情况下自行决定是否与敌方交战。例如无人机导弹自动攻击目标的决策方案就来源于控制算法对目标、天气、地形、环境等因素的自主判断，即以逻辑推理、模式识别、目标分类、调用递归等一系列计算语言修辞来表征战争的物理特性。也正如我们所呈现的，算法修辞特性深刻嵌入算法媒介与人类世界的互动中，在媒介实践语境下，修辞是算法的固有特性。

对算法修辞的概念化建构始于相关研究者对计算机科学与修辞学交叉领域的渐次关注。20１2年，美国学者卡洛·斯特利（Karl Stolley）在其文章中探讨了编程语言和修辞学的联系［2］221-24 ；2009年，文化研究学者诺亚·沃德里普-弗鲁因（Noah Wardrip-Fruin）提出，随着我们与由软件驱动的设备互动越来越频繁，今天的写作不再仅仅表现为书本中的单词序列或电影中的蒙太奇剪接，而是越来越多地呈现为计算机系统的编程规则。［3］美国新媒体学者杰伊·戴维·博尔特（Jay David Bolter）在2012年的ACM技术与教育会议上发表了题为“计算机科学教育的新挑战：所有的编程都是阅读和写作”的演讲，强调编程不仅是一种技术，更是一种交流的方式。［4］10另一位美国数字人文学者马克·马里诺（Mark Marino）创造了“关键代码研究”（critical code studies），他运用阐释学方法研究计算机代码、程序结构和文档，以此探究代码背后的文化、社会和政治问题。［5］加拿大的数字人文学家杰夫·罗斯（Geoffrey Rockwell）建立了文化地图（Cultural Mapping）的概念，提出利用计算机编程语言来构建文化符号和意义的映射。［6］1-10

在相关研究中与算法修辞最为接近的，是2007年美国数字媒体理论家伊恩·博戈斯特（Ian Bogost）在其数字媒介批评中提出的“程序修辞”（procedural rhetoric）概念。博戈斯特認为，“需要一种程序修辞理论对我们每天遇到的软件系统做出相应的判断，以观察其说服和表达的目标是什么”［7］29。他在研究电子游戏的过程中发现，程序的修辞性体现在表达特定价值观和主题的游戏机制、编码规则和流程等设计元素如何影响玩家的态度和行为上。由于编程本身是在符号领域中进行知识创造的活动，因此“程序修辞就是一种通过程序和算法来传达论证和说服力的方式”［７］3。此后的一些研究发展了博戈斯特的程序修辞，例如将其与精神分析方法结合研究游戏中的数字文化，以及结合该理论探索适合健康传播的游戏机制等。（２）虽然研究者们感兴趣的是各种电子游戏中程序修辞的表现和影响，并不是算法修辞本身，但他们关于程序修辞的基本主张对于算法修辞的概念化建构具有重要启迪价值。

如果说程序修辞侧重于如何在计算机领域实现文本的修辞效果，如何将人类的修辞技巧和表达风格转化为计算机可读的形式，那么算法修辞更关注在数字化平台上如何通过算法来安排、优化和增强言语事件的效果，以及如何将算法的运用融入人类修辞活动。算法修辞作为一个概念显露端倪，是在2014出版的名为《数字修辞学与全球素养：网络世界中的通信模式和数字实践》的著作中。这本书探讨了数字修辞学如何适应全球网络世界的不断变化的通信模式和数字实践。当中提到传播学学者和修辞学学者在很大程度上都忽视了对算法修辞的关注，这种忽视不能以算法既不具有传播性也不具有修辞性为理由进行辩护，作者认为应该更多地把算法看作是一种数字修辞形式。［８］201此外，在2020年发表在《Computers and Composition》上的《数字恶魔：增强现实的算法修辞学》一文中也出现了算法修辞一词。文章研究了增强现实技术如何通过算法修辞来影响人们的观念和实践，并指出增强现实技术中的算法不仅仅是技术的一个组成部分，还在如何呈现信息和创造用户体验方面起着重要作用。［９］1-17

本文再次提出算法修辞，并不是为算法再造一个修辞学定义，也不仅是专注于机器语言修辞的某一方面，而是将算法修辞放置在计算媒介实践的语境中讨论。根据亚里士多德、肯尼斯·伯克（Kenneth Burke）、韦恩·C·布斯（Wayne C.Booth）、理查德·韦弗（Richard Weaver）等人对修辞的经典定义（３），修辞与影响力的发挥有关，它可以说服，可以帮助识别，用特里·法雷尔（Terry Farrell）的话说，修辞能“使事物变得重要”（making things matter），能塑造社会关注的焦点，并最终影响人们的观点和态度。［1０］467-487从这个意义上说，理解算法修辞的过程，就是揭示算法作为媒介如何通过让某些规则发挥作用并影响选择，从而导致特定事物变得重要的过程。在这个过程中，算法筛选、排列和优化信息，并将其呈现给用户，从而影响用户的选择和决策。算法运用的规则和策略可以来自其内部的逻辑和代码指令，也可以源自算法在与用户的交互中接收到的意义符号。因此，我们希望开发出一个相对完整的分析框架，对算法修辞进行全面的刻画，借此批判性解读算法作为计算媒介对数字化社会的影响。

二、算法修辞的三层分析框架

从表面上看，作为媒介实践的算法修辞就是设计数学指令和编写代码，而真正发挥修辞作用的却是这些编程操作化背后所体现出的价值论和行为学立场。用博戈斯特的话说，“一些看似没有表现力、缺乏符号操作的计算过程，实际上可能构成了更高层次的表达”［７］。为了进一步讨论算法如何产生并实现修辞效应，我们尝试以元算法修辞（Meta-algorithmic rhetoric）、中层算法修辞（Meso-algorithmic rhetoric）和微算法修辞（Mesa-algorithmic rhetoric）作为一个由外及里的分析框架，将算法媒介的修辞学批评逐步引向深入。其中，元算法修辞关注算法媒介本身如何获得强大的力量，讨论的是宏观修辞层的问题；中层算法修辞针对的问题是算法媒介在多大程度上影响了我们的世界，是有关算法修辞本体层面的问题；微算法修辞指向算法修辞在具体实例中的影响和含义，它关注的是微观修辞层问题。三层构架同时存在，相互交融，包围并渗透在算法媒介实践中。

（一）元算法修辞

元算法修辞与算法媒介在修辞上的具体表现无直接关联，它不聚焦算法能做什么、预测什么、发现什么问题，而是批判性地思考算法如何以及为什么在社会和文化中变得如此普遍。从语篇的角度来看，元算法修辞发生在“大话语”（discourse with a big D）层面。大话语是“得到社会承认的语言与非语言材料使用结合体，涉及不仅是人与语言，而且涉及争论、价值观、事物、社会机构象征意义以及与争论有关思维方法等”。［1１］41-46作为“大话语”系统，算法渗透到整个政治经济、文化政策、意识形态以及更普遍的科学范式中，在全球化思维中拥有无形且强大的影响力。

例如在鼓励自由市场竞争的全球化经济中，算法提供了一种无可争议的优势，它基于对巨大数据存储的解释，使自动化交易的执行速度比其他交易更快。从元算法修辞层面来看，算法以速度、一致性、可重复性和量化的逻辑可信性等思维模式改造市场竞争机制，有力证明算法决策是当代金融市场中更好、更具竞争力的可行操作方式。元算法修辞不仅影响我们的制度，自上而下改变人们的世界观，它也在从下至上渗透到本地语境中，在日常生活中塑造影响力。当算法为全球的通讯社写新闻、帮助飞行员驾驶飞机、向我们推荐喜欢的电影或书籍、从预测天气到计算政变概率……当我们让算法做几乎所有事情时，无论我们是惊叹它们的无穷可能性，还是选择默许它们的存在，我们都为维持算法影响力的元修辞作出了贡献。

社会学者曼纽尔·卡斯特（Manuel Castells）曾经从技术全球化的角度提出，不是每件事或每个人都是全球化的，但构建地球的全球网络影响着每件事和每个人。［1２］80元算法修辞让我们思考算法这一技术媒介是如何“构建地球”，从而影响每一件事和每一个人。同时，元话语修辞视角也回应了曾经困扰柏拉图的问题。柏拉图通过撰写《高尔吉亚》（Gorgias）批判了修辞术，对柏拉图来说，修辞是一场骗局，它以欺骗为目的，并不能通向普遍真理或知识。［1３］而元算法修辞同样击碎了算法的修辞滤镜，揭示算法在被用来调解全球网络的各种经验时，总体上已經被赋予真理创造者地位这一媒介现实。通过元算法修辞的分析视野，我们将重新思考算法语境下什么是真理，什么只是对真理的操纵。

（二）中层算法修辞

与元算法修辞针对的是算法如何在整个社会中获得优势和信任不同，中观算法修辞涉及将算法媒介视为一种认知上可行的修辞学研究对象，这一层次的分析致力于解释算法修辞作为有效知识主张的来由。与古希腊修辞传统相比，算法修辞无疑是一个巨大的进化，因为前者毕竟基于口语文化，没有任何自动化迹象，也没有以计算机为媒介的交流。但即使是作为当代最先进技术的算法，其在修辞上的表现也并没有因为科技加持而背离传统，反而更接近柏拉图的古典辩证法。

柏拉图在《理想国》中将辩证法引为一种思维方法和工具，可以帮助人们对修辞进行评估和判断。他强调向对话者提问，得到的回答引出随后的相关问题，然后是更多的答案以及更多基于这些答案的问题，经过充分的交流和讨论，问题将被引向一个特定的期望结果。［1４］与此类似，中层算法修辞反映的也是如何通过提出问题来提供输入数据，最终得出结论的过程，只不过算法设计者将辩证法操作化为一套程序，实现了人机交互的自动化和循环往复。表面上看，算法接收输入数据，通过筛选机制的决策树将其转化为输出结果，但算法的诀窍在于有策略地提出问题，它会对接收到的数据进行一系列假设，其中已经暗含了如何将答案转化为可操作的行为或知识的方法，这里的修辞操作非常明显。

从理论上讲，只要筛选机制保持不变，完全相同的输入每次都会产生相同的输出。但是随着输入数据的变化，代码规则的值也会发生变化，这个变化有时相当大。由于算法产生的结果都是预先确定的，这就需要以特定的方式引导时刻处在变化中的数据，以确保结果可控。而特定方式的引导由算法指令和规则执行，并隐藏在普遍的技术过程中。算法指令和规则内含丰富的修辞策略，已经优先考虑了哪些因素是重要的，是可以有效地重复以获得相似结果的，它们的执行类似柏拉图的逻辑和语言辩证法，是以问题为起点，通过充分的人机交互来推导结论的理性计算过程。这一技术伪装完美掩盖了算法修辞本体，也正如卡罗琳·R·米勒（Carolyn R.Miller）指出的，“修辞通常隐匿，以免被暴露为诡计而变得无效”。［１５］19-38我们提出中观算法修辞研究，就是希望揭示算法修辞的媒介实践是如何伪装在普遍的技术过程之中。

（三）微算法修辞

作为第三层次的微算法修辞，主要用于识别代码或编程语言中执行具体修辞行为的水平，它涉及具体修辞策略，是算法媒介实践最直接的呈现。公元前50年左右，古罗马的西塞罗在他的修辞学专著《论演说家》中提出，修辞学通过五项要素来实现有效演讲，分别是 “布局”（arrangement）、“记忆”（memory）、“风格”（style）、“发现”（invention）和“表达”（delivery）。［1６］4大约150年后，修辞学家昆蒂利安（Quintillian）详细阐述了这五项要素［１７］98-102，为至少持续到中世纪的修辞学教育奠定了基础。这五项要素也为我们提供了一种思考微算法修辞作用的方式，为揭示微算法修辞背后的动机和逻辑提供分析路径。

大多数算法有严格的商业保护，不受公众监督，在没有接触到揭示算法优先级方案和程序技术特性的情况下，讨论微算法修辞策略似乎是不可能的，但事实并非如此。在我们使用平台媒体的过程中，通过五项要素的视角关注人与自动化流程的互动，仍然可以发现算法媒介在影响着个人对特定问题或价值观的看法。亚马逊2022年推出的用于用户推荐排序的A10算法是一个很好的例子。A10算法会通过观察买家过往浏览习惯和购买习惯来决定展示哪些搜索结果，也就是说，此算法会优先展示当前买家最容易下单的那个产品，而不是卖家极力推销的产品。

基于五项修辞要素，我们首先将这种排序视为一种修辞的“布局”，只不过这种布局是通过自动化的动态输出结果决定的，而不是通过静态模板决定的。其次，“记忆”的修辞要素体现在A10算法需要知道和记住的输入，以便达到特定的结果，例如记住按照特定方式排名商品或将某个商品放在另一个商品之前。当用户被问及某个商品是否有用时，他们的回答提供给算法需要记住、统计和考虑的数据，这些数据决定了用于给商品排名的修辞“风格”。接下来，排名会为一些商品和评论者提供比其他商品和评论者更高的级别，这种行为表明亚马逊试图培养一种特定的商品评价方式，也就是“发现”这个修辞要素的应用。最后，A10算法隐含地“表达”了某些商品的评价方式比其他评价方式具有更高的可见度。例如评论的长度、被证明的有用性、评论者总共评论的商品数量，以及评论者在该网站上撰写评论的时间长短等。

通过对亚马逊排名算法中五项修辞要素的审查，可以看出微算法修辞是在代码或编程语言层面进行，在具体的文本生成、信息分类、推荐系统、情感分析等方面发挥作用，并通过改变学习策略、增加探索程度、调整奖励函数等方式来最大化说服效果。算法会影响用户对信息的处理方式和思考方式，进而影响他们的判断和决策，也会根据用户的兴趣、历史行为等因素对信息进行个性化定制，进而影响用户对信息的接受和偏好。而用户的反馈也会被算法所感知，进而对后续的信息推荐、排序等方面产生影响，由此形成一个反馈循环的过程。算法修辞的三层分析框架进一步说明我们与算法媒介的互动比我们通常意识到的更深入，也更频繁。体察不同层次的算法修辞也有助于发现算法媒介实践背后的历史和社会背景以及塑造公共话语的权力动态。

三、在算法修辞中拓展数字人文空间

本文将算法纳入人文研究视野，讨论算法在修辞情境中的媒介实践，籍算法修辞的三层分析框架认清算法在修辞上的作用，这一研究路径既是数字媒体学者凯西·戴维森（Cathy N.Davidson）所倡导的“算法思维”［１８］的有机构成，也是数字人文领域中值得拓展的空间。关于后者，也是本文接下来重点探讨的问题。数字人文是人文学科向数字化转型的一种重要尝试，同时也是计算机科学和人文学科交叉融合的一种创新实践，它倡导打破陈旧的人文科学与自然科学之间知识文化划分，在近年受到越来越多的关注。讨论数字人文常常遇到的问题是如何全方位定义这个领域，通常情况下，数字人文更加关注如何利用数字技术和计算机工具来支持人文学科研究，这与“人文计算”（Humanities Computing）领域有大量交集。但反过来将数字技术纳入人文研究视野，并将其扩展为数字人文有机组成的则较为少见。换句话说，数字人文倡导的跨学科交叉融合，大部分还停留在方法融合上，并未走向知识论层面的融合。这也导致在现有数字人文框架内讨论算法修辞，并不是一件理所当然的事，需要我们突破当前数字人文的认识论壁垒，建立更广阔的技术与人文的对话空间。

这一对话需要建立在技术与人文实现知识互融的可能性上。众所周知，算法所属显式学科是数学、计算机科学和工程学，而修辞学隶属人文学科。国际修辞学协会前主席詹姆斯·奥恩（James Aune）曾戏言，大多数修辞学家皆因数学“恐惧症”而成了修辞学家。［１９］1这也在一定程度上印证了一些修辞学家不具备足够的自然科学知识和方法，以至于不足以自信地开展与技术相关研究的事实。但正如本文尝试证明的那样，知识与方法的障碍可能会阻止我们研究算法干预人类世界的修辞术，但这些障碍并没有大到足以让我们忽视这一重要的研究面向。这是因为当代人文学科研究都需要回应法国科学哲学家布鲁诺·拉图尔（Bruno Latour）在《我们从未现代过》一书中阐述的现代性问题。［２０］在拉图尔思想中，自然和文化之间的绝对分离塑造了现代社会，因此他更倾向于考虑当代科学在解决传统的人文主义问题方面的价值。而我们以算法修辞为抓手，尝试确立数字人文领域的算法批评范式，就是希望能在计算机符号行为和人文主义探索之间建立有效联结。

符号行为曾是人类本体论的主要证据，也就是说，人类之所以独特，是因为其具有符号行为这一本体特征。传统修辞学研究也一直围绕人类主体运作，大量关注人类的符号行为，尽管也会关注一些非人类语言，但总体认为非人类语言隶属于人类并最终为人类所用。而法国哲学家甘丹·梅亚苏（Quentin Meillassoux）从主张存在一个超越主体的客观世界出发，质疑了基于主体的观念和先验知识的哲学传统，认为它限制了我们对于存在的认识，其显在缺陷就是失去了实践的重要维度。［２１］16-20这一“超越主义”（speculative realism）立场启示我们，修辞的法则和规律也并非必然存在于人类语言中。从物质实践论出发，构成数字软件的算法代码经过改述、选择、截断、转换等计算机符号行为，同样可以形成一套修辞模式。而作为新型媒介实践的算法修辞研究，就是以肯定技术语言独立于人类语言，又和人类语言相互融合为逻辑起点的。这为数字人文研究提供了一个以人文主义目的探究数字技术，从而判断其影响特定修辞情境表达可能性的机会。同时也让研究者们能够从批判性地接受算法代码编译器作为与人类一样的修辞者角色，到进一步认识到算法语言中的价值观和假设会随着人与算法媒介之间的关系实践而不断发展和变化。

近些年来，算法人文问题已经引起了一些数字人文学者的关注，他们发现，算法绝不是中立工具，也不是单纯中介，它们正在获得或已经处于社会动力网络和系统中的显著地位。尤其是在社交媒体平台背景下，算法作为媒介在塑造话语的过程中扮演着积极的角色，它们既是语言事件的贡献者，也是创造意义的实践者。数字人文学者史蒂芬·拉姆齐（Stephen Ramsay）在这方面有较为深入的认知。他曾指出，人们谈论算法通常是“谈论无误的过程和无可辩驳的答案”［2２］18。换句话说，算法被严格地限制在参数黑匣子中，因此它完全符合偏好客观、可量化数据的科学文化认知。但是决定算法性质的选择是无穷无尽的，这些选择是修辞的，属于人文学科的定性知识范畴。拉姆齐因此主张算法批评（algorithmic criticism）应该考虑算法的修辞含义。他希望学者们可以理解，研究算法应该“从无可辩驳的限制中解放出来，探索能够在‘指示性的限制范围之外运作科学的可能性”［2２］１８。

紧随其后的一些数字人文学者也在不同层面呼吁将修辞方法引入数字人文研究中。研究者南希·R·约翰逊（Nathan Johnson）呼吁人们关注信息基础设施，声称“研究基础设施分类、标准、协议和算法的修辞是理解現代修辞学的重要组成部分”［2３］1-3。俄罗斯文化学者列夫·马诺维奇（Lev Manovich）认为，表征是新媒体的一个关键术语。他说，新媒体“以某种方式表征/构建物理现实的某些特征，牺牲其他特征，已经成为众多的世界观体系之一”［2４］15-16。英国数字人文学者大卫·M.贝里（David M.Berry）也谈到，要深刻理解新媒体逻辑，必须在计算机代码中引入人文主义方法。［2５］17美国数字人文学者杰夫·赖斯（Jeff Rice）指出，“解释学经常支配着数字人文学的学术研究，但如果将代码层面抽象出来，这种解释就是不完整甚至是无用的”［2６］360-378 。总体来看，相关呼吁也成为一个有价值的启发式，支持算法研究与修辞研究在数字人文领域形成碰撞，产生技术与人文互融的新知识格局。

沿著理论先行者的脚步，我们进一步提出，确定算法修辞在数字人文学中的合法性地位，是理解算法如何为说服性目的而工作的关键。算法修辞所具有的超越现代主义中技术与文化分野的实践特性，是对数字人文主义的反向延展，也是对物质实践论的呼应，即人类在本质上并不特殊，而是与其他非人类对象开放地参与到一个包含了自然、技术和文化融合的环境中。算法修辞需要运用计算机科学中的统计和数据结构等知识，同时还要结合对媒介文本的修辞结构、语言规则和文化背景等的分析和解读。它关注算法在数字化社会中的应用和影响，不仅探讨实现算法的编程语言风格和结构如何影响和传达意义，也研究算法作为计算媒介与人类语言沟通的共性和差异等问题。通过对算法修辞的研究，我们尝试再一次证明：技术并不是独立于意识形态和修辞干预之外，而是越来越多地与它们相伴相生。算法修辞不仅能够成为数字修辞学的新发展，同时也可延伸为数字人文未来研究新取向，以人文学科的研究方法和理论深化我们对于媒介化社会的批判性理解。

修辞是一种强有力的工具，可以描述和框定当前的局势，所以修辞分析家们常说，当代的修辞就是明天的共识；而算法能消除不确定性，确保未来是当前事物状态的延续，某种程度而言，算法是我们社会的镜像。从这个角度来看，算法和修辞都具有保守性，它们的运作方式都是基于过去发生的事实，对未来的预测也是尝试重复已经发生过的事情。2018年，亚马逊放弃了一个AI招聘机器人，因为尽管该机器算法最初是用来减少无意识偏见，但它却依然系统性地给女性求职者普遍较低的评分。［２７］73而偏见之所以能够扎根在技术系统中，是因为算法已经完全理解了社会和制度关系中的结构性性别歧视，并形成了延续性的、稳定的修辞操作。这提醒我们，对算法修辞的分析不仅是对计算语言的研究，更是一种对算法文化的深入解读和理解。

尽管算法使用基于规则的计算结构，按照“如果……那么”的格式设计指令，但机器学习遵循的路径并没有被明确编程，它的自组织能力使它遵循的是自下而上的逻辑，而不是自上而下的规则。我们能否想象出由神经网络产生的AI修辞表达会是什么样子？不管怎样，有一点可以肯定的是，算法完全可以预测未来哪些形式的机器修辞策略会更加突出有效，这些预测性分析在日趋强大的软件程序中发挥作用，广泛分布在医疗、教育、司法、金融等社会系统中，说服和影响人类采取行动。因此，对于那些希望将算法修辞发展为修辞批评的新方法，并对揭示不同媒介实践如何塑造我们的世界感兴趣的学者来说，工作才刚刚开始。

注释：

（1）12世纪意大利数学家斐波那契提出的斐波那契数列为计算机编程中的算法设计提供了有益启示。17世纪法国数学家帕斯卡尔发明了一种机械式的计算器，被认为是计算机科学发展历程中的一个重要里程碑。18世纪初的德国数学家莱布尼茨是二进制计算的先驱之一，他提出了二进制数学的概念，并通过使用逻辑演算符将逻辑运算应用于算术运算中。19世纪初的德国数学家高斯创立数论和统计学等领域，他的工作对计算机科学的发展也产生了重要影响。19世纪中期英国数学家布尔发明了布尔代数，这是现代计算机科学中的基础概念之一，他的工作为计算机科学提供了一种形式化的逻辑基础。20世纪英国人图灵是计算机科学的奠基人之一，他提出的图灵机概念是现代计算机科学的基础理论之一。

（2）参见Matheson，Calum.Procedural Rhetoric Beyond Persuasion：First Strike and the Compulsion to Repeat. Games and Culture，2015，（3）：463-480；Joly，Kyle，and Mark D.Johns.Digital Games and the Communication of Health Problems：A Review of Games Against the Concept of Procedural Rhetoric.Game，2018，（4）：301-319。

（３）亚里士多德在他的修辞学著作《修辞学》（Rhetoric）中将修辞定义为一种在特定情境下使用语言来说服或引导听众行动的能力或艺术。英国学者肯尼斯·伯克1997年在他的著作《修辞学与诗学》（A Rhetoric of Motives）中将修辞视为在任何情境下用语言来交流和影响人们的能力。美国学者韦恩·C·布斯1974年在他的著作《现代修辞学》（Modern Dogma and the Rhetoric of Assent）中将修辞定义为在特定情境下，通过语言来影响人们的思想和行为的能力。美国学者理查德·韦弗1985年在他的著作《语言的讲道性》（Language is Sermonic）中将修辞定义为一种塑造和表达人类价值观和信仰的能力。

参考文献：

［1］Couldry，N.Theorising Ｍedia as Ｐractice［J］.Social Semiotics，2004，（2）：１１５－１３２.

［2］Stolley，Karl.No，Really：Learn to Program［C］．Paper Ｐresented at the Ａnnual Ｍeeting of the Conference on College Composition and Communication，St.Louis，MO，2012，（３）：21-24，.

［3］Wardrip-Fruin，Noah.Expressive Processing：Digital Fictions，Computer Games，and Software Studies［M］.Cambridge，MA：MIT Press，2009.

［4］Bolter，Jay David.The New Challenge of Computer Science Education：All Programming is Multimedia［C］．Speech Ｐresented at the 2012 ACM Technical Symposium on Computer Science Education，Raleigh，NC， 2012，（２）：２９.

［5］Marino，Mark.Critical Code Studies［R］． Electronic Book Review，2006，（１２）：4.

［6］Rockwell，Geoffrey.Cultural Mapping：A New Method for Knowledge Organization［J］. Annual Review of the Canadian Association for Information Science， 2003，（1）：１－１０.

［7］Bogost，I.Persuasive Ｇames：The Ｅxpressive Ｐower of Ｖideogames［M］.Cambridge，MA：The MIT Press，2007.

［８］Verhulsdonck，G.，& Limbu，M.Digital Ｒhetoric and Ｇlobal Ｌiteracies：Communication Ｍodes and Ｄigital Ｐractices in the Ｎetworked Ｗorld［M］.Routledge，2014.

［９］Crider，J.，Greene，J.，& Morey，S.Digital Ｄaimons：Algorithmic Ｒhetorics of Ａugmented Ｒeality［J］.Computers and Composition，60（1），2020：１－１５.

［1０］Farrell，T.The Ｗeight of Ｒhetoric：Studies in Ｃultural Ｄelirium［J］.Philosophy and Rhetoric，2008，（4）：４３５－４４９.

［1１］楊信彰．Charles C.Fries的语言交际理论与信号语法［Ｊ］．上海外国语大学学报，２０００，（１）：４１－４６．

［1２］［英］曼纽尔·卡斯特．网络社会：跨文化的视角［Ｍ］．周凯，译，北京：社会科学文献出版社，2009．

［1３］［美］施特劳斯．修辞、政治与哲学——柏拉图《高尔吉亚》讲疏（1963年）［Ｍ］．［美］斯托弗，整理，李致远，译．上海：华东师范大学出版社，2017．

［1４］［古希腊］柏拉图．理想国［Ｍ］．顾寿光，译，长沙：岳麓书社，2010．

［1５］Miller，C.R.Should Ｗe Ｎame the Ｔools？In J.Ackerman，& D.Coogan（Eds.），The Ｐublic Ｗork of Ｒhetoric：Citizen-scholars and Ｃivic Ｅngagement［M］.Columbia，SC：University of South Carolina Press，2010.

［1６］［古罗马］西塞罗．西塞罗全集·修辞学卷［Ｍ］．王晓朝，译．北京：人民出版社，2007．

［１７］Quintilian． Institutio Oratoria：Books I-III（H.E.Butler，Trans.）［M］.Cambridge，MA：Harvard University Press，1980.

［１８］Davidson，C.N. A Ｆourth ‘Rfor 21st Ｃentury Ｌiteracy［M］.The Washington Post，sec.Post Local，2012，（１）：2.

［１９］Aune，James A. Rhetoric and Math Anxiety［M］.Thousand Oaks，CA：Sage，1995.

［2０］［法］布鲁诺·拉图尔．我们从未现代过［Ｍ］．余晓岚，林文源，许全义，译．台北：群学出版有限公司，2021．

［２１］［法］甘丹·梅亚苏．有限性之后：论偶然性的必然性［Ｍ］．吴燕，译．河南大学出版社，2018．

［2２］Ramsay，S.Reading Ｍachines：Toward an Ａlgorithmic Ｃriticism［M］.Urbana，IL：University of Illinois Press，2011.

［2３］Johnson，N.R.Information Ｉnfrastructure as Ｒhetoric：Tools for Ａnalysis［J］.Poroi，2012，（1）：５３－６９.

［2４］［俄］列夫·马诺维奇．新媒体语言［Ｍ］．车琳，译．贵阳：贵州人民出版社，2020．

［2５］［英］大卫·M.贝里，［挪］安德斯·费格约德．数字人文：数字时代的知识与批判［Ｍ］．王晓光，译．东北财经大学出版社，2019．

［2６］Rice，Jeff. Occupying the Digital Humanities［J］．College English，2016，（5）.

［２７］Benjamin R Race after Technology：Abolitionist Tools for the New Jim Code［M］.Cambridge：Polity Press，2019.

（责任编辑 焦德武）