對立極化，是算法的鍋還是人的鍋

4月25日，白宮記者協(xié)會晚宴上的槍聲與混亂，讓世界再次直觀地看到：在長期被吹捧為“成熟民主典范”的美國，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)實中的對抗甚至沖突。

特工護衛(wèi)特朗普，退下白宮記者協(xié)會晚宴的主席臺 視頻截圖

但如果把視線稍稍拉遠，就會發(fā)現(xiàn)這并不是孤立事件。從國會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散的對立敘事；從電視辯論中針鋒相對的政客，到普通家庭餐桌上因政治立場爭執(zhí)不休的親人——一種更深層的變化已經(jīng)在美國發(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，英國圍繞“脫歐”的長期爭論、德國關(guān)于移民與能源政策的分歧，使不同陣營之間的互不信任顯著加劇。

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

對立與極化在全球似乎有同此涼熱的趨勢，在中國則表現(xiàn)為代際沖突和性別觀念沖突抬頭。比如家里老人時?？吹秸f“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，近年，圍繞極化成因的討論，聚焦到了互聯(lián)網(wǎng)平臺與算法機制上。一系列帶有強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》中首先提出。他本人就有明顯的政治背景，曾任奧巴馬競選團隊的法律事務(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。

這一說法強調(diào)，用戶在長期接觸與自身觀點一致的信息后，會逐漸被“包裹”在單一認知環(huán)境中，難以接觸不同立場的內(nèi)容。

“回聲室”（echo chamber）更進一步，相比單純的隔絕，還強調(diào)“放大效應(yīng)”：在同質(zhì)化社群中，觀點不僅被重復(fù)，還會在不斷強化中變得更加極端。

2003年5月，中國網(wǎng)友用“傻子共振”來形容上述概念背后所假定的機制，后來被國內(nèi)的營銷號捏造成美國著名社會學(xué)家戈夫曼發(fā)明的“術(shù)語”，反而成了場傳播學(xué)的鬧劇。

“過濾氣泡”（filter bubble）由IT領(lǐng)域的活動人士伊萊·帕里澤（Eli Pariser）提出。他假設(shè)平臺的個性化推薦系統(tǒng)（如搜索排序、信息流推薦）會在用戶“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”更強調(diào)被動篩選機制。

這些術(shù)語的流行，本身就構(gòu)成了一個值得觀察的現(xiàn)象。它們往往以形象化的比喻方式描述復(fù)雜機制，具有很強的傳播力，也在一定程度上放大了公眾對于技術(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的殘骸仍在向墨西哥灣噴涌原油時，我請兩位朋友搜索‘BP’這個詞。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代，在事兒還沒講清楚的情況下，就隨著技術(shù)熱點，無縫銜接到社交媒體平臺及其算法上了。這種“趕時髦”的做法，確實讓人心生疑慮。

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，與對立極化相掛鉤，未必能體現(xiàn)“真相”，或許只是一種面對復(fù)雜信息環(huán)境時的解釋沖動與情緒回應(yīng)。

算法是否、以及在多大程度上推動了極化，仍然是一個需要依賴數(shù)據(jù)與實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)布的一項文獻綜述指出，包括高度極化的美國在內(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（通常僅占幾個百分點）完全依靠黨派來源獲取新聞。

例如在英國，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案而已。2018年到2019年的三項研究（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)了實質(zhì)性差異。

為了驗證算法對現(xiàn)實政治態(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)機構(gòu)與Meta公司合作完成了多項關(guān)于2020年美國大選的大規(guī)模實證研究（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)動的信息流，改用“按時間順序排列”接收內(nèi)容。別覺得有Meta輔助做試驗，研究可能不靠譜，他們并沒有藏著掖著。實驗數(shù)據(jù)證明，改為時間順序后，用戶在社交平臺上的互動行為和停留時間顯著減少，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%。

改為時間信息流后的內(nèi)容比例變化，黃色為算法驅(qū)動，藍色為時間信息流

然而，盡管在線體驗發(fā)生了如此大的改變，在為期三個月的研究期內(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立背后，主要原因并非算法。

改為時間信息流后，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)》雜志上的另一項實驗，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)鍵時期，對實驗組用戶的信息流進行了“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，這種對信息流的大規(guī)模干預(yù)，同樣未能顯著改變用戶的個人政治態(tài)度或極化程度衡量標(biāo)準(zhǔn)。

發(fā)表在《美國國家科學(xué)院院刊》（PNAS）上的一項研究，通過4項嚴(yán)格受控實驗、招募了8883名美國受試者，在模擬YouTube界面的平臺上安排不同的推薦邏輯。研究人員設(shè)計了“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內(nèi)容），以及“平衡式”算法（提供2/2對等立場內(nèi)容）進行對比。

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間，但在實驗階段內(nèi)對用戶的政策態(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、平臺互動、媒體信任等無明顯變化

研究者指出，實驗證據(jù)與關(guān)于算法誘導(dǎo)用戶集體激進化的流行敘事，并不一致。

這些研究和多篇文獻綜述都共同指向一個結(jié)論：社交媒體的算法和功能設(shè)計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)動西方社會政治極化的核心動力，極化的根源可能更深植于社會和政治現(xiàn)實本身，而非技術(shù)邏輯。

由于缺乏對“回音室”或“過濾氣泡”如何作用的實際證據(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——日益加劇的社會和政治極化——提供了一個便利的技術(shù)替罪羊?！?/p>

算法究竟帶來了什么

在真實世界中，英國和其他幾個國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。

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

自動偶然發(fā)現(xiàn)是指算法給出的搜索結(jié)果，有時來自用戶不會直接訪問的來源。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是，這兩個機制與平臺商業(yè)利益是一致的，確實可能得到加強。

因為自動偶然發(fā)現(xiàn)創(chuàng)造了多樣性的體驗，能提高用戶的留存率。偶然接觸機制可以增加在社交媒體上花費的時間，因為人們偶爾會遇到有趣的文章。

國內(nèi)的研究也發(fā)現(xiàn)，從平臺運營邏輯來看，制造“極化”對互聯(lián)網(wǎng)企業(yè)的長期發(fā)展并無益處。《算法向善與個性化推薦發(fā)展研究報告》分析抖音等代表性應(yīng)用的數(shù)據(jù)，認為用戶閱讀內(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，平臺有內(nèi)在動力通過“興趣探索”機制激發(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、抖音等平臺經(jīng)過數(shù)次算法迭代與升級，對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，進行一定比例的推薦；另一方面，特別增加一些隨機內(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，進而滿足人對信息的多維度訴求。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)確推薦給對鄉(xiāng)村美食、農(nóng)特產(chǎn)品感興趣的用戶，然后用戶能順勢在同屏搜索框中搜索、了解蒜苔烹飪相關(guān)內(nèi)容，擴展相關(guān)知識。

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踐與“破繭”報告》顯示，近八成（77.8%）短視頻用戶認為算法推薦的內(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)社會科學(xué)學(xué)院的研究報告則提出了“破繭效應(yīng)”：數(shù)據(jù)證明，隨著用戶使用時長和算法素養(yǎng)的增加，用戶感知到的內(nèi)容同質(zhì)化程度反而會下降，兩者呈反比關(guān)系。這種“信息偶遇”的機會，讓算法成為了開闊用戶視野、促進數(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，在時間流中可能會大幅增加，美國的研究中就出現(xiàn)了68.8%增幅。

算法的個性化推薦對于解決這兩個問題，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，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年美國大選期間收集的：民主黨人更可能接觸民主黨的競選活動，共和黨人更可能接觸共和黨的競選活動。

直到20世紀(jì)上半葉，許多歐洲國家都存在強大的黨派報刊，人們接觸的主要是志同道合的信息。一個典型的例子是荷蘭的“柱化”時期，天主教徒通常被認為閱讀天主教報紙、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，簡單地打破“信息繭房”，在社交媒體上接觸對立觀點，往往會產(chǎn)生“適得其反”的效應(yīng)（Backfire Effect）。根子還是在人。

杜克大學(xué)社會學(xué)家克里斯·貝爾（Chris Bail）的實證研究讓受試者在一個月內(nèi)，關(guān)注一個持續(xù)轉(zhuǎn)發(fā)對立黨派政客和意見領(lǐng)袖言論的機器人賬號。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也呈現(xiàn)出更加自由化的趨勢，而共和黨受試者，在被迫接觸自由派觀點后，其保守傾向顯著增強。

研究者認為，人類的動機性推理（motivated reasoning）會促使人們在遭遇反面證據(jù)時，通過反駁對方來強化自我認同，從而加劇政治極化。

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

2024年發(fā)表在《實驗心理學(xué)期刊：總論》（Journal of Experimental Psychology: General）的一項研究揭示，社交媒體用戶關(guān)注、互動和回粉行為的主要驅(qū)動力是“社交動機”而非“信息動機”。人們更傾向于與分享相似世界觀的“同黨”建立聯(lián)系，并對對立陣營表現(xiàn)出天然的排斥，這種對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。

另一項發(fā)表在《自然》旗下《計算社會科學(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影響力和“取關(guān)”（Unfollowing）不同意見者的行為，社交網(wǎng)絡(luò)就會迅速退化為分散、同質(zhì)的“回音室”。

阿姆斯特丹大學(xué)邏輯、語言與計算研究所（ILLC）在2025年的最新模擬研究中則采用隱藏點贊數(shù)或強化跨黨派內(nèi)容推薦的操作，發(fā)現(xiàn)“回音室”的出現(xiàn)主要是因為人們在互動中存在“選擇性接觸”和“確認偏差”，傾向于尋找符合先前觀點的信息并回避沖突。

這種情感化的參與驅(qū)動了網(wǎng)絡(luò)結(jié)構(gòu)的增長：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，這形成了一個自我強化的循環(huán)，使極化成為社交媒體架構(gòu)中難以通過技術(shù)手段根除的深層機制。

西方政治學(xué)者還普遍關(guān)注了“政治精英極化”，認為他們越來越極端的言行，也是驅(qū)動社會分歧擴大、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，美國精英的矛盾立場，直接導(dǎo)致了公眾對科學(xué)機構(gòu)（如CDC）信任的迅速瓦解和黨派陣營的對立。

極化水平的波動與外部現(xiàn)實事件高度同步，而非受控于平臺邏輯。發(fā)表在《自然》正刊上的研究對Reddit長達14年的數(shù)據(jù)進行了量化分析，發(fā)現(xiàn)在2012年至2015年間，該平臺的政治極化程度保持在一個非常穩(wěn)定的區(qū)間。然而，在2016年美國大選年，平臺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內(nèi)變極端驅(qū)動的，而是由當(dāng)年的“新增用戶”和“新參政用戶”帶來的。大選這一外部社會政治事件將大量已經(jīng)極化的群體吸納進社交平臺，改變了整體的生態(tài)，這側(cè)面說明極化是一個社會性、歷史性的現(xiàn)實問題，平臺和算法只是承載這些矛盾的載體而非源頭。

更重要的背景，則是美國為代表的西方社會發(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，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)雜的政治與社會分裂，歸因于單一技術(shù)機制，無助于問題的解決。

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