当前互联网媒介环境中，基于各种信息数据的“数字化生存”是人们生活的常态，“推荐算法”由此成为信息获取的重要工具，而人们习惯于将“算法”与“信息茧房”联系在一起。“推荐算法制造了‘信息茧房’”成为一个负面判断，并为大众所知。

要弄清这个问题，首先需要清楚什么是算法和“信息茧房”。简单来说，算法是一组基于某种指定计算将输入数据转换为所需输出的编码过程，当前算法推荐机制主要有建立用户画像、构建内容模型、匹配内容资源等三大核心环节。“信息茧房”则由哈佛大学法学院教授桑斯坦在2006年提出，经过大众化转译，指个人在信息获取过程中，由于各种原因逐渐被局限在一个狭窄的信息环境中，从而减少对多样化信息的接触。

算法一定是“信息茧房”的制造者吗？结合近年国内外研究发现，至少可从以下三点理解这个问题：

——几乎没有经验证据证明算法必然会导致“信息茧房”。人们处于多元且复杂的信息环境中，很难完全避免观点不一致的内容。西方一些实证研究发现，“信息茧房”指向长期效果，而算法不是单一、静态的，而是动态的、不断优化中的，用户会主动互动、分享信息，接触各种各样的平台。

另有研究发现，情感是用户在线行为的影响因素。例如愤怒、焦虑和恐惧等情绪，是人们是否选择与志同道合的人、观点一致的内容进行互动的重要决定因素。而受众本身也带有自主认知能力，获取信息内容时受众具备“普遍的怀疑主义”。由此可见，所谓“信息茧房”效应，并不能由推荐算法所决定。

——当前技术条件下，算法具有不可替代的作用，甚至可以帮助消解茧房。毋庸置疑，信息技术发展的半个多世纪以来，人类社会的数据增长是爆炸式的。“信息超载”的状况既可能使我们淹没在无边无际的信息海洋中，又带来了传统信息处理范式的危机。有学者认为，算法推荐的根本动因是应对“超载”危机，其在用户和海量内容之间建立桥梁，快速筛选和过滤掉那些不相关、低价值的信息，减轻认知负担。

算法具有打破“信息茧房”的潜力。如协同过滤推荐方法可以通过聚类分析，将别人感兴趣，或者是时下流行但未被阅读过的信息推荐给用户。而在算法之外，强化学习、循环神经网络、迁移学习等深度学习技术也被用以解决具体问题。

——作为推荐算法的主导方，平台不存在刻意用算法加剧“信息茧房效应”的动因。成功的推荐往往需要让用户感到“有点新奇”，而如果平台总是推送重复内容，反而可能导致用户觉得“信息单调”，减少使用甚至抛弃这个平台。

当前，不少平台正努力让用户在内容选择上掌握主动权。如谷歌把新闻趋势性，内容的新颖性、多样性和透明性等指标纳入对推荐模型的评估。国内一些短视频平台精选优质内容、加强优质内容分发，并提供调节推荐内容丰富程度、内容偏好设置、双列推荐等功能。

需要注意的是，算法推荐机制从诞生开始，本身可能就存在着一定的传播偏向，它并不一定是中立的、个性化的。最近一项研究发现，某些情况下，算法平台的个性化特质有限，其内容会维系“主流”信息秩序，有时表现出强化主流化偏向的特征。

面对社会公众对“信息茧房”表达出的担忧，平台也应提高算法透明度，引导用户了解算法工作原理，通过用户教育，让用户主动搜索和接触多样信息。此外，还可以通过用户反馈加强人机互动，使算法更好了解用户需求偏好，提供兼具个性化和多样化的信息。

对推荐算法和“信息茧房”的讨论，我们需要找到平衡点，提高信息多样性和用户信息素养，共同构建一个健康、多元的信息生态系统。

（作者系清华大学新闻与传播学院教授，博士生导师）

编辑：李华山