164.算法的"兔子洞"：为什么你总在看完新闻后滑向娱乐？｜对谈黄圣淳教授 - 主题精读稿

前言：算法是新的"罩子"，而觉察是唯一的出口

围绕凯尔·恰卡《筛选世界：算法如何压平文化》一书，主播大卫翁与德州大学奥斯汀分校新闻学院助理教授黄圣淳（Sara）进行了一场关于算法的深度对谈。出乎意料的是，从计算社会科学的实证数据看，"信息茧房"和"过滤气泡"的证据并不像直觉那么扎实——算法甚至给了用户更多的偶然发现。但这并不意味着算法无害。它真正可怕的地方在于"算法放大"和"娱乐重定向"：争议性内容被密集推到面前，激发的是情感极化而非理解；而严肃公共议题在与娱乐内容的竞争中节节败退。当算法成为新一代"把关人"，文化在快反馈中被去棱角、被扁平化，普通人能做的，是建立算法素养，从无意识沉浸中退一步。

一、算法纪系列缘起与研究者背景介绍 (00:08 - 05:30)

这是大卫翁"算法纪"系列的第二期，源于他读完《纽约客》专栏作家凯尔·恰卡的新书《筛选世界：算法如何压平文化》后的感悟。嘉宾黄圣淳（Sara）是德州大学奥斯汀分校新闻学院的助理教授，研究算法推荐平台已整十年。

两人的相遇本身就是算法的一个注脚——Sara 在小红书后台留言邀请大卫翁聊"媒体如何看待算法"这个话题，理由是算法已经把大卫翁正在哥大做访问学者的信息精准推到了她面前。"有的时候你就感觉那个算法好像懂我。这一段时间我好像就想找这个什么什么的东西，算法就给我看了一个这样的一个东西。"

或许我们没有办法螳臂挡车去改变这个被算法驱动的时代，但只要觉察到算法对我们自身的影响，乃至有意识地去控制这种影响，这件事情本身就具有非凡的意义。

二、算法作为具备自主性的"技术把关人" (05:30 - 16:32)

Sara 进入这个领域的源头，是 2016 年 3 月在国内一家头部新闻客户端的实习。那段时间正赶上多家门户网站联合起诉今日头条侵权——一边在外面打着官司说"你不能这样做算法"，一边自己关起门来快招人、加紧训练算法。"如果不做这个东西，我们就被淘汰了。"那种张力让她意识到，新闻分发的逻辑正在发生根本性变化。

传统新闻学把编辑称为"把关人"——是编辑决定受众看到什么。但现在，编辑只是其中一环。一份媒体一天可能发布两千条内容，真正能抵达读者的微乎其微。我们和公共信息之间，开始隔着一道由技术驱动的隐形夹层，一个信息的"罩子"。

我们和公共的这些信息之间发生的这样一道由技术驱动的隐形的一个……应该叫一个夹层吧，或者说是一个信息的罩子。

大卫翁补充了麦克卢汉"媒介即信息"的视角：算法本身是不是一种新的媒介？它已经不只是把关人或编辑——它代表了人类消费信息的方式本身。同质化的审美、共同的消费习惯、Instagram 风、TikTok 的魔性舞蹈，都是算法作为媒介所带来的"尺度、节奏与模式的变革"。

Sara 强调，让她区别于多数计算机科学家的，是她不把算法当成"和人、和社会区隔开的客观组件"。基于机器学习的算法系统具有 self-evolving（自我演化） 的特点，连写代码的工程师都无法预测它的每一个决策。媒体人为了让标题被传播得更好而调整写法、小红书博主在"摸算法"——人类在迎合算法做出修改。这就是算法在行使一种 算法权力：它作为一个非人主体，介入了社会结构，开始决定我们怎么写标题、选择什么内容、过什么样的生活方式。

三、信息茧房与过滤气泡的实证挑战 (16:32 - 33:16)

2016 年是一个分水岭——英国脱欧、特朗普胜选、AlphaGo 击败李世石。几个"政治黑天鹅"叠加，让"echo chamber（回音室）"和"filter bubble（过滤气泡）"成为学术界批评社交媒体的高频词。在中文语境下，这些概念被合并为"信息茧房"。普遍的担忧是：每个人都在自说自话，都只跟和自己观点相似的人聊天，公众舆论彻底脱离了精英的掌控。

但 Sara 指出，过去十年的实证研究并没有给出特别扎实的证据支持"信息茧房-算法-极化"这个完整链条。甚至有点反直觉的是：算法不但没有把大家推到信息茧房，反而给了大家很多意外发现。 社交媒体用户接触到的新闻来源，往往比不使用社交媒体的人更具多样性。

这背后有几个机制。 第一，"偶然性接触"（Incidental Exposure）。我们打开手机、点开小红书时，往往并没有明确目的，"你只是站在那边无聊"，于是被推到了一些原本不会主动搜索的内容面前。第二，平台为了留住用户，必须不断翻新料——A/B 测试早就告诉科技公司，重复推荐相似内容会让用户疲劳。"我就算喜欢刷小猫视频，你也不能给我推一百个小猫视频。"第三，算法逻辑里有一条线是基于"协同过滤"——它推的不是你过去喜欢的，而是和你类似的人喜欢的；还有一条线是热点驱动，让"新闻找到我"（news finds me）。

大卫翁补充了一个关键视角：大多数人并不是只用一个算法平台。 跨平台使用本身就在打破气泡——深圳大学一份关于短视频用户的报告显示，71.8% 的受访者会主动通过不同平台获取信息以了解事件全貌。各家科技公司不可能联手为某一个用户构建一个完整气泡。

Sara 进一步把视野拉大：每个人的媒体环境都是由不同层次的生态组成的——APP、走过路过看到的东西、别人转发的消息……如果用一台摄像机录下一个人 24 小时的所有信息暴露，"真正所谓从平台中来的、特别是从单一平台某一个气泡当中出来的东西，可能只占很小的一部分"。社交媒体被当作替罪羊，算法看起来更可怕，于是算法成了替罪羊。但回到真实生活，信息本身在数字时代是极大丰富的，算法只是解决信息过载的手段之一，而不一定是制造隔绝的元凶。

四、用户主动选择与算法放大的交互影响 (33:16 - 52:38)

如果算法没有把人推进茧房，那为什么社会看起来更极化了？Sara 给出了第一条线索：用户的主动选择，比算法推荐起到的作用更大。

2023 年发表在 Science 和 Nature 上的两项研究分别给出了佐证。其中美国东北大学的研究记录了用户在 Google 上的搜索行为——同样是搜索结果页面给出的十个选项，用户最后点进去的内容，比算法呈现给他的更偏向他自身的政治倾向（partisanship）。Sara 自己参与的一项推特研究也得出类似结论：算法相对来说还稍微好一点，是用户自己选择了更极端、更不可靠的信息。

但这里有一个反转。如果跨平台比较，会发现每个平台已经把用户带到了某个方向上——你在搜索引擎和在社交媒体上看到的世界差距很大。也就是说，"当给你十个选项的时候，其实这十个选项都往那边挪了一点。""已经被提前预先选择过了，但是我们不能够对这种预先选择没有意识。正是因为它难以被察觉，所以它带来的这种潜在的影响才会那么的值得我们去关注它。"

第二条线索更关键——算法放大（Algorithmic Amplification）。算法看到了不同观点，但这种"偶然暴露"往往引发的不是理解，而是生理反感。Chris Bell 的著名研究发现：当你打破信息茧房、把对立观点强行推到用户面前，反而加剧了情感极化，让人们更不愿意听对方说话。

互联网技术带来的连接，其实是先创造了彼此相遇的机会，才让大家感受到了不理解和愤怒。

Sara 用了一个很妙的类比：每个人从生下来就在一个信息茧房里，因为身边住的都是和自己生活背景类似的人。互联网只是让原本就存在的不同观点产生了"相遇"。第一次打破信息茧房的体验，对所有人来说都是住进大学宿舍——突然接触到完全不同地域、不同背景的同学。这种相遇本身会带来摩擦，但长期来看会让你对世界有更立体的认识。问题是，这个对人的要求很高——如果你没有意识到这一点能增加你认识事物的多面性，它就会把你推向一个标签化的世界。

而算法的"放大"作用，恰恰偏向于强化情感极化的那一面。2025 年发表在《美国国家科学院院刊》上的一项研究对推特算法做审计后发现，算法优化的是"用户可能互动的内容"——而用户最容易跳出来互动的，往往是感觉不舒服或有不同意见的内容。这就是为什么小红书上稍带一点对立色彩的帖子，评论区会变成一堆人吵架，"而且他们根本不关心你在讲什么，他们只是在吵自己的事情"——这种帖子获得更大的流量。

整个的这种接触变得更加的密集而频繁。一刷就能看到这样子的东西。大家会普遍的有一个感受就是怎么网上舆论环境乌烟瘴气。

关于干预，Sara 在中美之间做了一个谨慎的对比：国内有"清朗"等自上而下的政策行动，平台和监管在管理算法环境上反应反而更快；美国这边有 shadow banning（影子禁言）等平台层面的审查，但因为根植的意识形态基础不同，政府层面在算法干预上"并不是他们的优先级"。普通用户能反抗平台权力的空间非常有限——前总统都被封过号，更何况是一个靠 Instagram 谋生、莫名其妙触发了平台规则就被封号的小网红。

五、娱乐内容对公共新闻的算法重定向与文化压平 (52:38 - 1:18:45)

Sara 最近的研究方向跳出了"政治极化"框架，转向她认为更被忽视、影响更广的问题：基于内容分类的"话题过滤气泡"。

她的出发点很朴素：绝大多数人的媒体消费中，新闻占比不到 5%。 大部分时间我们都在用媒介做人际传播或消费娱乐。从电视有线频道时代开始，政治学者就担心：人们一旦有了选择就不看新闻，会丧失作为公民所需的公共知识——你可能不关心政治，但当你需要决定要不要让孩子出国留学、要不要支持小区附近修发电站、买什么股票时，你需要这些信息素养。

她的研究让"用户因素"完全脱离推荐过程——一个全新的、未登录的用户进入 YouTube，算法会怎么推？结果发现：哪怕没有任何用户行为数据，算法系统也会以更高概率推荐娱乐性内容，而非新闻内容。更有意思的是，当一个视频结束、自动跳转到下一条时，从新闻视频跳转到娱乐视频的概率，远高于反向跳转。

大卫翁补充了具体数据：你看完一个新闻视频，算法推荐娱乐视频的概率是 0.18；你看完一个娱乐视频，算法推荐新闻的概率只有 0.03——整整 6 倍的差距。 汽车、体育、音乐、游戏这些垂类内容有强烈的"自我强化"特性，看完一个，下一个还是同类的概率非常高；而人物、播客、电影、公益、旅行类则没有这种特性。

Sara 把这种机制称为 "算法重定向"（algorithmic redirection）——它不是逼你看，而是像 nudge（轻轻一推）一样，"我就稍稍这样子碰一碰你，然后你就潜移默化，你也没太想嘛，给你看了就看了"。在偶然性接触的过程中，你被悄悄推向了娱乐方向，而你根本没有察觉。

当爱看新闻的人有知识、有政治热衷、甚至是政治狂热者，是这些人去投票，你觉得说极化，极化的是那些人。我们大多数人好好的，没有那么极端的观念，却在算法的引导下退缩到自己的娱乐壳里面，社会的公共讨论空间就萎缩了。

这比单纯的政治极化是一个更大、影响人更广、但更不明显的问题。 极化的未必是所有人，而是激化的人被推到了前面，温和的大多数因为有了别的可消费内容反而变得更沉默。

而文化也在同一个机制下被压平。大卫翁引用《筛选世界》里的论断：在算法主导下，"同质化的、简化的、最不具起义、最不具颠覆性、最缺乏意义的文化产品获得了最大程度的推广"。这恰恰和新闻反过来——新闻领域被放大的是争议性内容，文化娱乐领域被放大的却是最大公约数的同质化产品。Instagram 风、小红书风、抖音爆款套路，每隔一阵就会出现一种新风格，然后无数人追上去走同样的路。

Sara 给出了一个机制层面的解释：算法让反馈的过程变得太快了。 以前一个画家发布作品，可能要过很多年才被欣赏；现在一个画手在 Instagram 发一个帖子，今天得到的赞数立马告诉他下次该怎么调整。这个反馈循环的速度，让创作者来不及承担风险，为了安全把内容扁平化，从而失去了棱角。Netflix 的内容制作、好莱坞的题材选择都已经被这种快反馈系统重塑——明明有更安全的选择能拿到更多互动，你为什么不这样做？

新闻业也一样。Sara 正在采访新闻从业者，发现一个普遍的困境：你可以做有深度的调查报道、卧底三个月去挖一个新闻线索；也可以报一个"野猪在动物园里走独木桥"的轻量新闻，立马得到更大的点击量。"你为什么还要那么辛苦？"算法把一切都可见化了——以前的报纸只能粗糙地知道卖了多少份，根本不知道读者看的是哪一版（"他可能只是为了填一个拼字游戏"）；现在每一条数字痕迹都被记录、反馈、放大。

大卫翁补充了一个微妙的对照：以前给杂志投稿，作者也要去揣摩编辑的口味——这件事本质上没变，只是把关人从一个人工编辑变成了一个算法。但算法的放大效应、即时反馈、以及对内容输出者潜移默化的心理影响，是以前的"人"做不到的。

六、平台功能特性与用户算法素养的构建 (1:18:45 - 1:35:13)

最后一个章节聚焦在平台功能本身。一个平台有没有评论区、有没有点赞按钮、是不是自动播放——这些看似细小的功能差异，定义了完全不同的社区生态。

学术上有一个词叫 "可攻性（affordance）"——它强调的不是功能本身，而是这些功能在用户、内容、博主、平台之间创造出的"关系"。点赞按钮不只是一个开关，而是用户和信息发布者之间的一种联结。一个有评论区的播客平台和一个没有评论区的播客平台，"完全就是两个平台"——它们带来的社区氛围、博主与听众的关系，截然不同。

大卫翁以小宇宙为例：评论区让他在发完一期 40 岁感受的节目后收到 700 多条温暖回复，给做播客这件事带来了情绪价值；但同样是评论区，在聊时政或社会现象时，又会让一些主播觉得"真的不想再做播客了"，半年来已有不少播客主因此停止更新。

Sara 把这个机制抽象为 反馈回路（feedback loop）——它可以是正向也可以是负向，但最重要的是反馈"可见"。如果根本看不到反馈，你也许会继续做下去；一旦反馈可见，无论是正面鼓励还是负面攻击，都会立刻牵引创作者的行为。这也呼应了前面所有讨论的核心：让事物"可见"本身就是一种巨大的塑造力量。

更危险的是，这种反馈循环也作用在用户自己身上。如果你愤怒地评论了一条帖子，算法不会理解你是在反对——它只会记下"你和这种内容有强互动"，于是给你推更多同类。你的情绪会被这个循环不断放大。你不给反馈、或主动给出有意识的反馈，就是对算法的"驯化"。

而平台并不希望你有这种意识。"最好就是沉浸，你上头。"自动跳转、无限滚动这些设计，本质上都是在降低用户的"摩擦成本"——以前你得自己点击下一个视频，现在它自动接上；这种设计利用的是人类的生理本能，让你进入无意识状态。最近流行的一个词叫"脑腐（brain rot）"——刷了两小时短视频，什么都没学到，注意力分散、整个人都不好了。"当你在跟系统进行无意识交互时，生理机能很难与算法对抗。"

Sara 给出的方案是 "算法素养"：意识到算法在那里、它正在发挥作用，至于好坏暂且不论；遇到不喜欢的、引战的内容就不点击、不评论，减少算法对这类情绪的捕捉；该切断时就切断，该控制时就控制。她也警惕另一种新的托管——越来越多人用 Chatbot（豆包、ChatGPT 等）搜索新闻，"你完全托管给他，你真的放心吗？"它的信源是什么、筛选逻辑如何，你都无从知晓。

大卫翁在结尾给出了他自己的总结：听完这场对谈，他不再担心算法让自己看不到对立观点；他真正担心的，是看到对立观点之后，自己会不会用一种扭曲的、过度激昂的方式去消费它。 这才是这个时代最该被关注的问题。

Sara 用一个细节做收束：研究发现"信息茧房"对你的政治观点未必有直接影响，但它会让你以为支持你这一方观点的人比事实存在的要多得多——它扭曲的是你对真实世界的想象，而这种想象没有标准答案可以校验。打破信息茧房还是漫漫长路，"希望大家都能做一个有觉察的媒体使用者"。