Page 30 - 《党政研究》2023年第3期

择、加工和报道，重新加以结构化再向人们所提供的环境。当一定数量的社交机器人与受
众在舆论场内表达自身政治诉求、阐述政治意见时，算法便会基于整个舆论环境为背景对
特定受众进行对比分析，以常用数据分析路径与偏好为运行轨道，挑选出最普遍认同的意
见观点并推荐给受众。这种真假信息混合而成的观点可能与受众亲身了解到的信息不尽相
同或者相反，影响受众对真实信息的正确判断，受众被困在算法生成的思维舒适圈，即使
此时受众已经认识到选择可能存在偏差，而行为却无法及时做出挽救措施。其中观点与行
为的不统一是受众产生心理障碍的主要原因。
第二，认知窄化。算法舒适圈通常在 “信息茧房”边界固化中趋向稳定，在网络的
无限空间内每个 “信息茧房”的个体都可能 “共享编码与解码”的过程，同时又在各自
的相关网络组织之间游移，重新形成某个独特信息特征的 “信息茧房”，并以惊人的速度
吸引、聚合、黏着同类信息需求的人群，汇集成一定基数建构出新型算法舒适圈，在时间
推移下成为受众认知发展的 “可怕的梦魇”，形成受众认知拓展的 “锁扣” 。与此同时，
〔 ２１〕
受众所接受到的算法推荐信息也并不是全权由受众的个人偏好锁决定，算法操纵者原始的
算法偏向也会使得受众所能接触到的信息停留在某个圈子中。算法偏向是指算法在生成结
果中系统性的、可重复出现的不同对象有不同的输出结果，或者是相同、相似对象输出了
相异结果的现象，是算法在决策过程中对特定偏好、信念或价值观的一贯和反复表达 。
〔 ２２〕
而算法偏向的形成又与算法偏见息息相关，其形成根植于社会制度、算法实践和采集者态
度之中。当数据集本身出现偏见时，由此衍生出的结果一定存在某种偏见 。当算法推
〔 ２３〕
荐信息成为受众认知世界的 “枷锁”，而数据爆炸却又冲击着受众个人的信息储存内容，
使得受众个人认知内的信息超载，促使受众对算法推荐系统产生依赖，企图在算法推荐内
容中获取自我赞同与自我价值。而在这个过程中受众却忽略了算法推荐内容对整个社会信
息的过滤作用，算法偏向与算法偏见可能阻碍异质性的信息消费与多元化观点间的信息交
流，导致受众处于算法打造的 “无菌环境”或者一个个性化的 “过滤气泡”中，这显露
出个性化信息推荐系统服务所产生的 “信息偏食”现象，将会造成受众认知窄化并对其
观念与行为产生影响 。因此，从安全认知角度，我们要警惕 ＣｈａｔＧＰＴ 形成 “信息茧
〔 ２４〕
房”。
第三，价值固化。算法作为人类社会实践与经验的反应，其并不是多个简单的技术的
堆砌，而是一套复杂的社会系统 。算法可通过历史数据生成干扰受众的决策系统，搭
〔 ２５〕
借媒体传播的便利特质建构镜像社会。当镜像社会成为受众信息来源的重要参照物，受众
对算法内容形成参考性依赖，将会触发受众内在的上瘾模型，形成算法式的价值固化。上
瘾模型由四个阶段组成：触发、行动、多变的酬赏、投入，其最初被应用在商业改革中，
旨在为企业打造一款与受众密切相关的习惯养成类产品 。数字时代的算法推荐机制也
〔 ２６〕
同样借助了上瘾模型理论与受众建立习惯性的联系。在触发阶段，算法推荐系统会自动捕
捉受众偶然间的某种举动，从内部和外部两种触发路径为其量身定制一套算法推荐程序，
引导受众进入下一上瘾阶段，即引发受众行动。行动是受众在使用产品过程中期待酬赏的
直接反应。想让受众行动起来需要充分的行为动机、完成这件事的现实工具与能力以及促
使受众付诸行动的出发点。当算法推荐内容、观点、态度在不断接触中被受众所接受，为
获取更多相关的信息，受众将会尝试主动获取这类信息以满足自身需求。简单、短暂的兴
趣点不足以成为长时间支撑受众保持热爱的条件，这时酬赏的作用就被显现出来了。酬赏
作为受众使用产品的行为目的，保持酬赏的多变性能够从多维度刺激受众，让他们对产品
保持长期兴趣。在多变、叠加的酬赏效果下，即便受众感知到算法推荐内容的相似性也不
愿从算法舒适圈的场域中跳脱出来。酬赏效果可被判断为受众陷入算法推荐系统，重复接
８ · ·
２