时间: 2021-08-03 09:28:36 人气: 10 评论: 0
媒体犯错**道歉,为什么算法就不用呢?或许我们应该重新审视,被算法统治的资讯平台和社交媒体平台。一起来看,资讯推荐算法在这个时代,应该向媒体记者学习些什么。
本文根据Flipboard 联合创始人兼 CEO Mike McCue 在 Web Summit 大**上的演讲整理而成的文章。
资讯推荐算法,本意是帮人们找到可能感兴趣的更多内容。但是,不管在专门的资讯推荐 App 还是社交媒体上,垃圾新闻、低俗资讯反而成为主力内容。本质上,这是因为投机者们、垃圾内容的制造者们很快找到了推荐算法天然的缺陷,学**如何利用它来迎合人性的弱点,煽动情绪,刺激欲望。
这就是现状。比现状更糟糕的是,推荐算法让垃圾内容的制造者占了上风,而真正的新闻机构也不得不将自己的内容恶俗化,以迎合推荐算法。所以假新闻越来越多,真新闻越来越少;低俗内容越来越多,高品质内容越来越少。
这不是算法的错,算法尽职尽责做了自己的工作,但算法的参数和控制指标需要重置,算法背后的人需要做出改变。
不要丢掉记者和编辑们的价值。新闻业的规矩告诉我们,「讲故事」是要负责任的,传播新闻需要保证完整性。我建议资讯平台的推荐算法,向媒体记者学习,遵循五个新闻业原则:
「造谣一张嘴,辟谣跑断腿。」「我们是兼职在辟谣,别人是全职在传播伪科学。」
现在大家终于知道了谎言比真相更容易传播,但资讯推荐算法更关心「相关性」而非信息本身是不是真相,怎么办?
让编辑负责辨别真相,编辑们可以区分出虚构的内容和事实,把他们的意见添加到推荐算法中。让经过专业训练的新闻从业者来决定什么是质量,什么是真相,什么是准确性。让他们来监控和改进算法,防止算法被滥用。
让编辑来确保推荐算法是为读者服务的,而不是为商业模式,为广告主服务。现在的推荐算法让那些骗点击的标题党(clickbait)内容和广告凸显出来,正常的内容反而被打压,这是现在网络新闻最严重的问题——内容的权重,并不是根据内容是否对读者有益来判断的,而是为商业模型服务的,让人们花更多时间沉浸在垃圾内容中,对这些公司的商业模型更有益。
分歧和极端内容更受算法的青睐,也更容易引发读者的对立。新闻从业者常说,在每个新闻事件至少有两面,记者们的工作是发现和听取多样化的声音。当编辑和工程师合作来调整算法,呈现多角度不同的观点,才能加深我们对世界的理解和同情心。如果我们不理解为什么**有不同的意见,就不**真正团结。
新闻事实必须被认真调查,有理有据,才能保证媒介是用来曝光或庆祝真相的,不是用来伪造事实伤害他人。这是职业操守,也是人性。算法不**对谎言泛滥负责任,但记者和编辑是需要对此负责的。所以编辑和工程师可以合作,一起设计算法,严格限制有害的内容被观看,及时调整推荐给平台上用户的内容。
没有什么系统是完美的。当错误出现,比如假新闻被炒作或者恶俗内容被推送给用户,平台方应该迅速纠正错误和调整算法。对于一家新闻机构而言,出现错误时一定**做立即做公开的勘误和道歉,以保证机构的声誉和读者的信任。但是,算法和平台方却从来不**负同样的责任。
算法是互联网的基本组成,但算法并不是自己跑到服务器上的。是人创造了算法,所以人应该为算法的行为负责任。当算法像新闻记者一样对事实敏感,也珍惜自己的声誉,我们才有机**解决假新闻和恶俗内容泛滥的问题。现在的情况是,人们已经不再相信在互联网上看的所谓热点内容。
事情不应该这样发展。原本,互联网是全世界的民众分享信息,平等访问全球信息的地方。但是今天,算法被投机者们挟持了,破坏了信息获取的体验,就像互联网得了癌症一样。我们必须更快速地发现那些制造垃圾内容的投机者,必须最小化假新闻的传播,从而让高品质内容成为主流。
所以,当算法出现错误时,必须被追究责任。这需要勇气,更需要形成一套基本原则。
原文:https://about.flipboard.com/inside-flipboard/what-algorithms-can-learn-from-journalism
标题:What Algorithms Can Learn from Journalism
作者:Mike McCue
编译:郝晓茹/ 光涧实验室(公众号:lightstream0)
本文由 @郝晓茹 翻译发布于人人都是产品经理。未经许可,禁止转载
题图来自Unsplash,基于CC0协议