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
