5月18日，复旦大学新闻学院举办“算法推荐与人工智能圆桌论坛”，邀请复旦大学、清华大学、中国传媒大学、中山大学等院校的新闻传播学、哲学、计算机、法学等学科的知名专家，聚焦“信息茧房”、“隐私保护”等主题展开深入、热烈的探讨。

清华大学新闻与传播学院常务副院长陈昌凤：要让算法助益信息海洋中的“幸存者”

第一，算法越来越多元。业界科技公司很少使用一种算法，而是多种不同类型的推荐算法并重，避免“茧房效应”。第二，算法是不断优化的。Facebook、Google、“今日头条”均已深度介入到信息的分发中，算法是科技公司传播最重要的工具。目前各公司的优化包括有限度地开放其算法，加强透明性，如今日头条在2018年公开了算法原理，核心是为用户量身定制属精准度更高的信息推荐。第三，算法具有自身纠偏的能力，算法可以校准用户自身的信息偏向偏好。

中山大学传播与设计学院院长张志安教授：算法推荐需要哲学和心理学指导

经过庞大用户样本训练过的算法，所推荐的内容更具专业性、更平衡客观。巨大样本数据量所得出的是人类的普遍兴趣需求，尽管个体是存在差异，但总体趋于相似的。

如今日头条在算法推荐过程中，引入社交、协同过滤等权重因素后，会将内容用户进行颗粒度更细分的匹配，可以提升推荐准确度。算法推荐的优化和治理，需要多方参与，需要哲学指导和认知心理学指导，探索算法测量指标的优化，通过算法增强改善算法推荐的公共性和关系场景增强的多元化。

中国传媒大学新媒体研究院院长赵子忠教授：算法可打破信息茧房

人工给内容打标签并推送效率较低，算法技术可有效提升给信息分类和分发效率，能让有价值的内容匹配到更精准的用户。在提升精确度的同时，通过算法协同过滤手段，可以有效避免信息窄化，打破信息茧房。

复旦大学新闻学院执行院长张涛甫教授：算法推荐要避免劣币驱逐良币

茧房是人的认知宿命，从来就有，只不过因算法流行而被我们显著地“看见”了。算法是一种“读心”的技术，但算法所呈现的用户偏好，不是完整意义上的、也是不全面，算法一方面可以“走心”，也可能会“偏心”。算法满足用户需求，不能忽视内容端，须实现用户和信息之间的链接和匹配。从单向度、失衡的用户重心转移兼顾对内容的考虑。而且，在实现用户和内容链接之前，需要在内容层面进行内容评价或者“垃圾分类”，将“劣币”、垃圾信息过滤，避免趣味下沉和“劣币驱逐良币”。

复旦大学计算机学院教授肖仰华：要补全数据背后的复杂因果链条

以业界实践案例看，信息茧房是可以解决的。出现信息茧房的根本原因是目标单一，而现在很多的算法机器模型可以有效的捕捉来自数据中很多隐藏的特征，使得特征工程代价极大降低。在优化、人为筛选目标的同时，辅以多样性目标引导，破除茧房的壁垒。未来，人工智能最重要的使命是补全在用户端产生的数据背后的复杂的因果链条，才能更好的服务用户。

复旦大学哲学学院徐英瑾教授：算法可以追溯过去却无法预测未知

从心理学的角度看，茧房是一个中性词，人承受信息量的总体是稳定、有限的。通过对话，不同人建模不同的语义网，在追求新鲜的同时不停反对这个模型。这个过程是数据运算的过程，在发现常识不兼容的情况下优化协调性。科技在计算相似性的东西，这是大数据统计的方法，是相似性和统计性的混淆，无法进行实质的因果分析。人类生活以偶然性为主，算法就是压缩偶然性的空间，算法可以追溯过去的爱好，却无法预测未知的需求，未来的算法模型需要引入更多的心理学认知背景作为辅助。

复旦大学新闻学院周笑教授：可以从5个角度弱化信息茧房效应

一是内容角度，谷歌多年前建数字图书馆，聚集全世界的内容，有效突破茧房效应；二是用户角度，庞大的用户规模能弱化茧房效应；三是暗知识、暗变量，通过环境特征协同特的提取；四是立场转化，激发用户主动参与进行内容分类；五是通过跨学科从技术人文多个角度去引导算法，用有限性提升有效性。

阅读原文