算法与社会裂痕：当舆论归因成问题

算法会加剧社会分裂吗？这种“技术决定论”叙事在经验证据上是薄弱的。算法的核心是商业性的“参与度优化”，而非意识形态灌输。更关键的是，社会极化主要由政治精英、党派媒体和深层社会经济结构驱动，强行推广对立观点非但不能促进理解，反而会加剧立场极端。

早在“算法”成为热词前，美国记者瓦尔特·李普曼就对“舆论”形成提出深刻质疑。他引用罗伯特·皮尔爵士的话指出，“所谓舆论就是汇集了愚蠢、软弱、偏见、错误的感觉，准确的感受，固执的观点和报纸文章的大杂烩”。近一个世纪前，人们几乎不会把社会的裂痕简单归因于某一特定要素，而是试图从更复杂的结构中寻找答案。在当代公共话语中，一种普遍观点认为，社交媒体在加剧社会分裂，无论是故意推送对立观点制造矛盾，还是将极端者聚集相互强化，这些叙事都指向“算法”这个共同“元凶”。

这种“技术决定论”的观点，很大程度源于伊莱·帕里泽提出的“过滤泡”概念，认为算法个性化推荐机制会隔离开用户知识，助长政治极化。但这一逻辑在实证研究中显得薄弱。路透新闻研究所文献综述显示，“信息茧房”非常罕见，多数人接触信息多元；依赖社交平台获取新闻的人，反而接触新闻来源更广泛。那些处于“茧房”中的人，更多是主动选择媒体，而非算法刻意推送。

01 “算法茧房”的实证脆弱性

• 研究证明，“算法导致茧房”的前提并不牢固。人们常说的“过滤泡”，指的是算法通过个性化排序创造独特信息宇宙，侵蚀共同讨论基础。但真实“茧房”罕见，多数人接受的信息相对多样化，依赖社交平台的新闻者，反而接触新闻来源更广泛。


• 平台运营目标为用户留存，推荐系统需在“利用”与“探索”间平衡。若一味迎合用户兴趣，会导致内容同质化，使用户流失。因此，算法并非刻意制造分裂，而是商业逻辑下的选择。

02 当“兼听”不再“明”

• 极化根源并非算法，而是政治精英、党派媒体和深层社会经济结构。强迫“兼听”反而加剧极端：杜克大学实验显示，强迫立场坚定用户接触对立观点，非但不促进理解，反而加深极端化。社交媒体“棱镜”效应扭曲认知，让温和派噤声，加剧情感极化。


• 社交媒体架构本身会奖励极端内容，情绪化声音获得更多转发，进而强化极端化主导地位，这也解释了极化根源。

03 极化的真相与算法的边界

• 现代研究区分意识形态极化与情感极化，情感极化（不同党派厌恶）增长，而普通民众意识形态分歧未显著增加。算法并非“制造”极化，而是“放大”已存在的极化环境。


• “技术决定论”叙事是对复杂现象的过度简化。算法只是“放大器”，简单的技术调整无法“校正”放大效应。阿姆斯特丹大学“AI沙盒”研究显示，多数干预措施效果有限，甚至适得其反。

04 超越单向归因

将算法视为极化危机核心的“技术决定论”，是对社会分裂复杂性的简化。算法是在预先存在的极化环境中运作，而非创造了极化。社会分裂根源需从政治精英、社会经济结构等多维度分析。算法只是商业参与度优化的工具，而非意识形态控制器。面对社会裂痕，应理性看待技术归因，从更深层次的社会结构与心理机制寻求解决之道。

（参考文献：略，保留核心观点呈现）