人工智能在新闻采集、生产、分发、接收、反馈中的应用越来越广泛，用主流价值导向驾驭“算法”尤显必要。今日头条、抖音、小红书等平台中的推荐算法根据用户的既有兴趣来“投其所好”地分发和推送内容，用户似乎拥有某种兴趣自主。但需要关注的是：用户的兴趣是否以及如何受到推荐算法系统中的其他用户的影响，进而作用于平台中的用户兴趣演化。基于这个维度，需要在理论自觉上明确推荐算法平台中“兴趣领袖”的理论向度及其角色、功能。算法平台中某些中介性的用户的兴趣，经由算法系统而影响到对于其他用户所做的“投其所好”的算法推送，并逐步改变推送“受动者”的兴趣，从而实现兴趣“影响者”和“施动者”角色功能。算法偏向的推送兴趣受到平台中关键“兴趣领袖”的影响并向平台中其他用户辐射。这意味着，平台“兴趣领袖”经由算法的特殊机制和系统运行，影响着平台中的其他用户生成和发展兴趣。

算法推送平台“兴趣领袖”内涵

算法推送平台的“兴趣领袖”角色与功能主要具有如下内涵。

(资料图)

其一，中介性而非直接性。算法兴趣领袖不是一般的网络兴趣领袖，他们通过与算法的关系来影响算法向个体施加“兴趣影响”的方式和走向，从而使得用户表面上是被推送于迎合自己的兴趣，实际上是通过算法平台被传导的带有特定倾向性、方向性的兴趣，从而传递关键用户的兴趣、塑造平台兴趣。

其二，引领性而非跟随性。上述起作用的他者和中介性的用户不是侧重于兴趣的跟随者和受动方，而是强调兴趣的引领性与施动方。他们是“兴趣领袖”，而不是“兴趣被领袖者”。

其三，整体性而非局部性。兴趣领袖强调的是，人喜欢什么、不喜欢什么的整体“兴趣状态”或“兴趣向量”的影响，而不是某条意见或对某公共事件的某个态度的影响，反映着个体“兴趣光谱”或“用户模因”，强调“意见典范”而非“意见领袖”向度。总体来说，兴趣领袖在算法平台中发生兴趣扩散，这种引领性以算法为中介的社会关系实现，通过和算法的交互关系而向其他用户传递兴趣模因。

究其根本，推荐算法不只是一种猜测“喜好”的计算技术，而是以算法为中介的用户和用户之间传播兴趣的社会关系。在这个关系中，显示了谁拥有主导权、如何具有主导权，涉及谁以及如何通过这个平台影响算法对其他用户“投其所好”的推送和兴趣实践。

算法推送平台“兴趣领袖”角色与机制

算法专家与兴趣领袖。一些特定的用户教导、导引其他内容生产者学会平台的算法推荐规则，顺应其商业化，这些用户可称为“算法专家”（algorithmic experts）。这会引导平台用户进行符合特定兴趣偏向性的内容生产，也形塑平台的兴趣特质。作为“算法专家”的用户声称知道算法是如何“实际工作”的，教授内容生产者如何计算内容的价值并根据平台指标对其进行格式化，鼓励作为内容生产者的用户建立和管理受众。国外学者通过对案例的数字人类学分析，提出在脸书、推特等平台中的“算法活动家”概念，“算法专家”利用在媒体平台的算法作为人类判断的代理而做出程序化选择的知识，来达到他们的政治目标，帮助他们传播信息和提高受欢迎程度。从“意见领袖”到“算法专家”，体现了传统媒介和算法媒介中“有影响力者”在模式上的重大差异。

可见用户与兴趣领袖。用户在算法中的“可见性”程度，关系到其兴趣向算法进行传达的程度，而这又关系到该用户或该用户群体经由算法的中介向其他用户扩散自身兴趣的效果。国外有学者指出，优兔中的视频博主在算法中具有不同的可见度等级，算法偏爱中产阶级、符合广告主要求的行动者，其非常成功的视频博主也会受惠于优兔的算法可见性。一小部分具有高可见度的用户，甚至可能影响到算法对整个平台的兴趣推荐方式与推荐偏好。在算法中可见性高的用户，成为某种受欢迎的类型，使得用户追随他们产出内容。这促使用户逐渐了解网络平台的文化和参与规则，并开始预测普遍受欢迎的类型以及修改自己的内容发布。

高连接度与兴趣领袖。推荐系统中，用户及其朋友更可能有相同的兴趣，推荐系统利用了这种社交关系的过滤和推荐；而这种机制反过来又作用于用户的兴趣演化。在一个电影评级数据集上的实验表明，一个占主导地位的群体将在协同过滤推荐生成中贡献更多的邻居，并凭借其在这些群体中的存在影响算法的预测，推荐算法优先考虑主导群体的偏好，还放大了所有用户对主导群体的偏见。具有更强的社会连接、社会同质性的个体，在算法作用下更容易得到向其他用户的推荐，在算法平台中生成更多的连接，它们的兴趣喜好也更容易向其他用户辐射。社交过滤带来的兴趣过滤、平台中特殊人群的兴趣偏好，均会传导至其他用户。这体现了高连接度的用户、重要节点个体如何具有成为算法平台兴趣领袖的可能性。

活跃反馈与兴趣领袖。平台推荐会放大“算法反馈”活跃用户的兴趣。对推特数据集进行分析后确认，每种算法的性能都高度依赖于活跃用户；当活跃用户发生变化时，推荐命中率会显示出很高的偏差。在对德国用户的政治评论和政党的帖子进行研究后得出，过度活跃的用户会强烈影响推荐系统；由于过度活跃的用户不对称地影响政治内容的流行，推荐算法也可能复制这种不对称性。对算法系统反馈少的人更容易被迫与算法系统中的“活跃用户”变得相似。过度活跃的用户还会在算法系统中形成一种迭代循环，不断放大先前已是活跃用户的兴趣对平台中其他用户兴趣的影响力和扩散力。

算法平台中的“兴趣领袖”带来算法推送，从投其所好到伪投其所好、从个性化兴趣到非个性化兴趣、从中介机构到中介个体、从算法单向作用到双向循环的理论模式与传播特质。兴趣领袖在算法平台中的作用机制，来自算法迎合性、算法可见性、社交过滤性、用户相似性、反馈活跃性等主要维度。它们经由算法的精确计算后产生非精确的数据异化与悖论逻辑，经由算法推荐准确率的约束，产生推荐满意度上的偏差与矛盾，使得用户在推荐关系中产生兴趣失真、兴趣折扣、虚假兴趣等后果。用户看似拥有“兴趣自由”，然而这种兴趣自由却是在“算法←→中介用户←→用户”的多重双向循环下的“伪自由”。传统媒介时代的意见领袖和算法媒介时代的兴趣领袖，具有在本体论和方法论上的根本差异，不能在前算法时代的“后视镜”中审视未来平台用户发生影响力的模式。把对于兴趣领袖的识别、调节应用于算法时代和网络文化的引导、管理与发展，是具有理论潜力与实践价值的重要问题。

（作者单位：同济大学艺术与传媒学院）