传播技术和人工智能的发展使算法成为信息社会的重要特征。随着移动媒体和数字终端的日渐普及，算法逐渐由“幕后”走到“前台”，而我们日常生活的方方面面正在被算法“包围”。作为资本、权力、技术、文化的集结体，算法使信息技术发展呈现出更为多元和丰富的传播景观，也对未来传播学的发展方向和路径带来了挑战。

　　算法的意涵与概念化

　　作为具有广泛应用性和连结性的信息技术，如何对算法进行概念化成为传播学领域重要的研究议题。算法的应用领域广泛，包括诸如GPS路线规划、购物推荐、属性匹配、病情预测等方面，各行各业的发展也日渐离不开算法的帮助。不难看出，算法具有明显的交叉学科属性，它的发展与计算机科学、神经科学、心理学、物理学、数学等学科领域关系密切，因而在定义上也具有多面向和多层次的特点。综合来看，目前学界对于算法的定义主要分为两个层面：基于技术逻辑的定义和基于社会科学视角的定义。前者强调其生产和应用的专业性，后者则更注重社会建构与文化情境。

　　美国华盛顿大学计算机科学教授佩德罗·多明戈斯（Pedro Domingos）认为，算法指基于特定而精确的逻辑运算，将输入的数据转化为可预期结果的编码指令。这一定义强调了算法的两大特点：逻辑和数据。前者是保证算法正确输出和有效运作的必要条件，后者则是算法发展不可或缺的“另一半”：只有基于数据支撑，算法才能运转并发挥其计算、分类、总结、推理的效能。相比较而言，基于技术层面的算法定义更加具体、集中和有针对性，同时展现出算法的高门槛和“黑箱”特点。

　　社会科学或者传播学对算法的定义在内涵和外延上更具包容性和多元范式。人类学家尼克·西弗（Nick Seaver）认为，算法是多元传递模式下的一种技术制度和文化实践。他认为，从社会建构的视角看，仅从数学逻辑的角度理解算法是不够的，应该将算法的定义拓展至社会科学的多元流派和范式中。他从社会对话与建构的视角出发，认为算法不仅是文化生活的一部分，而且已然成为文化实践本身。这样一种延展性的定义，将算法所嵌入的传播实践、社会文化、权力关系和技术政治纳入其中，为社会科学提供了更加广阔和丰富的研究图景。首先，该定义将算法的技术和文化双重属性纳入概念框架进行理解，有助于弥合社会科学对于算法研究中“技术缺失”的问题。其次，对于“制度”和“实践”的强调，突出了算法与社会之间“嵌入”和“脱嵌”的互动关系。这不仅让我们看到了算法渗透于社会系统的方方面面，也强调了作为聚拢社会资源和技术力量的算法所拥有的改变和阐释社会的力量。

　　研究导向的困境：历史、资本与技术

　　无孔不入的算法也为传播学的发展带来了挑战。一方面，作为社会科学，传播学倾向于研究技术的传播属性、渠道和社会影响，而对于诸如算法在内的技术可供性和运算逻辑本身的研究并不擅长。另一方面，算法作为网络社会“基础机构”的一部分，其背后的驱动力和连结性繁杂多样，很难界定个中关系。目前来看，传播学对于算法研究路径的开辟存在三个主要的挑战，分别来自于历史脉络、资本属性和技术实践。

　　首先，目前对算法的认识缺乏清晰的历史脉络，未能从科技传播史的视角对其历史历程、影响和特点进行全面理解。传播学者在研究算法时，忽略了算法本身的历史嵌入性和发展变迁。算法非无源之水、无本之木，它的出现也并非是数字时代和信息化的产物。最早的算法可追溯到中国的商周时期和古希腊战争时期，从对军事情报传递的加密到时日历法、算数测量等日常数学推理，都展现出算法的雏形和逻辑。算法的历史脉络发展也凸显出它本身的物质属性，而现今算法的电子化和虚拟化过程，可以被看作其发展历程中的承载方式的重要变迁之一。

　　其次，学界在高呼算法给社会带来的便利、高效、精准之外，常常忽视其背后基于商业和市场逻辑的资本链条。这样的研究多见于对人工智能、虚拟现实和大数据的先验性总结和量化研究之中。传播技术的紧密联系、庞大的用户数量和基础建设的巨额投入，往往是基于市场盈利和商业运作的逻辑。这凸显出算法的社会关联属性，IT巨头和风险资本的大量注入使算法在促进平台经济和日常消费的繁荣时，也使得人们面临信息安全、数据剥削、劳动不稳定等诸多问题。

　　最后，传播学在如何打开算法“黑箱”，关注技术拓展的传播形式和技术以外的数字实践等方面面临挑战。在研究信息技术传播时，传播学多关注媒介的内容接受与传递效果，忽视技术的可供性和承载性所带来的社会影响。算法作为信息传播技术研究中日益重要的组成部分，也对研究路径和研究方法提出了挑战。人类学家布莱恩·拉金（Brian Larkin）提出，对于传播技术的研究要注重民族志、田野调研、参与式观察等社会研究方法的应用，有效结合个体经验和社会框架理论，突出算法的实践属性。

　　传播学有关算法研究的发展方向

　　算法的出现重构了数字社会的传播路径，也影响了人们定义知识、认识世界的具体方式。作为一种传播中介和技术承载平台，未来传播学对于算法的研究方向可以重点关注以下四个方面。

　　一是算法与社会身份的建构。数字经济和互联网的发展大大拓展了算法作为技术的嵌入性和融合性，通过大数据累积和智能传播等渠道，算法逐步深入到社会生活的方方面面。人们的衣食住行、社会关系、宗教伦理、文化传统等日益彰显算法的渗透性。这里的社会身份泛指算法带来的文化表达、传播互动、自我认同以及社群建立等，它旨在探究算法如何渗透并对现代人的生活方式及其认同建构进行中介。

　　二是算法与新型社会传播机制的建立。对于传播模式的探讨一直是传播学研究的重点。算法作为具有资源聚拢特质的技术系统，重构了传播的地域关系、人际关系、阶层关系和时空关系。要探索基于算法的新型传播关系，除了秉持媒介效果研究、大数据预测研究的路径外，也应该拓展人工智能的接受与使用研究、网络路径分析研究、新媒体自动化生产、技术民族志等研究领域，进一步丰富算法传播研究的内容和图景。

　　三是算法话语的表征和传播实践。这里的话语表征指的是围绕算法所形成的社会话语和表达方式。福柯认为，话语决定特定时代人们探讨的问题和对象，话语是知识生产的途径。算法时代，人们生产、消费、实践的具体活动中都凸显出对于算法的知识建构体系和观点认识。这些有关算法的观点如何体现在文本、话语和传播实践中？个人表征如何在社会互动中变成群体话语，并产生变革力量？算法的话语力如何在个人、集体、组织和社会中传递？这种话语传播对社会结构和体制机制有何影响？这些是目前传播学算法的话语研究领域需要进一步思考的问题。

　　四是算法的批判和反思性研究。算法的批判和反思性研究可以从多个层面展开，包括算法的生产与传播效果、算法的虚拟性与物质性、算法的可见性和不可见性等。作为一种连接技术、政治、文化和经济的聚拢性系统，对于算法的诠释，传播学可以从文化研究、政治经济学研究、媒介研究、场域研究中汲取资源，来分析算法传播中所涉及的权力关系、修辞方法、合法化建构等议题。算法批判性和反思性研究要求传播学者紧密结合历史发展和时代背景，在经验研究的基础上有效提出问题、建议和思考。

　　上述四点仅是对未来传播学研究可能走向的预测和建议，目前，传播学领域的算法研究尚处于起步阶段，相关的研究理论和方法有待进一步探索。这对传播学的发展既是机遇也是挑战，国内传播学者应积极拓展算法研究的经验主义和批判研究范式，扎根实践研究，拓展理论化和概念化创新，积极推进算法的本土化研究。

　　延伸阅读：

　　人工智能与uedbet全球体育新形态（庞井君）

　　推进大数据、人工智能等信息技术与人文社会科学研究深度融合

　　让中国史诗焕发新的时代光彩：中国史诗研究与国际传播学术研讨会举办