从比特到人工智能：数字新闻生产的算法转向

从比特到人工智能:数字新闻生产的算法转向

张超 钟新

 

摘  要:近年来数字新闻业正经历“算法转向”:从比特形式走向更为高级的人工智能阶段。“算法转向”让数字新闻与传统新闻的边界进一步明晰,二者的区别不仅在于是否数字化,更在于算法机制。算法广泛、深入地应用于数字新闻生产也带来了变革,包括新闻价值评价由经验判断转向实证测量、新闻内容生产模式由“手工作坊”转向人机协同、新闻叙事由线性叙事转向交互叙事、新闻内容推送方式由大众化覆盖转向个体化定制、表征现实的机制由记者中介转向算法中介。与以往媒介革命以技术为导向不同,这次的“算法转向”不仅与技术有关,更是一种新闻生产方法论和思维方式的大变革,重构着数字新闻生产理念。

关键词:算法,算法转向,人工智能,数字新闻

基金项目:2017年度教育部人文社会科学研究青年基金项目“大数据时代的数据新闻生产与伦理研究”的阶段性成果,项目批准号:17YJC860033。

作者:张超,山东大学(威海)文化传播学院讲师,博士,硕士研究生导师;钟新,中国人民大学新闻学院教授,博士,博士研究生导师。

本文原刊发于《编辑之友》2017年第11期。

 

21世纪以来数字新闻业(Digital Journalism)在经历了最初的数字化阶段后,在技术的驱动下正从比特(bit)形式走向更为高级的人工智能(Artificial Intelligence,AI)阶段。人工智能是指能够模拟人类智能活动的智能机器或智能系统。[1]人工智能诞生于20世纪50年代,以冯・诺依曼、图灵为首的科学家试图通过符号化编程实现人工智能。20世纪末由于硬件能力不足、算法缺陷等原因,人工智能技术发展陷入低迷期。进入21世纪以来,大数据、云计算等信息技术给人工智能发展带来了新机遇,[2]已成为新一轮科技革命和产业变革的新赛场。[3]

在数字新闻生产中,人工智能已渗透到整个生产链中:机器人自动撰写财经和体育新闻、数据记者利用网络爬虫(web scraping)自动抓取网页数据、新闻App利用个性化推荐算法向用户推送内容……

人工智能阶段是数字新闻业发展的一次飞跃,这一转向的内核是算法广泛、深入地参与到数字新闻生产中。算法是解题方案的准确而完整的描述,是一系列解决问题的清晰指令,能对一定规范的输入,在有限时间内获得所要求的输出。[4]支撑人工智能的核心机制是算法,故数字新闻业的这一转向也被称为“算法转向”(algorithmic turn)[5]:数字新闻生产越来越以算法为主导。算法让数字新闻与传统新闻的边界进一步明晰,二者的本质区别不仅在于是否“数字化”(digitalization),更在于算法机制。

数字新闻生产的“算法转向”改造着新闻生产的惯习、创新着新闻生产模式,也让新闻文化渗入更多的技术气质。与以往媒介革命以技术为导向不同,“算法转向”不仅与技术有关,更是一种新闻生产方法论和思维方式的大变革,重构着数字新闻生产理念。

一、从经验判断到实证测量:量化取向的新闻价值评价标准

在传统新闻采编模式中,记者主要依靠新闻价值标准和自身的新闻敏感判断“何以是新闻”,这种“发现”和“决定”新闻的方式本质上是主观的。记者虽然会站在受众的角度思考问题,但受众是“想象的受众”,记者在新闻价值判断中依然居于核心地位,导致新闻选题的接近性、针对性和触达率不足。《纽约时报》的统计显示,该报每天刊发约200篇新闻,被受众阅读的新闻是少数。[6]

在信息稀缺的传统媒体时代,媒体这种新闻生产的低效率问题不大,甚至被称为“有益的低效率”:由于受众对新闻报道的实际阅读难以计量,广告主对自身广告的实际效果难以掌握,加之媒体是稀缺资源,导致广告定价较高,对媒体而言形成了“有益的低效率”。[7]但在信息超载的新媒体时代,“有益的低效率”不复存在,受众的阅读行为是可以精准记录的,广告效果也是可以精确测量的。在无法计量的时代,记者的经验在新闻价值评估中是重要的;在可计量的时代,对用户、新闻事件和话题的关联分析则是判断新闻价值的重要依据。

基于算法的舆情监测和用户分析系统可帮助媒体有效规避选题风险、提升新闻生产效益。由于用户的行为习惯可以通过数据间的挖掘和关联得以深入分析,记者能够获得特定选题的特定“用户画像”(Persona)。例如一位电视台总编在考虑电影《你的名字》相关新闻是否要播出时,结合了今日头条对该电影关注人群的特征分析和电视台自身的目标受众后放弃了该选题。[8]

算法还可以优化既有新闻资源的再利用效率,让新闻内容不再是一次性的“易碎品”,而是可以在特定条件下再次利用的“关联物”。《卫报》编辑基于内部实时数据分析软件Ophan查看每篇报道的用户流量和实时变化,在发现前海豹突击队狙击手克里斯・凯尔死亡事件的关注流量因其生平电影《美国狙击手的释放》上映突然增加时,该编辑重新推送了一篇两年前的旧文。[9]

二、从“手工作坊”到人机协同:智能化的新闻生产模式

传统的新闻生产模式是以记者、编辑为中心的人工生产模式,从选题到采编环节的决策过程主要依靠记者、编辑完成。技术作为一种应用工具出现,而非相对独立的生产主体,这种模式打个比方就是“手工作坊”。

基于算法的人工智能实现了不同程度的新闻生产智能化,可代替记者采集数据、筛选数据、甄别数据、分析数据,甚至独立完成新闻写作,直接挑战着记者在新闻生产中的核心地位。在算法驱动的新闻生产中,人工智能不再是辅助生产的手段,而是一个相对独立的生产主体。

在数据采集中,海量数据经由算法可以实现自动采集和批量处理。2016年10月英国政府批准了希思罗机场修建第三跑道的计划,为了调查机场附近居民对噪音投诉的实际情况和影响,BBC数据记者编写网络爬虫程序抓取希思罗机场官网的居民投诉数据。[10]

在数据分析中,算法极大提升了新闻生产效率。2016年国际调查记者同盟联合全球100家新闻媒体制作了数据量达2.6TB的大数据新闻报道《巴拿马文件》(Panama Papers),由于人工分析耗时、易错,报道团队借助人工智能技术很快完成了原始文件的分析。[11]

近年来算法也被一些主流媒体广泛应用于体育、财经和灾害等领域的新闻写作中,机器人新闻(或称之为自动化新闻)成为数字新闻业的新潮流。

当然机器人写作的兴起引发关于“写作机器人是否可以替代记者”的争论。技术的进步必然导致某些特定的工种被机器人替代,各行各业都是如此。从目前的趋势看,机器人并不能完全替代记者,只能“有选择”地替代记者的某些技能。因为算法只能提供固定撰写模式,[12]模式化的消息写作较适合机器人,深度调查与分析只能由记者来做。

在笔者看来,算法与记者的关系并非“替代”关系,而是“耦合”关系,二者像硬币的两面,在数字新闻业中扮演着同样重要的作用:算法可将记者从日常繁琐、模式化的低水平写作中解放出来,从事更有创造性的新闻生产活动。美联社运用算法自动生成收益报告类的财经新闻,就是为了让记者有时间从事更为复杂和定性的采访报道。[13]在未来数字新闻生产中,记者与人工智能更多的是一种人机协同的工作机制(见图1)。

图1.人机协同的数字新闻生产模式[14]

在选题策划阶段,算法负责发现选题,编辑就各选题的各个量化评价指标结合社会现实进行筛选;在内容采集阶段,算法负责搜集新闻素材,记者负责采访关键人物,获取一手资料;在内容写作阶段,算法实现初稿写作,记者进行深入分析;在内容分发阶段,算法进行针对性和个性化的分发,编辑监控分发流程;在效果反馈阶段,算法搜集、处理、分析反馈情况,编辑基于算法的分析进行进一步分析与评价。

在人机协同模式中,记者与机器人互通有无、互补共生,进行更加智能、高效的新闻生产,这种模式将成为未来数字新闻生产的主流。

三、从“看新闻”到“玩新闻”:交互式的新闻叙事范式

传统的新闻叙事注重连续性,虽然不同受众对叙事文本的解读存在差异,但受众接受的叙述文本是相同的。[15]舒德森谈到现代新闻常给人一种“标准化”的感觉:“报道应不分男女老少、人种和性别偏好”。[16]

新技术不仅改变了新闻文本的形态,还具备重塑新闻叙事范式的潜力。[17]算法驱动下的新闻叙事最大的改变在于叙事的交互化,催生了具有数字新闻叙事特征的叙事方式――交互叙事。

交互叙事是指运用交互技术手段进行的叙事行为。在数字新闻业发展初期,记者对交互手段的运用极为有限,新闻报道多沿袭传统新闻的线性叙事。线性叙事注重故事的完整性、时间的连贯性、情节的因果性,这种叙事观念的背后包含着对世界的秩序感与确定性的信念和诉求,[18]是一种以作者为导向的叙事模式。线性叙事的快感在于下一秒的未知性,通过“流”(flow)的方式引导受众接触新的或者没有预期到的东西。[19]因此我们常看到所谓的数字新闻其实就是报纸文章的“数字版”。数字新闻与传统新闻的界限并不明显。

“新闻机构必须意识到新闻是通过电脑推送的,而电脑的本质是交互的。”[20]线性叙事涉及新闻内容的“优先权”(Priorities)问题,[21]交互叙事则鼓励受众做自主探索。这实际上顺应了数字时代“去中心化”和“参与”的媒介文化。交互叙事可生成具有受众个人意义的叙事内容,满足受众对特定信息的获取与消费,实现新闻叙事的“功能性意义”(functional significance)[22]。新闻文本的交互特性使受众在阅读新闻内容时由“看新闻”变“玩新闻”,提升新闻的互动性与参与性。

在数字新闻中有“游戏化”(gamification)和“新闻游戏”(newsgame)两种不同程度的交互叙事,二者带来的沉浸程度也不尽相同。

游戏化是让数字新闻文本具有某种交互式的游戏功能,但文本本身不是游戏形态。例如报道页面中设置导航条方便受众选取特定的内容阅读;在数据可视化中采用交互地图,方便受众探索不同地区的个性化信息等。

新闻游戏则让交互叙事更进一步,它用新闻学原则去开发游戏的媒体功能,在真实事件和问题的基础上,为玩家提供基于真实世界的虚拟体验。[23]游戏与故事的不同在于,故事通过一系列不变的事实来表现,而游戏通过分叉树来表现,允许玩家在每个分叉的地方做出判断,创造自己的故事。[24] ProPublica推出的新闻游戏《拯救心脏病患者》(HeartSaver: An Experimental News Game),游戏的故事背景是纽约市有上百万人患有心脏病,然而医院的救治水平、距离患者住处的远近等因素影响着心脏病患者的存活几率,受众可通过游戏体验具体的决策情境,了解自己的选择对病人存活几率的影响。

当然我们也要看到,在交互叙事中受众看似可以“自由”探索文本,可这种“自由”是形式上的,而非本质上的。交互叙事的本质是规则(rules)叙事。在游戏类的交互叙事中,规则是人为设定以保证游戏进程正常进行的预设性命题,它决定了游戏以什么方式展开,如何判定胜负,保证游戏有序地进行,[25]正是这些规则使游戏者的行为富有意义。[26]交互叙事看似给予用户在探索文本上的自由,实则通过规则操控着受众的行为与思考,只不过作者的观点不是通过直接表述,而是通过规则主导下的情节设置、路径设计和运算法则,将观点通过受众的实际参与和体验“转译”过来,这个过程是迂回的。[27]

四、从大众化覆盖到个体化定制:精准化的新闻内容推送方式

数字新闻有三种新闻推送方式:媒体型、关系型和算法型。[28]媒体型是指新闻内容的分发用频道或栏目的形态对内容进行分类,具有传统新闻生产的特点,以新浪、网易等各大门户网站和传统媒体的数字平台为代表。关系型是指通过社交关系(如转发、订阅等)推送,以微信和微博为代表。算法型是指依据用户的兴趣、行为、场景等数据进行个体化推荐。

在媒体型推送中,用户是类型化的大众,该群体数量庞大、匿名,而且是不确定的。在关系型推送中,媒体对用户的了解着眼于节点、集群或社会网络关系。在算法型推送中,媒体了解每一个个体,可实现精准推送,完全实现新闻内容分发的针对性、适配性和个性化。如今日头条基于个性化推荐算法可实现“为每个人推荐不一样的头条”。

在用户体验理念盛行的当下,算法型推送无疑成为用户定制个性化信息的首选。与此同时有关“回声室效应”(Echo Chamber Effect)和“信息茧房效应”(Intormation Cocoons Effect)的忧虑不绝于耳。“回声室效应”通俗地说是信息或想法在一个封闭的小圈子里得到加强。[29]“信息茧房效应”是指在信息传播中因公众自身的信息需求并非全方位,只注意自己选择的东西,久而久之会将自身桎梏于像“蚕茧”一般的“茧房”中。[30]

以上假设不无道理,却蕴含着悖论:如果从用户体验的角度看,个性化推送越准确越好,可“回声室效应”和“信息茧房效应”就越容易生成。如果放弃一定程度的用户体验,虽然推送的内容多元了,用户可能会因为推送的内容不准,转而寻找推送更精确的算法应用程序,最终还会导致“回声室效应”和“信息茧房效应”。

在笔者看来,精准化的新闻内容推送与“回声室效应”和“信息茧房效应”的产生并不必然是线性的因果关系,因为用户是主动的、积极的。2015年《科学》杂志的一份针对Facebook与“回声室效应”关系的研究显示,导致“回音室效应”的直接原因并非Facebook的算法,而是用户本身。[31]换而言之,能否产生“回声室效应”取决于用户自身的主观能动性。

在整个社会媒介环境中,如果用户的选择性接触只聚焦自己感兴趣的内容,无论是否存在个性化推荐算法都会导致这种效应的形成。也有研究发现,虽然有些人可能会寻求或避开某些类型的媒体,但大多数人对新闻内容的消费仍然是“杂食性”的。[32]算法并非“过滤泡沫”的罪魁祸首,个人的偏好才是其接触异己信息的最大障碍。[33]

五、从记者中介到算法中介:再中介化的表征现实机制

有观点认为互联网正在使我们摆脱守门人和中介,非中介化(Disintermediation)被视为数字时代的本质特征。[34]在传统媒体时代,记者是客观现实与表征现实之间的中介,记者将新闻事件运用特定的编码方式(如图像、文字、声音)转换成可供用户理解的现实表征。

人工智能的应用看似在客观现实与表征现实间去除了“人”(记者)的因素,让客观现实与表征现实间的关系由“折射关系”转向“等同关系”,实际上人类对世界的认知并没有纯粹的透明中介或无中介。人工智能看似将作为中介的记者排除在外,实际上是一种“再中介化”。再中介化是阿尔文・托夫勒在《第三次浪潮》中提出的一种中介演变过程:在线辅助手段取代了传统中介的作用,在数字环境中充当了新中介的角色。[35]

在算法驱动的数字新闻生产中,从客观现实到表征现实的“转译”(mediation)过程需要经过两个阶段:记者对客观现实的转译和程序员对记者转译后的客观现实的再转译(见图2)。在这一过程中,记者作为中介的因素被用户忽略,甚至算法设计者也会声称算法是中立的。然而记者并未离场,并且新的中介――算法,也需要经历程序员这个中介才能产生。

图2.数字新闻生产的再中介化过程

这种再中介化的表征现实机制,让记者与程序员的关系由传统新闻生产中的上下游关系转向水平关系。在《华盛顿邮报》和《芝加哥论坛报》出现了“嵌入进编辑部的开发者”(Embedded Developers)团队。[36]记者不掌握技术、程序员缺少对社会现实的洞察,这意味着程序员在算法设计中需要兼顾记者对客观现实的理解和算法对这些问题的“转译”。算法转译是更为抽象的数据转换过程,这个转译过程不仅难度高,还受制于多种因素,如数据缺陷、运行效率等。所以数字新闻的再中介化过程是从人(记者)到人(程序员)再到物(算法)。当客观现实以数据的方式输入算法时,看似只是经由算法这一个中介,其实背后还隐藏着记者和程序员对客观现实的思考,算法则以科学的名义,成为新的、被视为权威的外显中介。

对数字新闻生产中的再中介化问题,我们要批判看待。长久以来,人们对计算机技术存在一个误解:算法决策是公平的,因为数学关乎方程,而非“肤色”。[37]算法中立的支持者试图通过算法与传统媒体的编辑价值观划清界限。[38]谷歌坚持算法的中立性和客观性,不承认自己的算法可能存在缺陷和偏见应予以修正;[39]今日头条CEO张一鸣提出“去主编论”“唯算法论”;Facebook因“新闻偏见门”解雇“热门新闻话题”(Trending Topics)编辑人员,改用算法推送……这些都是基于算法中立的假设之上。实际上作为中介的算法并不中立。算法也有价值观,不那么“传统”的是,这种价值观隐蔽在代码的悄然运行之中。[40]

为何有人会坚持算法无偏见?主要的原因是利益诉求。如谷歌声称自己的搜索引擎算法是中立的,为的是规避伦理风险。[41]

算法也有偏见,算法偏见(algorithm bias)的原因多种多样,算法设计者的偏见、输入数据的偏见和算法局限导致的偏见都会引起输出结果的偏见。我们不妨看下算法是如何被设计的。算法设计很复杂,包括理解问题、选择算法设计技术、设计并描述算法、手工运行算法、分析算法效率、实现算法等六个环节。[42]这些环节都需要“人”的介入。可以说所有的算法都包含人的影响,是人创造出来的客体,是包含了人的意向(intent)和人的能动性(agency)的产物。[43]因此算法不是完美和万能的,有优劣和适用性之分,例如正确性、可读性、稳健性、高效率与低存储量需求。[44]即便算法设计者力求做到客观公正,算法设计者无意识的认知偏见也可能会通过算法中对标准的选择体现出来。[45]

算法是人工物,而非透明物,再中介化同样存在表征现实的风险:以科学的名义导致更大的偏见。

结语

从比特到人工智能,驱动这一转变的不是一个个外在的技术应用,而是算法对数字新闻生产的介入。作为“人工物”的算法,本质上反映的是人的意志。“算法转向”在给数字新闻业带来机遇的同时,如何提防算法偏见带来的负效应,是数字新闻业者值得深思的问题。

 

参考文献

[1] 朱巍,陈慧慧,田思媛,王红武(2016).人工智能:从科学梦到新蓝海――人工智能产业发展分析及对策[J].《科技进步与对策》,(21),66.

[2] 朱巍,陈慧慧,田思媛,王红武(2016).人工智能:从科学梦到新蓝海――人工智能产业发展分析及对策[J].《科技进步与对策》,(21),66.

[3] 王子约(2016).《“中国智造”确定AI升值路线图》[EB/OL].检索于http://tech.china.com/news/company/892/20160329/22325753_all.html.

[4] 吕国英(2009).《算法设计与分析》(第2版).北京:清华大学出版社,p7.

[5] Napoli, Philip M(2013).The Algorithm as Institution:Toward a Theoretical Framework for Automated Media Production and Consumption[EB/OL].检索于http://origin-rh.web.fordham.edu/images/undergraduate/communications/the%20algorithm%20as%20institution.pdf.

[6] 虫洞翻翻(2017).《传统媒体如何转型?<纽约时报> 这份内部报告给你最佳答案》[EB/OL].检索于http://mp.weixin.qq.com/s/pxexJswDTzIotRSH0lJw0A.

[7] 叶夫根尼・莫罗佐夫(2014).《技术至死:数字化生存的阴暗面》(张行舟,闾佳译)[M].北京:电子工业出版社,p173.

[8] 沈童睿,朱彦冰,邱志伟,徐曼妮,马越(2017).《今日头条媒体实验室:大数据将辅助新闻生产的所有环节》[EB/OL].检索于http://mp.weixin.qq.com/s/a3lH-qhzoNSXsc5d1CZp0g.

[9] Lichterman,J.(2016).《<卫报> 如何不断改进他们内部的数据分析系统》[EB/OL].检索于http://sanwen.net/a/yqkowbo.html.

[10] Wainwright,D.(2017).《伦敦希思罗机场有多扰民?BBC数据记者用爬虫揭晓》(梁思然编译)[EB/OL].检索于http://cn.gijn.org/2017/01/12/伦敦希思罗机场有多扰民?bbc数据记者用爬虫揭晓/.

[11]Marconi,Siegman&Machine Journalist(2017).The Future of Augmented Journalism:A guide for newsrooms in the age of smart machines[EB/OL].检索于https://insights.ap.org/uploads/images/the-future-of-augmented-journalism_ap-report.pdf.

[12]Ferenstein,G.(2014).《洛杉矶时报使用算法采写洛杉矶地震余震》(王博源译)[EB/OL].检索于http://techcrunch.cn/2014/03/19/an-algorithm-wrote-the-la-times-story-about-the-citys-earthquake-aftershock-today/.

[13] Marconi,Siegman&Machine Journalist(2017).The Future of Augmented Journalism:A guide for newsrooms in the age of smart machines[EB/OL].检索于https://insights.ap.org/uploads/images/the-future-of-augmented-journalism_ap-report.pdf.

[14] 《智媒来临:2016中国新媒体趋势报告》[EB/OL].检索于http://tech.qq.com/a/20161115/003171.htm#p=70.

[15] 关萍萍:《互动媒介论:电子游戏多重互动与叙事模式》[M].杭州:浙江大学出版社,p7.

[16] Schudson,M.(2013).Reluctant Stewards: Journalism in a Democratic Society.Daedalus, (142) 2,159-176.

[17]朱瑞娟(2017).连接与隔离:虚拟现实新闻叙事的伦理风险.(4),48.

[18] 孙为(2011).《交互式媒体叙事研究》[D].南京艺术学院博士学位论文.南京.

[19] 詹姆斯・韦伯斯特(2017).《注意力市场:如何吸引数字时代的用户》(郭石磊译)[M].北京:中国人民大学出版社,p69.

[20] Reid,A.(2013). Newsgames: Future media or a trivial pursuit?[EB/OL].检索于https://www.journalism.co.uk/news/newsgames-future-media-or-a-trivial-pursuit-/s2/a554350/.

[21] 林少雄,吴小丽(2006).《影视理论文献导读(电视分册)》[M].上海:上海大学出版社,p155.

[22] 功能性意义是指一种选择从多大程度上能满足用户的欲求、需求和兴趣。见[美]Crawford,C.(2015).《人民邮电出版社,p34.

[23]黄鸣奋(2014).数字化语境中的新闻游戏[J].《重庆邮电大学学报(社会科学版)》.(5),95.

[24]方太平,代晓蓉(2010).《游戏设计概论》[M].北京:电子工业出版社,p4.

[25] [美]Despain,W.(2015).《游戏设计的100个原理》(肖心怡译),北京:人民邮电出版社,p42.

[26] [英]戴安娜・卡尔,大卫・白金汉,安德鲁・伯恩,加雷思・肖特(2015):《电脑游戏:文本、叙事与游戏》(丛治辰译),北京:北京大学出版社,p8.

[27] [美]Crawford,C.(2015).《人民邮电出版社,p62.

[28] 方师师(2016).《什么决定你的新闻:平台媒体新闻业务算法机制比较研究》.检索于http://mp.weixin.qq.com/s/Yrvx9UuDtsvvWc1VX0CXMg.

[29] 胡泳(2013).《网络“回声室效应”影响公共领域形成》[EB/OL].检索于http://yjy.people.com.cn/n/2013/0903/c245081-22793128.html.

[30] 凯斯・R.桑斯坦(2008).《信息乌托邦:众人如何生产知识》[M].北京:法律出版社,p8.

[31] 橙太白(2015).《Facebook用1010万用户行为数据解释“回音室”效应》[EB/OL].检索于http://www.php230.com/wtoutiao/737917.html.

[32] 詹姆斯・韦伯斯特(2017).《注意力市场:如何吸引数字时代的用户》(郭石磊译)[M].北京:中国人民大学出版社,p168.

[33] Cobblest(2015).《限制你眼界的不是算法,而是你自己》[EB/OL].检索于http://www.guokr.com/article/440260/.

[34] 叶夫根尼・莫罗佐夫(2014).《技术至死:数字化生存的阴暗面》(张行舟,闾佳译)[M].北京:电子工业出版社,p171.

[35] 柴家栋梁(2016).《在线短租的“去中介化”与“再中介化”》[EB/OL].检索于http://mt.sohu.com/20160202/n436648988.shtml.

[36] 钱进,周俊(2015).从出现到扩散:社会实践视角下的数据新闻[J].《新闻记者》,(2),60-66.

[37] 曹建峰(2016).《人工智能――机器歧视及应对之策》[EB/OL].检索于http://mp.weixin.qq.com/s/Qx7U-tDVEtMW4JtQ7jo3dA.

[38] 邓江波(2017).《算法也有价值观》[EB/OL].检索于http://www.infzm.com/content/122069.

[39] 叶夫根尼・莫罗佐夫(2014).《技术至死:数字化生存的阴暗面》(张行舟,闾佳译)[M].北京:电子工业出版社,p151.

[40] 邓江波(2017).《算法也有价值观》[EB/OL].检索于http://www.infzm.com/content/122069.

[41] 叶夫根尼・莫罗佐夫(2014).《技术至死:数字化生存的阴暗面》(张行舟,闾佳译)[M].北京:电子工业出版社,p151.

[42] 王红梅,胡明(2013).《算法设计与分析》(第2版)[M].北京:清华大学出版社,p6-7.

[43] Diakopoulos,N.(2015).Algorithmic Accountability: Journalistic Investigation of Computational Power Structures[J].Digital Journalism, 3(3),398-415.

[44] 吕国英(2009).《算法设计与分析》(第2版)[M].北京:清华大学出版社,P7.

[45] Byrnes,N.(2016).《我们为什么应该认为算法带有偏见》(Younger译)[EB/OL].检索于http://mt.sohu.com/20160629/n457083996.shtml.