對立極化，是算法的鍋還是人的鍋

4月25日，白宮記者協會晚宴上的槍聲與混亂，讓世界再次直觀地看到：在長期被吹捧為“成熟民主典范”的美國，政治分歧已經不再只是辯論與投票，而可能演變為現實中的對抗甚至沖突。

特工護衛特朗普，退下白宮記者協會晚宴的主席臺 視頻截圖

但如果把視線稍稍拉遠，就會發現這并不是孤立事件。從國會山事件到多次政治刺殺；從特朗普反復指控“選舉被竊取”，到社交媒體上不斷擴散的對立敘事；從電視辯論中針鋒相對的政客，到普通家庭餐桌上因政治立場爭執不休的親人——一種更深層的變化已經在美國發生：人群正被政治重新劃分，而且兩頭越來越極端。

與此同時，英國圍繞“脫歐”的長期爭論、德國關于移民與能源政策的分歧，使不同陣營之間的互不信任顯著加劇。

歐洲多國的建制派也受到各種力量的挑戰，以法國為代表，被視為“極右翼”的政黨明顯崛起。

對立與極化在全球似乎有同此涼熱的趨勢，在中國則表現為代際沖突和性別觀念沖突抬頭。比如家里老人時常看到說“孩子不孝順”的內容，另一方面“老登”也成了熱詞；一些雞毛蒜皮的社會問題，也總有人從性別角度切入炒作……

術語一大堆，但是……

極化已是人們能廣泛感知的現實，近年，圍繞極化成因的討論，聚焦到了互聯網平臺與算法機制上。一系列帶有強烈批判意味的概念被提出，用以描述算法如何“塑造”甚至“扭曲”公共輿論空間。

“信息繭房”（information cocoon）由美國法學教授凱斯·桑斯坦（Cass Sunstein）在其2006年出版的著作《信息烏托邦——眾人如何生產知識》中首先提出。他本人就有明顯的政治背景，曾任奧巴馬競選團隊的法律事務顧問，后在奧巴馬政府中出任白宮信息與監管事務辦公室主任。

這一說法強調，用戶在長期接觸與自身觀點一致的信息后，會逐漸被“包裹”在單一認知環境中，難以接觸不同立場的內容。

“回聲室”（echo chamber）更進一步，相比單純的隔絕，還強調“放大效應”：在同質化社群中，觀點不僅被重復，還會在不斷強化中變得更加極端。

2003年5月，中國網友用“傻子共振”來形容上述概念背后所假定的機制，后來被國內的營銷號捏造成美國著名社會學家戈夫曼發明的“術語”，反而成了場傳播學的鬧劇。

“過濾氣泡”（filter bubble）由IT領域的活動人士伊萊·帕里澤（Eli Pariser）提出。他假設平臺的個性化推薦系統（如搜索排序、信息流推薦）會在用戶“無感知”的情況下篩選信息，使其逐漸陷入由算法構建的“信息泡泡”之中。與“回聲室”相比，“過濾氣泡”更強調被動篩選機制。

這些術語的流行，本身就構成了一個值得觀察的現象。它們往往以形象化的比喻方式描述復雜機制，具有很強的傳播力，也在一定程度上放大了公眾對于技術系統的焦慮與不確定感，但其內核可能缺乏支撐。

哈佛大學伯克曼互聯網與社會中心資深研究員大衛·溫伯格就曾指出：“盡管桑斯坦頻繁使用這個詞……但從未定義過回音室”。

凱斯·桑斯坦與大衛·溫伯格

“過濾氣泡”則出自帕里澤在暢銷書中的故事：“2010年春天，當深水地平線石油鉆井平臺的殘骸仍在向墨西哥灣噴涌原油時，我請兩位朋友搜索‘BP’這個詞。她們非常相似——受過教育、白種人、左傾、住在東北部。但她們看到的搜索結果卻截然不同。”

在學術層面，他被批評為“未能超越此類軼事證據來充分定義他的核心概念”。而且和桑斯坦一樣，他們的概念都起于搜索引擎時代，在事兒還沒講清楚的情況下，就隨著技術熱點，無縫銜接到社交媒體平臺及其算法上了。這種“趕時髦”的做法，確實讓人心生疑慮。

俗話說，先問是不是，再問為什么。人們發明并反復使用這些概念，與對立極化相掛鉤，未必能體現“真相”，或許只是一種面對復雜信息環境時的解釋沖動與情緒回應。

算法是否、以及在多大程度上推動了極化，仍然是一個需要依賴數據與實證研究來回答的問題。

好在真有學者在解答“是不是”。

“信息繭房”等導致極化是真是假？

有的關于政治極化的研究直接動搖了“繭房”或“回音室”的普遍性和影響程度。

路透新聞研究所2022年發布的一項文獻綜述指出，包括高度極化的美國在內，絕大多數人的媒體“膳食”是多樣化的。

即使只依賴單一來源的人，他們通常綁定那些面向政治多元化受眾（內容也相應多元化）的來源，如商業或公共服務廣播公司。只有極少數人（通常僅占幾個百分點）完全依靠黨派來源獲取新聞。

例如在英國，僅有約6%至8%的公眾處于所謂黨派傾向嚴重、且由于缺乏交叉接觸而與反駁意見隔絕的“回音室”中。

“過濾氣泡”的軼事或許也只是個案而已。2018年到2019年的三項研究（Haim、Nechushtai & Lewis以及Krafft等人）都發現了與帕里澤所述截然相反的情況：搜索相同關鍵詞的不同用戶被提供了非常相似的信息，并且在5-10%的情況下看到了“甚至順序都相同”的相同搜索結果。只有在不同國家或使用不同語言瀏覽器的用戶之間，才不出所料地出現了實質性差異。

為了驗證算法對現實政治態度的具體影響，由普林斯頓大學、斯坦福大學等學術機構與Meta公司合作完成了多項關于2020年美國大選的大規模實證研究（發表于2023年的《科學》和《自然》雜志）。

研究人員將部分用戶移出算法驅動的信息流，改用“按時間順序排列”接收內容。別覺得有Meta輔助做試驗，研究可能不靠譜，他們并沒有藏著掖著。實驗數據證明，改為時間順序后，用戶在社交平臺上的互動行為和停留時間顯著減少，且接收到的內容組合發生了巨大變化——例如在Facebook上接觸到的政治內容總量增加了約15.2%，來自中性或混合來源的內容增加36.7%。

改為時間信息流后的內容比例變化，黃色為算法驅動，藍色為時間信息流

然而，盡管在線體驗發生了如此大的改變，在為期三個月的研究期內，用戶的議題極化（Issue Polarization）、情感極化（Affective Polarization）或政治參與度等關鍵指標并沒有出現任何明顯變化。這表明，人們根深蒂固的政治對立背后，主要原因并非算法。

改為時間信息流后，絕大部分極化關鍵指標都沒有明顯變化

發表在《科學》雜志上的另一項實驗，聚焦于社交媒體的“轉發”（Reshares）功能。研究者在2020年大選前的關鍵時期，對實驗組用戶的信息流進行了“刪除轉發內容”的處理。

結果顯示，這一操作確實起到了過濾作用，使用戶接收到的政治新聞總量（尤其是來自不可信來源的內容）大幅減少了約四分之一。然而，這種對信息流的大規模干預，同樣未能顯著改變用戶的個人政治態度或極化程度衡量標準。

發表在《美國國家科學院院刊》（PNAS）上的一項研究，通過4項嚴格受控實驗、招募了8883名美國受試者，在模擬YouTube界面的平臺上安排不同的推薦邏輯。研究人員設計了“傾斜式”算法（模擬過濾氣泡，提供3/1的與受試者相同的立場內容），以及“平衡式”算法（提供2/2對等立場內容）進行對比。

結果顯示，盡管傾斜式推薦顯著改變了受試者的觀看行為和停留時間，但在實驗階段內對用戶的政策態度、情感極化或媒體信任度幾乎沒啥明顯影響，證明“沒有可檢測到的極化效應”。

傾斜式（slant）算法相比平衡式的部分研究結果，政策態度、平臺互動、媒體信任等無明顯變化

研究者指出，實驗證據與關于算法誘導用戶集體激進化的流行敘事，并不一致。

這些研究和多篇文獻綜述都共同指向一個結論：社交媒體的算法和功能設計雖然極大地改變了信息分發的生態和用戶的在線行為，但它們似乎并不是驅動西方社會政治極化的核心動力，極化的根源可能更深植于社會和政治現實本身，而非技術邏輯。

由于缺乏對“回音室”或“過濾氣泡”如何作用的實際證據，昆士蘭科技大學數字媒體研究中心2019年的論文更是以嚴厲的措辭指出：“回音室和過濾氣泡主要構成了一場毫無根據的道德恐慌，它為更關鍵的問題——日益加劇的社會和政治極化——提供了一個便利的技術替罪羊。”

算法究竟帶來了什么

在真實世界中，英國和其他幾個國家的觀察性研究表明，基于算法選擇的搜索引擎和社交媒體，往往能引導用戶接觸到稍微更多、更豐富的新聞來源。

也就是說，至少這些人群并沒有被不同的氣泡有意隔開。如果真要說有什么分別的話，是算法支持的用戶反而比其他人享受了些許技術優勢。

研究發現，普通用戶主動尋找新聞時，每周平均僅依賴1到2個來源，但搜索引擎和社交媒體通過“自動偶然發現”（Automated Serendipity）和“偶然接觸”（Incidental Exposure）機制，實際上引導用戶接觸到了比其意愿更豐富、更多元的視角。

自動偶然發現是指算法給出的搜索結果，有時來自用戶不會直接訪問的來源。偶然接觸是指，用戶在主要用于其他目的的社交媒體網站上，偶然看到并閱讀新聞文章。

研究中很有說服力的一點是，這兩個機制與平臺商業利益是一致的，確實可能得到加強。

因為自動偶然發現創造了多樣性的體驗，能提高用戶的留存率。偶然接觸機制可以增加在社交媒體上花費的時間，因為人們偶爾會遇到有趣的文章。

國內的研究也發現，從平臺運營邏輯來看，制造“極化”對互聯網企業的長期發展并無益處。《算法向善與個性化推薦發展研究報告》分析抖音等代表性應用的數據，認為用戶閱讀內容的類型數量，以及內容的離散程度（分散度），與用戶的長期留存呈顯著正相關。這意味著，如果算法一味“投其所好”導致信息窄化，反而可能加速用戶的流失。

因此，平臺有內在動力通過“興趣探索”機制激發用戶的潛在需求，保障內容供應的健康與平衡。今日頭條、抖音等平臺經過數次算法迭代與升級，對多樣化信息推薦技術不斷優化，已經取得了一定的效果：一方面，選擇用戶過去不常觀看的內容類目，進行一定比例的推薦；另一方面，特別增加一些隨機內容，來保障用戶可見內容的多樣性。

好的算法和界面配合，在用戶感興趣內容的基礎上，還能深入激發、滿足用戶的潛在需求，進而滿足人對信息的多維度訴求。貴州返鄉創業青年丁浪在抖音上記錄腌蒜苔制作過程，算法把相關視頻準確推薦給對鄉村美食、農特產品感興趣的用戶，然后用戶能順勢在同屏搜索框中搜索、了解蒜苔烹飪相關內容，擴展相關知識。

深圳大學深圳城市傳播創新研究中心發布的《短視頻用戶的算法實踐與“破繭”報告》顯示，近八成（77.8%）短視頻用戶認為算法推薦的內容是多樣化的，能夠幫助其發現“以前不了解的全新興趣領域”。

清華大學社會科學學院的研究報告則提出了“破繭效應”：數據證明，隨著用戶使用時長和算法素養的增加，用戶感知到的內容同質化程度反而會下降，兩者呈反比關系。這種“信息偶遇”的機會，讓算法成為了開闊用戶視野、促進數字公平的工具。

麻省理工學院（MIT）在2021年也將TikTok的推薦算法列為“十大突破技術”，認為它體現了內容公平性讓普通人也能獲得名人般的關注。

如果放棄算法，核心問題在于，一是內容太多，產生了“信息過載”的問題；二是不值得信賴的來源，在時間流中可能會大幅增加，美國的研究中就出現了68.8%增幅。

算法的個性化推薦對于解決這兩個問題，也起到了至關重要的作用。

關鍵還是在人

在深挖西方政治極化的根源時，越來越多的研究者發現，與其將矛頭指向算法，不如審視人類自身的社交本能和心理偏好。社交媒體并非制造分歧的工廠，而更像是一面“棱鏡”，折射著人類固有的行為邏輯。

選擇性地使用與既有信念相符的信息是人之常情。人們傾向于回避與其信念相沖突的媒體內容。這方面的首批數據是在1940年美國大選期間收集的：民主黨人更可能接觸民主黨的競選活動，共和黨人更可能接觸共和黨的競選活動。

直到20世紀上半葉，許多歐洲國家都存在強大的黨派報刊，人們接觸的主要是志同道合的信息。一個典型的例子是荷蘭的“柱化”時期，天主教徒通常被認為閱讀天主教報紙、加入天主教體育俱樂部、收聽天主教廣播。左翼投票的工人有自己的“柱”，新教徒也是如此。

那些年代里可沒有算法什么事。如今，簡單地打破“信息繭房”，在社交媒體上接觸對立觀點，往往會產生“適得其反”的效應（Backfire Effect）。根子還是在人。

杜克大學社會學家克里斯·貝爾（Chris Bail）的實證研究讓受試者在一個月內，關注一個持續轉發對立黨派政客和意見領袖言論的機器人賬號。結果顯示，受試者并沒有變得更加溫和理性，民主黨受試者的立場也呈現出更加自由化的趨勢，而共和黨受試者，在被迫接觸自由派觀點后，其保守傾向顯著增強。

研究者認為，人類的動機性推理（motivated reasoning）會促使人們在遭遇反面證據時，通過反駁對方來強化自我認同，從而加劇政治極化。

如果確實不是算法的鍋，那究竟是人的哪些方面出了問題？一個原因也許就是人類的社交動機與“同質性聚集”（Homophily）傾向。

2024年發表在《實驗心理學期刊：總論》（Journal of Experimental Psychology: General）的一項研究揭示，社交媒體用戶關注、互動和回粉行為的主要驅動力是“社交動機”而非“信息動機”。人們更傾向于與分享相似世界觀的“同黨”建立聯系，并對對立陣營表現出天然的排斥，這種對社交歸屬感的追求導致了在線社交網絡自然演化為彼此隔絕的集群。

另一項發表在《自然》旗下《計算社會科學雜志》的模擬研究也證明，即便在算法干預最小的環境中，只要存在極少量的社會影響力和“取關”（Unfollowing）不同意見者的行為，社交網絡就會迅速退化為分散、同質的“回音室”。

阿姆斯特丹大學邏輯、語言與計算研究所（ILLC）在2025年的最新模擬研究中則采用隱藏點贊數或強化跨黨派內容推薦的操作，發現“回音室”的出現主要是因為人們在互動中存在“選擇性接觸”和“確認偏差”，傾向于尋找符合先前觀點的信息并回避沖突。

這種情感化的參與驅動了網絡結構的增長：人們通過轉發來構建關注網絡，而轉發決策往往是情感性和防御性的，這形成了一個自我強化的循環，使極化成為社交媒體架構中難以通過技術手段根除的深層機制。

西方政治學者還普遍關注了“政治精英極化”，認為他們越來越極端的言行，也是驅動社會分歧擴大、把普通人帶溝里的關鍵因素之一。例如，在氣候變化議題和疫情問題上，美國精英的矛盾立場，直接導致了公眾對科學機構（如CDC）信任的迅速瓦解和黨派陣營的對立。

極化水平的波動與外部現實事件高度同步，而非受控于平臺邏輯。發表在《自然》正刊上的研究對Reddit長達14年的數據進行了量化分析，發現在2012年至2015年間，該平臺的政治極化程度保持在一個非常穩定的區間。然而，在2016年美國大選年，平臺的極化程度驟然飆升，并在隨后的年份持續保持高位。

關鍵證據顯示，這種系統性的極化并不是由老用戶在平臺內變極端驅動的，而是由當年的“新增用戶”和“新參政用戶”帶來的。大選這一外部社會政治事件將大量已經極化的群體吸納進社交平臺，改變了整體的生態，這側面說明極化是一個社會性、歷史性的現實問題，平臺和算法只是承載這些矛盾的載體而非源頭。

更重要的背景，則是美國為代表的西方社會發生了重大裂變，貧富差距拉大，大量民眾在全球化中失落……這方面的論述更是汗牛充棟。

相比于人類的本能、政客的盤算，以及外部整體氛圍的帶動，算法這一技術工具，反而可以說是相當“情緒穩定”了。將復雜的政治與社會分裂，歸因于單一技術機制，無助于問題的解決。

“信息繭房”“回聲室”或“過濾氣泡”作為一種時代情緒的投射，捕捉到了某些真實的變化，卻未必構成完整的解釋。真正需要回答的，仍是一個更為困難的問題：在一個由技術深度介入的信息環境中，社會是否還能維持基本的事實共識與公共討論空間？而不是簡單地甩鍋給算法或技術，把它們作為“便利的替罪羊”。