在移動(dòng)互聯(lián)網(wǎng)時(shí)代,，面對(duì)用戶在新媒體上全新的閱讀習(xí)慣和喜好,，基于機(jī)器算法的個(gè)性化推薦閱讀機(jī)制，正顯現(xiàn)出強(qiáng)大的爆發(fā)力,。這是因?yàn)闄C(jī)器算法會(huì)對(duì)用戶瀏覽,、收藏、轉(zhuǎn)發(fā),、評(píng)論新聞資訊的行為不斷作出分析,，建立起個(gè)人用戶模型，智能地為用戶推薦越來越精準(zhǔn)的個(gè)性化信息,。據(jù)統(tǒng)計(jì),，在網(wǎng)絡(luò)資訊分發(fā)市場(chǎng)上，算法推送內(nèi)容已逾50%,。

一時(shí)間,，個(gè)性推送時(shí)代，算法當(dāng)?shù)?，編輯后撤甚至無用的說法不絕于耳,。果真如此嗎？機(jī)器算法雖然適應(yīng)了移動(dòng)傳播分眾化,、定制化的趨勢(shì),，但其本身存在著不小的局限。

首先,，縱然機(jī)器算法再智能,，但仍無法猜透更加復(fù)雜的人心。算法推薦帶來的弊端是,，容易把用戶一次性的,、偶然性的,、表面的行為，解讀為用戶真實(shí)的,、深層的興趣和心理需求,。目前，機(jī)器算法還處于初級(jí)階段,，追求的是規(guī)?；簿褪橇髁?，這會(huì)導(dǎo)致一些媒體一味追求流量,，大量生產(chǎn)低俗、色情,、暴力化的內(nèi)容,。唯算法論，容易造成推薦不一定是用戶所想,、非用戶所需的窘境,。

其次，即便依賴于機(jī)器算法推薦,，會(huì)讓用戶的視野變窄,，形成信息孤島，從而擠壓掉用戶真正感興趣或者培養(yǎng)新興趣話題的空間,。機(jī)器算法看似人性化,，實(shí)則在閹割新聞。用戶生活在自我的世界,，無法感知興趣之外的新事物,，久而久之，將帶來個(gè)人信息接收的窄化,，會(huì)將自身桎梏于像蠶繭一般的“繭房”中,。新聞除了讓人感知世界外，還能啟迪思想,。讓人擔(dān)心的是,，機(jī)器算法讓思想裹足不前。

再者,，對(duì)于內(nèi)容生產(chǎn)者來說,，需要討好的不一定是用戶，而是機(jī)器算法,。聳人聽聞的標(biāo)題,、格調(diào)低俗的內(nèi)容由于更易被點(diǎn)擊被轉(zhuǎn)發(fā)，因而更容易被算法當(dāng)做“受歡迎”內(nèi)容推薦。利益驅(qū)動(dòng)下,，機(jī)器算法容易被做號(hào)黨,、標(biāo)題黨,、低俗內(nèi)容利用,，“劣幣驅(qū)逐良幣”，真正的優(yōu)質(zhì)內(nèi)容反而容易被邊緣化,。這無疑會(huì)擠壓優(yōu)秀內(nèi)容生產(chǎn)者的生存空間,，造成優(yōu)秀作者流失、用戶體驗(yàn)下滑等,。

此外,，越來越多的虛假信息以及敏感信息等混雜在信息流中，通過機(jī)器算法推送給用戶,。算法僅能通過關(guān)鍵詞技術(shù)過濾掉一些垃圾信息,，偽裝好的無版權(quán)、低俗內(nèi)容甚至還會(huì)因?yàn)闃?biāo)題精彩獲得更好的推薦效果,。完全依賴算法推薦,、缺少內(nèi)容人工審查這一關(guān)，會(huì)造成低俗內(nèi)容,、垃圾信息等大行其道,。

移動(dòng)互聯(lián)網(wǎng)時(shí)代，新聞閱讀呈現(xiàn)出碎片化和個(gè)性化的趨勢(shì),。但碎片化閱讀不等于娛樂化閱讀,，更不等于標(biāo)題閱讀；個(gè)性化并不意味著用同質(zhì)化內(nèi)容“投其所好”,，而是基于用戶真實(shí)需求和興趣,，在有限時(shí)間內(nèi)為用戶提供有用的或感興趣的高質(zhì)量?jī)?nèi)容。目前,，人工智能技術(shù)在自然語義識(shí)別領(lǐng)域還沒有取得特別重大的突破,，完全讓機(jī)器來判斷一篇文章的標(biāo)題、文采,、深度,、價(jià)值和適合閱讀的人群，顯然是不夠的,。機(jī)器算法需要與人工干預(yù)相結(jié)合,，將人和機(jī)器的優(yōu)勢(shì)充分發(fā)揮，補(bǔ)足機(jī)器分發(fā)的盲目性和人力處理海量?jī)?nèi)容的局限性,。人與機(jī)器的互相補(bǔ)位,，才能為用戶提供真正的價(jià)值信息。（原文來源：經(jīng)濟(jì)日?qǐng)?bào) 作者：秦海波）