汪惠怡

过去我们聊算法，说的主要是内容推荐，你点过什么、看过什么，它就源源不断地给你推送类似的信息，核心就一句话：“猜你喜欢”。在大模型等新技术加持下，算法已不再局限于从已有内容池里挑一条现成的信息推送给用户，它开始根据用户在特定时间、场景下的需求，实时生成并精准推荐行动建议或决策方案，从优化点击率的工具进化为影响现实生活的“决策参谋”。

起初，很多人惊喜于算法推荐的便利性，对它给予极大信任。看到电商平台精准推送的“种草”内容，就容易冲动消费；看到算法不断推送认同自己立场的观点，就可能深信不疑。直到被错误信息误导、被同质化观点困住，人们才开始重新审视算法的运作方式，意识到算法代码由工程师编写，点击率、停留时长等核心训练指标由平台设定，可能带有偏向性。同时，用户很难了解推荐系统的运作方式和内部逻辑，平台虽然提供“内容偏好调节”“关闭个性化广告”等选项，却很少清楚说明给出决策建议的依据。用户看不到算法在“黑箱”里的运作逻辑，自然容易产生“被偷听”“被杀熟”的焦虑。

当算法与人工智能深度参与决策，用户如何找回自主性？

有人认为，算法不断进化，带来太多风险和不确定性，应该关闭个性化推荐，拒绝使用AI辅助决策工具，躲开负面影响。但今天，由大模型、算法、产品综合系统构成的AI智能体已融入日常生活的方方面面，如果只是“躲”，那就让渡了自主权。AI时代，数字素养需要从“防御导向”升级为“对话导向”。这包含三个层面，每一层用户都可以主动作为。

认知层面，正确认识算法的本质，卸下焦虑预设。算法是一套基于数据进行自动化决策的指令集，其表现取决于设计者的目标函数和输入的数据。神化或妖魔化算法，都不利于我们驾驭它。

知识层面，理解算法的基本逻辑与局限。算法推荐什么、如何排序、为何给出某个建议，背后都有特定的逻辑框架。掌握这些，才能知道算法擅长什么、不擅长什么、哪些环节可能出错，进而判断何时该采信、何时该审慎，在面对算法推荐内容时，保持主动审视的意识。

技能层面，掌握与算法对话和协作的实操能力。观察信息流推荐内容的历时变化，可以感受到算法与用户的互动在不断加深。过去广告推荐基于关键词，如今信息流里推送的陌生品牌，风格、价位、品质可以精准贴合个体偏好，甚至转化为线下消费，这种推荐就不是“偷听”关键词能实现的，需要算法依据用户的行为数据构建用户画像，识别“你是什么样的人”，进而预测偏好。通过每一次点击、反馈、搜索，用户都在参与算法价值的塑造，都是用自己的行为告诉算法“我是谁”。

这种对话与协作意识不仅适用于推荐算法，也适用于各种智能体工具。找回自主性，才能让工具服务于我们自身，而非相反。

一年前，有学生在新闻业务课上提出，想用AI协助创作非遗主题纪录片。我当时持保留意见，一来当时AI能力有限，二来也担心学生把锻炼脑力、笔力的策划与制作过程过度外包。但随着AI迅速发展，今年上半年我调整了教学要求，同意学生用AI制作多模态新闻产品，条件是提交与AI的完整对话过程。我要看的是学生如何下指令，包括怎么定报道角度、如何选视觉风格、怎样排信息层级……这些策划思路藏在对话记录里，体现着人在面对智能工具时的主体性。

算法正站在发展的十字路口，但方向不应只由平台和工程师决定。近年来抖音等平台开始尝试打开“黑箱”，如上线“安全与信任中心”网站，公开算法基本原理。用户应主动升级自身数字素养，积极了解算法运行的基本逻辑，不是被算法推着走，也不是全盘拒绝算法，而是在每一次互动中不断校准自己的意图和需求，与技术共舞共生。

(作者为中国人民大学新闻与社会发展研究中心研究员)