像谷歌和facebook這樣的網站是如何讓你進入政治迴音室的

像Facebook這樣的新聞源塑造了你對世界的看法。這些網站背後的演算法決定了什麼新聞對你來說足夠重要。他們的目標是提高你所讀故事的相關性，但他們有一個惡劣的副作用：他們控制著資訊的流動，而你最終只能在一個迴音室裡聽到你同意的想法。...

Illustration for article titled How Sites Like Google and Facebook Put You In Political Echo Chambers

像Facebook這樣的新聞源塑造了你對世界的看法。這些網站背後的演算法決定了什麼新聞對你來說足夠重要。他們的目標是提高你所讀故事的相關性，但他們有一個惡劣的副作用：他們控制著資訊的流動，而你最終只能在一個迴音室裡聽到你同意的想法。

錶面上看，提出與你相關的故事的想法是有道理的。谷歌現在根據你的搜尋歷史推薦他們認為你會喜歡的文章。您甚至可以阻止此功能向您顯示有關主題的故事或您不喜歡的新聞來源。畢竟，你為什麼要谷歌從你討厭的網站上推薦垃圾呢？然而，你從同一個來源聽到的相同觀點越多，它就越能強化你的想法而不去挑戰它們。如果你不喜歡看有關水下編織籃子的文章，這是可以理解的，但是當涉及到重要的話題時，只有從一個渠道得到的訊息會改變你的看法，甚至會導致一種部落心理，我們會醜化組織外的任何人。

演算法提要鼓勵偏見，即使他們不是有意的

Facebook是世界上最大的出版商。這是大多數人聽到和閱讀新聞的主要方式。這也讓社交網路對你的認知產生了很大的影響。今年早些時候，我們向你展示瞭如何找出Facebook認為你在政治上的傾向。正如《華爾街日報》的一個互動工具所揭示的那樣，你聽到的故事的版本在很大程度上取決於你如何學習。如果你閱讀自由主義的新聞來源（甚至只是有一個以自由主義為主的朋友），Facebook會向你展示更多傾向自由主義的新聞。同樣的情況也發生在保守派，甚至是政治派別中最邊緣的成員身上。簡言之，這種演算法強制的確認偏差意味著你閱讀的資訊越多，你同意的資訊越多，Facebook就會向你展示更多你同意的資訊。

當然，系統是這樣運作的，因為我們不喜歡大公司決定我們看到什麼的想法。今年早些時候，Gizmodo透露，Facebook在其趨勢新聞模組（trending news module，獨立於新聞Feed）中經常壓制保守派新聞。這導致美國參議院對這家社交媒體巨頭可能存在的偏見展開調查，之後Facebook將所有人類策展人從其新聞模組中除名。它甚至停止了總結新聞故事。現在，流行的新聞話題僅僅是由他們的故事主題來指定的。例如，如果你想知道為什麼約翰·奧利弗會出現在新聞中，你就必須透過點選從新聞來源中找到答案。你不能從Facebook自己那裡得到它。

Facebook doesn’t even want to risk possible “bias” by including a whole headline.

Facebook並不孤單。谷歌也這麼做。如果你現在在你的智慧**上向下滾動谷歌，你會看到閱讀文章的建議。這些是根據你搜索的主題、你選擇閱讀的文章以及你經常使用的新聞來源來選擇的。換句話說，谷歌也想給你更多你已經在尋找的東西。

雖然它很方便，但它肯定是祕密的偏見，尤其是你自己的。更糟糕的是，谷歌並不在乎文章的質量，只要它們是關於主題的。例如，谷歌知道我很期待《裡克和莫蒂》的新一季，所以它通常會建議任何可能有第三季潛在釋出日期資訊的文章。這些文章大多是幾個月前被揭穿的完全垃圾的謠言和惡作劇的翻版，但這並不重要。上面寫著“裡克和莫蒂”，所以我得到了推薦信。當我讀政治新聞時也會發生這種情況。如果我點選一個關於某個政客的故事，谷歌會推薦最受歡迎的關於這個人的故事，不管這些故事是否經過了充分的研究，甚至是前後一致的。只要我“表現出興趣”，谷歌認為我應該讀一下。

不幸的是，僅僅向你展示一個演算法認為你想看的文章有點像只給你餵你覺得最好吃的食物。如果電腦判定你對冰激凌的反應最積極，你可能再也不吃別的東西了，但這不會使你健康。同樣，Facebook和Google也有一個既得利益，那就是向你展示與你互動最多的故事。充其量，這些公司可以儘量避免傳遞明顯虛假的新聞，但當系統獎勵你更多你喜歡的東西時，就不可能避免鼓勵你自己的微妙偏見。

你能做些什麼來消除偏見並告訴自己

Feedly lets you see which stories are popular (denoted by the orange highlighted numbers) without pushing down other stories.

根據你的興趣調整你的新聞來源並不一定是壞事。沒有理由去閱讀那些沉迷於陰謀論、**地撒謊或低頭辱罵的垃圾網站（除非你喜歡這類東西）。然而，你仍然可以做一些事情來避免建立自己的回聲室：

使用不為您選擇內容的新聞應用程式。如果你只想知道今天發生的事情的要點，而不想深陷其中，那麼演算法的時間線是很好的。如果你想要更廣闊的視角，可以透過Feedly之類的服務訂閱網站，或者使用Twitter的時間線。你甚至可以繼續使用Facebook，按最新的分類。googlenews也會在一個地方收集關於某個主題的相關報道，這樣你就可以看到每個觀點，而不是僅僅顯示出與你的觀點最一致的觀點。
從不同的角度關註不同的新聞媒體。對你的世界有一個更廣泛的瞭解的最好方法是從許多不同的角度讀故事。即使一家新聞機構盡最大努力不帶偏見，其他人可能會抓住他們錯過的東西，或者提供一個別人沒有想到的視角。當你在feed中填入你想閱讀的資訊源時，試著擴充套件你的列表，把那些對你有挑戰性的地方或是你不熟悉的想法都包括進去。挑戰你自己的想法是完善它們的一個有力方法。
在你跳上一個故事之前先停下來考慮一下你自己的偏見。當你遇到一個關於瘋狂事情發生的故事時，停下來問自己“這是真的嗎？”不要因為聽起來是真的就分享它。在你相信一個故事之前，花幾分鐘做一點調查，核實一下。在網際網路上辨別真相是一項終生的技能，沒有人能指望一直做到正確，但在分享或參與某件事之前花上幾分鐘的時間停頓一下，可以大大有助於遏制網上的錯誤資訊。

當一家科技公司決定使用演算法來調整世界以適應你的觀點時，它會扭曲你的現實。這並不意味著所有的演算法都不好，但我們確實需要對自己坦誠，我們對世界事件的感知是如何被我們看到和閱讀的新聞所影響的。如果你想避免成為萬能演算法的犧牲品，把你的研究交給你自己。或者，至少，接受這樣一個事實：你只得到了谷歌或Facebook認為你最喜歡的部分。

Angelica Alzona的插圖。