Lury, C., & Day, S. (2019).
Algorithmic personalization as a mode of individuation. Theory, Culture & Society
36(2), 17-37.
2019年，《理论，文化与社会》（Theory, Culture& Society）期刊出版了一期有关美国后现代文学批评家凯瑟琳·海尔斯（N. Katherine Hayles）的特辑，即“用算法思考：凯瑟琳·海尔斯研究中的认知与计算”。该特辑中一篇来自英国华威大学（Warwick University）跨学科方法中心Centre for Interdisciplinary Methodologies的文章讨论了个性推荐算法与个体塑造的关系，为我们观察和解释当代文化现象提供了独特视角。个性化推荐已经随着数字化技术的发展深入了人们的生活。本文提出的问题是：个性化（Personalization）是怎样一种个体化（Individualization）？文章假设：个性化一定不是一种只关乎个人的实践，而是普遍性的。因而本文研究的问题也可以说是要搞清楚个性化暗示着一种怎样形式的社会性（Sociality），或我们是以怎样一种方式生活在一起的。本文提出，个性化推荐是这样一种个体化过程，在其中实体被以重迭（recursive）的方式不断纳入到不同的分类类型中而得以被定义，这样的重迭囊括的过程成为本文称为“A典型通道”（a-typical pathway）的制作过程的核心。在这一通道作用下，个体永远是比他（她）被定义的范畴多一点或少一点，永远流动和不稳。个性化不仅是一种精准的个体化形式，更限制了我们成为谁和存在方式的可能性。
文章从“点赞经济（like economy）”的背景分析开始，该术语由Gerlitz和Helmond在2013年提出。文章指出，谷歌最初的成功来自于对网页链接的价值开发，他们通过对网页的链接进行权重运算开发搜索引擎，使网页价值从单纯的点击决定，变成了点击和链接共同决定。这开启了“关系价值（relational value）”的大门。在Web2.0时代，由于参与式互动的流行，关系价值被进一步拓展。Facebook于2006年开放了分享（share）按钮，2009年开放了点赞（like），2010年将点赞功能扩展到外部链接，潜在地使所有的网络内容资源都有了被点赞的可能。同一年Facebook还公布了“开放内容协议（Open Graph Protocol）”，使外部网页可以与Facebook交换数据，也就是实现了外部内容在Facebook上的分享，几乎实现了整个网络的社交化。基于这些技术进展，Facebook通过对“关系价值”的拓展和挖掘建立了Gerlitz和Helmond所称的“点赞经济”，用扎克伯格的说法，叫做“缺省社群（the default social）”。在这种经济或社交实践里，人们或者主动或者被动地参与到人群中来。排他性的包容（exclusive inclusion）和包容性的排他（inclusive exclusion）同时被应用。前者是指尽管所有社交数据都被纳入收集和处理，但那些不符合特定要求的数据将被排除或不可见，例如不符合A标签的数据对A的相关用户不可见，或者在某维度上排位较低的数据被排除在该维度相关用户的视野之外。后者则指社交网络尽管在自身用户上是排他的，但外部网络用户的操作（创作、喜欢、分享），通过拓展了的社交网络技术同样被纳入到社交网络数据系统中来。Gerlitz和Helmond认为点赞经济下，Facebook发展成为一个“去中心化数据生产（decentralised data production）”和“再中心化数据加工（recentralised data processing）”的网络基建设施（P22）。这种去中心和再中心化数据/经济实践的一个核心运作者，就是本文将要讨论的推荐系统或推荐算法。
推荐算法总体上可以分为两种，一种是基于内容描述的“内容分享算法（content sharing algorithms）”，即用属性描述对象，再基于对用户已知的数据选择具有特定属性的对象进行推荐；另一种是基于用户行为的“协同过滤算法（collaborative filtering algorithms）”，它假设有同样的A偏好的两个用户，也会有一样的B、C偏好。在第二种算法中，程序员不需要知道用户或者对象的任何先在信息，只要操作好用户的行为数据（例如点赞，分享，评级）就可以实现推荐。本文选择的分析对象是第二种算法。Seaver在2012年提出了“签名动作（signature action）”的概念，能够帮助我们从细节上理解数字评级是怎么变成个性推荐的。这个概念从一个网格或矩阵开始，网格一侧是对象（items），另一侧是用户，数字评级在他们的交叉处。网格可以捕捉或呈现动态变化，它也就同时是一个矩阵。矩阵原本是空的，因为用户还未进行任何评级动作，协同过滤算法此时的任务是预测矩阵中的空白点将要出现什么样的价值，并将这些预测作为推荐交给用户。这些预测的价值点接下来将会被用户自己的实际评级所替代，这个矩阵由此开始进入一个连续不断的“预测流”当中：用户生产了新的评级之后，原本的预测评级被替代，与之相关的推荐会被调整，并产生新的预测和推荐。这个空白点被预测评级替代，预测评级又被用户评级替代的过程就是矩阵中的“签名动作”。矩阵中的数据不断迭代，用户将通过这些不断生产的数据被分析，被放入多维度空间当中去定位，相互靠近的用户被认为是相似的，他们将相互作为推荐依据，由此产生了推荐算法的广泛宣称：和你相似的人喜欢这样的东西（People like you like things like this）。Seaver结论说，偏好和相似在这个（推荐）系统中碰撞（collapse）在一起，喜欢和相似被等同起来。为了进一步理解推荐算法的这种运作逻辑对理解个性化作为个体化模式的启示，作者接下来开始讨论在数字层面上，这种等同关系是如何构建起来的
与Seaver的观点不同的是，作者提出喜欢和相似在推荐算法中与其说是碰撞，不如说是被接合（adjoining）、被毗邻（bordering）。矩阵产生动态预测流的过程，并非是建立偏好和相似之间的恒定的等同关系，而是不断地使偏好和相似“约等（approximation）”，并让这个约等处于不断地被检验的状态里。这里的关键不是偏好和相似被拉扯在一起，而是建立它们之间不断被检验的相互关系，也可以说是建立了一个通道。通过这个通道，个体被塑造起来。这个通道可称为“a典型通道（A-typical pathway）”，与之伴随的是“a典型个体化（a-typical individuation）”。这里的a有两种词源上相异的含义。其一，a作为不定冠词，指待定义状态，例如“这是一只猫（This is a cat）”，也指一种相似性，例如“你是一个明星（You are a star）”，也指比率或额度，也就是“每个（for each）”。在这里，a-typical则意指通过塑造“一个你
（a you）”， 将“你（you）”变成了一个始终待定义、待修正的重迭转换器（recursive shifter）（P25）。其二，a作为前缀“ad-”的变形，具有方向、减少、增加等意义，此时“a-typical”意指通过持续的包容、排除、重新定义工作完成喜欢和相似之间的连接。喜欢和相似之间的连接或毗邻（adjacency），也就是a-typical个体化模式，是一个不断产生个体边界的过程。理论生物学家考夫曼（Stuart Kauffman）定义生命为“自主能动者（autonomous agents）”，能够自我增殖并且完成至少一种热动力学循环。考夫曼认为，形成一个个体的关键是形成一种特殊的约束，一种“能够操纵约束的约束（constraints that can manipulate constraints）”，或者说是一种边界，一种不仅连接内外环境，并且操作内外环境关系的边界（P26）。推荐算法不断进行的连接或毗邻活动，正是这样的一种约束或边界的活动。推荐算法不断进行签名，签名不断接受检验并被替换，多维空间中每个实体单位就在这样的数据运算活动中实现着个体化。通过边界的不断重构，一种新的治理术（governmentality）形成。这种治理术的特点尤其体现在“传递性（transitivity）”（P28）。个体之“正常”有了一个必要条件，即与某客体及某他者形成的“及物”或“传递”关系（transitivity包含了两重涵义）。喜欢、分享等基本的社交动作都及物地带有一个客体，而人际之间的社交互动又不断形成数学上的传递性。最终，“正常化（normalization）[1]”与一个无休止的传递循环形成函数。所有的关系被塑造为如下的范式：个体（you）是某个体（a you），其与其他的个体（yous）相似，但又与其他的个体有所不同，且永远不会形成一个均质总体（us）。新治理术的本质是一个永远无法达到的内在边界。与之相伴随的是新的优化机制。社交化的评级过程保证其好与最好不是预先设定的，而是在参与性的过程中生成的，并伴随有对每个个体及实体的优化要求。如某平台广告语所说的，“个性不再是一种选择”（P29），每个人及实体（包括学校、医院、酒店和品牌等）都被囊括到个性化的创造实践中来，在关系网络中参与重迭性的比较，并与关系网络中的其他实体形成不是单纯相异，而是更多或者更少地相异又相似的实体。
[1] 来自阿甘本（1998），冈圭朗（1991），福柯（1991）等
文章的最后一节，作者从语言学的角度指出，在算法个性化的实践中，“你”作为代词，其涵义经历着不断地被暂停又重启的过程，在暂时的间断里，参与性或境脉被掺入到通道当中。“你”作为一个代词的两重含义（指信息所瞄准的人及信息本身包含的“你”）的分离是这个过程产生的语言学上的前提。作者引申指出，推荐算法所产生的A典型个体化与实体和人均是分离的。其结果是，这些通道是否具有自主权，成为了当前分享经济的讨论核心。
总而言之，文章深入介绍了个性化推荐算法如何构成了一种个体化方式，为这种渗透了当代文化方方面面的技术实践提供了人文理解的透彻分析。其跨越了宽广的学科领域，同时又与实践活动联系紧密，时时从理论分析中抽离出来辅以实际案例。在技术实践日新月异的同时，如何理解它们对人类存在方式的影响，以及在技术实践引起的现实争论中，如何将其带离单薄的工具思维，无论是问题意识还是研究方法，此文均可资一鉴。
编辑：胡乐野
