作者手记 | 当我们讨论“算法”时，我们究竟应该关注什么？

作者在参学术会议时宣读本文

当我们讨论“算法”时，

我们究竟应该关注什么？

作者 | 赵璐

作者单位 | 北京市社会科学院社会学研究所

原文 |

拙作《算法实践的社会建构——以某信息分发平台为例》非常荣幸能够在《社会学研究》2022年第4期发表。感谢《社会学研究》编辑部的老师们！藉此“作者手记”再次回顾研究与写作的心路历程，希望能与大家分享一些经验与思考。

一、研究“算法”的缘起

2017年，我正在北大读博一，在导师刘能老师的指导下，和师门小伙伴们一起做平台公司对外卖骑手劳动过程控制的研究，沿着劳动社会学的理论脉络探讨数字化时代劳资关系的变化，此项研究的成果——《超视距管理下的“男性责任”劳动——基于O2O技术影响的外卖行业用工模式研究》——有幸发表于《社会学评论》2018年第2期。在这项研究的具体讨论中，我们已经将资本控制劳动力的方式指向了新的技术系统，但在分析时常常感到困惑，将技术系统完全转译于管理方式的工具是否合适（尤其是研究发现骑手们能灵活运用并能发挥能动性为自身获利时）？后来当学界和媒体报道骑手困于“系统”中时，直接的经验困惑产生了，“系统”究竟是如何运作的？它们真的只能沦为资本逐利的效率工具吗？带着这份好奇心，我的研究取向开始发生转移，试图探索平台公司隐匿在背后的技术——人工智能技术。准确地说，是建立在大数据分析基础之上、以机器学习（深度学习）算法为核心的技术程序/系统。

于是，我一边阅读文献书籍，争取多了解技术相关的知识，一边寻找进入平台公司内部进行田野调查的机会。在这期间，我跟随邱泽奇老师主讲的《技术应用与社会变迁》的课程学习，积累了更多理论知识，对技术与社会的关系也有了更深入的理解。后来跟随北大马克思主义学院张权老师参与2020年国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项，进入平台公司的技术中台，开始真正意义上接触并了解背后的技术逻辑。

随着与算法工程师、数据分析人员、业务运营、部门管理者等平台内部人员的交流，我发现被外界普遍认知意义上的自动化技术操作背后，承载着一系列社会规范、制度安排、人为规则与操作空间。按照行业内的话术来讲叫做“有多少人工，就有多少智能”。而且，当与内部技术人员谈到“算法”时，发现我们理解“算法”的层次与意义都存在巨大差异，尤其是在组织内部不同结构位置的工作人员也有各自不同的理解。数字时代的“算法”已经发生了转译，甚至产生了技术迷思——当人文社科界舆论导向诟病算法霸权时，我们应该讨论的是算法本身，还是算法代理背后的人性？是将矛头直指资方平台、开发者、设计者还是应用者？一系列的经验困惑越来越多，也让我在经验观察中真切体悟到社会性技术的内涵。理解算法，不能只限于技术意义层次，更不应该将其理解为与人类社会实践相割裂、游离于社会系统之外的“物化”存在，而是需要将其纳入技术系统与社会系统互动的过程。于是我决定真正开始田野调查：从社会科学的角度重新审视算法究竟是“什么”，算法究竟是“做”什么的，怎么“做”的，以及它们做什么所必需的“构成条件”是什么？算法是“如何”作为情境实践的一部分的，它们是如何在社会环境下“运作”的？

二、进入田野的困难与惊喜

当我真正进入田野调查，横亘在我面前有两个“坎”需要迈过去：第一，为了能了解技术人员的操作流程，看懂一行行代码背后的含义，需要自我补课，学习一系列关于计算机、通信工程、机器学习方面的基础知识，储备聊天“谈资”。第二，由于平台公司内部组织架构的复杂性和技术层面的隐私保密性，跨部门参与观察与访谈的难度骤然增加，自己既要遵守公司内部员工规范，不给任何一位受访者接受访谈造成心理压力，也要运用访谈技巧，在资料收集中不断“拼地图”，同时在田野参与观察中学会充分“浸泡”。

比如，我会利用平台公司进行组织目标管理的OKR制度，先了解清楚待访谈对象及其团队的工作职责、目标、任务等，再逐一进行访谈，不断明晰算法实践的技术流程以及参与过程中的人物角色、权—利分配、规章制度，等等。因为身在技术中台，除了能了解技术人员的工作及流程，也能在组织枢纽位置接触到其余业务核心部门的人员，了解他们对技术能力的核心需求，参与观察跨部门合作与博弈的过程。所以，在田野期间，我不放过任何一个主动学习、收集资料的机会，不懂就问，项目会议能参与旁听我就参加，时刻做好田野笔记……通过不断浸泡在组织内部，我的研究思路越来越清晰，资料地图也越来越完整。

机器学习专家的工作日常

图 / 受访者提供

在这一过程中，田野让我学到的更多。对于研究者来讲，价值观需要“悬置”，但是仍应怀有真挚的情感深入其中。我不仅学习到跨学科的知识，也和很多受访者成为了朋友，哪怕我多次打扰求教，他们也会不厌其烦地给我科普，其中有个受访者跟我说，“费曼学习法是最好的学习方式”。我特别感动，这也成为我继续深入研究的动力所在。在此，我由衷感谢那些帮助过我、愿意接受我访谈的受访者们！

三、当我们讨论“算法”时，

我们究竟应该关注什么？

通过在平台公司组织内部的调查，让我重新审视“算法”的研究路径——算法需要以实践的逻辑展开研究。首先，算法作为技术系统/流程的重要环节发挥着核心的作用。但是，真正起作用的前提离不开与社会行动者互动的实践属性，其发挥影响力的结构性条件、实践情景、人工制度化安排等复杂互动过程。在论文中，我也详细论述了算法实践的社会情境性和平台组织特性，并重点关注渗透在其中的人类主观能动性，最终展示出各类社会行动者如何持续地、动态地参与着算法实践的社会建构过程。这种持续性建构的过程，本质上是让我们更清楚认知：算法既有追求效率的一面，也有追求公平的一面。算法始终在两者之间保持着微妙的平衡，面向数字化社会需求定义的目标而服务。换言之，算法实践展现了社会行动者动态博弈的结果，看似“可见性博弈”是现象，但是在现象背后，反映的是“算法”不是私权控制的工具，算法实践是“社会”的，哪怕是普通的技术应用者，只要参与了技术互动，都可以对其产生影响。

其次，从技术本身的层面来看，人工智能的实现靠的是算法，更是算法背后量大、可信度高的数据。在业界的实际情况往往是“数据和特征决定效果的上限，算法和模型只是逼近上限的手段”，所以算法不是魔法。当我们谈论算法时，应该警惕背后反技术依赖论和唯科学主义意识形态的技术进步论这两种极端取向，降低不断赋魅的忧心助攻与话语焦虑，全面理性的看待算法。

而且，通过这次研究，我自身也在不断反思，作为社会学研究者，如何在理论层面上思考，数字时代的社会学应该关注的本质问题是什么。尤其当我们面对日新月异的技术发展，技术议题不应该也不能够仅仅成为经验研究议题中的“背景”或限定因素，这种研究路径不利于增加对技术本身的理解与分析，更不利于真正理解数字社会是如何可能的。

综上所述，希望能借此研究，不仅仅看到“技术”力量的一面，也要看到“社会”力量的一面，为更好的进行技术治理，增强社会干预的可能提供思路。同时，也希望借此抛砖引玉，能和更多研究同行进行交流与学习，在未来进行更深入的研究和思考。

最后，我想再次借此机会表达最诚挚的感谢。感谢匿名评审专家提出的意见与建议，这些宝贵的意见与建议不仅激励我重新审视、不断打磨自己的文章，也为我进一步研究指引了方向！感谢《社会学研究》编辑部的老师们，一篇篇文章的审校背后凝结了太多的心血与劳动，你们严谨而认真的工作态度让我敬佩！