算法如何改变社会治理的逻辑？

先来看第一个问题：算法如何改变社会治理的逻辑。要理解这个问题，我们得先说说传统的社会治理是怎么做的。在社会治理中，统计学一直是重要的基础。它提供各种数据支持：人口结构、经济态势、社会问题分析、政策评估、风险评估、社会趋势预测等等。但统计学有个特点，它只能看到宏观的一致性趋势。换句话说，统计学关心的是整体、是平均值。它常常被批评说，为了看清总体的趋势，牺牲了个性和复杂性。你想想，如果一个班级的平均成绩是80分，这个数字能告诉你什么？它告诉你这个班整体还不错，但它不能告诉你哪个学生需要帮助，哪个学生有特殊才能。统计学就是这样，它看得到森林，但看不清每一棵树。

基于大数据和机器学习的算法就很不一样了。首先，数据挖掘可以了解人的行为和沟通模式。不仅在总体层面，而且可以精确到个人。其次，通过机器学习，算法能够通过微小的碎片化信息来建立联系。它会不断检视新的数据来源，交叉比对，然后进行预测。更重要的是什么呢？我们在互联网上留下的数字痕迹，可能比我们声称的自己更真实。这话是什么意思？你在某个手机应用的点击次数，在视频平台上看了多少部电影，在音乐应用里听哪些歌，社交平台的点赞和转发，使用搜索引擎的时间和检索内容——所有这些都会被转化为信号，然后成为结构化数据，成为可以被计算的东西。也就是说，算法不会像统计学那样清除掉个体案例。相反，它有可能在不失去人口、整体和群体预测的情况下，返回到个人。这是一种新的预测方式，它包括了个体差异和个体关系。这种变化不仅极大地改变了政府、行业组织和公众的思考与行为方式，也正在改变社会治理的逻辑。

《算法理性》这本书里列举了一个实例。2013年斯诺登泄密事件，你可能听说过。这个事件透露了在“911”之后，欧美各国在反恐领域大力推广数据挖掘和算法治理，对公众进行大规模数据监控。这种做法被称为“大海捞针”。人工智能帮助情报机构做什么呢？“在干草堆里找针，把点连成线，并通过算法洞察趋势、发现被隐藏或掩盖的迹象和警告，以便终结危险的阴谋”。这样的算法治理逻辑不光是在反恐和国家安全领域发挥作用，也作用于其他政治、社会、商业领域。我自己就有个日常经验。每次有诈骗电话打到手机上，我都会第一时间接到警方通过短信和电话发送的反诈提醒。这其实就是非常典型的微小数据支持的个性化社会治理的具体操作。

这听起来似乎很不错，比抓大放小的统计学强多了，对不对？但学者们发现，新的风险也随之而来。《算法理性》这本书里提到2016年美国大选期间的一个案例。英国剑桥分析公司与特朗普合作，运用机器学习算法从脸书和其他社交平台提取海量个人数据，构建了庞大的用户画像数据库。基于这些海量信息，他们得以实施前所未有的精准定向选举宣传推广策略，将政治信息如激光般精确地投射到目标受众面前。

这种手段一经曝光，立即在全球范围内引发了激烈而持久的争议，支持者的观点相对温和且实用主义色彩浓厚。他们认为，剑桥分析公司的做法本质上只是将现代信息技术巧妙运用于政治宣传的一种创新手段，与传统的电视广告、报纸宣传或街头演讲在本质上并无二致，这是商业营销领域早已司空见惯的做法，将其应用于政治领域不过是时代发展的必然趋势。

然而，反对者则敏锐地察觉到，这种看似无害的技术创新实际上具备了前所未有的社会影响力，甚至可能从根本上颠覆民主选举的公平性原则。在他们看来，剑桥分析公司的技术手段已经超越了传统宣传的范畴，他们通过精密的心理操控和行为预测来系统性地改变大量个体的政治观点、投票倾向乃至具体行为，这足以在关键时刻左右选举结果，从而构成对民主制度的潜在威胁。

更令人不安的是，后续的深入调查和研究逐步揭示了一个更加庞大的全球性干预网络：剑桥分析公司的数据挖掘和精准投放技术不仅仅局限于美国大选，它也干预了英国脱欧公投，以及印度、尼日利亚等多个发展中国家的关键选举。这让人们不得不重新审视数字技术对全球政治生态的深远影响。其实对我个人而言，更急切的担忧在于：我们和自己最亲密的朋友、家人、恋人，尽管使用着完全相同的社交平台和应用程序，但各自刷到的短视频内容却可能截然不同，仿佛生活在平行的数字宇宙中。即便偶尔大家看到了同一条短视频内容，但每个人所看到的评论、讨论和反馈也是经过筛选的完全不同的版本。这种信息获取的窄化趋势层层限制着我们的视野和思维，所有人都越来越特定的信息圈中，听不到外部不同的声音，这让不同群体之间的理解和沟通变得比以往任何时候都要困难。而且还有一个关键的问题：当我们越来越依赖算法，算法就不会出错吗？