20、打破推荐系统的常规：算法与艺术的新探索

打破推荐系统的常规：算法与艺术的新探索

1. 推荐系统“破碎性”的思考

在当今学术和非学术领域，“破碎性”这一术语逐渐流行，关于如何识别和定义一个破碎的推荐系统的问题也随之而来。是代码出了问题，还是算法本身有缺陷？在软件设计中，有个常见的建议是及时修复“破碎的窗户”，即不良设计、错误决策或劣质代码。根据Hunt和Thomas的“破窗理论”，代码中的瑕疵或不完美之处可能会引发更多问题，加速软件的熵增。

然而，仅从技术层面修复代码，并不足以解决由人类社会文化偏见被动继承或主动引入的错误。即使代码修复好了，从社会和伦理角度判断“破碎性”时，仍可能陷入隐含的认识论局限。

2. 批判性算法研究

批判性算法研究是从人文主义批判立场出发，研究算法的社会影响、偏见和局限性的学科。它将“算法”视为超越计算机科学、工程和其他科学领域的重要研究对象，涵盖了文化研究、媒体研究和社会科学等领域。

这一领域常见的研究主题包括：
- 算法与社会的关系
- 算法与文化的关系
- 算法治理与政策分析
- 算法设计及其人类因素

这些主题都围绕一个核心问题：什么是算法？学者Nick Seaver在2017年提出，应将算法视为一种文化，而不仅仅是存在于文化之中或与文化相关。他建议从实用角度看待算法，考虑其经验和实际存在。在这个批判性框架下，我们可以进一步思考：算法（如推荐系统背后的算法）与文化藏品（如艺术藏品）之间是如何相互作用的？

3. 算法推荐系统概述

在线推荐系统是一种信息过滤系统，它根据用户的预期个人偏好，为用户提供优先排序的内容流。常见的推荐系统类型包括：