“去年今日的你在做什么?”:算法系统对数字记忆的建构

0 评论 3852 浏览 4 收藏 21 分钟

算法是如何影响你的“数字记忆”的?这篇文章作者从专业的角度出发介绍了数字记忆的历史、数字记忆对个体的影响以及社交平台对数字记忆的创造等维度,推荐对算法设计、社交平台算法营销等感兴趣的童鞋阅读。

01 数字记忆:算法系统下的平台产物

记忆能被技术塑造吗?在以往的认知中,记忆是人脑对经历过的事物的识记、保持、再现和确认,是由个体自身形成的(杨治良,2011)。

然而随着数字技术的发展,社交媒体的功能不再局限于为人们提供交流和互动的平台,它自身作为一种信息载体还能够帮助人们形成数字和媒体记忆(Blom et al.,2020)。“数字记忆”(Digital Memory)是以数字方式对特定文化信息进行采集、组织、存储和展示,并在数字空间进行承载、再现和传播的记忆形态(冯惠玲,2020)。

平台、数字设备及算法系统越来越多地收集用户个体的数据,并将这些数据以各种方式进行整合,最终塑造出一个专属于用户个体的有意义的空间(Vandijck,2013)。

比如常见的“苹果记忆”“脸书记忆”便是算法系统建构数字记忆的代表性产物。在这个过程中,用户的数据被算法所“雇佣”,从而使数据以一种有序且有意义的方式来呈现和建构过去(Benjamin,2022)。

“去年今日的你在做什么?”:算法系统对数字记忆的建构 | 论文选介

(图片源自作者)

2016年,苹果公司推出了“苹果记忆”(Apple Memories),该功能可以根据用户设备上的照片和视频库,自动创建有意义的照片和视频合集。

基于用户元数据以及图像内容,算法系统能够进行机器学习并通过数据网络将图像聚类到“人”“地点”“节日”“场景”等类别中,结合以往用户的个人经历以及纪念日,Apple Memories能够预测用户希望看到什么“回忆”出现并生成数字记忆,例如“旅游”“生日”等,这些便是算法聚集图像的结果,而这些带有标签的“小标题”说明算法系统对用户图像进行了分析与分类。

算法的社会力量包括对个体以及社会进行挖掘、分类和排序的能力(lury&Day,2019)。而“记忆”基于图像、视频等数据进行符号及意义分析,利用技术自动生成并聚集在苹果用户内存里(Andrejevic,2020)。

苹果记忆的意义是数据挖掘、相关性以及视觉输出的产物。当用户的数据被分析、排序和预测时,算法重新配置了用户设备中构成意义的内容。

02 自我建构:数字记忆对个体的塑造

1. 生成的“自我”:算法对用户记忆的制作

“数据并不是完全原始的,它总是被清理、评估、排序,并在社会世界的不同环境中发挥着重要作用。”(Gitelman & Jackson, 2013)当运用算法进行数据处理时,算法系统能够积极地将数据转化为叙事结构。在类似苹果记忆的算法系统中,“记忆”是基于用户以往的经历由机器自动生成的一个结果,是在算法一定的运行规则所呈现出来的“自我”。

在苹果记忆中,原本没有关联的事件被连接起来,合成一种有序的、可理解的叙事结构,为人们提供了一个现实的框架来理解自己和过去的数据。

于是,用户在使用算法系统的过程中便产生了一个“不可避免的”关于自我的叙事结构——一条由用户相关经验和事件所组成的因果关系的时间链。注:叙事结构在文学层面通常被定义为将不同的人物、事件整合到有意义的、连贯的序列中来解释相关事件的组织结构。

2. 多重的“自我”:数据在算法中的不同组合

算法在自动生成“记忆”的过程中也展示了叙事的可塑性,用户的数据单元能够以不同的方式组合在一起,从而产生多种含义。

在苹果记忆中,同一张照片可能会存在于不同的“记忆”集合,比如大自然旅行的照片被包含在“自然”记忆集合的同时,也可能出现在“秋天”的记忆集合中。基于相似的地理标签、视觉概念、人物等元素,算法系统能够使其出现在多种叙事结构中,从而成为多种“记忆”的内容。算法系统能够对数据进行多种组合配置并生成用户“自我记忆”的能力,展示了数字记忆的意义和叙事结构的可延展性。

在使用算法的过程中,叙事可以被概念化为数据杂糅的一种形式:通过重新排列数据来产生不同的的叙事结构和意义序列,由此帮助用户构建和解释世界。

在自我数字记忆生成叙述的过程中,其意义的生成主要是依靠算法来进行的,多重的“自我记忆”展示出了算法机制的强大力量,而这一力量主要是由算法使用数据并构成新的情境、模式及含义来实现的(Cheney,2017)。

“去年今日的你在做什么?”:算法系统对数字记忆的建构 | 论文选介

(图片源自网络)

2. 参与的“自我”:算法引导用户参与

“苹果记忆”等功能具有分享设置——算法系统会向用户展示照片库中的精彩瞬间,并“建议与照片中的人分享照片”,从而使用户的分享和参与成为一种关于自我的叙事手段。从这一层面上来说,“好”用户会从自己过去的数据中遇见数字记忆,并将其分享给“记忆中出现的人”,从而使得更多的用户参与其中。

算法系统通过鼓励人们分享来促使数据具有可操作性,同时向用户灌输参与性规范,从而增加用户参与和共享的可能性(Benjamin,2022)

03 叙事策略:社交平台与算法如何创造“记忆”

1. 巧用纪念日

社交媒体的算法系统通过“周年框架”来构建正确的“适时记忆”,并以此加强这些记忆在用户生活中的重要性。如Timehop以及Facebook的记忆功能便是在这样的框架内运行的,通过这个框架,用户可以在纪念日中看到以往的图像或视频(Humphreys,2020)。

然而,平台并不是凭空构建记忆的,而是利用已经建立的记忆模式(如纪念日),通过平台算法不断地迭代测试、反馈循环和试错而涌现产物。人工智能和神经网络算法基于一定的规则从用户的属性来判断他们的“数字记忆”(Jacobsen&Beer,2021a)。

2. 针对个人经历

塑造“适时记忆”的另一个重要渠道便是个性化。

“记忆”是一种个性化的感觉,这一概念也与当前媒体环境中强调个性化的主张不谋而合(Lury & Day,2019)。在Timehop、Facebook Memories和Apple Memories等存储设备上算法系统的个性化机制都参与“适时记忆”的建构。个性化记忆被用户感知后,能够由特定的时刻和重新浮现的记忆产生更深的个人感触。

“去年今日的你在做什么?”:算法系统对数字记忆的建构 | 论文选介

(图片源自作者)

3. 创造特定记忆“结构”

塑造“适时记忆”的另一个重要机制是由社交媒体和记忆特征产生的节奏和循环模式建构的。

“数字记忆”对个体的影响不仅与其个人经历有关,还与这些记忆出现在用户面前的频率有关。在一个不断采用新技术的社会中,重复的记忆行为成为了防止记忆褪色的一种尝试(Amoore,2020)。“数字记忆”在社交媒体上的出现从来都不是一次性的,而是依靠多次重复来进行记忆。

例如,Timehop的“Streak”功能能够显示用户访问该功能的连续天数,是一个衡量用户对该功能参与度的指标,因而可以激励用户对以往记忆的持续、习惯性的参与(Jacobsen&Beer,2021b)。在这一过程中,用户可以创造出特定的数字记忆结构。

4. 制造与现实的紧张关系

尽管平台和应用程序试图制造“适时记忆”以提高用户粘性,但是算法系统本身的局限性,尤其是其基于机器学习所生成的记忆,可能无法完全匹配用户的需求。比如一位父亲在女儿的忌日原本没有特别悲伤,但是Facebook却在当天为他生成了关于女儿的照片集,因而这种数字记忆并没有为用户提供适宜的体验,反而造成了完全相反的结果(Bucher,2017)。

“数字记忆”的随机和不合时宜的例子提醒了我们,尽管社交媒体和记忆功能可以重现用户的记忆,但是在算法系统下呈现的暂时性记忆并不能够完全契合用户的个体需求,同时还增加了用户在现实生活中的紧张感(Jacobsen,2022a)。

04 数据管理:如何面对不恰当的数字记忆

近年来,有学者呼吁对新兴技术、平台和应用程序塑造记忆的方式进行更多批判性的研究(Hoskins,2018;van Dijick,2007)。这是因为,尽管数字记忆可以帮助用户回忆过去、理解自我,并越来越成为他们日常记忆实践中不可或缺的一部分,但其给用户带来的负面影响依旧值得关注。

然而,用户并不是“记忆”的被动接受者,他们也会依据自己的需求及经验来理解和管理数字记忆。主要有三种具体“策略”(de Certeau, 1984):删除、延迟和链接。

1. “先发制人的损害控制”:删除

与Facebook Memories类似,Timeshop为用户提供了自动从多个社交媒体平台和设备上删除数据的选项。因此人们在使用此类应用程序时,可以选择“回到过去”或者删除令用户感到尴尬的图片、视频。在这种情况下,删除可以被理解为一种管理过去数据的策略,根据用户目前的情况来协商和理解过去的数据点,消除不再符合当前自我轨迹的记忆。

作为日常数据管理的一种策略,删除策略构成了回顾、评估、协商和理解过去数据的一种具有高度自我能动性的方式(Jacobsen,2022b)

然而,社交媒体平台上能否完全删除个人数据是值得怀疑的(Hetherington&Lee,2000),删除只是一种使得过去数据在某方面不可见的手段,但原有的用户数字痕迹对平台来说仍具有经济价值。

2. “也许我明年会再度回忆”:延迟

延迟是用户进行数据管理的另一策略。延迟是用户推迟对过去数据某些方面的情感接触和有意识的、主动的策略,正如用户所说,“也许明年我会重温这段记忆”。

一方面,延迟策略响应了向“慢计算”的文化范式转变的呼吁(Kitchin&Fraser,2020),构成了一种抵抗数字技术加速社会的方式(Gane,2006);另一方面,延迟策略也被视为一种规避删除需求的方式。在数字时代下,我们个体的特征越来越由“数据”构成——从平台的印象管理到个体信息,人们越来越形成了一种“数据自我”(Lupton,2020)。

删除个人数据可能是对自我的一种篡改,而延迟策略在一定程度上避免了删除数据可能带来的负面影响。

注:慢计算是指,在人们如何理解和联系日常生活的计算和数字设备方面的一个新的范式转变。它一方面强调人们如何与日常设备互动,另一方面呼吁人们退后一步并掌握一些自我控制能力。

3. “你不会得到记忆的链条”:链接

链接强调的是用户使用个人过去的数据来进行意义重构。用户在管理社交媒体平台和记忆设备时,某些平台呈现的记忆缺乏情景线索,无法形成连贯的叙事。在这种情况下,链接意味着用户主动将数据元素编织成有意义的整体,从而管理过去数据中看似脱节的部分。

在这个过程中,人们条件反射地将事件、片段、数据、推文、社交媒体图像和记忆合成关于自我有意义的、完整的叙事(Jacobsen,2022b)。在个体数字化生存的背景下,数字化交往成为常态。个人以赛博身份在不同的情境中与他人进行交往,同时也在不同的社交媒体上留下了数字痕迹,平台凭借算法系统制造出“数字记忆”,以期满足用户更多的个性化记忆需求。

然而,正如芒福德在《技术与文明》中所提及的“纵然技术与人类社会相互纠缠,但理性的主导始终应该走在激进的技术乐观之前”。即便数字记忆在一定程度上提升了用户的体验感,但是我们也仍需关注其背后存在的数据隐私等问题。

参考文献:

Amoore, L. (2020). Cloud ethics: Algorithms and the attributes of ourselves and others. Duke University Press.

Andrejevic, M. (2020). Shareable and un-sharable knowledge. Big Data&Society, 1(4), 1–4.

Apple Support. (2020). Enjoy your memories in photos. Apple. Retrieved May 2020, from https:// support.apple.com/en-gb/HT207023.

Blom, I., Lundemo, T.,&Rossaak, E. (2015). Memory in motion: Archives, technology and the social. Amsterdam University Press.

Bucher, T. (2017). The algorithmic imaginary: Exploring the ordinary affects of Facebook algorithms. Information, Communication&Society, 20(1), 30-44.

Cheney-Lippold, J. (2017). We are data. In We Are Data. New York University Press.

de Certeau M (1984) The Practice of Everyday Life. Berkeley; Los Angeles: The University of California Press.

Gane, N. (2006). Speed up or slow down? Social theory in the information age.Information, Community and Society,9(1), 20-38.

Gerlitz, C.,&Helmond, A. (2013). The like economy: Social buttons and thedata-intensive web. New Media&Society, 15(8), 1348–1365.

Gitelman, T.,&Jackson, V. (2013). Introduction. In L. Gitelman (Ed.),‘Raw data’ Is an oxymoron(pp. 1–15). The MIT Press.

Hetherington, K.,&Lee, N. (2000). Social order and the blank figure.Environment and Planning D: Society and Space,18(2), 169-184.

Hoskins, A. (Ed.). (2018).Digital memory studies: Media pasts in transition(p. 1). New York: Routledge.

Humphreys, L. (2020). Birthdays, anniversaries, and temporalities: Or how the past is represented as relevant through on-this-date media.New Media&Society,22(9), 1663-1679.

Jacobsen, B. N. (2020). Algorithms and the narration of past selves.Information, Communication&Society, 1-16.

Jacobsen, B. N. (2022a). When is the right time to remember?: Social media memories, temporality and the kairologic.New Media&Society, 14614448221096768.

Jacobsen, B. N. (2022b). ‘You Can’t Delete a Memory’: Managing the Data Past on Social Media in Everyday Life.Sociological Research Online, 13607804221110237.

Jacobsen, B. N.(2022).Algorithms and the narration of pastselves.Information, Communication&Society(8).

Jacobsen, B.,&Beer, D. (2021a).Social media and the automatic production of memory: Classification, ranking and the sorting of the past. Policy Press.

Jacobsen, B. N.,&Beer, D. (2021b). Quantified nostalgia: Social media, metrics, and memory.Social Media+ Society,7(2), 20563051211008822.

Kitchin, R.,&Fraser, A. (2020).Slow computing: Why we need balanced digital lives. Bristol University Press.

Lupton, D. (2020).Data selves: More-than-human perspectives. Cambridge: Polity.

Lury, C.,&Day, S. (2019). Algorithmic personalization as a mode of individuation.Theory, Culture&Society,36(2), 17-37.

Mumford, L. (2010).Technics and civilization.University of Chicago Press.

Ricoeur, P.(1983).Time and Narrative, Volume 1.University of Chicago Press.

Van Dijck, J. (2007). Mediated memories in the digital age. Stanford University Press.

Van Dijck, J. (2013). ‘You have one identity’: Performing the self on Facebook and LinkedIn. Media, Culture&Society, 35(2), 199–215.

冯惠玲.(2020).数字记忆:文化记忆的数字宫殿. 中国图书馆学报(03),4-16.

杨治良.(2011).漫谈人类记忆的研究. 心理科学(01),249-250.

作者:原婷婷;微信公众号:羊村传播(ID:yangcunmedia)

来源:https://mp.weixin.qq.com/s/LRYcXBqXAnJOZnDA5w2ITA

本文由 @羊村传播 授权发布于人人都是产品经理,未经作者许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!