1. 알고리즘의 의미 정의. 알고리즘은 수학에서 유래하지만 현대 알고리즘은 전통 수학의 계산 범주보다 훨씬 더 많다. 알고리즘은 일반적으로 컴퓨터가 문제를 해결하기 위해 사용하는 프로그램이나 단계로 해석되며 현대 인공 지능 시스템의 작동 기둥입니다. 계산주의: 새로운 세계관 (이건휘 등, 20 12) 은 알고리즘을 실행 가능한 방법으로 정의한다. 외부의 상식에서, 소위 알고리즘은 느낄 수 있는 연산 규칙 세트이다. 이 규칙은 계산 시간이 제한되어 있고, 계산 단계가 제한되어 있으며, 입력 결과가 정확하다는 특징이 있다. 기계적인 단계이거나 계산 가능한 프로그램입니다. 이 정의는 알고리즘이 갖추어야 할 두 가지 기본 속성인 유한성과 유한성을 지적한다. 계산의 관점에서 세계 (리, 20 16) 는 정보 전파의 관점에서 알고리즘을 해석하여 알고리즘이 본질적으로 정보 처리 방법이라고 생각한다.
알고리즘 윤리 연구
윤리는 도덕적 가치, 진리, 판단과 관련이 있다. 자연계와 사회에 존재하는 사람은 행동상 일정한 윤리 규범을 따라야 한다. 윤리의 역할은 선을 인도해야 한다. 윤리학은 개인의 존재, 개인의 자유, 공평한 정의, 조직과 집단의 지속과 발전에 대한 존중을 중시한다. 어느 정도까지 오늘날의 인간 사회는 더 이상 지능형 알고리즘 시스템 없이 작동할 수 없다.
알고리즘은 항상 세계에 영향을 미치기 때문에 알고리즘은 윤리에 닿을 수밖에 없다. 호 (20 17) 는 인간 사회 생활에서 알고리즘 시스템이 광범위하게 응용되면 많은 인류가 직면하고 피할 수 없는 윤리적 딜레마에 빠질 수 있다고 지적했다. 그러나 알고리즘이 윤리와 연결되어 있을 때, 일반적으로 직업윤리와 기술윤리라는 두 가지 윤리적 문제가 제기될 것으로 여겨진다.
직업 윤리는 주로 알고리즘 시스템의 개발자와 관련이 있습니다. 즉, 개발자는 성격 가치와 윤리를 가진 알고리즘 시스템을 개발하는 행위자이므로 알고리즘 시스템은 처음부터 디자이너의 주관적 도덕을 혼합합니다. 설계자가 알고리즘 시스템을 개발하는 목적과 다양한 문제에 대한 디자이너의 윤리적 태도는 모두 알고리즘 시스템 운영에 반영됩니다.
기술 윤리는 어떤 의미에서 과학 기술이라고 부를 수 있는 알고리즘 체계이다. 이런 기술 자체와 그 운영 결과는 모두 윤리적 가치를 지니고 있다. 사실, 어떤 경우에는 직업윤리와 기술도덕이 명확하게 구분되지 않는다. 유택원과 왕국옥은 이미 이 점을 토론했다.
이 글은 기술 윤리의 관점에서 알고리즘의 윤리 문제에 대해 심도 있는 연구를 시도하고 있다.
(b) 인터넷 뉴스 보급의 알고리즘 윤리 연구
알고리즘과 기술의 융합은 인터넷 뉴스 전파 분야에서 지속적으로 활용되고 있으며, 데이터 뉴스에서 기계 작문에 이르기까지 알고리즘에서 여론 분석까지, 국내 뉴스 미디어 분야의 기계 뉴스 및 관련 연구도 점차 발전하고 있다. 기계 뉴스 쓰기: 진행 중인 혁명 (20 14) 에서 저자는 알고리즘 기반 뉴스 콘텐츠의 생산과 편집에 더 많은 관심을 기울였다. 자동화 뉴스 생산의 대발전을 전제로 노동 집약적인 기초업무와 뉴스 제작 또는 발행 등이 기술로 대체될 것으로 믿는다. 비트에서 인공지능까지: 디지털 뉴스 생산의 알고리즘 전환 (20 17) 에서, Juck Zhang 과 종신은 알고리즘이 비트 형식에서 인공지능 단계로 옮겨가고 있다고 생각하여 디지털 뉴스와 전통 뉴스의 경계를 더욱 명확하게 하여 디지털 뉴스 생산의 전환을 촉진시켰다. 후진타오는' 지능형 알고리즘 추천의 윤리적 위험 및 예방 전략' 에서 알고리즘 푸시에서 뉴스 가치에 대한 부정적인 영향을 요약했다. 뉴스의 홍보, 객관성, 진실성의 약화를 볼 수 있습니다. 청중으로부터: 정보 고치 현상과 청중의 알 권리와 잊혀진 권리에 대해 상세히 논의할 것입니다. 사회적 영향 방면에서 사회 집단, 사회 분야, 사회 문화에 대한 부정적인 영향을 논술하였다.
앞서 언급한 문헌에 따르면 현재 국내 인터넷 뉴스 전파 알고리즘 윤리에 대한 연구는 주로 뉴스 형식 알고리즘 윤리 실범과 관련된 문제에 초점을 맞추고 있다. 이는 다른 실범 문제보다 더 쉽게 발견할 수 있기 때문이다. 그러나 현재 국내에서 인터넷 뉴스 전파 알고리즘 윤리에 대한 연구는 아직 미비하다. 국내에서 인터넷 뉴스 전파 알고리즘 윤리와 알고리즘 윤리에 대한 연구는 아직 초기 단계에 있으며, 상대적으로 성숙한 시스템 연구는 아직 나타나지 않았다. 알고리즘 개발자와 플랫폼의 책임 메커니즘 연구는 상대적으로 약하다. 전반적으로, 알고리즘 푸시 뉴스 윤리 문제에 대한 연구를 계속 강화할 필요가 있다.
뉴스 추천 알고리즘의 부상, 개발 및 원리.
2. 1 뉴스 추천 알고리즘의 부상
컴퓨터 기술의 정보 처리 차원이 높아지면서 정보 처리 능력도 높아지고 있다. 알고리즘 기술은 사용자가 가장 염려하고 관심 있는 정보를 큰 데이터에서 선별하여 기존의 뉴스 정보 전파 패턴을 변화시키고 새로운 미디어 생태와 전파 패턴을 재창조할 수 있다. (존 F. 케네디, Northern Exposure (미국 TV 드라마), 과학명언)
한편, 모든 사람이 정보를 생산할 수 있는 맥락에서 정보 생산, 전파, 피드백의 속도는 기하급수적으로 증가하여 사용자가 직면하고 있는 정보가 늘어나고 있습니다. 디바이스의 제한과 정보의 양이 어마하기 때문에 사용자가 관심 있는 것에 집중할 수 없고 유용한 정보를 적시에 수집할 수 없어' 주의 경제' 가 나타났다. 미국 경제학자 마이클 골드하이머 (1997) 는 오늘날 사회가 정보가 매우 풍부하고 범람하는 사회이며 인터넷의 출현이 이 이 과정을 가속화한다고 생각한다. 정보는 희소한 자원이 아니라 과잉이다. 과잉 정보에 비해 단 하나의 자원만이 희소하다. 그것이 바로 인간의 주의력이다. 즉, 정보는 수량만 추구해서는 안 되고 가치도 있어야 한다. 가치는 정보에 대한 사용자의 관심에 있다. 사용자의 관심을 받는 사람은 누구나 시장 발전의 공간을 가질 수 있다. 뉴미디어 컨버전스 플랫폼은 사용자의 주의를' 판매' 함으로써 이윤을 내고 발전을 유지할 수 있다. 또한 생활 리듬이 빨라지면서 정보와 효율성에 대한 요구가 높아지고 관심 없는 정보에 시간을 낭비하고 싶지 않아 사용자가 정보를 얻는' 개인화' 기능이 눈에 띈다.
이러한 배경에 근거하여, 알고리즘은 뉴스를 푸시하는 전파 메커니즘이 생겨났다. 사용자는 자신이 필요로 하는 정보를 검색할 필요가 없지만, 대량의 정보는 스스로 사용자를 "찾을" 수 있어, 사용자 검색 시간을 절약하고, 실제로 사용자에게 유용한 정보를 제공할 수 있다.
2.2 뉴스 추천 알고리즘 개발
알고리즘 추천은 사용자 데이터를 기반으로 사용자에게 특정 영역의 정보를 추천하고 청중의 피드백에 따라 추천 방안을 지속적으로 수정하고 개선하는 것입니다. 현재 알고리즘 푸시를 사용하는 뉴스 기관에는 두 가지 주요 범주가 있습니다. 일류는 신형 인터넷 뉴스 집계 플랫폼으로, 국내에서는 주로 오늘의 헤드라인, 약간의 정보 등 알고리즘 플랫폼으로 대표되며 중국 뉴스 클라이언트 시장에서 매우 높은 시장 점유율을 차지하고 있다. 장일명은 큰 데이터와 알고리즘에 의존하여 사용자에게 정보를 추천하고, 사람과 정보를 연결하는 서비스를 제공함으로써 오늘의 헤드라인을 만들었다. 알고리즘은 키워드 등의 요소를 통해 사용자의 취미를 판단하고, 전체 네트워크에서 콘텐츠를 캡처하여 개인 추천을 실현한다. 외국은 페이스북, 인스타그램 등 플랫폼으로 대표된다. 이러한 app 는 알고리즘을 통해 사용자의 데이터를 마이닝하여 사용자의 개인화된 요구에 따라 사용자의 뉴스를 푸시합니다. 또 다른 종류는 전문 뉴스 제작을 위한 전통 미디어이다. 뉴스 시장의 경쟁에 적극적으로 대응하고, 기술 수준을 높이고, 중국 인민일보와 같은 뉴스 전 미디어 플랫폼으로 전환하기 위해. 알고리즘을 사용하여 외국 사용자에게 뉴스를 푸시하는 전통 매체로는 미국의 연합 통신, 워싱턴 포스트, 영국의 BBC 등이 있다. 그들은 알고리즘을 사용하여 청중의 수와 그들의 독서 행동을 감시하고, 그들의 뉴스 보도가 청중에게 더 사랑받고, 사용자의 점도를 높인다.
2.2 뉴스 추천 알고리즘의 원리
2.2. 1 뉴스 추천 알고리즘의 기본 요소
알고리즘 푸시에는 사용자, 컨텐츠 및 알고리즘의 세 가지 기본 요소가 있습니다. 사용자는 알고리즘 푸시 시스템의 서비스 객체입니다. 사용자에 대한 이해와 인식이 투철할수록 콘텐츠 분류 방법이 더 정확하고 효과적이다. 내용은 알고리즘 푸시 시스템의 기본 생산 자료이며, 다양한 전파 형식의 분석, 조직, 저장 및 배포에는 과학적 수단과 방법이 필요합니다. 알고리즘은 기술 지원이며 알고리즘 푸시의 핵심입니다. 시스템의 많은 사용자가 방대한 양의 정보를 혼자 일치시킬 수 없으므로 사용자와 컨텐츠를 연결하고 사용자와 컨텐츠 간에 다리 역할을 하며 적절한 컨텐츠를 적절한 사용자에게 효율적으로 추천할 수 있는 푸시 알고리즘이 필요합니다.
2.2.2 뉴스 추천 알고리즘의 기본 원리
알고리즘 푸시의 출현에는 충분한 정보원과 정확한 알고리즘 프레임워크라는 두 가지 조건이 필요합니다. 여기서 알고리즘의 컨텐츠 생산원은 정보 배포의 최종 효과와 밀접한 관련이 있습니다. 즉, 정보를 수집할 수 있는 충분한 정보가 있는지, 정보의 품질이 사용자를 만족시키기에 충분한지, 정보의 전파 효과에 영향을 미칠 수 있습니다. 동시에, 배포 과정도 되돌아와 전체 전파의 생태를 변화시키고 있다. 현재 국내 뉴스 전파 분야에서 사용되는 알고리즘 푸시에는 협업 필터링 푸시, 컨텐츠 기반 푸시 및 연관 규칙 푸시의 세 가지 유형이 있습니다.
협업 필터링 푸시는 사용자 기반 협업 필터링과 모델 기반 협업 필터링으로 구분됩니다. 전자는 주로 사용자 간의 유사성을 고려합니다. 유사 사용자가 좋아하는 문장 범주를 찾아내 대상 사용자가 이 문장 선호도를 예측하는 한 다른 문장 추천을 할 수 있다. (윌리엄 셰익스피어,,, 뉴스, 뉴스, 뉴스, 뉴스, 뉴스, 뉴스, 뉴스) 후자는 전자와 비슷하다. 차이점은, 이때, 우리는 대신 문장 간의 유사성을 찾는다. 특정 문장 종류에 대한 대상 사용자의 선호도를 찾아야만 유사성이 높은 유사 문장 예측 및 유사 좋아하는 유사 문장 추천을 할 수 있다. 따라서 전자는 사용자 내역 데이터를 사용하여 전체 사용자 데이터베이스에서 유사한 푸시 문장 (사용자 내역 데이터를 통해 예측 모델을 구축한 다음 모델을 통해 예측 푸시를 수행합니다.
컨텐츠 기반 푸시는 사용자 내역에 따라 텍스트 정보 특성을 추출하고 필터링하고 모델을 생성하며 사용자에게 기록 항목과 유사한 정보를 추천합니다. 장점 중 하나는 협업 필터링에서 데이터가 부족할 때 분포를 정확하게 판단할 수 없는 문제를 해결한다는 것입니다. 그러나 사용자의 과거 데이터를 바탕으로 장기간 정보를 추천한다면 과도한 개인화를 초래하여' 정보고치실' 을 형성하기 쉽다.
상호 관계 규칙 푸시는 사용자 내역 데이터를 기반으로 사용자 데이터 뒤의 연결을 마이닝하여 사용자의 잠재적 요구 사항을 분석하고 사용자가 관심을 가질 수 있는 정보를 권장합니다. 이 알고리즘에 기반한 정보 추천 프로세스는 주로 두 단계로 나뉩니다. 첫 번째 단계는 현재 사용자가 읽은 내용을 바탕으로 사용자가 관심을 가질 수 있는 내용을 추론하는 것입니다. 두 번째는 컨텐츠를 규칙의 중요도에 따라 정렬하여 사용자에게 보여주는 것이다. 상호 관계 규칙 푸시의 효과는 규칙의 수와 품질에 따라 다르지만 규칙 수가 증가함에 따라 시스템에 대한 요구 사항도 증가합니다.
2.2.3 알고리즘 푸시 구현 프로세스
정보가 과부하된 시대에는 같은 뉴스 화제에 동질화된 보도가 많기 때문에 발표 전에 뉴스 내용을 도태해야 하고, 탈락한 뉴스 내용은 푸시를 기다리고 있다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 정보명언) 이때 푸시 시작, 확장 푸시, 제한 푸시의 세 가지 유추 전송이 있습니다.
3. "오늘의 헤드 라인" 뉴스 추천 알고리즘 분석
오늘의 헤드라인은 국내의 정보 미디어 집합 플랫폼으로, 매일 654 억 38+0 억 2 천만 명이 넘는다. "네가 신경 쓰는 건 헤드라인이야!" 오늘날의 "정보는 가치를 창출한다!" 제품 구호의 변화는 또한 오늘날의 헤드라인이 과거의 단일 난폭한 트래픽 사고에서 벗어나 사람과 정보의 연결에 초점을 맞추고 있으며, 정보의 효율적이고 정확한 전파를 촉진하는 동시에 올바른 가치 유도에 초점을 맞추고 있음을 의미합니다.
20 18 초' 오늘의 헤드라인' 선임 알고리즘 설계자 조환환 박사는 공유 교류회에서 알고리즘의 작동 원리를 공개했다. 그는 서술에서' 오늘의 헤드라인' 의 알고리즘 추천 시스템 개요와 알고리즘 추천 시스템의 작동 원리를 매우 상세하게 소개했다.
조환환 박사 3. 1. 1- 1 오늘의 헤드라인 알고리즘 모델링
위 그림은' 오늘의 헤드라인' 의 알고리즘 푸시를 수학적으로 형식화한 방법으로 설명하고 있습니다. 즉, Y 는 콘텐츠에 대한 사용자 만족도를 얻을 수 있는 함수입니다.,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, Xc 는 환경이다. 모바일 인터넷 시대 뉴스 푸시의 특징이기도 하다. 사용자가 언제 어디서나 끊임없이 이동하고 모바일 터미널도 이동하며, 직장, 여행 등에 따라 사용자의 정보 푸시 선호도가 달라질 수 있습니다. 쑤는 내용이고, 오늘의 헤드라인은 정보 집계 플랫폼이며, 콘텐츠 형식은 다양하다. 이 장에서는 이 기능을 기반으로 오늘의 헤드라인에 대한 권장 알고리즘을 하나씩 분석합니다.
3. 1 권장 차원 중 하나: 콘텐츠 분석.
내용 분석은 원래 제 2 차 세계대전 기간 전파학자 라스웰과 다른 연구원들이' 전사 전파 연구' 를 조직해 독일이 공간한 전시 신문을 연구 대상으로 신문 내용의 본질적 사실과 추세를 밝히고 숨겨진 정보 내용을 밝히며 대량의 군사 비밀 정보를 얻고 정세 발전에 대한 정보 예측을 하는 것을 의미했다. 오늘의 헤드라인에서 콘텐츠 분석은 문장 및 비디오에서 핵심 요소를 추출하여 문자 및 비디오 제목 키워드의 의미 인식을 통해 콘텐츠를 분류합니다. 오늘의 헤드라인' 푸시 시스템은 일반적인 계층 텍스트 분류 알고리즘으로 각 뉴스에서 적절한 분류를 찾을 수 있도록 지원합니다. 예를 들어, 가장 큰 분류는 정치, 기술, 금융, 오락, 스포츠 등이다. , 스포츠는 농구, 축구, 테니스 등으로 나눌 수 있습니다. 축구는 중국 축구와 국제 축구로 나눌 수 있고, 중국 축구는 결국 갑 A, 중국 슈퍼리그, 국가대표팀 등으로 나눌 수 있다. 이 단계는 나중에 고객에게 추천할 수 있도록 문장 분류를 하는 것입니다.
콘텐츠 분석의 효과를 얻으려면 알고리즘 시스템에 효과적인 필터링 및 분류를 제공하기 위해 대량의 콘텐츠 정보가 필요합니다. 오늘의 머리기사' 가 알고리즘에 의지하여 뉴스를 푸시한다면, 배후의 데이터베이스는 반드시 강할 것이다. 인터넷 거미' 와' 헤드 라인' 은 오늘날의 헤드라인 플랫폼 뉴스의 출처를 지탱하는 중요한 통로로, 뉴스 출처가 매우 풍부해 언제 어디서나 새로운 상황이 발생할 때마다 효율적으로 정보를 수집할 수 있다.
첫 번째 뉴스 소스는 웹 크롤러라고도 하는' 웹 거미' 입니다. 헤드라인은' Bytespider' 라는 검색 엔진 파충류를 사용했다. 거미가 거미줄을 통해 먹이를 잡는 것처럼 특정 규칙에 따라 인터넷 정보나 스크립트를 자동으로 캡처하고 잡을 수 있습니다. 새로운 정보 자원을 발견하면 거미는 즉시 정보 내용을 캡처하여 자체 데이터베이스에 넣습니다. 위챗 수직 검색과 달리 Bytespider 는 전체 웹 콘텐츠를 캡처하는 새로운 검색 엔진입니다. 따라서' 오늘의 헤드라인' 의 검색 엔진은 기능이 종합적이고, 검색 자원이 광범위하며, 자원 포용성이 매우 강하다.
Bytespider 정보 수집의 기본 프로세스는 다음과 같습니다. 첫째, 웹 페이지 캡처입니다. Bytespider 는 웹 페이지의 하이퍼링크를 따라 한 웹 사이트에서 다른 웹 사이트로 기어가서 하이퍼링크 분석을 통해 더 많은 웹 페이지를 지속적으로 액세스하고 크롤링합니다. 캡처된 웹 페이지를 웹 페이지 스냅샷이라고 합니다. 하이퍼링크는 인터넷에서 널리 사용되기 때문에 이론적으로 일정 범위의 웹 페이지에서 대부분의 웹 페이지를 수집할 수 있습니다. 두 번째 단계는 웹 페이지를 처리하는 것입니다. 검색 엔진이 웹 페이지를 캡처한 후 대량의 사전 처리 작업을 해야 검색 서비스를 제공할 수 있다. 그중에서 가장 중요한 것은 키워드를 추출하고 색인 데이터베이스와 색인을 만드는 것이다. 기타에는 중복 제거 페이지, 페이지 유형 결정, 하이퍼링크 분석, 페이지의 중요성 및 풍부함 계산 등이 포함됩니다. 세 번째 단계는 검색 서비스를 제공하는 것입니다. 사용자가 키워드를 입력하여 검색하면 검색 엔진이 색인 데이터베이스에서 키워드와 일치하는 웹 페이지를 찾습니다. 사용자 편의를 위해 웹 페이지의 제목과 웹 주소 외에도 웹 페이지의 요약 등의 정보도 제공됩니다.
3.2 권장 차원 2: 사용자 분석
사용자가 자주 찾아보는 문자 유형, 자주 검색하는 키워드, 등록 정보의 내용 등 사용자의 유효한 데이터를 추출하여 사용자 분석을 수행합니다. , 알고리즘 시스템은 각 사용자의 찾아보기 기록, 찾아보기 시간, 설명, 전달 등의 동작에 대한 키워드를 추출하여 나중에 사용자에게 문장 및 비디오를 정확하게 푸시할 수 있도록 사용자 초상화를 만들 수 있습니다. 예를 들어, "운동" 을 좋아하는 사용자에게 "운동" 이라는 라벨을 붙입니다. "엔터테인먼트" 를 좋아하는 사용자에게 "엔터테인먼트" 라는 라벨을 붙이다. 이 단계의 역할은 문장 및 비디오에 대한 사용자의 전반적인 인기도, 분류 인기도, 주제 인기도, 키워드 인기도 등 사용자의 흥미를 모델링하는 것입니다. 대추천 시스템의 핫스팟 정보는 뉴스의 콜드 스타트 문제를 해결하고 뉴스 푸시를 돕는다.
사용자 분석에는 공동 특성도 있어 알고리즘이 점점 좁아지는 문제를 어느 정도 해결하는 데 도움이 됩니다. 협동적 특징, 즉' 연상식' 푸시 방법은 사용자의 기존 역사를 고려하는 것이 아니라 사용자 행동을 통해 클릭 유사성, 관심 분류 유사성, 주제 유사성, 관심 단어 유사성, 벡터 유사성 등 여러 사용자 간의 유사성을 분석하여 모델의 탐색 능력을 확장합니다. 사용자 간의 데이터 계산 유사성에 따라 사용자를 여러 대상 그룹으로 나누고 관심 있는 뉴스 콘텐츠를 대상 그룹에 집중적으로 푸시합니다.
콘텐츠 분석과 사용자 분석은 상호 보완적이다. 분석된 텍스트 레이블이 없으면 사용자 관심 레이블을 얻을 수 없고, 사용자 관심 레이블이 없으면 사용자를 찾아 정밀 푸시를 수행할 수 없습니다.
3.3 권장 사항의 세 번째 측면: 환경 분석
환경 분석은 사용자의 현재 위치가 관광 지역에 있는지 여부와 같은 문장 적시성과 근접성에 따라 해당 사용자에게 푸시됩니다. 이는 사용자의 실시간 위치를 확보하여 수행할 수 있습니다. 또한 사용자가 이전에 자주 나타난 곳과 비교하여 현재 상태를 지속적으로 확인하고 사용자가 영구 지역에 있는지 또는 여행 중인지를 분석합니다. 이때 시스템에서 사용자가 태산 안팎에서 노는 것을 감지하면 태산 관련 문장, 주변 교통뉴스, 날씨 정보 등을 푸시할 수 있다.
위의 세 가지 추천 차원을 통해 현재 사용자의 환경을 데이터 근거로 분석하고 사용자 초상화와 문장 콘텐츠 분류를 결합하여 푸시된 콘텐츠를 최대한 흥미롭게 만들 수 있습니다. 콘텐츠 분류, 분석 및 추출을 통해 알고리즘 시스템은 뉴스 주제 및 콘텐츠 유사 문장, 반복 푸시 문제 해결, 대상 사용자에게 정확하고 중복되지 않는 콘텐츠 추천 등 텍스트 유사성이 높은 문장 중복을 제거합니다. 마지막으로, 플랫폼에서 좋지 않은 경향을 일으키지 않도록 저속한 음란물을 걸러냅니다.
3.4 "오늘의 헤드 라인" 뉴스 추천 알고리즘의 가치 지향
3.4. 1 "사용자 우선"
오늘의 헤드라인' 의 알고리즘 푸시는 사용자의 입장에서 사용자의 개인화와 푸시의 정확성을 만족시키기 위한 것이다. 오늘의 헤드라인' 은 뉴스 가치 기준도 재평가했다. 사용자 중심의 뉴스 콘텐츠와 독서 방식에 대한 사용자 만족은 플랫폼 푸시 뉴스의 가치 취지다. 전통 미디어 시대에는 신문과 텔레비전만 관람객이 보고 싶어하는 것을 보고 싶었는데, 지금은' 오늘의 헤드라인' 이 사용자의 흥미를 바탕으로 떠밀려왔다. 알고리즘 푸시 플랫폼의 사용자 범위는 매우 넓어서 많은 사람들이 부정적인 관심에 열중하고 있다. 엿보기와 호기심, 지루한 가십, 지루한 뉴스, 호기심의 영향으로 대중의 심리를 가진 사용자도 많다. 이로 인해 제작진은 관객을 지나치게 영합하게 되며, 사용자가 좋아하면 오늘의 헤드라인에 올릴 수 있다.
3.4.2 "알고리즘 지향"
오늘의 헤드라인은 기술 배포에 더 많은 관심을 기울이고, 프로듀서는 사용자이고, 청중은 사용자이며, 콘텐츠의 규제와 배포는 매우 어렵다. 알고리즘 푸시 메커니즘은 사용자 선호도에 따라 푸시되므로 컨텐츠 배포 속도가 빨라지고 컨텐츠 배포 효율성이 향상됩니다. 알고리즘 푸시 모델에서 사용자 클릭 빈도, 읽기 시간, 평가 및 댓글, 전달은 모두 알고리즘 시대에 수량화할 수 있는 목표입니다. 이런 상황에서 생성된 콘텐츠의 경우 조회수와 푸시율을 높이려면 제목이 필요합니다. 이는 사용자가 플랫폼에서 한눈에 볼 수 있는 것이 제목과 그림이기 때문입니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 스포츠명언) 제목과 사진은 사용자가 귀하의 콘텐츠를 열 것인지 여부를 결정합니다. 이로 인해 많은 콘텐츠 생산자들이 문장 제목을 편집할 때 표제당의 괴권에 빠지고, 저속한 콘텐츠를 선보이게 됩니다. 충돌을 만들고 서스펜스 라벨을 만들어 사용자가 클릭하도록 유도하고, 자신의 영화를 폭불문장 만들려고 합니다. 방대한 양의 정보 컨텐츠의 경우, 오늘날의 헤드라인 데이터와 스마트 추천이 잘 되어도 대량의 스팸을 막기 어렵다.
알고리즘 푸시 뉴스로 인한 윤리적 문제.
오늘날의 인터넷 시대의 전파 사고에서' 사용자 중심',' 알고리즘 선도' 의 뉴스 가치 지향은 알고리즘 집합 플랫폼에서 이미 보편화되고 있다. 알고리즘 푸시 기술은 사용자를 끌어들이는 수단으로 미디어 환경을 유도하고 플랫폼에 대한 사용자 점도를 높입니다. 알고리즘 푸시 기술은 과거에 비해 정보와 전파 속도를 얻는 데 큰 발전을 이루었지만, 동시에 알고리즘 푸시 기술의 가입으로 인해 새로운 윤리적 문제가 발생하고 복잡해지고 있습니다.
4. 1 알고리즘 푸시로 인한 윤리적 문제
4.1..1알고리즘 푸시는 너무 기계화되어 사고력이 없다.
단방향 알고리즘 추천은 종종 사용자에게 컨텐츠 혼란, 정보량 초과, 정보 가치 저하 문제를 야기합니다. 논리적으로, 알고리즘은 키워드 검색과 일치에서 통계적 추천을 완성할 뿐, 뉴스 보도나 문학 작품의 예술성과 전문성에 대해서는 푸시의 품질을 보장할 수 없다. 현재의 알고리즘은 주로 일치 검색 및 통계를 기반으로 하며, 개인의 관심 있는 정보 유형과 레이블을 기반으로 하기 때문에 좋은 푸시 효과를 얻기가 어렵습니다. 천 명의 눈에는 천 개의 햄릿이 있지만, 컴퓨터는 한 대밖에 없다. 알고리즘 기술은 기계화 통계를 지나치게 중시하며 키워드로만 사용자를 추천하고, 중국은 깊은 한자 문화를 가지고 있으며, 추천 알고리즘은 충분치 않다. 전체 뉴스 클라이언트는 채소 시장처럼 보이고, 태도와 풍격이 없고, 읽기 체험이 단일하며, 조각화된 특징을 보여준다. 뉴스는 사용자에게 주변에서 일어나는 새로운 일을 알릴 뿐만 아니라 긍정적인 생각을 촉진하고 긍정적인 에너지를 전파할 수 있게 해준다. 뉴스는 또한 사람들에게 새로운 사고를 가져다 주어야 한다. 기계가 올바른 판단을 내리는 것은 간단하지만, 기계가 심리학, 사회학, 심지어 어떤 세분화 분야의 규칙을 판단하고 관객을 제대로 인도하기는 어렵다. 알고리즘 기술이 인간성, 문학성, 비판적인 심도 있는 보도를 완성할 수 없는 것처럼 단편화, 표층화의 전파 범주에서 멈춘다.
4. 1.2 는' 정보고치실' 효과를 일으키기 쉽다.
정보고치실' 의 개념은 키스 산스탄이' 정보유토피아' 라는 책에서 제기한 것이다. 청중이 과도한 정보 자기선택에 빠지면 외부의 다른 정보를 접할 가능성을 줄여 자신의 생활을 누에 고치 같은' 잠실' 으로 제한한다는 뜻이다. 사람들의 정보장은 습관적으로 자신의 흥미에 이끌릴 수 있고, 정보의 폭이 좁아지면 청중 정보 수신의 단일성이 생기고, 관객을 순환에 빠뜨리고, 청중 정보의 동질화를 심화시킬 수 있다.
4. 1.3 알고리즘에 의해 푸시되는 "의사 중립"
객관성과 포괄성은 뉴스 윤리의 기본 요구 사항이며 기자는 좋은 정보원으로부터 실제 정보를 얻고 객관적인 태도로 현실을 반영해야 한다. 우리는 이전에 인터넷 기술 서비스 업체가 기술적으로 중립적이어서 대중매체를 구속하는 사회적 책임을 질 필요가 없다고 생각했었다. 그러나, 정보 게이트 키퍼와 뉴스 편집자가 알고리즘 엔지니어로 변모했을 때, 전통적인 미디어 윤리는 이미 실효된 것 같다. 알고리즘은 상업적 성향을 띠고 있으며,' 중립성' 은 알고리즘 플랫폼이 언론의 책임을 회피하는 이유이며, 대중매체에 혼란을 일으키고, 알고리즘 플랫폼' 제멋대로 행동하고 책임을 지지 않는다' 는 궤변이다.
알고리즘 플랫폼의 정보원이 필터링되어' 헤드 라인' 의 내용이' 오늘의 헤드 라인' 전체 정보 시스템의 대부분을 차지하고 있다. 그러나' 누구나 기자가 될 수 있다' 는 시대에, 1 위 플랫폼은 열린 인터넷 미디어 환경으로 많은 편견과 오해가 있었다. 오늘의 헤드라인' 플랫폼에 설정된 알고리즘 규칙이든 다른 파충류가 잡은 키워드든, 알고리즘 시스템의 많은 정보원들은 목적이 있고 편견이 있으며 객관적이지 않은 정보이기 때문에 정보 소스는 사용자에게 직접 작용할 수 없다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), Northern Exposure (미국 TV 드라마), 과학명언 따라서 필터링 알고리즘 시스템의 정보 출처는 기존의 수동 편집에 비해 매우 광범위하며 확인하기가 어렵습니다. 알고리즘이 악의적으로 사용되면 전체 통신 시스템을 쉽게 제어할 수 있다.
4. 1.4 알고리즘 푸시의 의제 설정
원래 의제 설정 기능에서 밝혀진 중요한 의미는 "뉴스에 대한 청중의 견해는 대중매체 의제 설정 기능의 지배를 받지만, 의제 설정이 대중매체 뉴스에 미치는 확대와 확장으로 시청자들이 뉴스 선택에 대해 동적으로 수정하게 하고 수요와 미디어 의존을 만족시키는 데 잠재된 정체성을 점차 키우고 있다" 는 것이다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 뉴스명언)
인터넷 플랫폼에서의 푸시 알고리즘 기술의 응용은 기존 미디어가 주도하는 의제 설정 과정을 변화시켰으며, 의제 설정 기능은 전파권 이전, 대중 참여도 향상, 정보 급증에 따라 점차 약화되고 있다. 과거 전통뉴스의 내용은 편집자가 선별적으로 보도한 뒤 관객에게 선보이는 반면, 개인화된 뉴스 푸시는 사용자가 볼 내용을 선택할 수 있도록 하는 것이다. 이 과정에서 자연 기술은 사용자에게 기존 미디어에서 플랫폼 사용자에게 전파권을 분산할 수 있는 권한을 부여하여 대중과 사회의 연락이 더 이상 기존 미디어에 의존하지 않게 하고, 뉴스 매체의 관문인 역할과 의제 설정 기능이 약화되고 있다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 예술명언)
4.2 알고리즘 뉴스 거버넌스 결함에 따른 알고리즘 권리 소외
인공지능의 초석 중 하나인 알고리즘은 "컴퓨터 프로그램에 적용되는 제한적이고 확실하며 효과적인 문제 해결 방법, 컴퓨터 과학의 기초" 입니다. 최근 몇 년 동안 인공지능 심도 학습 알고리즘의 거대한 돌파와 빅 데이터 시대가 도래함에 따라 인공지능의 응용 장면이 끊임없이 확장되면서 인공지능 시대는 상상에서 현실로 변하고 있다. 심도 있는 학습 알고리즘을 갖춘 인공지능 기계는 방대한 양의 데이터와 강력한 컴퓨팅 기능을 갖춘 하드웨어 장치를 통해 자율 학습과 강화 훈련을 통해 지속적으로 자신의 능력을 향상시키고 많은 인류가 효과적으로 대처할 수 없는 거버넌스 문제를 해결합니다. 국가 및 사회 거버넌스에서 인공 에너지 알고리즘의 중요성이 증가함에 따라 알고리즘에 대한 국가 및 사회의 의존도가 점차 심화되고 새로운 형태의 권력 인 알고리즘 권력도 등장했습니다.
알고리즘 권리는 데이터 주권, 알고리즘 설계권, R&D 자본권, 알고리즘 통제권의 네 가지 범주로 나눌 수 있습니다. 처음 세 가지 권리는 모두 일방적이기 때문에 알고리즘 개발자는 권리를 알고리즘에 넘겨주고, 알고리즘 개발자에게 속하며, 알고리즘 배포 플랫폼의 효과에 직접적인 영향을 미치지 않기 때문에 이 문서에서는 알고리즘의 제어권에 초점을 맞출 것이다.
알고리즘의 제어권은 양방향이며, 사용자는 알고리즘 기술 데이터 동작의 제공자이자 알고리즘 기술 제어의 희생자입니다. 예를 들어,' 오늘의 헤드라인' 은 푸시 알고리즘을 통해 사용자의 게시 및 탐색 동작을 감독하고, 플랫폼은 알고리즘 의사 결정 시스템을 통해 컨텐츠를 게시하여 사용자를 안내합니다. 알고리즘 통제권은 당연히 자연기술에 의해 부여되는 권리이지만, 사용자가 데이터를 제공하는 경우에만 실현될 수 있다. 따라서 알고리즘 통제권은 콘텐츠를 생산할 권리뿐만 아니라 알고리즘 상대자를 존중하고 보호해야 할 의무도 있다.
이 때문에 알고리즘 기술은 양날의 검으로 여겨진다. 한편, 알고리즘은 정확한 행동 예측을 할 수 있으며 관리자에게 매우 좋은 순환 개입 메커니즘을 제공합니다. 공공 행위자의 경우, 큰 데이터의 응용을 통해 사회 거버넌스 문제를 해결할 수 있고, 사적인 행위자의 경우 데이터를 통해 개인화되고 맞춤화된 서비스를 제공할 수 있습니다. 한편, 알고리즘 기술에는 수익과 위험 비대칭과 같은 문제가 있으며, 알고리즘 기술의 고도로 발전함에 따라 신기술의 창조자들은 비대칭 정보와 기술적 장점을 가지고 있으며, 자신의 이익에 따라 플랫폼에 알고리즘 푸시 논리와 사회 체계를 형성할 수 있어 감독의 불확실성을 가져올 수 있습니다. 사람들은 집단 행동을 통해 사회적 책임을 져야 하며, 이런 방식으로 알고리즘의 권리를 규범화하면 알고리즘 배포 제도의 의미와 가치에 대해 더 깊이 생각할 수 있다.