神譯局是36氪旗下編譯團(tuán)隊(duì)，關(guān)注科技、商業(yè)、職場(chǎng)、生活等領(lǐng)域，重點(diǎn)介紹國外的新技術(shù)、新觀點(diǎn)、新風(fēng)向。

編者按：未來屬于大數(shù)據(jù)，你能想到的一切正在被數(shù)據(jù)化，甚至包括文化藝術(shù)。研究表明，音樂正在變得越來越雷同。為什么？因?yàn)槿藗內(nèi)找嫱ㄟ^流媒體平臺(tái)收聽音樂，而這些普通會(huì)利用算法預(yù)測(cè)我們的品味并推薦歌曲。但這種根據(jù)過去預(yù)測(cè)未來的算法只會(huì)讓我們同質(zhì)化，讓文化因?yàn)槿狈Ξa(chǎn)生新想法、新可能性的資源而衰落。崇拜數(shù)字技術(shù)力量的那些人也許認(rèn)為正朝著烏托邦邁進(jìn)。但是，如果我們讓算法替我們所有人預(yù)測(cè)未來，我們就會(huì)發(fā)現(xiàn)，除了回到過去，我們別無他處可去。文章來自編譯。

圖片來源：Pixabay

劃重點(diǎn)：

音樂與消費(fèi)者被簡(jiǎn)化成數(shù)據(jù)

聽眾的口味會(huì)慢慢開始跟流媒體平臺(tái)所創(chuàng)建的模型類似

預(yù)測(cè)算法其實(shí)什么也預(yù)測(cè)不了，只能讓特定類型的過去重現(xiàn)而已

重新配置的文化藝術(shù)品看起來也許很新鮮，但其實(shí)卻是新瓶裝舊酒

推薦算法

2012 年，西班牙國家研究委員會(huì)人工智能研究所（Artificial Intelligence Research Institute of the Spanish National Research Council）的 Joan Serra 等科學(xué)家證實(shí)了一件很多人開始懷疑的事情：音樂正變得越來越雷同。這支團(tuán)隊(duì)利用計(jì)算機(jī)分析，把近 50 萬首錄音歌曲按響度、音高和音色等變量進(jìn)行分解，結(jié)果發(fā)現(xiàn)，自 1960 年代以來，流行音樂音色的多樣性就一直在減少。這種趨同性表明，流行音樂在朝著消費(fèi)品的底層特征發(fā)展：遵循一種讓音樂得到病毒式傳播的公式。

這些發(fā)現(xiàn)標(biāo)志著音樂發(fā)現(xiàn)行業(yè)走到了分水嶺。為了利用人工智能生成歌曲的描述性元數(shù)據(jù)，從而讓算法可以推薦合適的歌曲給聽眾，這個(gè)行業(yè)已經(jīng)付出了 10 億美元的努力。2010 年代初期，領(lǐng)先的音樂智能公司還是Echo Nest，然后 Spotify 在 2014 年收購了前者。 2005 年誕生于麻省理工學(xué)院媒體實(shí)驗(yàn)室的Echo Nest 研究了一系列的算法，這些算法可以利用一組參數(shù)來測(cè)量錄制音樂，比方說原聲性（acousticness）、舞蹈性（danceability）、器樂性（instrumentalness）和言語性（speechiness）等名字比較拗口的參數(shù)。為了完善他們的模型，這些算法還可以到互聯(lián)網(wǎng)上面去搜索，并對(duì)描寫特定音樂的任何內(nèi)容進(jìn)行語義分析。其目標(biāo)是設(shè)計(jì)出一首歌曲的完整指紋：把音樂簡(jiǎn)化成數(shù)據(jù)，從而更好地引導(dǎo)消費(fèi)者找到他們喜歡的歌曲。

最終，聽眾的口味就會(huì)慢慢開始跟流媒體平臺(tái)所創(chuàng)建的模型類似

到了 Spotify 收購下 Echo Nest 時(shí)，后者聲稱已利用一萬億個(gè)數(shù)據(jù)點(diǎn)分析了超過 3500 萬首歌曲。這些數(shù)據(jù)讓 Spotify 獲得強(qiáng)悍的推薦能力，可以跟蹤用戶的收聽習(xí)慣，并推薦相關(guān)的新音樂，把數(shù)據(jù)收集、分析與預(yù)測(cè)性干預(yù)集成到一個(gè)閉環(huán)之中。

科學(xué)哲學(xué)家 Catherine Stinson 是這樣描述這個(gè)閉環(huán)的：

事件序列是這樣的一個(gè)閉環(huán)，它從根據(jù)初始模型做出推薦開始，然后把推薦呈現(xiàn)給向用戶，并選擇其中部分推薦進(jìn)行互動(dòng)。這些互動(dòng)會(huì)以標(biāo)簽的形式提供顯式或隱式的反饋，用來更新初始模型。然后這個(gè)閉環(huán)會(huì)根據(jù)更新的模型提供新的推薦。

其結(jié)果是用戶會(huì)不斷遭遇類似的內(nèi)容，因?yàn)樗惴ú粩嗟赝扑]給他們。隨著這個(gè)反饋循環(huán)不斷繼續(xù)，慢慢已經(jīng)沒有新信息可以添加進(jìn)去；而算法的目的就是推薦出它認(rèn)為肯定符合你品味的內(nèi)容。

沒有哪個(gè)流媒體平臺(tái)可以準(zhǔn)確預(yù)測(cè)品味；人類太善變了，沒法做出一致的預(yù)測(cè)。Spotify 的做法是建立用戶模型，然后通過推薦跟模型匹配的音樂來做出預(yù)測(cè)。一旦陷入到這些反饋循環(huán)里面之后，音樂風(fēng)格就會(huì)開始趨同，因?yàn)檫^去推薦的依據(jù)是Echo Nest 描述器預(yù)先確定的詞匯。最終，聽眾可能就會(huì)慢慢接近流媒體平臺(tái)創(chuàng)建的模型。隨著時(shí)間的推移，有的人可能會(huì)變得對(duì)回聲以外的任何事物都無法容忍。

在 Echo Nest 的參數(shù)出現(xiàn)之前，20 世紀(jì)的音樂行業(yè)還要靠其他類型的數(shù)據(jù)去制作熱門歌曲。所謂的波普文化創(chuàng)造者（merchants of cool）會(huì)走上街頭去尋找下一個(gè)熱門趨勢(shì)，會(huì)對(duì)青少年的欲望進(jìn)行研究，生成大量數(shù)據(jù)，然后用來輔助推銷下一個(gè)熱門話題。這種數(shù)據(jù)收集現(xiàn)在已經(jīng)內(nèi)置到收聽裝置本身了。一旦用戶用 Spotify 收聽了足夠多的音樂，讓后者建立起個(gè)人品味檔案（就變量的一致性而言，可以將其簡(jiǎn)化為歌曲本身等數(shù)據(jù)），推薦系統(tǒng)就可以開始工作了。你使用 Spotify 的次數(shù)越多，Spotify 就越能確定你的興趣，或者做出預(yù)測(cè)的嘗試。（你準(zhǔn)備好收聽更多的原聲音樂了嗎？）

將文化產(chǎn)品與消費(fèi)者均拆解為數(shù)據(jù)，這不僅揭示了病毒式傳播的一個(gè)明顯的潛在公式，還促成了流媒體時(shí)代新型的公式化內(nèi)容以及品味的渠限化（canalizing）。被簡(jiǎn)化成零部件后，文化現(xiàn)在可以重新組合與優(yōu)化，從而推動(dòng)用戶的參與。這讓平臺(tái)能夠從積壓的內(nèi)容當(dāng)中榨取出更多的價(jià)值，并把預(yù)先存在的數(shù)據(jù)點(diǎn)重組為一系列新的相關(guān)性，推動(dòng)新內(nèi)容的創(chuàng)作朝著平臺(tái)最有能力處理，并能從中獲利的方向發(fā)展。（聽眾在 Spotify 上收聽針對(duì) Spotify 優(yōu)化的音樂受益最大。）但是，盡管這種重新配置的文化藝術(shù)品看起來也許很新鮮，但其實(shí)卻是新瓶裝舊酒。這有可能會(huì)導(dǎo)致文化因?yàn)槿狈Ξa(chǎn)生新想法、新可能性的資源而衰落。

盡管這種重新配置的文化藝術(shù)品看起來也許很新鮮，但其實(shí)卻是新瓶裝舊酒

而在平臺(tái)環(huán)境以外的地方，社交互動(dòng)往往是生成式（generative）的；想法靠分享或協(xié)作產(chǎn)生，大家的相互影響以不可預(yù)測(cè)的方式進(jìn)行。但在平臺(tái)之內(nèi)，我們被歸類成數(shù)據(jù)，然后跟系統(tǒng)里面其他人的個(gè)人資料進(jìn)行比較，這一過程叫做協(xié)同過濾（collaborative filtering）。作品是根據(jù)用戶的品味檔案以及消費(fèi)過類似內(nèi)容的其他人的檔案而做出的推薦。然后用戶以點(diǎn)擊作品的形式提供反饋，過濾算法則會(huì)對(duì)其推薦做出相應(yīng)調(diào)整。這也許會(huì)擴(kuò)大一個(gè)人的接觸面，但逃不出平臺(tái)的五指山，必須符合其計(jì)算預(yù)測(cè)的方向。平臺(tái)在你面前豎起的是一面鏡子，它不僅反映了你自己，也反映出你是怎么隨大流的。

如果你想凍結(jié)住文化，第一步就是把文化簡(jiǎn)化為數(shù)據(jù)。如果你想維持僵化的現(xiàn)狀，根據(jù)人們過去的行為和品味訓(xùn)練出來的算法將是最好的工具。就像凱茜·奧尼爾（Cathy O"Neil） 在 2017 年的一次演講中所說那樣，他們?cè)凇爸貜?fù)我們過去的做法”。詹姆斯·布里德爾（James Bridle）解釋說，文化如果像算法一樣去思考的話，也會(huì)“投射出一個(gè)跟過去一樣的未來，因?yàn)楫?dāng)作數(shù)據(jù)收集的東西，建模的時(shí)候依據(jù)的就是它的本來面貌，然后向前投射——其隱含的假設(shè)是跟之前的經(jīng)驗(yàn)相比，事物不會(huì)發(fā)生根本上的改變或偏離。” 在一個(gè)依賴計(jì)算來理解事物的世界里，“探索可能性變成了探索可計(jì)算性”。

隨著將音樂拆解為計(jì)算機(jī)算法可以理解的參數(shù)的做法不斷深入，西方主流流行音樂的差異化可能會(huì)進(jìn)一步減少，因?yàn)槟M時(shí)代的數(shù)據(jù)正在被重新注入到當(dāng)下。很多新歌都是對(duì)舊歌的優(yōu)化重排，試圖去利用算法分析檢測(cè)和實(shí)現(xiàn)出來的相關(guān)性。如果我們的口味稍有變化，算法就會(huì)做出調(diào)整，或者強(qiáng)行向我們提供它計(jì)算出來的，我們最有可能參與的內(nèi)容，試圖逐步推動(dòng)我們的口味符合它的設(shè)定。不管是哪種方式，推薦算法的目標(biāo)都不是制造驚喜或震撼，而是確認(rèn)。這個(gè)過程看起來很像預(yù)測(cè)，其實(shí)只是重復(fù)。結(jié)果是千篇一律：現(xiàn)在看起來像過去，而未來沒有未來。

復(fù)古誘餌

因此，懷舊不再只是對(duì)過去的“鄉(xiāng)愁”，在今天，有人還通過算法的干預(yù)，以改良的方式，主動(dòng)去煽動(dòng)這種情緒。這種新的懷舊不僅源自一個(gè)以數(shù)據(jù)形式呈現(xiàn)的世界；它還變成了不斷產(chǎn)生數(shù)據(jù)的誘餌。

剛開始的時(shí)候，平臺(tái)部分是靠外在的懷舊來吸引用戶：這也許可以叫做 “復(fù)古誘餌”（retrobait）。這種風(fēng)格是 Instagram 在2010 年推出的。用了模擬攝影的那種氣氛和局限性來吸引用戶，Instagram早期的競(jìng)爭(zhēng)對(duì)手 Hipstamatic 也這么做（新進(jìn)入者 Dispo 現(xiàn)在也想這么做）。Instagram 推出了系列濾鏡，用戶可以用濾鏡在發(fā)布之前給自己的數(shù)字圖像增加一種模擬照片的朦朧感，從而把瞬間變成回憶。這種策略類似于給讓人回想起舊時(shí)流行文化的新作品嵌入的復(fù)活節(jié)彩蛋，比方說最近的電影《太空大灌籃》、《玩家一號(hào)》以及《無敵破壞王2：大鬧互聯(lián)網(wǎng)》（Ralph Breaks the Internet）等。

隨著社交媒體變得愈發(fā)的根深蒂固與無處不在，懷舊開始直接由平臺(tái)自身的性質(zhì)塑造，就像 Timehop 一樣，這款app可挖掘過去的帖子，然后并向用戶展示他們過去發(fā)布過的內(nèi)容，還有其他類似的算法性回憶功能，到了“周年紀(jì)念日”的時(shí)候?qū)?nèi)容重現(xiàn)。

在流媒體平臺(tái)這里，新舊內(nèi)容是混合的，要進(jìn)行再平衡，目的是要吸引和留住用戶，所以它們經(jīng)常要求助于復(fù)古誘餌，誘騙用戶參與，以確保類似《辦公室》或《老友記》這樣令人垂涎的舊內(nèi)容的權(quán)利。但與此同時(shí)，他們也制作了一些原創(chuàng)內(nèi)容，就是把過去的一些節(jié)目元素進(jìn)行重新組合（跟 Echo Nest 把歌曲分解成據(jù)稱可拆卸的核心組件很像）——算是一種精致的復(fù)古誘餌吧。

這種新的懷舊不僅源自一個(gè)以數(shù)據(jù)形式呈現(xiàn)的世界；它還變成了不斷產(chǎn)生數(shù)據(jù)的誘餌。

在 Netflix 上面，大家可以找到很多例子，比方說 《怪奇物語》（Stranger Things），說的是1980 年代一個(gè)虛構(gòu)的小鎮(zhèn)里，一群小孩被迫與邪惡勢(shì)力作斗爭(zhēng)的系列劇；以及《紙牌屋》（House of Cards），這是Netflix 通過研究訂戶的品味特征而制作出來的原創(chuàng)劇。 同樣，迪士尼的流媒體平臺(tái) Disney+，也通過《旺達(dá)幻視》（WandaVision）表達(dá)了對(duì)情景喜劇的懷舊之情，節(jié)目里面充滿了向《范戴克秀》（The Dick Van Dyke Show）、《布雷迪家庭》（The Brady Bunch）、《歡樂滿屋》（Full House）、《馬爾柯姆的一家》（Malcolm in the Middle）以及《摩登家庭》（Modern Family）等致敬的元素。當(dāng)然了，還有無數(shù)的重啟、前傳或者續(xù)集。在音樂行業(yè)里面，復(fù)古誘餌趨勢(shì)往往表現(xiàn)為“流量作品（streambait）”或“Spotify熱門歌曲（Spotifycore）”，一種靠簡(jiǎn)單公式創(chuàng)作出來的，充滿著對(duì)懷舊作品的借鑒，好方便算法推薦的音樂流派，用音樂評(píng)論家Jeremy Larson的話來說，這是“音樂當(dāng)中最廉價(jià)的高潮”。

了解了平臺(tái)內(nèi)置的激勵(lì)措施之后，通過制作自己的復(fù)古誘餌，獨(dú)立的社交媒體賬戶也可以擴(kuò)大自己的知名度。你可以關(guān)注眾多的“懷舊美學(xué)”賬號(hào)，比如@publicschoolpizza、@rerunthe80s 以及@vintage.cheese等，這些賬號(hào)專門發(fā)布有關(guān) 20 世紀(jì)流行文化的內(nèi)容，從 1980 年代的電視廣告到老式的軟色情都有介紹。有時(shí)候，這些賬號(hào)還會(huì)發(fā)布模仿過去風(fēng)格的內(nèi)容。Instagram 上面有幾十個(gè)“retrowave”或“synthwave”賬號(hào)，這些賬號(hào)會(huì)把舊的內(nèi)容跟看起來很舊的新內(nèi)容混搭在一起，對(duì)于像 General Mills 這樣希望讓復(fù)古營(yíng)銷跟社交媒體協(xié)同起來的品牌來說，這是一種很有價(jià)值的做法。如果我在 Instagram 上滾動(dòng)瀏覽那些復(fù)古誘餌賬號(hào)，app就會(huì)在我的Explore頁面展示來自復(fù)古誘餌賬號(hào)的帖子，然后這個(gè)反饋循環(huán)就會(huì)周而復(fù)始：因?yàn)閼雅f進(jìn)去，出來的也是懷舊。

對(duì)于希望從社交媒體的懷舊風(fēng)獲利的投資公司來說，受到版權(quán)保護(hù)的舊內(nèi)容非常有價(jià)值。Hipgnosis 與 Primary Wave 等基金會(huì)購買歌曲的版權(quán)，然后利用社交媒體推廣，再收取流媒體版稅。2020 年 9 月，佛利伍麥克合唱團(tuán)（Fleetwood Mac） 的《夢(mèng)》（Dreams）在 TikTok 上再度走紅之后，Stevie Nicks、Lindsey Buckingham 和 Mick Fleetwood 把歌曲版權(quán)賣給了一家專業(yè)基金，很快，TikTok 上面就出現(xiàn)了一波新的挑戰(zhàn)。

并不是說消費(fèi)者一心只想要懷舊內(nèi)容。但新奇往往會(huì)受到熟悉事物的限制：制作商會(huì)把包容性寫進(jìn)重啟（比如 2016 年的《捉鬼敢死隊(duì)》），電影宇宙不斷擴(kuò)張（從怪獸宇宙到漫威電影宇宙），舊規(guī)被廢除，換成了新規(guī)（如 2018 年的《月光光新慌慌》萬圣節(jié)重啟，對(duì)系列過去的所有電影追溯了連續(xù)性），并且越來越多過去小眾的微趨勢(shì)得以復(fù)興。這些姿態(tài)刷新了過去的IP，讓算法來放大，并為企業(yè)提供新的角度來推銷懷舊。

懷舊已經(jīng)成為更多內(nèi)容批量制作的模板，成為版權(quán)所有者新的收入來源，為平臺(tái)帶來新的數(shù)據(jù)流，讓用戶有了表明身份的新手段。有很多昔日的流行文化可供借鑒，平臺(tái)資本主義似乎永遠(yuǎn)不會(huì)消失。他們告訴我們，收集數(shù)據(jù)是為了預(yù)測(cè)我們想要什么，但這并不完全正確。在嘗試預(yù)測(cè)我們的口味時(shí)，流媒體服務(wù)會(huì)按照自己的想象去制作內(nèi)容。由于算法是基于過去訓(xùn)練出來的，所以就不只是通過中立的渠道把懷舊交給用戶；而且還在培養(yǎng)一種懷舊的偏見，試圖讓用戶更喜歡復(fù)古。

與此同時(shí)，科技巨頭技術(shù)卻大談未來，承諾用自己的技術(shù)提供沉浸式體驗(yàn)和數(shù)字解決方案。但就算硅谷的自我定位是進(jìn)步主義，但它的算法卻停留在過去。

昨日重現(xiàn)

預(yù)測(cè)算法并不能真正預(yù)測(cè)任何事情，那只是讓特定類型的過去反復(fù)出現(xiàn)而已。對(duì)歷史的特定理解（確認(rèn)偏見或刻板印象）往往會(huì)被優(yōu)先考慮，同時(shí)淡化或完全隱藏（非主流人群的）觀點(diǎn)。這往往是從媒體呈現(xiàn)中得到的歷史的可盈利的版本，而且由最大的媒體集團(tuán)的 IP 主演：馬迪·麥克弗萊(Marty McFly)發(fā)明了搖滾樂；1960 年代只有《愛之夏》，沒有那場(chǎng)運(yùn)動(dòng)；得到五角大樓批準(zhǔn)的漫威超級(jí)英雄；沒人死的汽車加速賽，哪怕是詹姆斯·迪恩也沒有（James Dean，因超速駕駛英年早逝）。

這種對(duì)過去的描述是準(zhǔn)“官方”記錄，為特定目的服務(wù)，如粉飾大西洋奴隸貿(mào)易；歌頌哥倫布與羅伯特·李這樣的“偉人”的豐功偉績(jī)；或馬丁·路德·金的圣誕老人化。他們抹掉了的懷舊陰影，剩下的只有這樣一種懷舊：傳播對(duì)白人、規(guī)范以及消費(fèi)主義的渴望，這跟巴迪亞·阿哈德-萊加迪（Badia Ahad-Legardy）所謂的“對(duì)懷舊的整體理解”是背道而馳的。

預(yù)測(cè)算法并不能真正預(yù)測(cè)任何事情，那只是讓特定類型的過去反復(fù)出現(xiàn)而已

過去的數(shù)據(jù)往往很暴力，很帝國主義——就像歷史學(xué)家西奧多拉·德賴爾（Theodora Dryer） 所說那樣，這是一種“殖民主義的數(shù)學(xué)”。這是歷史種族主義和偏執(zhí)的數(shù)字。算法推薦想把這些數(shù)據(jù)轉(zhuǎn)化成懷舊情緒，轉(zhuǎn)化成不斷上演的將壓迫合理化的故事。但它利用的還是那些帶偏見的信息，讓貧富差距入籍，或者給刻板印象再注冊(cè)，因?yàn)橐呀?jīng)太熟悉了還是詹姆斯·布里德爾（James Bridle）說得好，他是這么描述預(yù)測(cè)算法的，“因此，用先驗(yàn)知識(shí)的殘余來訓(xùn)練這些新生的智能，就是把……野蠻行為寫進(jìn)我們的未來。”

算法決定論大規(guī)模地將人與事件鎖定進(jìn)重復(fù)的循環(huán)之中，這是一個(gè)同質(zhì)化過程，反映出社會(huì)本身被更大規(guī)模地同質(zhì)化：獨(dú)特之處被夷為平地，變成無名之地，被媒體公司吞并。隨著元宇宙被大肆炒作，懷舊霸權(quán)的新時(shí)代即將到來。硅谷長(zhǎng)期以來一直夢(mèng)想著虛擬現(xiàn)實(shí)，而像 《玩家一號(hào)》 以及《黑鏡》第三季第四集《圣朱尼佩洛》（San Junipero）那樣的虛擬現(xiàn)實(shí)敘事，往往會(huì)承諾在假想中的數(shù)字天堂里面提供充滿懷舊感的自我實(shí)現(xiàn)——另一種形式新舊重組。在外面，社會(huì)正在崩潰，但虛擬宇宙為絕望的人們提供了逃避的機(jī)會(huì)：在受控的環(huán)境下，大家可以用自己的化身，在我的世界（Minecraft World）里面閑逛，甚至可以跟蝙蝠俠一起攀登珠穆朗瑪峰。

盡管技術(shù)還沒有趕上這個(gè)夢(mèng)想，但元宇宙已經(jīng)被譽(yù)為可將知識(shí)產(chǎn)權(quán)摻和進(jìn)來的數(shù)字領(lǐng)域。你可以是超級(jí)英雄，也可以是巨型機(jī)器人，你可以終此一生去尋找流行文化的復(fù)活節(jié)彩蛋。元宇宙有望成為我們的世界，就像所有關(guān)于虛擬現(xiàn)實(shí)所描繪的前景一樣，但它的前提和財(cái)源是析取出來的消費(fèi)者數(shù)據(jù)，這些數(shù)據(jù)會(huì)被用來訓(xùn)練算法，去推廣迪士尼和華納兄弟的知識(shí)產(chǎn)權(quán)，同時(shí)化解任何形式的社會(huì)變革努力。

如果把文化和消費(fèi)者簡(jiǎn)化成數(shù)據(jù)，只會(huì)繼續(xù)制造出同樣的懷舊表現(xiàn)，供保守的算法吐出推薦。崇拜數(shù)字技術(shù)力量的那些人也許相信，我們正朝著烏托邦邁進(jìn)，以為人們可以逃離我們創(chuàng)造的未來。但是，如果我們讓算法替我們所有人預(yù)測(cè)未來，我們就會(huì)發(fā)現(xiàn)，除了回到過去，我們別無他處可去。

譯者：boxi。