摘要：流媒体影视平台上的推荐算法使传统影视类型被分解、重组，“微类型”得以形成。影视内容所包含的公共话语需要通过数据和算法才能折射出来，这体现为“热播”“排行”等算法。推荐算法重新界定了“受众”，大众传媒时代基于解释范式的受众认识论被算法时代基于行为范式的受众认识论所取代，基于人口学对受众的分类，其社会学理论基础，已被完全摒弃。所有这一切，都体现出数学原则对美学原则、数理逻辑对影视文化的接管与改造，这正是算法文化的鲜明体现。
关键词：推荐算法流媒体影视算法文化受众
问题在于，影视节目并非一般的商品，而是具有艺术性、审美性与文化性等柔性维度的特征。当影视内容与用户观看实践被置于推荐算法之下时，美学原则必将遭遇数学原则。近年来，推荐算法之于影视节目数字分发的重要性日益凸显，而对于奈飞这样成熟的、全球性的平台而言，其精心设计的推荐算法已经影响到80%用户的观看选择，只有20%的用户通过搜索来选择影片。3在此背景下，流媒体影视的“算法文化”正在迅速浮现。
“算法文化”是一个极具广度的理论范畴，它概括了近年来在算法广泛介入社会生产与生活实践后所产生的文化上的转变，也正因此，这一概念日益受到重视。作为较早聚焦“算法文化”的研究者，美国学者泰德·斯特拉法斯(TedStriphas)指出:“过去的30年里，人类日益将文化工作——对人、地、物及思想所进行的归类、区分与分层——委托给计算过程，这一转变极大地改变了长期以来文化范畴得以被实践、经验与理解的方式”，“算法文化”由此出现。4美国学者塔尔顿·吉莱斯皮(TarletonGillespie)认为，算法改变了知识生产与呈现的方式，因此体现为“知识逻辑”5。在吉莱斯皮看来，“当我们援引‘算法’时，我们真正关心的并非算法本身，而是程序对人类知识与社会经验的嵌入”6。“算法文化”所概括的，正是算法给文化带来的影响以及由此产生的文化转型与重构。这一点对流媒体影视来说尤其适用。
流媒体影视的内容生产在很大程度上仍依赖传统影视生产经验和人才资源，但在数字分发领域，推荐算法却给传统影视文化带来巨大冲击，算法文化正在逐步彰显。也正因此，有学者指出，被奈飞视为核心价值的推荐算法可以成为研究算法文化的绝佳个案。7同样，在美国学者布莱克·哈利南(BlakeHallinan)与泰德·斯特拉法斯看来，奈飞于2006—2009年举行的推荐算法大赛正是算法文化的突出展现。两位学者引用了雷蒙·威廉斯在《关键词:文化与社会的词汇》中对“文化”的三类界定:(一)独立、抽象的名词——用来描述18世纪以来思想、精神与美学发展的一般过程;(二)独立的名词——不管在广义或是狭义方面，用来表示一种特殊的生活方式(关于一个民族、一个时期、一个群体或全体人类);(三)独立抽象的名词——用来描述关于知性的作品与活动，尤其是艺术方面的。8两位学者认为，围绕奈飞推荐算法大赛所积累的话语，显示出上述关于“文化”的三类定义都因“算法”而改变，由此，人们得以更为深入地认知算法文化。9质言之，流媒体影视的艺术性、审美性、文化性等柔性维度必然会与推荐算法的数理逻辑等非人类性的、刚性的维度相遇，前者也将被后者改造、重塑，这正是算法文化的基本内涵。
早在2006年，奈飞产品副总裁托德·耶林(ToddYe-llion)便带领团队为影视内容贴上“微标签”(micro-tag)。贴标签是推荐算法设计中常见的工作，然而，考虑到影视内容的柔性维度及其复杂程度，奈飞的微标签仍具有某种开创性的意义，而这一方法也被其设计者赋予一个极具数理色彩的名称——“奈飞量子理论”(NetflixQuantumTheory)。在实际操作中，奈飞雇用多名“标签员”(tagger)为平台上的影视节目贴上微标签。这些标签员需要经过专门而复杂的训练。由此，传统影视类型被分解。这种分解既体现在内容层面，比如“浪漫程度”——也就是说，仅将影片定位于“浪漫”是不够的，还需要标明“浪漫”到何种程度;也体现在形式或影像层面，比如对于“燃烧”的画面，需要标出是熊熊燃烧，还是缓慢燃烧。说到底，
“奈飞量子理论”乃是为了应对亿万用户的观看需求而诞生的。由于影片被贴上了“微标签”，传统的影视类型随之被重构，“微类型”由此产生。有研究者开发了一款程序，将奈飞对类型的所有划分爬梳出来，微类型的总量竟达76897种之多，比如“情感充沛的反体制纪录片”(EmotionalFight-the-systemDocumentary)、“基于真实生活的皇室掠影”(PeriodPiecesAboutRoyaltyBaseOnReal-life)，都是所谓的“微类型”13。微标签、微类型的出现完全是为了服务推荐算法，它们让影视内容成为数据集;同样，受众复杂的观看实践也被转化为数据集。最终，算法与数据共振，成为奈飞的制胜法宝。
总之，当我们注意到流媒体影视平台的推荐系统不仅包括个性化推荐算法，也包括趋势算法时，就可以理解，推荐系统并没有完全切断与公共话语的关联。不过，需要强调的是，公共话语是被转化为数据并通过算法体现出来。也就是说，在流媒体影视平台的推荐系统中，公共话语被置于数理逻辑之下，而数理逻辑又是高度形式化的，具有非人类的性质，并体现为自动化的运行机制。由此，传统的影视文化不得不进入到算法文化的逻辑之中。
由于推荐算法决定了流媒体影视数字分发的形态，传统的影视受众测量与受众文化直接受到影响，这种影响之大，完全称得上是“革命性”的。有研究者指出，在算法的作用下，媒介对受众的界定和分类发生了“范式”转变，这是一种认识论上的转变。28这种“范式”转变不单意味着算法可以更为准确地进行受众测量(显然，海量的数据可以提供全样本测量，从而给出比传统影视受众测量更为准确的结果)，更重要的是体现出深层的、结构的、观念的转型。
然而，算法时代的受众认识论彻底颠覆了大众传媒时代的受众认识论，这根本上是因为数字媒介将受众的网络行为全部转化为数据。在算法系统中，受众只是数据的汇集而已，“受众”因此被重新界定。比利时学者安朵涅特·鲁弗鲁瓦(AntoinetteRouvroy)提出的“数据行为主义”(databehaviorism)对此进行了较为精当的概括，因此被广为引用:(数据行为主义)生产关于(用户)未来喜好、态度、行为或事件的知识，却无需考虑主体的心理动机、言说或叙事，(相反)却依赖“数据”。算法逻辑系统的“实时运行”，卸掉了人类行为者记录、解释和评价世界事件的负担与责任。它省去了他们记录或再现、制度化、常规化与象征化的意义制造过程。33
“数据行为主义”有助于我们理解算法时代的受众认识论。如果我们用“解释”范式来概括大众传媒时代的受众认识论，那么“数据行为主义”则代表了一种认识受众的全新视野。尽管并非百分之百地贴合，“行为”范式仍可以用来概括算法时代的受众观。
其次，算法系统中的受众是一种原子化的存在，这彻底摒弃了传统受众研究基于人口学对受众的分类。奈飞指出，40岁的男性西村居民喜欢某些影片，并没有理由认为该村其他40岁的男人喜欢类似的影片。37奈飞产品副总裁托德·耶林也提到一个“令人震惊的”事实:19岁的男孩爱看《妈妈舞蹈》(DanceMoms，一档真人秀节目，表现的是妈妈们对儿童的舞蹈训练)，而73岁的女人却在看《绝命毒师》(BreakingBad)与《复仇者联盟》。38在大众传媒时代，性别、年龄、生活环境，往往是受众研究的重要参考。按照这样的受众观，《妈妈舞蹈》的主要受众应该是家庭妇女;而《绝命毒师》与《复仇者联盟》这样的影片主要针对的是成年男性受众。但算法时代的受众观却坚决否定传统分类法的有效性。在奈飞看来，每一个40岁的西村男人都应被视为各异的个体。如前所论，大众传媒时代对受众的分类主要基于人口学研究视野，其背后有着社会学理论的支撑，但所有这一切，都被数字平台颠覆了。“这排除了任何将社会学、心理学与所有理论病因学作为理解工具的尝试。”39传统受众观所依赖的群体/共同体的区隔被个性化推荐算法所解构。
在算法时代，人们需要以全新的思维去理解被数据化的“受众”、没有主体的“受众”，去理解摒弃了所有社会学理论的受众观。对于流媒体平台来说，实际上已经没有所谓的“受众测量”了，因为推荐算法无时无刻不在测量;同时也没有对受众的分析、阐释与预测，因为这一切都体现在推荐算法的实际运行过程之中。所有这些，都让人看到了算法文化的深重投影。
然而，一旦将流媒体影视的数字分发与用户的观看实践委托给推荐算法，就意味着将具有艺术性、审美性与文化性的影视内容置于数理逻辑的统制之下，美学原则必将遭遇数学原则。为了给个性化推荐提供数据基础，影视内容被贴上“微标签”，传统的影视类型被分解、被重组，“微类型”应运而生。当然，个性化推荐并非流媒体影视平台推荐算法的全部，还必须考虑包含着公共话语的趋势算法。问题在于，在流媒体影视平台上，公共话语必须被置于算法文化的逻辑之下，通过数据和算法折射出来。推荐算法对流媒体影视的数字分发影响最大、最为直接，在推荐算法的运行机制下，受众仅以数据的形式存在，不再具有文化身份，大众传媒时代基于解释范式的受众认识论被算法时代基于行为范式的受众认识论所取代，基于人口学对受众的分类，以及相应的社会学理论基础，都被完全摒弃。所有这一切，都体现出数学原则对美学原则、数理逻辑对社会文化的接管与改造——这正是算法文化的鲜明体现。
1AmandaLotz.Portals:ATreatiseonInternet-DistributedTelevision.AnnArbor,USA:UniversityofMichiganPress,2017.2.
2[美]克里斯·安德森.长尾理论.乔江涛，石晓燕译.北京:中信出版社，2012.48.
3CarlosA.Gomez-Uribe,NeilHunt.TheNetflixRecommenderSystem:Algorithms,BusinessValue,andInnovation.ACMTransactionsonManagementInformationSystems,Vol.6,No.4,Article13,2015.1-19.
4TedStriphas.AlgorithmicCulture.EuropeanJournalofCulturalStudies,Vol.18,No.4-5,2015.395-412.
5TarletonGillespie.TheRelevanceofAlgorithms.T.Gillespie,P.J.Boczkowski&K.A.K.A.Foot(eds).MediaTechnologies:EssaysonCommunication,Materiality,and
Society.Cambridge,MA:TheMITPress,2014.167.
6TarletonGillespie.Algorithm.B.Peters(ed.).DigitalKeywords:AVocabularyofInformationSociety&Culture.Princeton,USA:PrincetonUniversityPress,2016.25.
7TheoPlothe,AmberM.Buck(eds.):NetflixattheNexus:Content,Practice,andProductionintheAgeofStreamingTelevision.NewYork,USA:PeterLang,2019.197.
8[英]雷蒙·威廉斯.关键词:文化与社会的词汇.刘建基译.北京:三联书店，2005.106.
9BlakeHallinan,TedStriphas.Recommendedforyou:TheNetflixPrizeandthe
ProductionofAlgorithmicCulture.NewMedia&Society,Vol.18,No.1,2016.117-137.
10郑树森.电影类型与类型电影.南京:江苏教育出版社，2006.9.11MareikeJenner.NetflixandtheRe-inventionofTelevision.Basingstroke,UK:PalgraveMacmillan,2018.132.
12BlakeHallinan,TedStriphas.Recommendedforyou:TheNetflixPrizeandtheProductionofAlgorithmicCulture.NewMedia&Society,Vol.18,No.1,2016.117-137.
14DanielSmith-Rowsey.ImaginativeIndicesandDeceptiveDomains:HowNetflix’sCategoriesandGenresRedefinetheLongTail.K.McDonald&D.Smith-Rowsey(Eds.).TheNetflixEffect:TechnologyandEntertainmentinthe21stCentury.NewYork,USA;London,UK:BloomsburyAcademic,2016.64-65.
15MareikeJenner.NetflixandtheRe-inventionofTelevision.Basingstroke,UK:PalgraveMacmillan,2018.133.
16SarahArnold.NetflixandtheMythofChoice/Participation/Autonomy.K.McDonald&D.Smith-Rowsey(eds).TheNetflixEffect:TechnologyandEntertainmentinthe21stCentury.NewYork,USA;London,UK:BloomsburyAcademic,2016.55.
17王晓通.电影智能推荐算法的潜在文化影响.电影艺术，2020,(1):54.
18EliPariser.TheFilterBubble:WhattheInternetisHidingfromYou.NewYork,USA:PenguinPress,2011.1-20.
19NetaAlexander.CateredtoYourFutureSelf:Netflix’s“PredictivePersonalization”andtheMathematizationofTaste.K.McDonald&D.Smith-Rowsey(eds).TheNetflixEffect:TechnologyandEntertainmentinthe21stCentury.NewYork,USA;London,UK:BloomsburyAcademic，2016.81.
20NetaAlexander.CateredtoYourFutureSelf:Netflix’s“PredictivePersonalization”andtheMathematizationofTaste.K.McDonald&D.Smith-Rowsey(eds).TheNetflixEffect:TechnologyandEntertainmentinthe21stCentury.NewYork,USA;London,UK:BloomsburyAcademic，2016.94.
21[美]安妮塔·埃尔伯斯.爆款:如何打造超级IP.杨雨译.2016.207.
22[美]克里斯·安德森.长尾理论.乔江涛，石晓燕译.北京:中信出版社，2012.48.
23TarletonGillespie.#Trendingistrending:WhenAlgorithmsBecomeCulture.R.Seyfert&J.Roberge(eds).AlgorithmicCultures:EssaysonMeaning,PerformanceandNewTechnologies.Abingdon,UK;NewYork,USA:Routledge,2016.54.
24DavidBeer.TheSocialPowerofAlgorithms.Information,Communication&Society,vol.20,No.1,2017.1-13.
25TarletonGillespie.TheRelevanceofAlgorithms.T.Gillespie,P.J.Boczkowski&K.A.Foot(eds.).MediaTechnologies:EssaysonCommunication,Materiality,andSociety.Cambridge,MA:TheMITPress,2014.188.
26CarlosA.Gomez-Uribe,NeilHunt.TheNetflixRecommenderSystem:Algorithms,BusinessValue,andInnovation.ACMTransactionsonManagementInformation
Systems,Vol.6,No.4,Article13,2015.1-19.27TarletonGillespie.#Trendingistrending:WhenAlgorithmsBecomeCulture.R.Seyfert&J.Roberge(eds).AlgorithmicCultures:EssaysonMeaning,PerformanceandNewTechnologies.Abingdon,UK;NewYork,USA:Routledge,2016.60.
28EranFisher,YoavMehozay.HowAlgorithmsSeeTheirAudience:MediaEpistemesandtheChangingConceptionoftheIndividual.Media,Culture&Society,2019,Vol.41,No.8,1176-1191.
29SusanOhmer.MeasuringDesire:GeorgeGallupandAudienceResearchinHollywood.JournalofFilmandVideo,Vol.43,No.1-2,1991.3-28.
30[法]皮埃尔·布尔迪厄.区分:判断力的社会批判(上).刘晖译.北京:商务印书馆，2015.93.
31EranFisher,YoavMehozay.HowAlgorithmsSeeTheirAudience:MediaEpistemesandtheChangingConceptionoftheIndividual.Media,Culture&Society,2019,Vol.41,No.8,1176-1191.
32PhilipM.Napoli.AudienceEconomics:MediaInstitutionsandtheAudienceMarketplace.NewYork,USA:ColumbiaUniversityPress,2003.3.
33AntoinetteRouvroy.TheEnd(s)ofCritique:Data-Behaviourismvs.Due-Process.Hildebrandt,M.&DeVries,E.(Eds.).Privacy,DueProcessandtheComputationalTurn:ThePhilosophyofLawMeetsthePhilosophyofTechnology.NewYork,USA:Routledge,2013.143.
34StephenShapiro.AlgorithmicTelevisionintheAgeofLarge-scaleCustomization.Television&NewMedia,Vol.21,No.6,2020.658-663.
37CliveThompson.IfYouLikedThis,You’resuretoLoveThat.TheNewYorkTimes.
2020-12-28.39EranFisher,YoavMehozay.HowAlgorithmsSeeTheirAudience:MediaEpistemesandtheChangingConceptionoftheIndividual.Media,Culture&Society,2019,Vol.41,No.8,1176-1191.
40SarahArnold.NetflixandtheMythofChoice/Participation/Autonomy.K.McDonald&D.Smith-Rowsey(eds.).TheNetflixEffect:TechnologyandEntertainmentinthe21stCentury.NewYork,USA;London,UK:BloomsburyAcademic.2016.55.
41CarlosA.Gomez-Uribe,NeilHunt.TheNetflixRecommenderSystem:Algorithms,BusinessValue,andInnovation.ACMTransactionsonManagementInformationSystems,Vol.6,No.4,Article13,2015.1-19.