4月25日，白宫记者协会晚宴上的枪声与混乱，让世界再次直观地看到：在长期被吹捧为“成熟民主典范”的美国，政治分歧已经不再只是辩论与投票，而可能演变为现实中的对抗甚至冲突。

特工护卫特朗普，退下白宫记者协会晚宴的主席台 视频截图

但如果把视线稍稍拉远，就会发现这并不是孤立事件。从国会山事件到多次政治刺杀；从特朗普反复指控“选举被窃取”，到社交媒体上不断扩散的对立叙事；从电视辩论中针锋相对的政客，到普通家庭餐桌上因政治立场争执不休的亲人——一种更深层的变化已经在美国发生：人群正被政治重新划分，而且两头越来越极端。

与此同时，英国围绕“脱欧”的长期争论、德国关于移民与能源政策的分歧，使不同阵营之间的互不信任显著加剧。

欧洲多国的建制派也受到各种力量的挑战，以法国为代表，被视为“极右翼”的政党明显崛起。

对立与极化在全球似乎有同此凉热的趋势，在中国则表现为代际冲突和性别观念冲突抬头。比如家里老人时常看到说“孩子不孝顺”的内容，另一方面“老登”也成了热词；一些鸡毛蒜皮的社会问题，也总有人从性别角度切入炒作……

术语一大堆，但是……

极化已是人们能广泛感知的现实，近年，围绕极化成因的讨论，聚焦到了互联网平台与算法机制上。一系列带有强烈批判意味的概念被提出，用以描述算法如何“塑造”甚至“扭曲”公共舆论空间。

“信息茧房”（information cocoon）由美国法学教授凯斯·桑斯坦（Cass Sunstein）在其2006年出版的著作《信息乌托邦——众人如何生产知识》中首先提出。他本人就有明显的政治背景，曾任奥巴马竞选团队的法律事务顾问，后在奥巴马政府中出任白宫信息与监管事务办公室主任。

这一说法强调，用户在长期接触与自身观点一致的信息后，会逐渐被“包裹”在单一认知环境中，难以接触不同立场的内容。

“回声室”（echo chamber）更进一步，相比单纯的隔绝，还强调“放大效应”：在同质化社群中，观点不仅被重复，还会在不断强化中变得更加极端。

2003年5月，中国网友用“傻子共振”来形容上述概念背后所假定的机制，后来被国内的营销号捏造成美国著名社会学家戈夫曼发明的“术语”，反而成了场传播学的闹剧。

“过滤气泡”（filter bubble）由IT领域的活动人士伊莱·帕里泽（Eli Pariser）提出。他假设平台的个性化推荐系统（如搜索排序、信息流推荐）会在用户“无感知”的情况下筛选信息，使其逐渐陷入由算法构建的“信息泡泡”之中。与“回声室”相比，“过滤气泡”更强调被动筛选机制。

这些术语的流行，本身就构成了一个值得观察的现象。它们往往以形象化的比喻方式描述复杂机制，具有很强的传播力，也在一定程度上放大了公众对于技术系统的焦虑与不确定感，但其内核可能缺乏支撑。

哈佛大学伯克曼互联网与社会中心资深研究员大卫·温伯格就曾指出：“尽管桑斯坦频繁使用这个词……但从未定义过回音室”。

凯斯·桑斯坦与大卫·温伯格

“过滤气泡”则出自帕里泽在畅销书中的故事：“2010年春天，当深水地平线石油钻井平台的残骸仍在向墨西哥湾喷涌原油时，我请两位朋友搜索‘BP’这个词。她们非常相似——受过教育、白种人、左倾、住在东北部。但她们看到的搜索结果却截然不同。”

在学术层面，他被批评为“未能超越此类轶事证据来充分定义他的核心概念”。而且和桑斯坦一样，他们的概念都起于搜索引擎时代，在事儿还没讲清楚的情况下，就随着技术热点，无缝衔接到社交媒体平台及其算法上了。这种“赶时髦”的做法，确实让人心生疑虑。

俗话说，先问是不是，再问为什么。人们发明并反复使用这些概念，与对立极化相挂钩，未必能体现“真相”，或许只是一种面对复杂信息环境时的解释冲动与情绪回应。

算法是否、以及在多大程度上推动了极化，仍然是一个需要依赖数据与实证研究来回答的问题。

好在真有学者在解答“是不是”。

“信息茧房”等导致极化是真是假？

有的关于政治极化的研究直接动摇了“茧房”或“回音室”的普遍性和影响程度。

路透新闻研究所2022年发布的一项文献综述指出，包括高度极化的美国在内，绝大多数人的媒体“膳食”是多样化的。

即使只依赖单一来源的人，他们通常绑定那些面向政治多元化受众（内容也相应多元化）的来源，如商业或公共服务广播公司。只有极少数人（通常仅占几个百分点）完全依靠党派来源获取新闻。

例如在英国，仅有约6%至8%的公众处于所谓党派倾向严重、且由于缺乏交叉接触而与反驳意见隔绝的“回音室”中。

“过滤气泡”的轶事或许也只是个案而已。2018年到2019年的三项研究（Haim、Nechushtai & Lewis以及Krafft等人）都发现了与帕里泽所述截然相反的情况：搜索相同关键词的不同用户被提供了非常相似的信息，并且在5-10%的情况下看到了“甚至顺序都相同”的相同搜索结果。只有在不同国家或使用不同语言浏览器的用户之间，才不出所料地出现了实质性差异。

为了验证算法对现实政治态度的具体影响，由普林斯顿大学、斯坦福大学等学术机构与Meta公司合作完成了多项关于2020年美国大选的大规模实证研究（发表于2023年的《科学》和《自然》杂志）。

研究人员将部分用户移出算法驱动的信息流，改用“按时间顺序排列”接收内容。别觉得有Meta辅助做试验，研究可能不靠谱，他们并没有藏着掖着。实验数据证明，改为时间顺序后，用户在社交平台上的互动行为和停留时间显著减少，且接收到的内容组合发生了巨大变化——例如在Facebook上接触到的政治内容总量增加了约15.2%，来自中性或混合来源的内容增加36.7%。

改为时间信息流后的内容比例变化，黄色为算法驱动，蓝色为时间信息流

然而，尽管在线体验发生了如此大的改变，在为期三个月的研究期内，用户的议题极化（Issue Polarization）、情感极化（Affective Polarization）或政治参与度等关键指标并没有出现任何明显变化。这表明，人们根深蒂固的政治对立背后，主要原因并非算法。

改为时间信息流后，绝大部分极化关键指标都没有明显变化