通过数据分析推测用户偏好，并据此推荐信息的内容推送方式，“千人千面的”算法推荐技术已经深入到几乎所有主流移动应用之中。

在近日一场由复旦大学新闻学院、复旦大学全球传播全媒体研究院举办的“智能传播与算法推荐”线上研讨会上，华中科技大学新闻与信息传播学院院长、教授张明新认为，围绕画像推荐、协同过滤、流量推荐等算法的主流机制，把前两者划归为“观念性思维”的话，后者则是“流量思维”，在这两种思维作用下，技术不断迭代、优化。其间，一个显而易见的优势就是，大大节省了我们今天在“信息找人”环境下的精力和付出，提高了“信息找人”的准确性和效率。

但除此之外，张明新认为，还可以从系统的角度以及社会角度来进一步认识、理解算法推荐技术。

从系统的角度来看，传播系统包括了信息的生产者、信息消费者（或者用户），还有媒体机构、平台运营商、政策管理者、技术提供商等诸多要素。体现在整个传播系统中，算法推荐类技术是一个重要环节，或者说要素。从系统的角度看，一个环节或要素的发展和进化，必然会引起其他环节、要素的演进。在今天的传播系统里，信息怎么跟用户、受众之间实现匹配，算法作为技术的推动作用产生了明显的积极效应。但与此同时，系统中其他的要素也必然面临着调整、升级、迭代的问题。比如，对于用户的技术水准和信息素养，就提出了更高要求；当然，对于我们的媒体机构和政策管理者来说，也提出新的问题。

从社会的角度来看，信息可以很容易地找到用户，平台变得更加懂得用户。我们的用户身处何方，正在做什么，平时关心什么，消费习惯如何，等等，被许多平台了解得很清楚。张明新提出：用户越来越被第三方机构和平台懂得更多、更加精准、更加全面，就一定是好的吗？是用户所愿意看到的结果吗？由此产生了诸多引起关注的问题，尤其是伦理问题、隐私问题，这需要引起更多的学术研究和政策关注。

现在，越多越多的人关注算法推荐能力的问题，张明新提到自己对于算法的优化和应用方面更进一步的思考。

他认为，目前算法对相关信息的采集、利用层次的深度仍有待挖掘，至少内容本身所内含文化的、价值的、质量的信息，没有被采集到。例如，同样主题、同样事件的两篇新闻，其中一篇的内容品质非常高，不仅体现在它对事件挖掘的深度，还有行文逻辑、流畅性、文字美感等，这在今天的算法推荐中体现得不明显。此外，在价值思维、文化思维方面，在算法技术中的应用也值得关注。

他说，用户每天在互联网上被各种信息包裹，甚至很多信息属于简单重复不断地提供，从用户角度来讲，大量重复性信息所产生的价值，边际效应明显递减。在算法推荐技术应用的时代，对用户在信息收集、整理、处理、识别和利用等各个方面，实际上是提出了更高的要求。

尤其是媒介深度融合发展进程中，张明新期待，将算法推荐技术充分应用到媒体融合转型进程中，帮助我们的主流媒体找到、锁定和维系自己的用户群，将进一步提升媒体的“四力”——传播力、影响力、公信力、引导力，这对于我们构建新型主流媒体来说，是非常重要的。在这种情形下，我们将迎来一个更好的时代。