在千人千面的算法推薦興起後，內容行業一直存在爭議：信息推薦究竟應該聽人還是聽機器的。這一爭議到今天都沒有結果，算法與人工，誰都沒有贏。

近年來諸多基於算法推薦的資訊客戶端興起，與傳統新聞客戶端平分秋色，傳統新聞客戶端也在積極探索算法推薦的應用。算法推薦的核心價值是精準、高效和個性化，平衡了內容的不斷增長與用戶對信息需求日益個性的矛盾，短板在於難以判斷真假，不具備價值取向，存在信息繭房問題。

人工推薦則具有價值取向，可以判斷什麼是社會公眾都在關注的話題，進行針對性的內容運營，組織內容生產、進行專題呈現和進行內容推送。在算法推薦出現前，新聞業是全人工的，公共信息發布職責由傳統媒體擔任，通過議程設置，公共議題可以成為社會討論的熱點。人工推薦短板是效率較低，只能滿足「大多數人關心的」資訊需求，無法實現個性化。

前兩年資訊行業興起「人機結合」的趨勢，算法推薦客戶端強化人工屬性，傳統新聞客戶端不論是門戶還是媒體，均將信息呈現方式變成信息流，算法被引入。資訊推薦成了人工與算法的平衡術。人機結合就是資訊推薦的未來嗎？在這一次來勢洶洶的疫情中，我們看到一個現象是算法讓路給人工。在社會重大突發事件面前，人工推薦的價值顯得十分突出。

算法給人工讓路

防控疫情，信息的公開透明至關重要。華盛頓大學的Louis Kim教授和Shannon M. Fast, Natasha Markuzon組成的團隊曾基於2009年墨西哥H1N1病毒和2014-2015年華盛頓特區流感季的數據研究發現，當媒體的報導量增加十倍，此類疾病的感染數減少33.5％，基於此，他們認為媒體是預防疾病傳播的可能手段。

疫情發生後，有媒體專家在感慨媒體「凋零」，因為媒體監督的缺乏，疫情披露未能及時有效。好在疫情發生後，新聞媒體報導口子被打開了。傳統媒體負責挖掘與生產一線信息，《財新》等傳統權威媒體在疫區一線輸出了大量的一手報導，新媒體則從不同視角產出各種疫情相關內容，自媒體的科普知識或者評論，用戶在微博上發布的求助信息……對於大眾了解疫情起到重要作用。疫情相關的媒體報導數量上來了。

在用戶習慣用手機獲取資訊後，新媒體平台在信息與大眾之間扮演著「傳話筒」的角色。而從百度App、一點資訊、今日頭條和騰訊看點等曾經以算法推薦為主的平台動作來看，算法在這一次疫情傳播中似乎不再那麼的重要。

第一個是所有新聞客戶端都出了疫情專題，算法內容平台甚至更激進一些。

1月21日，百度App上線「抗擊肺炎」專題，聚合疫情地圖、疫情進展、謠言鑑別、最新資訊、預防指南和發熱門診等資訊信息；同一天，一點資訊在導航欄置頂「抗擊肺炎」頻道，先後上線「新型肺炎全國、各省疫情實時播報」、「肺炎防治和深度」、「新型肺炎謠言粉碎機」等多個內容專題；騰訊看點上線「戰肺炎」頻道和「關注新型肺炎」專題、疫情地圖及預防手冊。專題的做法，在騰訊新聞這些新聞客戶端上很常見，這一次疫情中，算法類平台也顯得對專題格外重視。

第二個是算法內容平台普遍開設了闢謠專區。

疫情爆發後，各種信息撲面而來，真假難辨。針對謠言密集湧現的現象，百度App、一點資訊均上線了闢謠專區，騰訊新聞「較真」欄目上線了「新型冠狀病毒肺炎實時闢謠」專題。

面對海量謠言，闢謠要靠社會化力量，以一點資訊「謠言粉碎機」為例，其中有焦點闢謠、科學應對、關注武漢、偏方防病、各地闢謠和造謠必究六大分區，整合來自央廣、澎湃等權威媒體，網信等官方帳號，藥博士等科普帳號以及地方媒體的內容，進行闢謠。闢謠不只是可以打擊偽科學等惡意謠言，還可以澄清一些公眾誤會，比如針對1月30日，合肥患者非23天潛伏期的消息讓大眾焦慮，後來相關部門回應是信息錄入錯誤，權威媒體報導後，用戶疑慮被打消。

機器很難識別消息真假，人可以。

第三個是算法內容平台都在進行體系化的內容建設。

百度、一點和看點們都很重視內容建設。

百度基於百度地圖這一獨有產品推出了疫情地圖、遷徙地圖、確診病例同行查詢等產品，同時依託百度百科、百度醫典等產品組織專家進行科學知識創作，協助闢謠。一點資訊專題下，有各地資訊滾動播報、《城內城外》《武漢說》等深度內容策劃、小視頻科普等內容，也有各地疫情直播，接入央視新聞疫區現場直播等內容，讓用戶實時了解各地疫情實況。

「疫區日記」則採取徵集形式，通過真實故事記錄疫區一線普通人的生活。一位醫護人員同事去前線了，自己在崗位上感染肺炎被迫自我隔離，她每天在視頻中講述自己對抗病毒的故事，牽動了很多網友的心；一點健康頻道主編范玢琪帶著不滿一歲寶寶回湖北咸寧過年，困在老家，將所見所聞記錄下來，呈現出獨特的視角；一位武漢的用戶，在武漢封城後選擇閱讀，讀完易中天的《讀成記·武漢三鎮》後分享讀後感，他們沒有停止生活。

有別於新聞報導，「疫區日記」組織不同人，甚至很多普通人，通過圖文、Vlog等不同形式的內容，記錄這樣一場疫情，留下珍貴記憶的同時，讓用戶通過不同視角直觀了解疫區一線的真實情況，這是傳統新聞報導或者社交媒體不具備的能力。

第四，算法內容平台都採取了強運營的模式。

每天早晨打開手機，都會看到各種資訊App推送的前日疫情，一些突發疫情新聞算法內容平台的推送甚至比新聞客戶端更及時。打開百度、一點等App，不論是首頁還是視頻等子頁面，都能看到疫情內容被組織起來通過置頂、大圖和高亮等形式進行推薦，這些均是人工強運營的體現。

縱觀這一次疫情中新媒體的表現，均是算法在給人工讓步，人工運營占據主導。在我看來，在社會重大公共突發事件中，算法讓渡給人工，會成為一種必然。

面對重大突發為何算法顯得「不堪一擊」？

前些年各類算法推薦平台的興起，讓業界意識到算法的巨大威力，甚至行業有人提出媒體「數智化」的說法，即媒體不只是要數字化，而且要全面地智能化，智能化不只是在推薦分發環節，內容的生產、審核、運營，廣告變現等等全部都要用上AI。然而這一次疫情爆發後，我們發現，算法顯得有些「不堪一擊」，人工運營占據主導地位。

核心原因在於，算法滿足的是用戶個性化的信息需求，但在這樣一場全民抗擊疫情的社會化大協作中，疫情是所有人高度關注的話題，大家對資訊的需求更多是千人一面，不論是疫情動態、官方通告、疫區新聞還是防疫知識，大家心繫一處，關心的話題是相同的。

算法推薦本質是迎合用戶閱讀興趣進行針對性的內容推送，算法讓用戶被劃到不同興趣圈層中，大家各關心各的，而服務於全體利益的公共信息卻被淹沒，特別是很多重大突發事件、公共話題、影響國計民生的政策變動等等，在手機螢幕上存在感很低，而這些內容是公民都應該知道的，很多關係到國計民生的突發消息，比如疫情首次被公布人傳人現象，機器是很難判斷其社會價值的。

算法在解決個性化需求的同時，忽略大家都應該知道的內容推薦。什麼是「大家應該知道的東西」?讓一個人來說可能他給不出答案，算法更不知道。而傳統媒體有一套成熟的公共議程設定，就可以判斷究竟哪些內容是大家應該知道的。各種資訊App疫情專區中的核心內容，闢謠內容都是相似的，各家很難做出差異，原因就在於這些內容是大家都應該知道的。

媒體是社會公共資源，信息具有公共屬性，不論是算法還是傳統新聞客戶端本質都是公共信息產品，具有媒體價值和社會責任，因此信息推薦不能只是投用戶所好，而是要承載公共價值。在類似於疫情這樣的突發災情面前，算法很難意識到什麼是具有公共價值的內容，無法有效對內容的生產與呈現進行組織，無法判斷在不同時候push什麼更合適，無法分清楚哪些信息是真的，哪些信息是假的。

在這一次疫情前，很多個性化資訊平台已經意識到自己的公共信息產品屬性和媒體價值，越來越重視人工的力量，走向內容化和媒體化，主要體現在幾個方面：

1、重視權威內容的建設，與權威媒體深入合作，而不是靠算法去篩選海量社會化內容；

2、重視優質內容建設，對社會化創作者（自媒體、拍客等）分層分級，形成優質創作者庫，通過日常運營鼓勵優質內容創作，有突發事件等專題事件需要時則可直接定製優質精品內容，一點資訊做品質閱讀，百度推百家榜和金芒計劃，騰訊新聞知識官……都是在圈優質創作者，進而圈優質內容；

3、重視編輯推薦的權重，紛紛擁抱人工與機器結合。

一點資訊是率先採取「機器算法+人工干預」相結合的分發機制的平台。一個內容在通過反垃圾算法模塊過濾後，會由算法和編輯一起打出標籤、做好分類，再被分配到熱點、本地等模塊中，編輯有權對內容精選進而獲得更多權重，內容的分發邏輯由編輯與算法工程師一起決定。在出現疫情這樣的突發事件後，編輯則會啟動重大突發事件處理機制，算法會打開「閘門」，讓相關稿件進入。一點資訊提出品質閱讀計劃後，與多家權威媒體合作，扶持優質自媒體和精英拍客。這一次疫情中，一點資訊也將重點放在了人工運營上，算法則是輔助工具，可以將「網傳保定24小時紅燈、禁止私家車出行？假的！這是謠言！」類似於這樣的內容優先推送到保定本地用戶。

騰訊新聞則提出ConTech模式，ConTech由Content(內容)和Technology(科技)兩個單詞組成，其主線思路是人機協同，將人的經驗、智慧賦能給機器，用機器放大人的智慧，解放生產力，釋放創造力，重視技術，卻不會依賴技術。在這次疫情中，騰訊新聞的「較真」欄目整合社會化專業力量對疫情謠言及時闢謠，騰訊看點的「戰肺炎」頻道和「關注新型肺炎」專題通過微信搜一搜和看一看觸達廣大用戶，體現出公共信息產品的價值。

大家的思路都是一致的：人工與算法結合，在不同閱讀場景下各展所長，一個確定的方向則是：不論是人工還是算法推薦，內容本身都在變得更加優質，資訊平台基於自身媒體價值，重視品質內容建設，是未來的大方向。