算法是如何影響你的“數字記憶”的？這篇文章作者從專業的角度出發介紹了數字記憶的歷史、數字記憶對個體的影響以及社交平臺對數字記憶的創造等維度，推薦對算法設計、社交平臺算法營銷等感興趣的童鞋閱讀。

01 數字記憶：算法系統下的平臺產物

記憶能被技術塑造嗎？在以往的認知中，記憶是人腦對經歷過的事物的識記、保持、再現和確認，是由個體自身形成的（楊治良，2011）。

然而隨著數字技術的發展，社交媒體的功能不再局限于為人們提供交流和互動的平臺，它自身作為一種信息載體還能夠幫助人們形成數字和媒體記憶（Blom et al.，2020）?！皵底钟洃洝保―igital Memory）是以數字方式對特定文化信息進行采集、組織、存儲和展示，并在數字空間進行承載、再現和傳播的記憶形態（馮惠玲，2020）。

平臺、數字設備及算法系統越來越多地收集用戶個體的數據，并將這些數據以各種方式進行整合，最終塑造出一個專屬于用戶個體的有意義的空間（Vandijck，2013）。

比如常見的“蘋果記憶”“臉書記憶”便是算法系統建構數字記憶的代表性產物。在這個過程中，用戶的數據被算法所“雇傭”，從而使數據以一種有序且有意義的方式來呈現和建構過去（Benjamin，2022）。

（圖片源自作者）

2016年，蘋果公司推出了“蘋果記憶”（Apple Memories），該功能可以根據用戶設備上的照片和視頻庫，自動創建有意義的照片和視頻合集。

基于用戶元數據以及圖像內容，算法系統能夠進行機器學習并通過數據網絡將圖像聚類到“人”“地點”“節日”“場景”等類別中，結合以往用戶的個人經歷以及紀念日，Apple Memories能夠預測用戶希望看到什么“回憶”出現并生成數字記憶，例如“旅游”“生日”等，這些便是算法聚集圖像的結果，而這些帶有標簽的“小標題”說明算法系統對用戶圖像進行了分析與分類。

算法的社會力量包括對個體以及社會進行挖掘、分類和排序的能力（lury&Day，2019）。而“記憶”基于圖像、視頻等數據進行符號及意義分析，利用技術自動生成并聚集在蘋果用戶內存里（Andrejevic，2020）。

蘋果記憶的意義是數據挖掘、相關性以及視覺輸出的產物。當用戶的數據被分析、排序和預測時，算法重新配置了用戶設備中構成意義的內容。

02 自我建構：數字記憶對個體的塑造

1. 生成的“自我”：算法對用戶記憶的制作

“數據并不是完全原始的，它總是被清理、評估、排序，并在社會世界的不同環境中發揮著重要作用?！保℅itelman & Jackson, 2013）當運用算法進行數據處理時，算法系統能夠積極地將數據轉化為敘事結構。在類似蘋果記憶的算法系統中，“記憶”是基于用戶以往的經歷由機器自動生成的一個結果，是在算法一定的運行規則所呈現出來的“自我”。

在蘋果記憶中，原本沒有關聯的事件被連接起來，合成一種有序的、可理解的敘事結構，為人們提供了一個現實的框架來理解自己和過去的數據。

于是，用戶在使用算法系統的過程中便產生了一個“不可避免的”關于自我的敘事結構——一條由用戶相關經驗和事件所組成的因果關系的時間鏈。注：敘事結構在文學層面通常被定義為將不同的人物、事件整合到有意義的、連貫的序列中來解釋相關事件的組織結構。

2. 多重的“自我”：數據在算法中的不同組合

算法在自動生成“記憶”的過程中也展示了敘事的可塑性，用戶的數據單元能夠以不同的方式組合在一起，從而產生多種含義。

在蘋果記憶中，同一張照片可能會存在于不同的“記憶”集合，比如大自然旅行的照片被包含在“自然”記憶集合的同時，也可能出現在“秋天”的記憶集合中?；谙嗨频牡乩順撕?、視覺概念、人物等元素，算法系統能夠使其出現在多種敘事結構中，從而成為多種“記憶”的內容。算法系統能夠對數據進行多種組合配置并生成用戶“自我記憶”的能力，展示了數字記憶的意義和敘事結構的可延展性。

在使用算法的過程中，敘事可以被概念化為數據雜糅的一種形式：通過重新排列數據來產生不同的的敘事結構和意義序列，由此幫助用戶構建和解釋世界。

在自我數字記憶生成敘述的過程中，其意義的生成主要是依靠算法來進行的，多重的“自我記憶”展示出了算法機制的強大力量，而這一力量主要是由算法使用數據并構成新的情境、模式及含義來實現的（Cheney，2017）。

（圖片源自網絡）

2. 參與的“自我”：算法引導用戶參與

“蘋果記憶”等功能具有分享設置——算法系統會向用戶展示照片庫中的精彩瞬間，并“建議與照片中的人分享照片”，從而使用戶的分享和參與成為一種關于自我的敘事手段。從這一層面上來說，“好”用戶會從自己過去的數據中遇見數字記憶，并將其分享給“記憶中出現的人”，從而使得更多的用戶參與其中。

算法系統通過鼓勵人們分享來促使數據具有可操作性，同時向用戶灌輸參與性規范，從而增加用戶參與和共享的可能性（Benjamin，2022）。

03 敘事策略：社交平臺與算法如何創造“記憶”

1. 巧用紀念日

社交媒體的算法系統通過“周年框架”來構建正確的“適時記憶”，并以此加強這些記憶在用戶生活中的重要性。如Timehop以及Facebook的記憶功能便是在這樣的框架內運行的，通過這個框架，用戶可以在紀念日中看到以往的圖像或視頻（Humphreys，2020）。

然而，平臺并不是憑空構建記憶的，而是利用已經建立的記憶模式（如紀念日），通過平臺算法不斷地迭代測試、反饋循環和試錯而涌現產物。人工智能和神經網絡算法基于一定的規則從用戶的屬性來判斷他們的“數字記憶”（Jacobsen&Beer，2021a）。

2. 針對個人經歷

塑造“適時記憶”的另一個重要渠道便是個性化。

“記憶”是一種個性化的感覺，這一概念也與當前媒體環境中強調個性化的主張不謀而合（Lury & Day，2019）。在Timehop、Facebook Memories和Apple Memories等存儲設備上算法系統的個性化機制都參與“適時記憶”的建構。個性化記憶被用戶感知后，能夠由特定的時刻和重新浮現的記憶產生更深的個人感觸。

（圖片源自作者）

3. 創造特定記憶“結構”

塑造“適時記憶”的另一個重要機制是由社交媒體和記憶特征產生的節奏和循環模式建構的。

“數字記憶”對個體的影響不僅與其個人經歷有關，還與這些記憶出現在用戶面前的頻率有關。在一個不斷采用新技術的社會中，重復的記憶行為成為了防止記憶褪色的一種嘗試（Amoore，2020）?！皵底钟洃洝痹谏缃幻襟w上的出現從來都不是一次性的，而是依靠多次重復來進行記憶。

例如，Timehop的“Streak”功能能夠顯示用戶訪問該功能的連續天數，是一個衡量用戶對該功能參與度的指標，因而可以激勵用戶對以往記憶的持續、習慣性的參與(Jacobsen&Beer，2021b)。在這一過程中，用戶可以創造出特定的數字記憶結構。

4. 制造與現實的緊張關系

盡管平臺和應用程序試圖制造“適時記憶”以提高用戶粘性，但是算法系統本身的局限性，尤其是其基于機器學習所生成的記憶，可能無法完全匹配用戶的需求。比如一位父親在女兒的忌日原本沒有特別悲傷，但是Facebook卻在當天為他生成了關于女兒的照片集，因而這種數字記憶并沒有為用戶提供適宜的體驗，反而造成了完全相反的結果（Bucher，2017）。

“數字記憶”的隨機和不合時宜的例子提醒了我們，盡管社交媒體和記憶功能可以重現用戶的記憶，但是在算法系統下呈現的暫時性記憶并不能夠完全契合用戶的個體需求，同時還增加了用戶在現實生活中的緊張感(Jacobsen，2022a）。

04 數據管理：如何面對不恰當的數字記憶

近年來，有學者呼吁對新興技術、平臺和應用程序塑造記憶的方式進行更多批判性的研究（Hoskins，2018；van Dijick，2007）。這是因為，盡管數字記憶可以幫助用戶回憶過去、理解自我，并越來越成為他們日常記憶實踐中不可或缺的一部分，但其給用戶帶來的負面影響依舊值得關注。

然而，用戶并不是“記憶”的被動接受者，他們也會依據自己的需求及經驗來理解和管理數字記憶。主要有三種具體“策略”(de Certeau, 1984)：刪除、延遲和鏈接。

1. “先發制人的損害控制”：刪除

與Facebook Memories類似，Timeshop為用戶提供了自動從多個社交媒體平臺和設備上刪除數據的選項。因此人們在使用此類應用程序時，可以選擇“回到過去”或者刪除令用戶感到尷尬的圖片、視頻。在這種情況下，刪除可以被理解為一種管理過去數據的策略，根據用戶目前的情況來協商和理解過去的數據點，消除不再符合當前自我軌跡的記憶。

作為日常數據管理的一種策略，刪除策略構成了回顧、評估、協商和理解過去數據的一種具有高度自我能動性的方式（Jacobsen，2022b）

然而，社交媒體平臺上能否完全刪除個人數據是值得懷疑的（Hetherington&Lee，2000），刪除只是一種使得過去數據在某方面不可見的手段，但原有的用戶數字痕跡對平臺來說仍具有經濟價值。

2. “也許我明年會再度回憶”：延遲

延遲是用戶進行數據管理的另一策略。延遲是用戶推遲對過去數據某些方面的情感接觸和有意識的、主動的策略，正如用戶所說，“也許明年我會重溫這段記憶”。

一方面，延遲策略響應了向“慢計算”的文化范式轉變的呼吁（Kitchin&Fraser，2020），構成了一種抵抗數字技術加速社會的方式（Gane，2006）；另一方面，延遲策略也被視為一種規避刪除需求的方式。在數字時代下，我們個體的特征越來越由“數據”構成——從平臺的印象管理到個體信息，人們越來越形成了一種“數據自我”（Lupton，2020）。

刪除個人數據可能是對自我的一種篡改，而延遲策略在一定程度上避免了刪除數據可能帶來的負面影響。

注：慢計算是指，在人們如何理解和聯系日常生活的計算和數字設備方面的一個新的范式轉變。它一方面強調人們如何與日常設備互動，另一方面呼吁人們退后一步并掌握一些自我控制能力。

3. “你不會得到記憶的鏈條”：鏈接

鏈接強調的是用戶使用個人過去的數據來進行意義重構。用戶在管理社交媒體平臺和記憶設備時，某些平臺呈現的記憶缺乏情景線索，無法形成連貫的敘事。在這種情況下，鏈接意味著用戶主動將數據元素編織成有意義的整體，從而管理過去數據中看似脫節的部分。

在這個過程中，人們條件反射地將事件、片段、數據、推文、社交媒體圖像和記憶合成關于自我有意義的、完整的敘事（Jacobsen，2022b）。在個體數字化生存的背景下，數字化交往成為常態。個人以賽博身份在不同的情境中與他人進行交往，同時也在不同的社交媒體上留下了數字痕跡，平臺憑借算法系統制造出“數字記憶”，以期滿足用戶更多的個性化記憶需求。

然而，正如芒福德在《技術與文明》中所提及的“縱然技術與人類社會相互糾纏，但理性的主導始終應該走在激進的技術樂觀之前”。即便數字記憶在一定程度上提升了用戶的體驗感，但是我們也仍需關注其背后存在的數據隱私等問題。

參考文獻：

Amoore, L. (2020). Cloud ethics: Algorithms and the attributes of ourselves and others. Duke University Press.

Andrejevic, M. (2020). Shareable and un-sharable knowledge. Big Data&Society, 1(4), 1–4.

Apple Support. (2020). Enjoy your memories in photos. Apple. Retrieved May 2020, from https:// support.apple.com/en-gb/HT207023.

Blom, I., Lundemo, T.,&Rossaak, E. (2015). Memory in motion: Archives, technology and the social. Amsterdam University Press.

Bucher, T. (2017). The algorithmic imaginary: Exploring the ordinary affects of Facebook algorithms. Information, Communication&Society, 20(1), 30-44.

Cheney-Lippold, J. (2017). We are data. In We Are Data. New York University Press.

de Certeau M (1984) The Practice of Everyday Life. Berkeley; Los Angeles: The University of California Press.

Gane, N. (2006). Speed up or slow down? Social theory in the information age.Information, Community and Society,9(1), 20-38.

Gerlitz, C.,&Helmond, A. (2013). The like economy: Social buttons and thedata-intensive web. New Media&Society, 15(8), 1348–1365.

Gitelman, T.,&Jackson, V. (2013). Introduction. In L. Gitelman (Ed.),‘Raw data’ Is an oxymoron(pp. 1–15). The MIT Press.

Hetherington, K.,&Lee, N. (2000). Social order and the blank figure.Environment and Planning D: Society and Space,18(2), 169-184.

Hoskins, A. (Ed.). (2018).Digital memory studies: Media pasts in transition(p. 1). New York: Routledge.

Humphreys, L. (2020). Birthdays, anniversaries, and temporalities: Or how the past is represented as relevant through on-this-date media.New Media&Society,22(9), 1663-1679.

Jacobsen, B. N. (2020). Algorithms and the narration of past selves.Information, Communication&Society, 1-16.

Jacobsen, B. N. (2022a). When is the right time to remember?: Social media memories, temporality and the kairologic.New Media&Society, 14614448221096768.

Jacobsen, B. N. (2022b). ‘You Can’t Delete a Memory’: Managing the Data Past on Social Media in Everyday Life.Sociological Research Online, 13607804221110237.

Jacobsen, B. N.(2022).Algorithms and the narration of pastselves.Information, Communication&Society(8).

Jacobsen, B.,&Beer, D. (2021a).Social media and the automatic production of memory: Classification, ranking and the sorting of the past. Policy Press.

Jacobsen, B. N.,&Beer, D. (2021b). Quantified nostalgia: Social media, metrics, and memory.Social Media+ Society,7(2), 20563051211008822.

Kitchin, R.,&Fraser, A. (2020).Slow computing: Why we need balanced digital lives. Bristol University Press.

Lupton, D. (2020).Data selves: More-than-human perspectives. Cambridge: Polity.

Lury, C.,&Day, S. (2019). Algorithmic personalization as a mode of individuation.Theory, Culture&Society,36(2), 17-37.

Mumford, L. (2010).Technics and civilization.University of Chicago Press.

Ricoeur, P.(1983).Time and Narrative, Volume 1.University of Chicago Press.

Van Dijck, J. (2007). Mediated memories in the digital age. Stanford University Press.

Van Dijck, J. (2013). ‘You have one identity’: Performing the self on Facebook and LinkedIn. Media, Culture&Society, 35(2), 199–215.

馮惠玲.(2020).數字記憶：文化記憶的數字宮殿. 中國圖書館學報(03),4-16.

楊治良.(2011).漫談人類記憶的研究. 心理科學(01),249-250.