第一章 引言
伴随着智能技术的迅速更新，算法已经渗透到公共服务、日常消费、社交传播等各个社会领域当中，成为推动社会运转的重要力量。但是广泛的渗透并没有带来无条件的信任，反而因为算法系统技术黑箱、决策逻辑不透明、数据偏差等问题，造成了严重的信任危机。在实际应用中表现为算法歧视造成的社会公平受到损害、算法误解造成的人机交互障碍、公众为了规避风险而产生的对抗性使用行为。这些治理痛点不但会降低技术应用的效果，还会给社会秩序的稳定带来潜在的风险，所以，如何重建人与算法之间的信任关系，已经成为一个亟待解决的现实问题。本文主要研究的是“算法信任的社会学重构”，试图冲破单纯的技术修补思维，从社会互动的角度重新认识算法信任的产生机理，明晰地划定出研究的理论界限和现实应用范围，把信任的塑造看作是社会关系的重新塑造过程。目前国内外学界对于算法信任已经有了不少的研究成果，但是现有的研究大多遵循着技术理性的逻辑，重视通过提高算法的可解释性、准确性、安全性来增强信任，而忽视了信任本质上是一种基于社会互动的心理建构和社会关系[1]。就目前的研究而言，在社会互动维度上存在着认知上的不足，因此本文提出了一个明确的研究思路，即从社会学的角度出发，建立一个以信任重构为分析框架的研究体系，主要研究制度规范、社会认知以及人际互动在信任形成过程中所起的作用。本文试图用社会学机制来解释信任产生的社会心理原因和文化规范约束，以克服单一技术视角的缺陷。该分析框架既说明了算法信任重构的实现途径，又为后面章节具体研究操作规范和治理策略打下了良好的理论和实证基础。
第二章 算法信任的社会学重构机制解析
2.1 算法信任的传统认知偏差与社会学转向逻辑
长期以来，学界对于算法信任的研究大多受到技术理性化、个体感知化思维的影响，把算法信任定义为用户因为算法的准确性、效率而产生的单向心理预期。传统的认知路径一般会假定一个静态的线性关系，即信任度只和算法技术指标的好坏有关，而忽略了算法系统是社会技术集合体的特性。其主要的偏差在于，把信任仅仅看作是对输出结果的机械接受，而没有看到算法背后所隐藏的社会关系网络和权力结构。在网约车场景中，如果仅仅用派单速度来解释乘客信任，就无法解释为什么同样的技术效率下，乘客会对不同的平台调度算法有不同的信任态度，说明单纯的技术视角不能包含信任背后的伦理和规范维度。另外，传统的认知不能解释实践中用户信任随着场景的变化而变化的现象，比如用户对于同一个内容推荐算法在新闻资讯和商品导购场景下的信任度不同。就上述的不足而言，社会学视角的加入就显得十分重要。按照符号互动论、社会建构主义的基本观点，算法信任不是一种心理状态，而是在人与人之间的互动过程中产生的动态过程。由此可以看出，信任的本质就是由技术属性预设向社会属性建构的转变。算法不再只是冰冷的代码，它是在具体的社会情境中行动的人。经过重新塑造之后，算法信任就是用户、算法开发者和社会制度三者相互影响、相互作用而产生的。所以，实现从技术理性到社会属性的转变，不但是纠正理论上的偏差，也是解决算法落地应用中出现的信任危机、实现人机良性共生的实践要求。
表1 算法信任的传统认知偏差与社会学转向逻辑对比
2.2 算法信任的多主体互动重构核心框架
算法信任的多主体互动重构核心框架，是要冲破传统单视角信任创建方式的束缚，创建起一个包含算法开发运营方、算法规制主体、普通算法用户和受算法决策影响的边缘群体这四个主要角色的协作架构。在这个框架里，算法开发运营方属于技术供给侧，它的主要利益诉求就是达成技术效率最大化和商业价值变现，行为逻辑大体上按照技术理性和市场导向来展开，是信任机制的最初建立者；算法规制主体包含政府部门和行业监管机构，主要着眼于守护社会公共利益，保证数据安全以及算法公平，依靠制订标准和实施监督审核来对技术权力加以约束；普通算法用户重视服务的便捷性和个性化体验，其行为逻辑依照实用主义和感知满意度来展开，成为算法信任的市场根基；受算法决策影响的边缘群体关注权利救济和反歧视，其存在显示出算法技术存在着潜在的负外部性。这些主体不是孤立存在的，而是在信息交流、规则协商、反馈调节等重要环节上互相联系起来的。就开发方来说，要公开一部分逻辑来回应透明度的要求，用户和边缘群体依靠反馈促使技术改进，规制主体在互动过程中确定边界。多维互动冲破了以往用户被动接受的“黑箱”式单向度信任产生逻辑，使得各方在不断的动态博弈里寻找共识，从而塑造出一个互相制衡、动态支撑并且具有自我修复能力的信任生成体系。该框架既确定了各个主体的权利和责任范围，又给解决实际使用中出现的信任危机赋予了可行的途径指引。
2.3 算法信任的场景化锚定与动态演化路径
算法信任不是一种可以普遍适用的标准化产品，它要在特定的社会环境中才能发挥作用。承接上文的多主体互动框架，必须对算法信任在不同的社会属性场景中怎样完成锚定进行解释。公共服务算法场景下多主体互动重在程序合法性、权力监督，信任基准线以制度公正性、问责机制的完备性为锚点，公众通过确认算法没有被利益俘获来建立信任；商业消费算法场景下互动重心转向用户体验、数据效用，信任基准线以推荐精准度和个人隐私保护之间的平衡为锚点，消费者根据服务质量实际获得感来度量信任；公益治理算法场景下互动维度更强调伦理规范、社会价值导向，信任基准线以算法透明度和非营利性为锚点，社会公众依靠对算法伦理目标的认同来确立信任。根据场景的不同来确定锚定的过程，使算法信任具有具体的社会针对性。
在此基础上，算法信任就有了一个清晰的动态演化路径，这条路径同算法的整个生命周期相吻合。算法部署之初，信任处在初步形成之中，它的主要推动力是制度背书和预期管理，这时依靠法律法规的制定以及权威机构的认证来消除公众对于未知的恐惧，互动调整机制主要是单向的信息披露和规范引导；进入运行中期，算法介入社会生活的程度加深，信任遭遇波动和考验，实际运行中出现的偶发偏差或者决策失误成了主要的干扰因素，这时的互动机制变成了双向的反馈纠错，用户投诉和第三方审计一起促使信任得到修正；等到迭代优化期，算法信任进入动态调适阶段，主要的驱动因素变成了持续的性能优化和伦理对齐，依靠技术升级和社会协商的良性循环，信任关系得以稳固并提升。这一个完整的演化过程，很好地表现出了算法信任在社会学视角下的建构特点，也就是它是一个不断适应社会语境、回应多元诉求的动态平衡过程。
第三章 结论
因此，本文从社会学的角度出发，对算法信任的重构机制进行了系统的梳理，很好地解决了传统研究把算法信任简单地归结为技术性能或者单一的心理认知的问题。研究表明，算法信任不是一成不变的心理契约，是动态的社会建构过程，它的本质就是多主体互动、场景化锚定、动态演化这三个方面的有机融合。多主体互动破除了技术黑箱的神秘感，依靠开发者的伦理自觉、平台的透明化解释以及用户反馈机制的联动，消解了由于权力不对等而产生的信任危机；场景化锚定把抽象的算法逻辑融入到具体的社会情境当中，让技术决策同社会规范和伦理道德相契合；动态演化机制保证信任关系可以随着算法的更新和环境的改变而不断调整，在长期的交互过程中保持系统的韧性。
根据以上理论机制，结合目前算法治理的迫切需要，本文给出可行的落地优化途径。建议相关主体创建起标准化的算法说明书制度，把代码逻辑转变成社会可以理解的语言，创建起全生命周期的算法伦理审查架构，在设计和部署的时候加入社会价值校验，并且健全多元协同的治理体系，塑造起政府监管、行业自律以及社会监督的良性互动局面。但是必须客观地指出，本研究还存在着一些不足之处，主要是从理论框架的建立和社会学的角度进行分析，缺少了大量的实证数据来进行量化的支持，而且对于不同文化背景下的信任机制差异的研究也比较欠缺。展望未来，研究应该向跨学科方向发展，采用计算社会科学的方法，探究算法信任在人机协同环境中微观的产生机制，以及生成式人工智能等新技术对社会信任结构的影响，给创建人机和谐共存的智能社会赋予更有前瞻性的理论支撑和操作引领。
参考文献
\[1\]喻国明, 杨雅. 算法信任的生成逻辑与社会学转化路径[J]. 新闻与写作, 2022, 11(6): 45-54.