从元宇宙到ChatGPT再到Sora，人工智能领域的发展如此迅猛，正在将我们带入一个普通人难以理解的世界。“数字社会”专题由澎湃新闻思想市场栏目和哈尔滨工程大学人文社会科学学院期刊《智能社会研究》合作推出，由人文社科译者王立秋担任特约策划，旨在通过译介关于数字技术和人工智能研究的重要文献，为理解不断加速的今日世界提供思想资源。

  这里是算法的一个定义：算法是满足条件指令（if-then conditionals）的标准化方法，通常使用布尔二进制值，在电路上运行，根据不同的自由度自动执行。这样的定义对社会科学家来说几乎没什么帮助，对其他任何人而言亦然。说算法做某些事是什么意思呢？人类学以及更广泛而言的社会科学应该期望从算法研究那里以及在算法研究之中得到什么？研究算法究竟是什么意思？本文整合了一众文献，用于勾勒出怎样研究算法这一问题的一个可能答案。答案就是，我们应该研究算法的生态。

  学者们已经研究过算法对“注意力”和“瘾”的组织、算法对品味的塑造和作为照护和捕捉对象的算法，算法对公众的塑造。算法也被当作自动化的自学习驱动者和强大的物神来研究。有学者认为算法重新组织了现代的理性和视野。关于算法的研究聚焦于音乐即兴实验室、音乐推荐公司、精确战争、约会网站公司、搜索引擎、营销和网络分析公司、抄袭检测软件、艺术作品和奈飞等。为人类学对算法的研究指路的程序化文本也出现了，现在甚至还多了一篇发表在《人类学年度回顾》（Annual Review of Anthropology）上的文章。

  然而尚不清楚的是，研究算法的人说的是不是同样的东西。即便“算法”在数学中的历史要早于这个词的出处——穆罕默德·伊本·穆萨·花拉子米（Muḥammad ibn Mūsā al-Khwārizmī，c. 780-c. 850，译注：波斯数学家，Algorithm一词出自al-Khwārizmī的拉丁文译名“Algoritmi”），即便杜里什（PaulDourish）在2017年写到它的流行“只是几年前的事”，它现在已经不再只是一个纯粹的技术术语了。算法可以被视作和焦虑的占位符，可以是想象，也可以是文化。研究算法的社会科学可以说面临着“对象”是什么的挑战。算法是施动者还是模式，是文化还是物质，是主体还是对象物，是内生过程还是外生环境？一种策略是思考算法之“多”，从“（单数的）算法”转向“（复数的）算法系统”或“算法组合体（algorithmic assemblages）”。那些在词汇上把纠缠在一起的异质的东西单数化的策略，并没有减轻观察算法的难度。算法的特征是难以捉摸和不透明。它们是黑箱，即使仅仅因为它们是专有技术且难以定位，就使它们在民族志层面上变得复杂了。算法的展演性也放大了“对象”的挑战：算对人类学关心的其他对象产生影响，范围包括对种族、市场或媒介的比较和分类。

  在这篇综述中，（受林雪平大学算法研究网络讨论的启发）我回避了通过“掀开罩布”来“把握算法”、打开算法的黑箱以便分析算法显现/配置的多重关系的。我将通过探讨我称为算法生态样式的相关现有研究，来概述生态视角的组织要素：基础设施、想象、界面、身份以及投资与利息——的工作，来概述一种生态视角的组织要素。这里提出的推测性观点是，算法内在于生态，并在所有这些样式中运行。这篇综述主要基于用英文写作的研究，这表明作者在语言上的局限、英美的学术霸权和“算法社会科学”这一特定学术风潮的地理状况。

  研究算法的人类学经常围绕黑箱展开探索然后空手而归。就像有学者在多次关于算法的会议上指出的那样，学者们经常发现，算法是令人困惑的研究对象，难以把握，甚至很难定义。就像乌里奇奥（William Uricchio）写的那样，“‘算法’这个术语似乎召唤出了多到和它简单的意思不相称的回应”。但从人类学的角度来看，意思简单绝不是微不足道的，它是一种在多个语境下都不稳定的复杂成果。此外，西弗（Nick Seaver）展示了软件开发者也经常没法向民族志学者指出对象。同时，脸书用户已经意识到算法的运作了。而且，还有广泛存在的专有权的黑箱操作，因此尽管自相矛盾，一定存在可识别的算法，它的隐形化和神秘化是根据法律施加的。

  一种明显人类学式的做法是把算法当作文化来考虑。杜里什就讨论过一种“算法文化”，在这种文化中，算法以这样的形象出现：它塑造了文化的产品。哈利南（Blake Hallinan）和斯特里法斯（Ted Striphas）通过分析一场旨在提高奈飞推荐系统准确性的竞赛，展示了算法信息处理是怎样改变人们对文化的构想的。斯特里法斯认为，算法做的是整理、分类和排序，这就是文化本身，“算法文化”从中兴起。西弗也提议不要认为算法包含在文化之中，而应该把它看作文化本身，即“形形色色的人类实践导致的多重后果”，这里的“文化”指的不是一个物体，而是“人们做的事情”。但通过把算法纳入现代人类学的主人能指（master signifier）来解决定义问题也有其局限性，因为这样的做法同样缺乏定义上的精确，并且主要达到的是学术圈地的目的。

  一种选择是把算法当作模式化的技术来考虑，这对研究“遵守规则”的人类学提出了挑战。众所周知，布尔迪厄曾在维特根斯坦的基础上反对 “规则谬误”，反对把默会知识法典化，认为那既是唯智论的、又是决定论的做法。但或许，算法作为编码化的规则引入的，正是被布尔迪厄斥为“实践规律背后的幻象”的类似规则的元素。当然，编码化的规则无处不在；数十亿人拥有随身携带的算法设备（智能手机和其他图灵机器），这些设备影响着他们的注意力，并以可被商品化的数据的形式捕捉他们的实践。与维特根斯坦的想法——规则的特征是没有能力决定其应用——一致，对于这个问题，人类学的答案依然是，算法既作用于被它们参考、指向的生态，又被这个生态所作用，在递归算法的间隙中有偶然性和能动性，因而带来的是互动而不是单方面的行动。

  也许，把算法解释为文化的做法说明人类学也可以被当作一种算法：输入民族志数据，它就会产出作为输出的“文化”。同样可预测的是，社会学也有谈论“算法社会”（Jenna Burrell and Marion Fourcade）或“黑箱社会”（Frank Pasquale）的同等做法。但算法缠绕体（algorithmic entanglements）既在经典的“文化”与“社会”领域之外，也在这些领域之下。出于这个原因，我提议从生态的角度来看算法缠绕体。

  从生态的角度来思考算法缠绕体意味着，把它们看作“环环相扣的偶然性电路”（interlocking circuits of contingency），其中内在性优先。贝特森（Gregory Bateson）认为“计算机只是一个总是包含一个人和一个环境的更大电路中的一个电弧”，对算法来说也一样。各种生态概念已经是媒介和传播研究、数字环境研究、知识生产、大数据基础设施、基础设施研究、机器人学和建筑机器人学以及泛在计算等领域研究现状的一部分了。不应把生态理解为某个稳定的东西（比如说，“文化”或“社会”）的“环境”，而应该把它理解为一个“纠缠的领域”，一种力量与效应的动态构成。生态的视角关注实践与空间的分布特性。它不会给生态中的任何构成元素本体论的首要地位，而聚焦于它们作为持续完成的纠缠涌现。就像乔伊（Timothy Choy）写到的那样，生态标志着“构成的、构成中的部分之间关系的涌现网络”。他补充说，生态不是既定的，而是“通过科学的（生态）研究被设定和建立的”。这个“建立”必然是的。它标示出这样一个构成任务，这个任务总会引出关于本体论的问题，它的第一步，是拒绝事先知道世界是由什么构成的。

  生态的视角能让探索算法的人求而不得的东西变得更容易理解。一个有用的类比，是把算法看作生态中的液泡（vacuoles）。德勒兹曾在与托尼·奈格里的谈话中用生物学的“液泡”概念来描述“传播不通”或“电路中断”的地方（places of noncommunication or “circuit breaker”）。液泡是细胞的细胞质中被细胞膜包围的隔室。液泡包含、隔离、输出或延迟分子，以及最重要，它们筛选、排序和选择。（在运作上而非实质上）把算法当液泡将意味着在解释它们的难以捉摸的同时强调这样一个事实，即虽然算法被认为有很大的能动性，但它们的作用方式更像断路器或至少是电路扰动器，而不是导管。算法液泡是创造性的，但它们的创造方式是非传播性的、难以捉摸的和不透明的。我们因此而避开平滑的幻想，并保持对摩擦的关注。算法对控制来说不是平滑的通道或门户，而是电路扰动器和断路器，就像在福柯那里，权力通过像身体那样的通道点来运作，由此构成了阻力和抵抗。这使我们关注这一事实，即需要再做点什么，才能让算法成为控制或监控的力量。就像在细胞中那样，算法液泡的膜是关键，我们可以把这些膜理解为纠缠的集合，比如说，基础设施、界面或想象。

  作为一种驯服算法对象的挑战的方式，生态概念意味着严肃对待观察者依赖性（observer-dependency）。它也向斯唐热（IsabelleStengers）提出的宇宙谕令开放，赋予算法以力量，使我们以问题化的方式感受和思考我们自己对算法的关注和承诺。要做到这一点，一种方式是要认识到算法在其中显现并且不可避免地以多种形式显现的不同的生态纠缠或部分关联。我把这样的纠缠称作算法生态的模态。我从分析角度区分了五种这样的模态并回顾了相应的文献，它们是（a）想象、（b）基础设施、（c）界面、（d）身份和（e）投资与利息。这里的推测性观点是，算法内在于这些生态，并在所有这些模态中起作用。

  算法有柏格森和德勒兹所说的“虚构功能（fabulative function）”。它们有助于塑造和缩短社会想象中的无限回归，但（自相矛盾的是）它们又是以递归的方式这么做的。虚构——有选择地想象和意象化、造出可看的和可说的东西的方式——是算法的构成部分，而想象的共同体也以算法为中介，这个例子也说明了，公众是怎样通过算法被构造出来的。在这里，我们应该避免“扬弃”的辩证，对由此而来的生态纠缠的切入点的多样性表示欢迎。然而，即便与帝国主义基础设施同步进行，这种社会想象力业需要置于主要是西方计算理性的历史之中，而不是为诸如约鲁巴逻辑数学所独有。算法想象可以被看作一种特别的“社会技术想象”（SheilaJasanoff）。然而，像贾萨诺夫这样的概念有对想象的共识基础施加不适当限制的威胁。查尔斯·泰勒（Charles Taylor）著名的构想——“社会想象是使共同实践和一种广泛共享的合法性认识成为可能的那个东西”——也一样。想象指向背景性理解，但这些理解不一定像贾萨诺夫假设的那样是人们“集体地持有的”，也不一定像泰勒坚持的那样，“是大群的人甚至是整个社会共有”和“共享的”。这些到现在已经成为经典的构想过于依赖一种共识性的世界观，即便这样的世界观在历史上是不太可能的。想象不需要共识和共享的理解也能存在；有共享的误解、冲突和争论就够了。

  由公司和治理机构提出的算法想象是对“加州意识形态”的重新表达。我们可以把它们展示出来的那个东西称作一种智能的超凡魅力，它通过联合效率、乌托邦式的问题解决方案、创新、自由、参与和可持续来动员、期待、思辨和计算。因此，摩擦（friction）在想象中与“无缝”（seamlessness）相对，并被转化为“无缝”。无效率变成了优化。延迟被虚构为实时、物质被虚构为虚拟、故障被虚构为代码，非法入侵（hacks）被想象为（安全）控制和优化时被（重新）挪用。在被体验为“智能”的时候，复杂性也被想象为来源（sources）而非限制。智能城市、智能之家和物联网（IoT）是这种算法想象的主要场所，物联网有时以所有物体的网络连接的元想象的形式出现。举例来说，“智慧城市”并不是一座城市，而是一种想。