算法瞄準與智能選舉：算法如何重塑西方選舉

文/王中原

西方正在進入智能選舉的新時代，數據資源和算法技術開始重新定義西方的選舉政治，選舉不僅是政黨政策主張之間的比拼和選民自由意志的選擇，而且越來越成為不同政黨和選舉人在數據和算法領域的較量。最大限度地搜集和挖掘選民數據，運用智能算法對選民展開精準動員，引導選民行為以收割選票，成為算法時代新的選舉方程式。基于海量選民個體數據的算法瞄準，一方面拓展了競選活動的形式，更加有效地傳遞選舉資訊和智能化地動員投票，有助于提升選舉民主的活力；另一方面加大了對選民心理和行為的操控，引導候選人分割和選擇動員對象、掌控選民情緒、精準投放信息，以及“圍獵”潛在支持者，這些都將危及民主的核心價值。算法時代的西方選舉正在走向某種形式的異化，為我們觀察和思考選舉民主的危機及其治理提供了契機。

智能選舉中的算法瞄準

鎖定目標選民（voter targeting）是選舉動員的核心策略，其目標是在競選經費有限的條件下有效地動員盡可能多的選民參與選舉活動（包括投票、捐款、集會、擔任志愿者等）。隨著算法時代的到來，數據資源的積累和算法科技的精進為選民動員提供了新的手段，聚焦選民個體的精準動員成為可能，基于算法的政治瞄準（political micro?targeting）應運而生。

算法瞄準（algorithmic micro?targeting）是指“運用數據分析識別個體的具體興趣，然后創制個性化的資訊內容，預測這些資訊的影響，然后將這些資訊精準投放給相關個體”。算法瞄準起初為商業營銷手段，即根據個體特征、消費記錄、日常喜好和社交網絡等數據對客戶進行畫像，進而投其所好地為客戶推薦廣告和產品。近年來，算法瞄準越來越多地被運用于政治領域，用以建立選民關系和動員選舉投票，并在選舉實戰中取得突飛猛進的發展。算法瞄準的核心是數據而非選民，其基本假設是單個或幾個數據點（data point）無法準確反映選民的偏好，需要收集海量的、多維的、各領域的選民數據才能構建完整的選民畫像。區別于傳統的選舉方式，算法瞄準依靠大規模的選民個體特征數據和行為數據來對選民進行精準劃分和歸類，然后依托算法識別選民的人格特性和偏好立場，基于此向其推介個性化定制的選舉資訊和動員活動，并通過預測、試驗、反饋、迭代等過程不斷優化，從而達到最大化影響選民投票意愿和投票行為的目的。整個競選過程由數據驅動，通常被瞄準的選民并不知道其個體數據是如何被收集、分析和使用的。

算法瞄準是大數據時代智能選舉的核心技術，近年來在西方各國選舉中得到不斷發展，由于各國制度環境和法律體系的差異，呈現出不同的發展態勢。但無論是在多數決制的國家（例如美國和英國），還是在比例代表制的國家（例如荷蘭和瑞典），算法瞄準技術都在重塑選舉政治生態。

算法瞄準的基本原理和技術過程

算法瞄準涉及不同的參與主體，使用不同的數據資源，運用不同的工具，瞄準不同的對象。然而，算法瞄準的基本原理是一致的，其核心技術過程可劃分為以下三個步驟：

（一）選民數據采集和預處理

算法瞄準首先需要采集海量的選民個體層面數據，數據資源通常來自“公共數據”和“私人數據”。公共數據包括人口普查數據、地理信息數據、選民注冊數據、歷史投票數據、選舉捐款數據等。私人數據包括選民個人的網絡行為數據、消費數據、生活方式數據、財務數據、聯系方式和社會交往數據等。政黨或競選團隊既可以自己采集上述數據（特別是公共數據），也可以通過數據掮客購買。數據豐富度和數據質量是決定算法瞄準成效的關鍵要素。競選團隊在采集和購買數據后，通常會對來自不同渠道的數據進行清洗、匹配、合并和插補等預處理，構建數據庫以備后續環節使用。通過歷屆積累，政黨通常能掌握大規模的選民數據，形成豐富的選舉數據資產。

（二）選民分類、模式識別和算法預測

算法瞄準的第二個關鍵環節是運用分類建模對選民進行精準畫像，識別選民特征與其投票行為的隱性關聯模式（hidden patterns），并進行算法測試。首先，競選團隊會對所掌握的海量選民數據進行深度挖掘，借助統計模型和機器學習算法分析選民的人格特征、情感偏好、心理結構、政策傾向和政治態度等，完成對選民的政治畫像和精準分類。其次，還需借助預測算法分析選民特征與投票決策之間的隱性關聯模式。誠然，這些關聯模式只是特征變量之間的某種相關性，缺少因果解釋，但是在指導競選活動時，相關性就已經足夠，候選人只求按照該關聯模式可以實現精準動員，無需深究其間的因果機制。預測算法除了挖掘可觀測對象的投票行為模式外，還可以預測類似不可觀測對象（lookalike audiences）的活動，這意味著即便數據庫中沒有某個選民的數據記錄或者數據記錄極不完整，算法同樣可以根據對現有數據中相似選民的分析預測該選民的投票傾向。

（三）選民瞄準和個性化動員

算法瞄準的最終落腳點是對選民個體施加政治影響。競選團隊根據所識別的選民類型和特征關聯模式，運用機器學習算法定制個性化的動員策略，并不斷優化瞄準精度，實現對支持者的精準動員和對競爭者的精準打擊。不同于傳統大水漫灌式的電視廣告轟炸，算法瞄準精準對人，一人一策，根據選民畫像進行定制化的信息推送和個性化的游說動員，既可以提升動員效率又可以節約競選成本。政黨/候選人通常會啟動全媒體的選民觸達策略，根據選民使用習慣，采用社交媒體、在線訂閱、電子郵件、搜索引擎、手機短信、郵寄、電話、電視、廣播、播客等形式向選民傳遞競選資訊，并根據對象調整不同的話語策略和投放時間，以最大限度地提升動員效率。個性化動員有兩個核心目標：一個是督促支持者采取某種行動，例如投票、捐款或志愿服務；另一個是改變選民的支持態度和投票行為。雖然選舉實踐證明后者難度較大，但是隨著算法技術的精進，算法瞄準將在選舉中發揮更大的影響力。

算法瞄準的政治后果：選舉民主的異化

隨著算法科技的無限制使用，算法瞄準漸漸走向民主政治的對立面。

（一）信息操弄和選民操控

民主選舉得以有效運轉的前提是選民能夠在開放的信息環境和政策市場里自主地作出投票決策，免于外在力量的干預和操弄。算法瞄準打破了這一前提，讓政黨/候選人有機會控制選民的信息獲取和投票行為，選民被異化為一組數據構成的投票工具。

首先，算法瞄準導致信息操弄。一方面，政黨/候選人在選民不知情的情況下采集了海量的選民個體信息，這些數據能夠覆蓋幾乎全體選民并涵括成百上千個特征維度，從而對選民實現超級精準畫像（super profiling）。選民成為數據組成的“透明人”，選民的任何活動都可能被追蹤和記錄，被用于算法瞄準，而選民通常并不知道自己的哪些數據、正通過什么方式被政黨/候選人所掌握和利用，導致“監控式資本主義”（surveillance capitalism）。更嚴重的是，競選活動面對的不再是一個個活生生的選民，而是一個個冷冰冰的數據點，選民被物化為某種“特征集合”。另一方面，政黨/候選人可以運用算法對選民進行“分而治之”，針對不同類型的選民“投喂”不同信息，選民所接受的選舉資訊是根據其喜好、特征、閱讀習慣和政治立場所精心編制的。民主需要“明智的選民”（informed electorate），但算法瞄準導致信息自由流通受阻，信息市場被高度扭曲，每個選民都生活在算法編織的信息“濾泡”（filter bubbles）當中。此外，選民對這些個性化信息的回應（點擊、轉發、回復等）再次變成新的數據，幫助算法瞄準不斷優化，形成互動式的算法升級螺旋，進一步固化信息繭房。算法瞄準賦予政黨/候選人和第三方算法公司超出常規的權力來影響選民的態度和行為，并且其運行極其不透明，形成難以監督的“算法利維坦”。

其次，算法瞄準導致選民操控。民主選舉必須基于選民的自主決策，然而在扭曲的信息環境下，選民偏好不是自主的，而是被建構的。民主選舉的過程不再是選民根據自己的利益和偏好來選擇政黨/候選人，而是政黨/候選人選擇和馴化支持者，并通過控制信息流通和塑造非理性的政治偏見來“圍獵選民”（hunt for voters）。類似于選區操控（gerrymandering）通過將選民“分解”和“打包”在不同的地理選區內來制造競爭優勢，算法瞄準通過將選民“分解”和“打包”在不同的信息繭房中來操控投票行為。認知心理學認為任何人都存在“決策脆弱性”，算法瞄準正是利用了選民的認知局限來影響其投票行為。無論選民同意與否、有意識或是無意識，算法都可以通過操弄選民的希冀和恐懼、喜好和厭惡、歡欣和憤怒來進行瞄準式動員，不斷激活選民的某種心理范式和神經反應，形成結構性刺激以左右其決策。智能選舉構建了一個越來越龐大的復雜信息系統，選民的認知、心理、情緒和判斷能力被算法所影響，無法作出自主、獨立和理性的決策，甚至沒有能力察覺和反思自己的決策。結果是，選民決定投票或不投票以及投給誰看似是選民自己的選擇，其實該選擇早就被算法瞄準所操控，并且這種操控是隱匿的和持續的。選舉政治的制度邏輯是選民可以通過選票控制政黨/候選人，但算法瞄準卻將選民異化成被控制的對象。

（二）消極競選和政治極化

民主選舉要求政黨/候選人通過良性競爭贏得選民支持，競選的過程也是開展全國性公共對話的過程，通過議題論辯和理性溝通促進交叉認同。算法瞄準打破了這一過程，數據和算法被“武器化”（weaponize），導致政治對抗升級，加劇消極競選和政治極化。

首先，算法瞄準導致消極競選。智能選舉時代算法科技成為決定勝負的關鍵，將算法運用到極致是所有政黨/候選人的策略，這就使得算法的各種極端運用手段開始流行，包括推送虛假信息、傳播陰謀論、污名化宣傳、制造仇恨、歪曲事實等消極競選方式。為了追求選舉利益最大化，政黨/候選人會通過同質信息鞏固支持陣營，運用虛假信息分化敵對陣營，算法幫助實現精準動員和精準打擊，針對選民的不同特質進行高度個性化的洗腦和游說，并且毫不顧忌信息真實性。此外，暗黑手段大行其道，社交機器人可以根據算法指示精準高效地向選民分發假新聞鏈接和污名化短信，并根據反饋調整推送策略。由于算法瞄準是一個過程黑箱，外部并不知曉政黨/候選人對哪些人傳播了哪些虛假信息，無法進行事實核查和信息糾偏。加之虛假信息的傳播速度、深度和廣度驚人，消極競選的影響被不斷累積和放大，從而誤導選民。消極競選導致選舉生態惡化，首先采取這些消極手段的黨政/候選人會獲得高額的“算法紅利”，并帶動其他政黨/候選人跟進，形成“算法軍備競賽”。此外，第三方算法公司出于盈利考量，也會不斷升級智能算法，激化惡性競爭。

其次，算法瞄準加劇政治極化。第一，算法瞄準按照特定的黨派意識形態展開動員，黨派割裂線在信息操弄下被不斷觸發和強化，超過其他任何社會認同，或者將其他認同吸附到黨派認同當中，造成黨派極化。第二，算法將選民切割為不同類型的子群體，對每個群體構造不同的信息環境，從而形成高度“部落化”的認同結構。算法瞄準通過虛假信息、政治攻擊、選擇性動員等不斷激活黨派認同邊界，強化認同群體的組內抱團和組間排斥，不同“部落”之間缺少開放理性的對話，加劇了社會撕裂和認同對抗，造成群體極化。第三，算法瞄準拆解了信息多元性，強化了選民個體的單維特性（one?dimensionality），其人格、情感、心理和情緒被算法捕捉并放大，選民越發缺少反思和溝通能力，只能接受契合自己立場的觀點和信息，而罔顧事實和真相，造成個體極化。上述黨派極化、群體極化和個體極化相互作用、彼此強化，不斷消解交叉認同，催生整體政治極化。更為嚴峻的是，算法瞄準并非一次性行動，而是貫穿選前、選中和選后的整個過程。算法使得西方選舉成為“全周期競選”（permanent campaigns），數據收集、選民追蹤、算法監控和瞄準式動員無時無刻不在發生，這將加劇政治極化的強度和烈度。

（三）政治代表性偏差和“回應—問責”失靈

民主選舉的目標是實現政治代表性和有效的回應與問責，讓不同的利益和聲音得到平等對待，運用選票壓力督促政府回應民眾訴求，并懲罰不守承諾的執政者。算法瞄準模糊了這些目標，篩選或壓制選民導致政治代表性偏差，碎片化承諾引發政府回應和選民問責的困難。

首先，算法瞄準導致政治代表性偏差。政黨/候選人借助算法將選民分割成不同特征組合，根據選民畫像和心理測繪來判斷選民的投票意愿和偏好，但并不是所有的群體都會被“瞄準”，政黨/候選人會選擇性地精準動員一部分人而有意忽略另一部分人。如果算法預測表明某些民眾無論如何都不會參與選舉或者不可能改變投票傾向，那么這部分選民將被排除在算法瞄準的序列之外。同時，政黨/候選人也會運用算法來壓制選民（voter repression），特別是消解對方選民的投票幾率和意愿。此外，數據和算法是昂貴的政治資產，政黨/候選人必須投入大量的資金、組織專門的團隊、經過常年的積累才能把握先機，這有利于強大的主流政黨，代表少數群體利益的弱小政黨將被擠出競爭舞臺。同時，掌握數據資源和算法科技的第三方平臺、數據掮客和政治咨詢公司在選舉中越來越有影響，其商業利益和話語權力在當選政府中擁有舉足輕重的地位。一方面是部分選民群體和弱小政黨代表性的喪失，另一方面是科技公司影響力的擴張，兩者都將導致政治代表性偏差。

其次，算法瞄準引發回應與問責失靈。競選和執政是一個承諾和守諾的過程，然而在瞄準式動員當中，政黨傳遞給選民的信息是高度個性化和碎片化的，面對不同的選民，強調不同的議題和承諾不同的方案，缺乏始終如一的政策敘事。每個選民所看到的是不同版本的政黨形象，選民并不知道其關心的事項在整個政黨議程中的優先級，也不知道圍繞該議題有哪些不同的政策立場和解決方案，最終很可能出現當選政府無法滿足其期許的局面，選民也很難就其個體訴求向政府問責。一方面，當點對點動員更加有效時，政黨將致力于討好選民的個性化訴求，而忽略宏觀和長遠的政治規劃，競選被微觀算法所綁架，缺乏統一的政治綱領和政策排序，這便導致承諾和責任的模糊化，增加了回應和問責的難度。另一方面，算法瞄準將引導選民關注個殊化需求，而對關系國計民生的重大議題失去興趣，長久將形成選民與政黨/候選人之間的私人庇護關系（patron?clientelism），損害回應和問責的公共性。此外，算法瞄準通常是在隱秘環境下進行的，通過非公開渠道傳遞的選舉承諾，其透明性和可追蹤性較差，很難實現有效的回應和問責。

算法瞄準的多圈層治理

算法瞄準將產生一系列負面的政治后果，導致選舉民主的異化。如何治理智能選舉中的算法失范，是擺在西方各國面前的緊迫議題。算法瞄準涉及不同的利益主體，其治理過程也需要多方參與和相互制約，從而構建多圈層的復合治理結構：在制度圈層需要國家法律規制；在輿論圈層需要社會主體監督；在競選圈層需要平臺治理和政黨協作；在投票圈層需要公民教育。

首先，在制度圈層，算法瞄準的諸多政治風險無法在傳統的法律框架內得到有效治理，需要新的法律規制。近年來，特別是“劍橋分析”丑聞爆發以來，歐洲和北美各國紛紛推動相關立法。總體來說，歐洲走在算法治理的前列，采取了更加干預主義的治理策略；美國的算法瞄準政策較為寬松，目前尚未頒布類似嚴格的個人數據保護法規，總體來說，法律規制相對于算法瞄準的迅猛發展明顯滯后，同時容易陷入多方博弈的僵局。此外，算法治理不能依賴總體性的數據保護條例，還需對具體的選舉法、政治廣告法、選舉資金法等進行配套修改，形成法律治理系統并確保其執行，這對很多國家來說是不小的挑戰。

其次，在競選圈層，平臺治理和政黨協作在算法治理中尤為重要。（1）平臺治理。平臺公司不僅是海量用戶數據生成和存儲的主體，并且是算法服務和政治廣告業務的供應商。臉書、谷歌、推特等平臺公司掌握強大的數據權力，其自我治理是優化選舉數字生態的重要手段。當前平臺治理還面臨諸多困境，雖然社會輿論、國會聽證和相關法規給平臺公司施壓，但是它們的商業利益和政策立場使得真正的平臺治理步履維艱。此外，科技公司過度干預內容生產也招致諸多違憲質疑。（2）政黨協作。作為競選主體的政黨和候選人也需參與到算法治理當中，例如不同政黨可以就競選倫理達成共識，出臺最佳操作指南；約束提名人的算法行為，規范選舉資金使用和政治廣告投放，避免陷入“算法軍備競賽”；推動跨黨派的立法協作，通過法治手段管理平臺公司和競選行為。政黨/候選人也應該管理好競選團隊，在選民數據采集、虛假信息傳播、瞄準式動員等方面做好自我約束，維護良性的選舉文化。誠然，在政治極化和民粹主義日趨嚴重的今天，依靠政黨和候選人的自律進行算法治理顯得尤為困難。

再次，在輿論圈層和投票圈層，社會監督和公民教育在算法治理中發揮著重要作用。（1）社會監督。算法瞄準呼喚媒體記者、非政府組織、學術界等社會力量的外部監督。從事選舉報道的調查記者可以揭示算法瞄準亂用的丑聞，通過媒體曝光警示和教育公眾；從事事實核查的非政府組織（fact?checkers）可以核驗算法推送的資訊是否存在事實錯誤和信息誤導，及時澄清誤解，引導民眾對所接收的資訊作出理性判斷；學術研究可以從政治學、法學、倫理學、傳播學、心理學和計算機科學等跨學科的視角研討和反思算法瞄準的應用和局限，對其發展趨勢作出研判，從專業角度提出治理方案。（2）公民教育。公民個人作為選舉決策的主體和算法瞄準的對象，也須承擔相應責任。一方面選民需要意識到自己是被“瞄準”的對象，接收的信息是算法過濾的，并提升甄別和反思能力，拒絕參與虛假信息的“共同生產”；另一方面積極參與公共空間的協商對話，除了關注同溫層的觀點，還要認識到其政策主張將如何影響其他人。此外，公民要提升個人數據保護意識，警惕個人信息的授權和分享。對此，國家提供相應的數字素養教育顯得尤為重要。

最后，算法瞄準的多圈層治理需要不同圈層和各個主體之間的有機協作和相互制約，外部的法律規制和輿論監督、內部的平臺治理和政黨共識，以及個體數字素養培育對于算法治理都至關重要。然而，多圈層復合治理是理想型的算法治理模式，現實中由于制度環境差異、利益考量不同，各方很難達成共識和一致行動。更嚴峻的是，政治極化與算法瞄準彼此強化，裹挾著政黨/候選人、算法第三方、媒體和選民走向更加極化的境地，導致算法治理和選舉改革陷入僵局。

結論

算法瞄準正在重塑西方的選舉政治生態，影響了西式民主的程序正義和結果正義。算法瞄準本身只是選舉工具，雖然算法瞄準可能尚未達到媒體所渲染的危機局面，但隨著政黨/候選人在選舉利益最大化的驅使下無所不用其極地運用算法瞄準來操控選民，西方選舉的游戲規則和競爭格局將徹底改變：選舉的中心不再是選民而是數據，競爭的核心不再是政策而是算法。選舉民主的前提、過程和目標都將出現異化，最終隨著算法瞄準的不斷升級和無限制使用，通過投票聚合選民偏好從而選出政府回應選民需求并接受選民問責的民主鏈條將出現更多裂痕，甚至危及民主政治的健康運轉。

西方各國已經意識到算法治理的重要性，致力于構建多圈層的復合治理結構。然而，就如何把握言論自由與個人隱私之間的邊界、算法經濟與權利保護之間的張力、競選效率與政治倫理之間的平衡等問題，各方分歧嚴重。算法治理的過程也是不同政治力量博弈的過程，未來如何發展，值得跟蹤觀察。就學術研究而言，算法瞄準的興起為我們提出了一系列嶄新的跨學科研究議題。加強相關研究，不僅可以幫助我們把握西方政治發展的最新動態，研判西方政治制度的發展趨勢，同時能夠提升我們對新技術環境下人類政治行為的一般性認識。