1707566985
1707566986
假如奥巴马没有将他的政治信息高度解析的话，那么所有这一切可能都是没有用的。为此奥巴马利用了谷歌、脸谱网以及其他高科技企业数年来广泛使用的一项技术——所谓的A/B测试：随机挑选出一些用户，向他们展示不同版本的同一网页，然后检测这些用户会在哪一个页面上停留更长时间、购买更多东西或者捐助更多钱。谷歌公司每年要进行数千次这样的测试。一项经典的此类测试是在搜索引擎页面中寻找真正的蓝色，而被选中的搜索引擎页面上有40种不同的色彩。
1707566987
1707566988
奥巴马的竞选团队不停地测试其官方竞选网页上的每一项内容，并据此将其改造成史上经过最透彻研究的筹款网页：每一种颜色、每一张图片以及每一句话都会经过上百次的测试。比如哪一种呼吁能够带来更多的捐款：是“请您现在报名吧！”，还是“加入我们吧！”，或者是“来了解更多吧！”？答案是：“来了解更多吧！”这句呼吁会比“请您现在报名吧！”多带来18.6%的捐款。为什么会这样呢？恐怕没人知道。但是无所谓，哪一条起作用，哪一条就是成功的。
1707566989
1707566990
竞选专家对自己的误判感到特别的震惊。他们曾经几乎一致地认为，一段奥巴马演讲的视频会比一张图片带来更多的点击量。而他们后来却了解到，即使是最差的照片都获得了30.3%的点击率。
1707566991
1707566992
奥巴马的测试团队就这样对所有涉及的信息都做了测试。每一封争取潜在选民的劝捐邮件在发出之前至少会经过18次测试：哪一种称呼、哪一种邮件主题会获得最多的捐赠？分析者就诸如“您愿意与我共进晚餐吗？”或者仅仅一个简单的“哇哦”等不同标题做了不同的试验。长期的测试发现，最有效的邮件主题居然就是直截了当的“嘿”。至少有7 500万美元的额外捐款是由这种持续的测试和不断的信息解析带来的。
1707566993
1707566994
奥巴马竞选的制胜手段极具创造性。竞选开始时奥巴马就极为重视由志愿者组成的一支富有战斗力的团队，这支志愿者团队要和尽可能多的选民交谈。但只有在瓦格纳的程序算法的帮助下，志愿者团队才会知道，与谁的谈话会起作用从而赢得选票。仅仅在俄亥俄州投票开始前的最后4天里，就有21 000名志愿者敲开了89万户选民的家门，与其进行了35万场谈话。最终奥巴马在该州获得了103 481张选票，领先对手。假如没有这支目标更加明确的地面部队，哪里会有这样的成功呢？这些志愿者的智能手机上都配备了应用程序，从这些应用程序中他们可以找到准确的开场白或者谈话结束时的惯用语——虽然是照本宣科，却大有用处。
1707566995
1707566996
奥巴马还利用了选民的朋友圈。对于那些用脸谱网账户在奥巴马竞选网站注册的选民，瓦格纳的程序会计算出选民的哪些朋友是可以被说服的，并且请求这位脸谱网用户与他的朋友谈谈。这次竞选运动是一次辉煌的成功：据数据搜集者统计，接近80%的受访者能够说服他们的朋友支持奥巴马。可以说这是一个足以引起轰动的比例。
1707566997
1707566998
还有一件惊人的事情是：机器会识别那些奥巴马可以充分信任其个人劝说能力的人。这是历史上首次由机器和私人网络联手推动的一次选战。程序算法、选民、社交网络以及政治目标以一种难以被识破的方式相互交织在一起。
1707566999
1707567000
有些人在这种交织中看到了一种非常积极的发展，比如萨沙·伊森伯格就得出结论，认为奥巴马的选战再次将人们重新聚集在一起。虽然奥巴马将选民简化成关键数据与识别码，但也因此考虑到了他们的个性。奥巴马像地方选举的候选人一样对待全美国的选民：针对每个选民、直接、充满尊重。电视和广播等大众传媒似乎将选战变成了一种匿名的、令人疏远的活动，伊森伯格认为数据分析却使人们朝着之前美好的选举时代迈进了一步，那时的候选人与选民私下相识，并且会与选民逐个交谈。这场高科技选举使人们退回到了纯朴的旧时期，而程序算法正带来人与人之间的温情。
1707567001
1707567002
这很美妙，不是吗？
1707567003
1707567004
[1]“希奴斯目标群体分类学”是由市场与社会研究企业Sinus Sociovision发展出来的一种目标群体类型学。“希奴斯类型学”涉及范围除了社会人口统计学（如年龄、性别、教育背景、收入等）、地理学以及与行为相关的分类变量外，还包括生活中的变量。——译者注
1707567005
1707567006
1707567007
1707567008
1707567010
微粒社会：数字化时代的社会模式 微粒化的民主
1707567011
1707567012
计算机程序对选民的筛选与竞选候选人和选民在花园门口的握手并不是一回事，因为在握手的过程中，候选人与选民是面对面的，而且至少在谈话过程中存在一种基本的对称性——假如可以忽略选民的微弱优势的话：选民对候选人的了解可能往往要比候选人对某个选民的了解更多。
1707567013
1707567014
相反，由程序算法分配的关注，依靠的是分析者的计算艺术与选民对此并不知情之间的非对称性，根本就谈不上私人谈话中的势均力敌、相互了解。更确切地说，在微粒化的选战中，根本性的民主平等将受到威胁。
1707567015
1707567016
当18、19世纪的民众开始通过斗争获取普遍的选举权时，他们同时也点燃了要求均权的怒火。在选举中，所有人原则上的平等应当得以体现。法国大革命时期最犀利的作家埃马纽埃尔·约瑟夫·西哀士曾经阐述说，选举权属于他们，只是“因为他们所有人都具有的特征，而非因为那些将他们彼此区分的特征”。这种对所有差异的抽象奠定了选举的本质。所有我们据此为人进行分类排序的标准——金钱、名望、社会地位、教育背景——正在逐渐淡薄，最终，除了平等的人民什么都不会留下。
1707567017
1707567018
但是当人民在选举前已经依据单体化特征被非常细致地分类，而且那些举足轻重的选民也受到了候选人的强力招揽的话，这种平等又该如何体现呢？这样的选举结果难道不就是之前所做分类的一种结果吗？
1707567019
1707567020
一部分人对此是赞同的。因为民主的本质主要取决于政治家对选民的了解。这种关联在不久前由年轻的政治科学家、来自耶鲁大学的埃坦·赫什证实。他接触到了奥巴马竞选团队在2008年曾经使用过的包含接近1.7亿名选民信息的名册。这份名册没有瓦格纳于2012年使用的选民名册那么精确，但是已经足够具有启发性，使赫什得出显著的研究结果。
1707567021
1707567022
赫什断定这些数据的形式与精确性——数据的解析——大大影响着选战。这位年轻的研究者同时针对实际情况——美国不同联邦州对于选民数据信息的掌握情况差异很大——进行研究。在有些联邦州，由于严格的法律规定，候选人对选民的了解相对较少；而在另外一些联邦州，候选人却能准确说出某位选民属于哪个党派以及他在过去数年中参与选举的情况，而之前的选举行为是用于推断选民未来态度的最重要信息之一。
1707567023
1707567024
赫什根据经验断定，在那些候选人对选民选举态度知之不多的联邦州，选战信息的表述要大众化得多，而且针对的是广大的各阶层民众。而在那些拥有精确数据的联邦州，候选人投放的是对某些特定群体更加有针对性的信息。更重要的或许还在于：这些信息与在数据贫乏的联邦州投放的信息完全不同。“数据质量与数据的可用性彻底改变了一场选战的策略。”赫什这样总结他的研究结果。换句话说，对选民的解析度越高，与全体民众的交流就越少。赫什接着说：“更多的数据允许政治家集中精力于那些如果没有这些数据他们就不会去关注的选民，同时这也鼓励他们忽略那些如果没有这些数据他们将要与之交流的选民。”
1707567025
1707567026
为了证明他的这些论点，赫什试图论证，选民“看起来”怎么样取决于利用哪种数据视角观察他们。在那些数据低度解析的联邦州，出现了一种十分和谐的情景。在那里，人们会看到一个均衡的群体，所有选民之间非常接近。由于选举策略专家几乎无法找到选民之间的差异，大部分选民被视为“温和的”，即他们无论对民主党还是对共和党都没有特别的倾向，更不是它们的极端支持者，在他们那里根本找不到在美国汹涌澎湃的激烈意识形态斗争的痕迹。
1707567027
1707567028
不过数据越是微粒化，选民之间的距离就会越遥远，直到民主党支持者和共和党支持者被两种突出的特征在数据图的两端区分开来。然后突然间，社会看起来像是深深地分裂了一样。数据从来都不是中立的，数据不会允许以客观的视角观察世界，而是将我们导向某种特定态度。
1707567029
1707567030
公民的平等，至少是在选战中的平等，归根结底还要依赖于政治家的无知。这是一种讽刺但确切的说法。我们也可以换一种说法，即我们当前的民主部分地依赖于选举的不透明。这种不透明减少得越多，我们的国家转变得也就越多。
1707567031
1707567032
对这种微粒化发展持批评态度的人士常常担忧，政治家会越来越忽视与选民的一般交流，取而代之的是针对不同的选民群体许诺不同的好处，以这样的方式破解不透明的联合。对于公民来说，这种现象不一定是明显的，因为各种选举信息会直接抵达目标人群那里。如果这些针对特定人群的信息不再被公开，那么这些针对性信息的准确性将如何检验呢？是不是在电子化的密室中存在着决定选举结果的交流，而这些密室是其他公民无法进入的呢？如果有相当多的选民越来越多地听到这类信息，而他们又特别容易接受这些信息，因为他们已经被这些信息说服了，那么又将产生什么样的后果呢？想要回答这些问题，现在还太早了。对此，哈佛大学的法学教授卡斯·桑斯坦给出了他自己的思考：“倘若没有经验分享，一个异质的社会在处理共同的社会问题上将会面临巨大的困难。”
1707567033
1707567034
面对大量个体数据的冲击，不仅政治，那些有关公正性的基本认知也将改变。对此，法国社会学家皮埃尔·洛桑瓦隆已经指明。当德意志帝国首相俾斯麦在1883年和1884年分别推行疾病保险和意外保险的时候，这两种保险所依据的，正是所有公民在统计学上都能被平等看待。这里重要的不是个体对于导致健康或者疾病的生活变动所承担的责任，而是这种保险风险的计算与分布越过了所有公民，与个体的责任无关。
[
上一页 ]
[ :1.707566985e+09 ]
[
下一页 ]