推荐系统、stigmergy与流行的暴政
计算机与社会
2025-07-08 v2 人工智能
人机交互
信息检索
摘要
科学推荐系统，如Google Scholar和Web of Science，是发现的重要工具。驱动这些系统运行的搜索算法通过stigmergy（一种表征性集体智慧机制）传递信息，这种机制通过重复的互动暴露有用的路径。虽然这种方法通常有效，但这种“rich-get-richer”动态会导致少数高知名度论文主导可见性。这篇随笔认为，这种算法对流行度的过度依赖会促进思想的同质化，加剧结构性不平等，扼杀对科学进步至关重要的创新和多样化视角。我们提出了一套改革方案，旨在搜索平台中纳入用户特定的校准，允许研究人员手动调整诸如流行度、新近性和相关性等因素的权重。我们还建议平台开发人员如何在文本嵌入和LLM的实现中增加用户自主性。虽然我们的建议特别适用于与科学价值观一致推荐系统的设计，但这些思想同样适用于一般信息获取系统的设计。设计能够增加用户自主性的平台，是通向更稳健和动态信息获取的重要一步。
引用
@article{arxiv.2506.06162,
title = {Recommender systems, stigmergy, and the tyranny of popularity},
author = {Zackary Okun Dunivin and Paul E. Smaldino},
journal= {arXiv preprint arXiv:2506.06162},
year = {2025}
}