2021年8月28日晚，由中国计算机学会主办、湖南大学信息科学与工程学院协办的“初心与远方—我们需要什么样的个性化推荐？”专题论坛顺利以线上方式举行。个性化推荐技术广泛应用于各类电商、视频分享、新闻推送等平台，事关我们每个人的生活、学习、工作，从而也影响到整个社会的发展。当前个性化推荐加剧了“信息茧房”、“隐私泄露”、“大数据杀熟”，以及青少年沉迷游戏娱乐等诸多问题。2021年8月20日发布的《中华人民共和国个人信息保护法》以及2021年8月27日发布的《互联网信息服务算法推荐管理规定（征求意见稿）》，均对推荐算法明确提出科技向善的具体要求。为此，本次论坛特别邀请了美国罗格斯大学张永锋、香港浸会大学陈黎、中国科技大学何向南做引导性发言，并邀请了芒果TV推荐搜索负责人唐晔、东北大学郭贵冰、武汉理工大学李琳引导思辨。YOCSEF总部AC北京大学董彬、中科院计算所沈华伟，YOCSEF郑州分论坛AC夏彬，北京交通大学金一以及来自全国各地高校和企业的多名专家学者，紧密围绕“‘信息茧房’谁的锅：平台 or 用户？”“推荐系统如何兼顾平台利益与用户体验？”“未来的推荐系统新范式？”等议题进行了深入思辨，以探索未来个性化推荐技术如何助力用户成长和社会长远发展。 YOCSEF长沙副主席付绍静、纪军刚，YOCSEF长沙AC赵宝康、陈海兵、邝祝芳、魏叶华、阳旺、徐文韬、陈荣茂以及来自全国各地的老师与学生总计一百余人参加了本次在线论坛。新湖南及湖南红网对本次论坛进行了报道。

会议主题

本次活动由YOCSEF 长沙学术秘书、湖南大学副教授姜文君，YOCSEF 长沙主席、湖南大学副教授杨超担任执行主席。来自全国各地包括YOCSEF总部和各地分论坛的学术委员及企业专家和多所高校的师生共计一百余人线上参会并发表观点凝聚共识，由YOCSEF 长沙副主席、湖南科技大学副教授张世文，YOCSEF 长沙学术秘书、中南大学副教授张士庚在微信群同步进行直播及互动。

本次论坛分为引导发言和思辨讨论两个阶段。第一个阶段是引导发言，首先由美国罗格斯大学助理教授张永锋以《 我们需要什么样的个性化推荐？从感知到认知》为题分享了对“未来个性化推荐技术”的思考。张永锋是美国自然科学基金杰出青年奖（NSF CAREER Award）获得者。他首先从人工智能（AI）的主观与客观性的角度，分析了推荐系统本身属于主观AI的问题，即为用户推荐的东西并无绝对的对错，不存在统一的、明确的、客观的度量标准。因此推荐任务不仅仅是感知问题，更是一个认知问题，需要对用户行为背后的逻辑和因果关系进行深入理解和建模。在此基础上，探讨了基于逻辑与因果的模型在解决推荐系统公平性、可解释性、鲁棒性和破解信息茧房等问题上的应用。

美国罗格斯大学张永锋做引导发言

接下来，香港浸会大学副教授陈黎做了题为《惊喜度推荐如何打破“信息茧房”？》的引导发言。她在推荐系统和用户交互界面设计方面已有10多年的深入研究，入选斯坦福大学全球前2%顶尖科学家榜单。在该报告中，陈黎分享了团队以用户界面和真实实验的方式研究推荐系统相关指标及用户物品特征的多项工作，发现推荐效果与用户个性紧密相关。还特别分享了与手机淘宝合作进行大规模用户问卷调查的工作，讨论惊喜度推荐是如何影响用户对推荐系统满意度的评价，以及哪些因素会影响用户对推荐物品惊喜性的感知，从而为面向惊喜度的推荐提供了指引。

香港浸会大学陈黎做引导发言

最后，中国科技大学教授何向南做了题为《推荐系统未来技术展望》的引导发言。他是阿里达摩院青橙学者、YOCSEF合肥分论坛现任主席。何向南指出现有的推荐系统通常是平台主导一切，只考虑商业利益，以流量为王。这种模式产生了偏见泛在、用户缺乏选择权与控制权、信息茧房等问题。未来推荐系统需要在范式与技术上做出改进，并具体从范式、技术、评价体系等多个方面提出了可行的改进思路。范式上，应当由用户被动接收信息走向赋予用户主动表达需求且能选择与控制推荐的权力，同时也应当关注用户长期成长，契合法律与道德要求，而非仅追求短期利益；技术上，从架构角度来讲，应当由单一的以商业利益为目标转向以多方利益为目标，应当由数据驱动过渡到数据加认知心理学、因果、法律道德约束等先验知识共同驱动的形式，也应当不局限于端到端的形式；从评级体系来讲，可以引入因果的思想，还应当考虑多层面的评价以及多方参与的评价。

中国科技大学何向南做引导发言

至此，引导发言环节结束。然后，论坛进入第二阶段——热烈的思辨讨论阶段。在该阶段，芒果TV智能算法部副总监唐晔、东北大学教授郭贵冰、武汉理工大学教授李琳作为思辨嘉宾，分别带领一个思辨点的讨论。6位特邀嘉宾及YOCSEF总部AC沈华伟、香港城市大学马辰、北京交通大学金一、中国科技大学陈佳伟、东北大学罗昱东、河南理工大学文茜琳等与会者共同就三个议题展开主题思辨和自由讨论，参会嘉宾们各抒己见，观点碰撞，气氛非常热烈。各议题的观点梳理如下：

思辨一：“信息茧房”谁的锅：平台 or 用户？

议题1：谁造成了“信息茧房”，平台作茧还是用户自缚？

观点总结：一方面，平台主导推荐过程，用户被动地接受推荐内容，而平台的个性化推荐算法会增加符合用户兴趣的物品曝光度，所以是平台促成了“信息茧房“。另一方面，信息茧房的本质其实是用户信息选择时的一种"偏食"行为。一些平台其实也提供了较多的产品入口让用户能够主动参与，但由于用户有一定的惰性或依赖性，间接导致了用户自缚。另外，用户可能对不同类型的产品存在不同的多样性偏好，比如一些用户可能在食品方面爱好单一，但在音乐方面爱好广泛，所以自缚也不是绝对的。

议题2：“信息茧房”怎么破？

观点总结:从平台角度来说，可在用户和法律允许的情况下利用多元数据打破信息茧房，加强推荐产品设计，引入惊喜度推荐技术，提供让用户“又惊又喜”的多样性产品推荐。平台还应引导用户创造内容，使其愿意了解算法机理，接受创新的产品技术。从用户角度来说，用户需要被引导，也需要发挥自身的主观能动性，主动探索多元内容，积极参与到推荐的生成过程。从法规角度来说，只有出台明确的法律法规才能让平台统一标准，让第三方监管可执行。例如2021年8月27日发布的《互联网信息服务算法推荐管理规定（征求意见稿）》约定了日志保留最低期限、用户知情权与选择权、内容正能量等条款。最后，还需要明确有什么标准或者指标定义什么是茧房，怎么样算是打破了茧房，定量与定性的评价方法还需要深入探讨。

思辨二：个性化推荐如何兼顾平台利益和用户体验？

议题1：用户隐私保护和平台个性化推荐，鱼和熊掌能否兼得？

观点总结:整体来说，大家认为二者可以达到一定程度的平衡。平台希望借助更多的信息提升推荐精度，而用户则希望隐私得到保护。联邦学习等去中心化的方式可以在此权衡中发挥一定作用。用户对自己信息的可控性也比较重要，即让用户能够主动控制可提供的信息。针对无意愿提供信息的用户，可采用对话式推荐等方式让用户主动表达自己的诉求。另外，个性化存在一个尺度问题，这个界限需要明确，越界就冒犯了个人隐私，个性化到什么程度，需要一个衡量。

议题2：科技向善如何助力用户成长和体验？

观点总结:首先，如何量化相对主观的用户体验是一个较复杂的问题，在实际工作可采用用户验证来评估，但比较耗时。然后，科技向善对推荐内容生产提出了更高要求，需要更好地理解推荐内容的本质和用户行为背后的根本原因，才能更好地提供推荐服务，助力用户成长；还应关注具体的应用场景，推荐场景的不同、用户群体的不同，对成长和体验的需求也存在一定的差异性。最后，监管审核很重要，需要增加内容提供者的公平性，增强平台监管力度。

思辨三：未来的推荐系统新范式？

议题1：用户的地盘，如何让用户做主？

观点总结:让用户做主，应该让用户能控制自己的数据和推荐模型：控制数据如隐私信息、隐私分级、隐私数据用到什么程；控制推荐模型可提供直接或间接方式，即让用户直接控制自己的模型参数设置，或以某种方式让用户明白自己行为会如何影响将来得到的推荐。还需要考虑用户交互和界面设计，提供接口让用户反馈其对推荐效果的意见，以可视化易理解的形式让用户自己决定贡献信息的程度。建议平台鼓励用户发挥主观能动性去为自己做主。让用户做主，还需要法律约束。也需要平台改进评价研发人员的绩效标准，使其有动力研发真正对用户有意义的算法，促进企业良性长远发展，促进用户成长。

议题2：个性化推荐新范式如何设计？

观点总结:新范式应给用户充分的自主权，用户应能控制自己的数据和推荐模型。一种可能的新范式是对话式的推荐系统，通过对话直接理解“人”，可以增加用户的参与度，增加推荐系统的温度，让推荐变得更高效；还要考虑如何让对话系统拥有自己的特性，对不同用户，能够给出不同的答复。要从“初心“——为用户发现价值的角度出发，既要满足用户的基本需要，还能进一步提升用户价值获得感（惊喜度，新颖性等），为用户提供不同的观点，让用户感到很有收获。

本次论坛各位嘉宾共同梳理并明确了推荐系统的“初心”，即帮助用户更好地发现有价值的东西；也展望了个性化推荐的“远方”，即坚持正能量和积极的主流价值观引导，助力用户成长和社会整体发展。并达成了共识，即从用户、平台、推荐技术、法律监管等多个层面深入探讨了各自应负的责任，携手共建人与算法和谐发展、共同成长的良好生态。本次论坛达成以下共识和建议：

（1）个性化推荐不仅仅是技术问题，而是涉及社会、道德、法律等各方面的综合问题。个性化推荐引起的负面效应也不只是推荐服务平台一方的责任，而是需要从用户、平台、算法等多方面综合考虑、寻根究底。

（2）解决个性化推荐问题需要从多层面多角度展开。范式方面，增强用户主动权和控制权，有助于帮助用户为自己的数据和推荐模型做主。技术方面，可解释性、公平性有助于加强用户对推荐的理解和接受；多样性、惊喜性有助于拓展用户视野，帮助用户成长；对内容的本质理解有助于优质正能量内容的推荐和传播。评价方面，多层面、多方参与的评价体系有助于全面把握推荐效果。监管方面，具体可实施的强制约束有助于推荐服务平台明确红线，放眼长远。

（3）推荐系统是一个集用户、平台、推荐技术、和法律监管为一体的生态系统。优化推荐系统设计需多方位考虑。在人与机器并存的时代，需要各方协同、共同努力，各自发挥主观能动性，优化算法推荐服务机制，积极传播正能量，以主流价值观引导推荐算法应用向上向善。

本次论坛多项讨论结果可用于企业实际推荐场景，主要包括：（1）推荐的可解释性模型，助力用户理解推荐。（2）用户主动推荐的研究，界面交互设计，可帮助落地创新的推荐产品，比如对话式推荐。（3）联邦学习在跨平台数据共享和传输的应用，辅助推荐和保护用户隐私。（4）推荐的偏置与去偏研究，可以保证公平性，帮助提升线上业务效果。（5）通过认知推理更好地理解用户和推荐候选内容，促进正能量内容传播，帮助用户长期成长。

最后，推荐算法是智能算法中与人接触面最广、影响范围最大的一类算法，对个性化推荐“初心与远方”的梳理、展望与深度思辨，将为其它智能算法的设计、应用、管理规范等提供重要参考。

嘉宾和部分参会人员合影

附：新湖南及湖南红网对本次论坛进行了报道。

1. 新湖南对本次论坛的报道:

个性化推荐路在何方？学者线上展开研讨

https://m.voc.com.cn/wxhn/article/202108/202108302034374889.html

2. 湖南红网对本次论坛的报道：

中国计算机学会青年计算机科技论坛线上召开

https://hn.rednet.cn/m/content/2021/08/31/10098430.html