微短剧借助算法推荐，市场规模迅速增长。图为微短剧拍摄现场。
优秀传统文化题材创作，为网络文艺注入优质资源。图为舞蹈演员在直播间表演。
行业机构开展的作品推优、展映等活动，使更多精品力作被受众欣赏。
今天，我们受惠于算法，也受制于算法。推荐算法是平台高效过滤海量信息，实现内容个性化推送的技术路径，也是有效占有用户注意力、获取流量的商业策略。网络文艺广泛应用推荐算法，对于用户的文艺需求，平台不仅“懂你喜欢，也懂你不喜欢，还试着懂你可能喜欢”，算法借由技术影响并塑造文艺用户的内容偏好、审美趣味。伴随网络文艺日益主流化发展，人类在艺术审美活动中客体化倾向等与算法相关的艺术审美问题出现了，算法同时引发对数字媒介生态中文艺与人的发展问题的再思考。
将现实事物量化、数据化成为数字时代文艺的解题思路
网络文艺平台对用户的需求，能够做到“投其所好”，主要得益于算法应用。首先，平台拥有海量的用户数据，研究者认为，数据是客观可靠的视角，可以过滤情绪等主观因素的干扰，赋予人类预测未来等超凡能力。从理论上讲，只要有足够大量的数据对深度神经网络进行训练，它就能用来模拟任意类型的函数，解决各种类型的问题。将现实事物量化、数据化成为数字时代的解题思路，文艺领域也没例外。平台正是在数据优势基础上，使用数学计算方法解决内容推荐问题。推荐算法的基础是机器学习，通过分析用户点赞、关注、收藏、分享、喜欢、评论等行为，建构个性推荐模型，再采用算法模型对用户的兴趣和偏好进行预测。首先将用户在界面的行为交互数据，理解为用户对内容正面或负面的态度，例如用户点赞、收藏、分享比不做这些动作好，发送弹幕比不发送好。同样，模型也要对内容进行数学转化，例如悬疑剧为0，爱情剧为1，短视频为0，长视频为1，那么悬疑长剧就有了（0，1）的数字标签。当用户上线，算法模型就开始计算用户偏好，计算在坐标系中与其数字标签匹配度高的内容，将候选内容中得分最高的推送给用户。
不过，算法其实不理解人们为何在飞天壁画前驻足，但能通过敦煌变装短视频的播放时长给用户画像；算法无须参透网络综艺《喜人奇妙夜》中的幽默梗，但可以精准拟合一串“哈哈哈哈”弹幕与用户内心欢喜的相关性。算法无须理解“内容、类型、主题”或“开心、愤怒、忧郁”等现实语义，而是通过潜在特征向量运算，实现对用户“是否会观看”“是否会点赞”“是否会分享”某内容的预测。任何现实事物被转化为向量空间的数字标签后，就失去了实际语义，模型正是以纯粹的数学路径，实现了人类不可企及的计算效率。
从协同过滤到深度学习，算法深刻影响了网络文艺生态。以短视频为例，用户几乎不可能在每天上亿的信息中找到目标内容，因此在其应用界面的功能设计中，就将智能推荐逻辑直接可视化了。用户只要滑动屏幕，很快就会接收到心之所想的内容，打破了传统的数据库空间排列样式和人工筛选模式。《第56次中国互联网络发展状况统计报告》显示，截至2025年6月，我国短视频用户规模已达10.68亿人，占网民整体的95.1%。短视频“用户友好”的操作设计，在如今短视频全民化过程中，发挥了关键作用。短视频深入广泛的社会影响远不止于此，与短视频发展各项数据飙升形成反差的，是其被反复诟病的“审美茧房”“审美降级”等问题，与短视频的推荐算法也不无关系。
数据追踪、偏好强化与反馈闭环极易造成“审美茧房”
快感与美感是审美活动重要体验。美感指对于美的主观反映、感受、欣赏，是一种非功利性的、高级的精神愉悦和享受。快感是审美的前提，广义来讲，只要是欲望得到满足，都会产生一种快感。算法一直在强化文艺用户的快感体验。典型如短视频，其反转叙事、“黄金前N秒”等内容模式，能为用户带来瞬时强烈的视听快感。这类有效的快感模式，经由用户行为数据被捕捉，再由算法推而广之，并形成沉迷机制，很大程度上消解着传统的审美体验。
网络文艺作品的主题、类型和风格等也会被转化为数字标签，并依据流量排序。例如搞笑、喜剧内容是短视频、网络综艺用户最欢迎的类型。悲剧或其他严肃艺术内容，不具备瞬时快感和情绪爽感，需要欣赏者从文化层面理解悲剧人物，尤其是英雄人物所体现出的人类的崇高精神与力量，从崇高认知中升华出美感。这类内容可能因为不被完播、流量不高等，失去被算法推荐的机会，造成审美对象和体验的单一化、功利化。
研究者已经关注到，平台通过数据追踪、偏好强化与反馈闭环重构用户的审美意向，形成“审美茧房”，在更深层次影响艺术审美活动和个体发展。首先，算法通过采集用户行为数据，持续向其推送高度同质化内容，强化用户快感、增强用户黏性，也固化了用户的审美认知路径，审美活动从主动探索变成被动接受。其次，“审美茧房”可能导致用户审美感知能力的退化，快感成为优先原则。在同质化的推送中，审美体验往往止于视听快感的刺激，能带来即时愉悦的内容更受青睐，而不是需要沉思和沉浸式体验的悲剧性、崇高性审美对象，用户审美感知能力下降。此外，“审美茧房”可能造成审美判断的算法化。算法系统以播放量、评论数量等指标建构起“流量价值”的评价体系。
特别值得关注的是，用户会产生“审美共识”的错觉。当某类风格内容被反复推荐，用户会以为这是社会主流的审美标准，继而产生从众和跟风心理，用户的审美判断正是这样受到数据的隐形规训。审美经验不再主要由作品的文本引发，不再是个体对文本的体验与思考，而是由平台数据和算法塑造；审美价值不再来自专业判断，而是由算法给出的数据，算法成为数字媒介时代塑造审美的重要力量。数据主义逻辑深刻重塑用户的审美趣味、审美感知和价值判断标准。审美话语权不再依赖艺术规则，而取决于对算法指标的迎合程度。
在算法笼罩下，人类更应该建立审美的判断力和自主性
算法不同于人工推荐范式。它并不理解内容本身，却实现了超大规模信息分发和精准推荐，解决了人类难以快速高效完成的任务。其原理是建立用户行为与内容特征之间的数学统计关联，以脱离现实语义的数学建模和运算，结合数据，做到精准推荐。算法“知其然，而不必知其所以然”是当前主流AI技术尤其是机器深度学习的核心特征。
算法学习用户交互行为，它不理解用户“为什么”“看完了”，但可以依据数据关注“看完了”“是什么”。算法从输入与输出数据中找到相关性，直接决策推荐的内容，对因果关系不加过问。在传统的人类审美活动中，人们与文艺作品身心互动，从感官快感到精神愉悦，达至审美体验，在对物质现实的超越中获得主体性发展。这个交互过程蕴含丰富复杂的情感和文化内涵，很难量化计算。在算法的程序里，用户与文艺作品的交互，被简化为动作，并经由界面数据化，成为数字空间没有现实语义的数据，系统对其内涵也毫无兴趣，算法就这样将艺术审美活动的主体客体化了。
算法一直声称以用户自由意志和个性趣味为目的，但算法从不向用户说明“为什么”，因为算法黑箱存在，用户无法知晓自己的行为数据经过了怎样的计算，生成所谓个性化的方案。信息获取的便捷性，快感满足的及时性，使用户甘愿放弃选择和决策的主动权，将算法的信息控制内化为个体的审美边界。伴随ChatGPT等大模型出现，信息分发的精准化、个性化和自动化程度越高，算法的权力就越强，反之人类在审美活动中的主动性、主体性就越被弱化。
人工智能新范式在内容推荐等领域的确表现卓越，但其内部机制并不具备对因果关系的深层理解或逻辑解释能力。如果不加约束，单纯依靠算法预测或决策行为，风险不言而喻。虽然平台也在通过多目标平衡等方法优化算法。但是，在算法权限不断升级时，在AI技术广泛应用的大趋势下，人类更应该找回主体价值，特别是在一些不能简单依赖数据化、量化的领域，比如艺术创作、审美活动等，为算法建立秩序，而不是服膺于技术控制。
当然，算法范式也为人类重新审视对艺术、审美的传统认知提供了启发，“审美过程在本质上是一种特殊的信息处理过程”等信息美学的理论观点，神经美学量化对象在审美活动中的愉悦度、喜好度和偏好等实验方法，都是人们重新思考艺术、审美问题的理论资源。但有趣的是，实验美学经数据验证了数据的有限性，例如人类审美标准的个体化差异性，无法以平均值进行计算等。
总而言之，AI算法时代，艺术唤醒人类主体价值，逃离技术控制的功能，更应该得到重视。理性应用算法技术，让算法在非此即彼、规律显现的问题中发挥计算作用，但对于一切现实问题都是计算问题的逻辑，保持足够的批判眼光和积极的省思姿态。在算法笼罩下，人类更应该建立审美的判断力和自主性，提升在技术逻辑之外人的丰富性和完整性。
