CNCC论坛分享 | 负责任的推荐系统

CNCC2023技术论坛“负责任的推荐系统”于2023年10月26日下午在沈阳新世界酒店成功召开。本次论坛由CCF协同计算专委和CCF普适计算专委承办，聚集了学界和业界多学科领域的知名专家学者，从算法、技术、系统、体验、传播、政策和实践等多个维度，共同探讨如何在大模型时代构建负责任的推荐系统等前沿研究进展，旨在为相关领域的研究人员和从业者提供一个交流和合作的平台，促进负责任推荐系统的发展和应用。

负责任的推荐系统作为一个跨学科研究领域，其涉及计算机科学、人工智能、新闻传播学、伦理学和社会科学等多个领域的理论、模型、技术和方法。本次论坛由复旦大学计算机学院教授卢暾担任主席，CCF会士、微软亚洲研究院资深首席研究员谢幸担任共同主席，讲者分别为中国科学技术大学网安学院毛震东教授、复旦大学新闻学院周葆华教授、东北大学软件学院郭贵冰教授、微软亚洲研究院（上海）首席研究经理李东胜博士，以及复旦大学计算机学院卢暾教授。在最后Panel论坛研讨环节，各位专家就给出的研讨议题进行了激烈的讨论，共同探讨负责任推荐系统的前沿研究与发展趋势。

（图为CNCC 2023负责任的推荐系统论坛现场实况）

报告分享

中国科学技术大学网安学院毛震东教授代以《面向意识形态安全的智能传播技术体系》为主题进行了报告，介绍了第五次传播革命给我国意识形态安全带来的三个重大挑战和关键科学问题，提出需要发展面向国家舆论安全的新一代智能传播技术体系，从“意识形态”、“信息内容”和“心理认知”三个关键维度出发，在传播技术体系的五个环节（采集、生产、分发、接收、反馈）中引入主流价值观和人工智能技术的理念。通过以主流价值观为引导，结合人工智能驱动新闻传播的各个环节，重新构建传播技术体系全链条，从而实现更安全、更可靠、更高效的信息传播。

（图为毛震东教授演讲实况）

推荐算法作为当代互联网平台的基础设施与媒介逻辑，不仅在计算机领域受到关注，在媒体、社会以及人文社会科学领域也受到了共同的关注。在复旦大学新闻学院周葆华教授带来的《负责任的算法推荐：两类算法的“科技向善”问题》报告中，其强调了推荐系统中两类算法的“负责任”问题，即个性化推荐算法和集体化热点算法，这两类算法在当代互联网平台的基础设施和媒介逻辑中扮演着重要角色。从新闻传播的角度，周葆华教授探讨了个性化推荐算法和集体化热点算法在可见性与注意力推荐与分配机制方面的问题，同时通过对热搜数据的实证分析，讨论了热搜世界的基本构成以及多元化表现。通过深入分析这些算法在信息传播中的作用和影响，他试图引发跨学科交流和对话，探讨在推荐系统的发展过程中如何更好地实现“科技向善”的目标，确保算法的负责任性，使其更好地服务于用户和社会。

（图为周葆华教授演讲实况）

语言大模型作为计算机领域的热门话题，其强大的涌现能力令人瞩目。推荐系统如何与大模型结合，结合后如何更好地实现其“负责任”的特性，是学术界和工业界关注的话题。东北大学软件学院郭贵冰教授通过《沈阳•太一：推荐大模型的实践与思考》为主题的报告，介绍了其团队构建的辽宁省首个基础大模型“沈阳•太一”，该模型填补了国内在搜索推荐领域的大模型空白，引起了学术界和工业界的广泛关注。报告中，郭贵冰教授分享了“沈阳•太一”大模型的基础架构、基本业务流、实现方法以及在实践过程中的思考。他详细介绍了该大模型的技术实现和应用场景，探讨了在推荐系统中如何将大模型应用到实际业务中，并且如何保持推荐系统的“负责任”特性。该报告旨在分享大模型在推荐系统中的实践经验，以及在实践中面临的挑战和解决方案，为学术界和工业界的研究人员提供有价值的参考。

（图为郭贵冰教授演讲实况）

基于深度学习的推荐算法普遍存在计算开销大、可解释性差、难以交互等问题，为实现负责任的推荐系统带来了挑战，针对于此，微软亚洲研究院（上海）首席研究经理李东胜博士以《基于图滤波的负责任推荐》为题，以基于图滤波的协同过滤技术为背景，介绍了解决负责任推荐系统一系列挑战的技术路线。在报告中，他介绍了如何基于图滤波技术实现高准确性、高计算效率、强个性化、可解释、可交互和可遗忘的推荐，使得推荐系统能够更好地满足用户需求，同时保持系统的负责任性，避免了传统推荐系统中存在的一系列问题，为实现负责任的推荐系统提供新的技术思路，有望在实际应用中得到广泛推广。

（图为李东胜博士演讲实况）

在对在线新闻社区的研究中，交互模拟因其过程可知性和实验可控性等优势，已然成为建模、理解和优化新闻推荐生态系统及其动态演化过程的利器。在复旦大学计算机学院卢暾教授带来的《SimuLine：新闻推荐生态系统演化模拟平台》报告中，其首先从以人为中心的推荐系统切入，介绍了推荐算法治理的新机遇与新挑战，从而引出了其团队最新构建的新闻推荐生态系统演化模拟平台SimuLine。SimuLine平台能通过生命周期理论的视角，深层分析驱动新闻推荐生态系统持续演化的复杂影响因素、作用机理以及调控方法，这个平台为研究人员提供了一个重要工具，可以帮助他们更好地理解新闻推荐系统的运作方式，优化推荐算法，并提供更好的新闻推荐体验。同时，保持系统的负责任性意味着在满足用户需求的同时，也要考虑到信息的准确性、公平性和隐私保护，确保用户得到负责任的推荐服务。该平台有望在未来的学术研究、实际生产和算法监管等领域发挥重要作用，为新闻推荐系统的发展提供支持和指导。

 （图为卢暾教授演讲实况）

Panel

在最后的Panel环节，讲者们就负责任推荐相关的问题进行了深入的讨论。在讨论“大语言模型的引入会给负责任的推荐带来那些全新的挑战”的问题中，专家们提出大模型可能会带来用户个性化、隐私、幻觉以及能耗等问题，因此需要结合新的技术手段和伦理原则，确保推荐是准确、可信、个性化且负责任的。此外，要实现“负责任”，研究者们还需要充分认知大模型，在提高推荐准确率和实现个性化的同时，将其视为丰富的信息源，通过处理大规模数据来挖掘用户需求、趋势和模式，引领推荐系统领域的创新发展。此外，针对于“如何更有效地促进该领域的跨学科合作？”的问题，专家们认为要以问题为导向探索研究方针，充分挖掘只有当两个学科结合时才能碰撞出的新问题，同时充分利用跨学科研究团队在解决复杂问题时各自的优势，形成协同效应。同时，首先要理解跨学科领域的研究范式，尊重各学科的独特性，促使创新和整合，才能够更好促进学科之间的合作，为负责任推荐系统的发展提供更好的支持。

最后，现场观众也积极提问参与讨论，表达了对该话题的关切。观众一方面对于报告中专家介绍的技术提出了实现细节的问题，另一方面对负责任推荐系统的社会责任提出了疑惑，如负责任推荐系统的责任主体和负责方式，以及负责任的评估主体和评估方式等。在这些问题的探讨中，各位讲者都各抒己见，深入交流，为负责任推荐系统的可持续发展提供了有益的启示，也为各方研究提供了方向。

（图为Panel环节实况）

本次论坛为该领域专家学者提供了一个深入探讨负责任推荐系统的平台。正如论坛总结时所展示的，“如果具有掌控行好的能力，那么就有作善的道德义务，这才是关键：不是选择，而是责任！”负责任推荐系统不仅仅是一种技术实现，更是一种社会和伦理责任。通过专家报告、讨论和观众互动，论坛加深了与会人员对负责任推荐系统的理解，为未来的研究和实践提供了宝贵的经验和启示。

 （图为嘉宾合影）