相似度排名、谷歌知识基础设施与 AI 失败循环
工作场所 AI 为何反复失败？
第一篇论文关注谷歌搜索引擎的认识论转变。谷歌网页搜索靠 PageRank 算法，用链接关系判断权威性，这套机制已经被研究得很充分了，但图片搜索背后的排名逻辑其实一直不太透明。这篇论文在六个国家做了跨国比较，发现图片搜索的排序从「谁最权威」悄悄变成了「谁最像」，例如搜气候变化，不管你在澳大利亚还是尼日利亚，看到的都是差不多的干裂土地和卡通地球，权威来源反而被大幅稀释。你可能会想，不过是搜图而已，有什么关系？但当算法用视觉相似度来决定什么值得被看见，我们对复杂议题的理解会不会也跟着窄化了？这个问题蛮值得想想的，我之前还真没意识到。
第二篇论文聚焦工作场所里那些「说好要帮忙却越帮越忙」的 AI。社工、家庭护工、教师，这些以女性为主的职业，专业技能长期被低估。以往研究多把 AI 部署失败归因于技术不成熟或管理不善，但这篇论文挖出了一层更深的东西：职业贬值。开发者打从一开始就不理解这些工作有多复杂，做出的工具自然跟实际需求脱节；工具不好用，锅却甩给工人，说她们不会用、抗拒变革。这个恶性循环读起来让人有点不舒服，但也正因如此，它提醒我们，或许 AI 在职场中的失败，根子往往不在技术，而在谁的声音被听见、谁的专业被尊重。
祝今日读写愉悦，洞见深省。
前沿速递
从权威排名到相似度排名：计算机视觉对谷歌知识基础设施的影响
核心概念
网络认识论（Web epistemology）：这指的是搜索引擎用来组织和排序信息、判断其价值的根本原则或逻辑。论文指出，传统的谷歌文本搜索遵循的是权威排名（ranking-by-authority）的认识论，其核心是 PageRank 算法，认为一个网页被越多高质量网页链接，其权威性就越高。而谷歌图片搜索则催生了一种新的相似度排名（ranking-by-similarity）认识论，它依赖计算机视觉模型来判断图片内容的视觉一致性，并优先展示那些看起来像的图片。
议题配置（Issue configuration）：这指的是技术（如搜索引擎）如何通过其组织和呈现信息的方式，来塑造和建构公众对某个社会议题的理解和看法。搜索引擎并非中立地呈现信息，它所选择展示的网页链接、图片和摘要，都在无形中定义了一个议题的面貌，突出了某些方面而忽略了另一些方面。例如，论文发现谷歌图片通过在全球范围内展示高度同质化、去社会化的地球或森林图像来配置气候变化和生物多样性丧失议题，这使得这些议题看起来是遥远的、全球性的、与个人生活关系不大的问题，从而影响了公众的认知和参与感。就像拼图一样，搜索引擎提供了特定的碎片，并决定了这些碎片的摆放方式，最终拼凑出了一幅关于某个议题的特定图景。
研究问题
谷歌作为全球主导性的搜索引擎，已成为人们获取信息的关键知识基础设施。其传统的文本搜索以 PageRank 算法为核心，通过分析网页间的链接关系来评估其权威性，这一机制已被广泛研究。然而，随着视觉内容日益重要，谷歌图片搜索的使用也愈发普遍，其排名机制却相对不透明。谷歌图片采用计算机视觉等人工智能技术对图片进行分类和排序，这种技术转变可能深刻地改变了信息的组织和呈现方式，但学术界对此类变化对知识获取和议题建构的具体影响，尤其是在国际范围内的比较研究，还存在明显空白。
因此，本研究的核心问题是：在国际范围内，谷歌图片的搜索结果与谷歌文本搜索的结果相比有何不同？这些差异又应如何通过谷歌知识基础设施的变化来解释？
