專家支招，破解社交媒體兩極分化難題

在社交媒體上政治兩極分化日益成爲一個嚴重問題之時，華盛頓大學的數據科學家珍·斯普林斯汀正在探尋一種既能給熱度降溫，又能獲得社交媒體公司認可的方法。

斯普林斯汀是麥凱維工程學院計算與數據科學系的研究生，她與計算機科學與工程系副教授威廉·楊以及藝術與科學學院政治學教授迪諾·克里斯滕森合作。

在接受該校“塑造未來工程”播客的採訪時，斯普林斯汀與科學作家肖恩·巴拉德談到了她的工作。

以下內容經過編輯和精簡。在“塑造未來工程”網站上收聽完整採訪：

隨着像 ChatGPT 這樣的大型語言模型使人工智能（AI）變得更容易獲得，我們在新聞中經常聽到的一件事是關於訓練這些模型的責任問題，對吧？這具有很強的交叉性，以及人工智能在醫療保健、教育等所有這些學科中的位置。這可能是目前最大的問題之一。

另一個重大問題，也是我關注的問題，處在計算機科學與政治學的交叉領域。社交媒體公司使用推薦系統，在我們登錄臉書、推特或照片牆時向我們展示內容。它們向我們展示社交媒體推送中的內容。這屬於計算機科學的範疇，對吧？但我們在社交媒體上所看到內容的影響遠不止於計算機科學，這涉及到多學科領域。在政治學中，它對我們的選舉、人們的意識形態有何影響？

所以，這在那個交叉點是一個相當大的問題，而且因爲社交媒體影響我們互動的方式、我們思考的方式，我們在社交媒體上看到的內容會影響我們在感恩節晚餐上的談論話題。

不幸的是，我們登錄社交媒體時看到的內容背後的算法確實沒有人情味。社交媒體公司並不是試圖向我們展示我的新侄女和侄子，對吧？他們對展示這類內容不感興趣。他們特別感興趣的是向我展示他們覺得能讓我留在該平臺上的內容。他們對利潤和用戶參與度感興趣。

他們可能會向我展示煽動性內容或錯誤信息，因爲通過他們的機器學習技術，其算法正在瞭解到這類內容能推動用戶參與度，而不一定是我作爲用戶登錄時想要看到的內容。

我們很想知道極化現象似乎正在加劇。從算法層面來講，我們能做些什麼來減輕這種極化現象呢？所以，與其讓算法只盯着用戶參與度，倒不如我們去找一些指標，像極端政策這類的，比如人們對政策的感受咋樣？人們對本黨和其他政黨的政治候選人是怎麼看的？並把這些當作指標，而不只是用戶參與度。

特別是在數據受限這方面，不容易。隨着社交媒體公司越來越有影響力且不斷髮展，像咱們這樣的研究人員缺乏數據訪問權限，這情況很複雜。但我覺得這只是部分原因，像我的數學背景、計算機科學背景，咱們能想辦法避開這一點，然後做模擬和搞用戶調查來獲取咱們自己的數據，而不是依賴正在減少的社交媒體數據訪問。

沒法確定，對吧？因爲數據受限，咱們沒法比較，也沒法說咱們的模型實際上有多接近。但這就是爲啥我們要做出明智的建模選擇。我們跟其他研究人員交流。我們把政治學家請來然後說，您知道不，您看到啥了？

一旦咱們瞭解到社交媒體帖子的某些部分會不會引起極端或者兩極分化的反應，咱們咋在這跟用戶參與度指標之間取得平衡？

有一整套文獻探討了究竟是什麼讓人們留在社交媒體上

比如什麼樣的帖子能夠使人們保持參與其中的狀態

所以，如果我們能在此基礎上進一步補充，說得更具體些，什麼樣的帖子會讓人們更加兩極分化，或者什麼樣的帖子會讓人們不那麼兩極分化，那我們又該如何去平衡用戶參與度與兩極分化的問題呢？

所以，對我們來說，僅僅說我們覺得這會讓人們不那麼兩極分化，是遠遠不夠的，因爲社交媒體公司聽到後會說：“太好了，我們關心用戶參與度，我們對那個不感興趣。”所以，下一步是努力平衡這些事情。我們能否找到既能保持用戶高參與度，又是人們想看並且願意互動的帖子或者一組帖子，而且這些帖子在社交媒體上也許不那麼極端或者錯誤信息更少？

我認爲要實施其中的一些建議，會有多種方式。我們專注於推薦系統，那些算法。如果我們看到具有 X 和 Y 質量的帖子所引起的兩極分化反應較少，對吧，我們如何將其納入過濾策略，納入該推薦系統，並說，好吧，也許讓我們關注 X 和 Y，如果 Y 恰好是一個能提高用戶參與度的指標，對吧，這就是我們想看到的那種東西。然後在那些推薦系統中，我們可以關注那些特徵，向人們展示具有 X、Y 特徵的帖子。

是的，這就是想法。這就是希望，對吧？