在社交媒體上，一種趨勢越來越明顯：信息是否真實并不重要，重要的是信息與個人對世界的認識是否相符。這種趨勢導(dǎo)致了假消息的泛濫。但導(dǎo)致這種現(xiàn)象的深層原因是什么呢？有沒有相應(yīng)的解決辦法呢？

沃爾特·夸德羅喬奇

Walter Quattrociocchi

互聯(lián)網(wǎng)深刻地改變了我們獲取知識的方式。直到幾年前，報紙和電視談?wù)摰脑掝}還是由編輯和相關(guān)領(lǐng)域的專家精心挑選出來的。而在今天，F(xiàn)acebook、Twitter等社交網(wǎng)絡(luò)的分享模式讓用戶能夠自下而上地產(chǎn)生流行話題。這種對所有話題“一視同仁”的方式帶來了巨大變化：時政新聞、自拍視頻或者最新的菊苣奶酪菜譜都有可能獲得相同的關(guān)注度。

篩選、審核信息的中間媒介消失后，我們每個人既是內(nèi)容的產(chǎn)生者，也是內(nèi)容的消費者。數(shù)據(jù)表明，從2017年第三季度開始，F(xiàn)acebook每月的活躍用戶超過20億人。無所不在的Facebook儼然成為了一種全新的媒介，而信息在這個平臺上面的傳播方式與平臺本身的商業(yè)模式密切相關(guān)。由于社交媒體的巨大規(guī)模，我們已經(jīng)很難忽略它們對當(dāng)今社會和公眾輿論的影響。

全球性威脅

廣義上的互聯(lián)網(wǎng)，和以社交網(wǎng)絡(luò)為代表的新生事物已經(jīng)以出人意料的方式，改變了知識的產(chǎn)生過程。上世紀九十年代中后期，法國哲學(xué)家皮埃爾·列維（Pierre Levy，他在數(shù)字技術(shù)對文化的影響這一研究領(lǐng)域有深刻的洞察）和其他評論家預(yù)測了集體智慧時代的到來：知識的傳播不再受中間媒介和地理條件的限制，社會將因此飛速發(fā)展。但是，實際情況卻并非如此。

僅在Facebook上，每分鐘就會出現(xiàn)300萬條新信息。因此，社交媒體迅速成為許多人獲取信息的主要來源也就不足為奇了。在美國，超過一半以上的人（51%）通過社交媒體獲取新聞。在這種情況下，選擇性曝光，即沉溺于自己感興趣的話題，而且排斥其他不同的觀點，在全球?qū)υ捄凸草浾撝械挠绊懥τ用黠@。在去中介化和話題平等化的過程中，個體的認知能力和局限變得至關(guān)重要。

假新聞，或者說那些在互聯(lián)網(wǎng)上傳播的假消息，正在這些平臺上泛濫成災(zāi)。早在2013年，世界經(jīng)濟論壇就將病毒般傳播的假新聞看作是全球性威脅之一。

我們的一些研究似乎表明，確認偏誤（Confirmation bias，無論合乎事實與否，只偏好地獲取符合自己認知的信息的傾向）在網(wǎng)絡(luò)社交活動中占據(jù)著重要角色，在Facebook上尤其如此。舉例來說，雖然用戶幾乎可以和任何人交流，也可以獲得任何類型的信息和觀點，他們還是傾向于建立與自己觀點相契合的“回聲室”（回聲室效應(yīng)：在媒體上是指在一個相對封閉的環(huán)境中，一些意見相近的聲音不斷重復(fù)，并以夸張或其他扭曲形式重復(fù)，這樣會讓處于該環(huán)境的大多數(shù)人認為，這些扭曲的故事就是事實的全部）。

由于社交媒體的分享屬性，在這些“回聲室”中，用戶傾向于獲得和群組觀點一致的信息（即便有些明顯是虛假信息），或者傾向于忽略那些與自己所在群組觀點不一致的信息?？偠灾?，信息是否真實并不重要，重要的是信息與個人對世界的認知是否相符。在這種情形下，試圖通過驗證來源、核對事實（fact-checking）以及揭露謊言（debunking）來遏制假新聞傳播的努力普遍收效甚微。甚至在某些情況下，這些努力似乎適得其反。

媒體與用戶的分化

在專家的幫助下，本文作者的團隊篩選了兩組表述，一組是科學(xué)事實，另一組則是與之相反的虛假表述，并用這些表述進行了一系列實驗。篩選相互對立的表述可以幫助我們更好地監(jiān)測回聲室效應(yīng)，即觀點在一個封閉系統(tǒng)中傳播然后被強化的現(xiàn)象。

接下來，我們不再事先篩選陳述，并將注意力集中在報紙以及它們在Facebook上的行為。2017年，本文作者的團隊在《美國科學(xué)院院刊》（PNAS）上發(fā)表了一篇論文，分析了新聞機構(gòu)在社交網(wǎng)絡(luò)平臺發(fā)布的新聞推送以及用戶如何使用這些推送。這些新聞機構(gòu)可以在歐洲媒體監(jiān)測平臺（European Media Monitor，歐盟委員會建立的新聞監(jiān)測機構(gòu)）發(fā)布的新聞機構(gòu)列表上找到。

上述研究分析了大量數(shù)據(jù)，包括九百多家新聞機構(gòu)，以及超過3.76億用戶在6年間（從2010年1月到2015年12月）與兩千多萬條新聞的互動情況。本文作者借助網(wǎng)絡(luò)科學(xué)和統(tǒng)計學(xué)方法，從宏觀角度分析了用戶與信息的互動模式，嘗試找到其中的具體特征。研究結(jié)果表明，用戶越活躍，他/她關(guān)注的新聞機構(gòu)就越少。這種傾向讓媒體分成了不同的類型群體，進而導(dǎo)致用戶通常只關(guān)注某一類型的新聞機構(gòu)，并在此基礎(chǔ)上形成他們的看法。跟之前的研究一樣，分化現(xiàn)象在這里再次出現(xiàn)。也就是說，在網(wǎng)絡(luò)和社交平臺上，分化現(xiàn)象十分普遍。

另一個有趣的現(xiàn)象是媒體的Facebook主頁之間的互贊：與用戶和媒體的Faceobook主頁之間的互動相比，媒體之間的互動顯示出了地域因素，它們更傾向于與本地的媒體互動。

英國脫歐

2016年6月26日，英國舉行了全民公投決定是否脫歐。這次公投和同年美國總統(tǒng)選舉一起，在國際上掀起了一場政治大討論。本文作者對這次公投進行了研究，并于2017年將研究結(jié)果發(fā)表在《社交網(wǎng)絡(luò)》（Social Networks）雜志上。我們研究了超過100萬名用戶在2016年1月到7月當(dāng)中，與英國媒體的Facebook主頁就英國脫歐話題發(fā)布的消息之間的互動情況。具體就是，我們仔細研究了用戶對英國81家媒體的Facebook主頁發(fā)布的30.3萬條帖子的點贊和評論行為。

首先，我們分析了用戶的活動模式，并研究這些模式能否產(chǎn)生回聲室效應(yīng)和用戶分化現(xiàn)象。在這項研究中，雖然我們事先沒有對媒體的Facebook主頁進行分類，但分析結(jié)果清楚地表明，用戶自發(fā)地形成了兩個完全不同的群體，彼此從不互動。

我們在研究中發(fā)現(xiàn)，用戶分化為兩個群體，關(guān)注著不同的事物。每個群體的注意力僅限于某些媒體的Facebook主頁，非常忠誠。

為了更好地研究不同群體的內(nèi)部特征，我們使用了一種新方法，首先抓取媒體的Facebook主頁帖子中的話題，并將其與用戶評論這些話題時表達的情感綜合起來分析。由于用戶分化為兩個群體的現(xiàn)象已經(jīng)得到了驗證，因此我們很容易將特定話題和兩個群體對這些話題的看法聯(lián)系起來。具體來說，我們用這種新方法對話題進行分組，并將特定話題與一個群體以及相應(yīng)的情感傾向聯(lián)系起來。比如，支持英國脫歐的用戶傾向于否認所有支持歐盟和歐元區(qū)的言論。通常而言，一篇情感激昂、支持英國留在歐盟的文章，都會引起脫歐用戶的強烈反對。這非常符合“逆火效應(yīng)”（譯者注：逆火效應(yīng)是指，當(dāng)一個錯誤的信息被更正后，如果更正的信息與人們原來的看法相違背，反而會加深人們對錯誤的信息的信任）。這種分化現(xiàn)象會影響人們對討論內(nèi)容的理解，形成兩個對立鮮明的陣營。

意大利全民公投

那么，這種分化現(xiàn)象到底只是Facebook特有的現(xiàn)象，還是說在其他社交平臺上，比如說Twitter也會出現(xiàn)呢？2016年12月4日，意大利舉行了修憲公投。我們對這件事進行了研究，并在公投結(jié)果出爐幾個月后，在日本東京舉辦的IEEE數(shù)據(jù)科學(xué)與高級分析國際會議上介紹了研究成果。

沿用分析英國脫歐事件的辦法，我們在意大利修憲公投期間，研究了新聞機構(gòu)在Facebook和Twitter上發(fā)布的相關(guān)新聞以及用戶如何與這些新聞互動。我們收集了這些新聞機構(gòu)在2016年7月到12月期間發(fā)布的所有帖子，以及它們收到的“贊”和部分評價，這些評價至少包含“公投”“改革”和“憲法”中的兩個詞匯?？偟膩碚f，我們一共分析了57個Facebook主頁和50個Twitter主頁，以及超過11 000個帖子和約75萬條評論。

跟英國脫歐公投一樣，在研究意大利修憲公投的過程中，我們通過測量用戶的互動找到了用戶討論的一些結(jié)構(gòu)特征。通過比較不同監(jiān)測算法的結(jié)果，我們發(fā)現(xiàn)分化的用戶群體在兩個社交平臺上都出現(xiàn)了。在Facebook上，用戶分化為了5個不同的群體；而在Twitter上，用戶分化為4個不同的群體。每個用戶都只屬于某一個群體，即某一個回聲室。這項研究結(jié)果的意義在于，它清楚地表明了，即使兩個社交網(wǎng)絡(luò)平臺的算法不同，研究涉及的用戶也不同，但是Facebook和Twitter都出現(xiàn)了用戶分化的現(xiàn)象。此外，通過話題自動提取技術(shù)和情感分析技術(shù)，我們發(fā)現(xiàn)最具爭議的話題以及相關(guān)的情感表達，還取決于新聞發(fā)布機構(gòu)呈現(xiàn)和討論這些話題的方式。

分化現(xiàn)象和假新聞

量化分析表明，在信息消費領(lǐng)域，分化現(xiàn)象是社交媒體的特點之一。用戶越活躍，就越傾向于只關(guān)注某些特定話題。我們還知道，在不同的群體內(nèi)部，新聞的傳播性并不取決于新聞本身的真實性，而取決于新聞與群體世界觀的契合度——與群體世界觀相悖的信息不僅會被忽視，還有可能會強化群體原來看問題的方式。那么，我們能否利用這些特點追蹤假新聞呢？目前，用跨學(xué)科的研究方法抵制假新聞仍是科學(xué)界的一大難題。人們對假新聞的討論已經(jīng)很多了，但卻忽視了假新聞現(xiàn)象的本質(zhì)。今天，許多人開始提用機器學(xué)習(xí)技術(shù)設(shè)計算法，用于評估新聞的真實性。但是，這樣做面臨著技術(shù)和道德上的限制，也根本沒有抓住問題的本質(zhì)。

我們認識到，假新聞在社交媒體上的傳播與用戶分化現(xiàn)象有直接關(guān)系聯(lián)系。既然分化現(xiàn)象（確認偏誤的結(jié)果）在社交媒體上有如此大的影響力，那么我們是否可以用它來辨別那些更有可能成為假新聞的話題呢？在最近發(fā)表的“分化現(xiàn)象和假新聞”的研究中，我們提出了一個通用方法，能夠及時發(fā)現(xiàn)社交媒體上分化用戶的話題，進而預(yù)測將來可能出現(xiàn)的假新聞。

為了驗證這一方法的有效性，我們在Facebook上收集了大量數(shù)據(jù)，包括官方報紙發(fā)布的三十多萬條新聞以及一些網(wǎng)站發(fā)布的五萬余篇虛假的或真實性未知的帖子，并能夠辨別出那些分化用戶的話題。我們發(fā)現(xiàn)，導(dǎo)致公眾觀點分化的話題和最常見的假新聞的主題之間有很強的關(guān)聯(lián)。具體來說，我們一方面自動抓取社交媒體上新聞和評論中出現(xiàn)的話題，另一方面通過用戶的參與度和他們在評論中表達出的情感傾向測量用戶的分化程度。用這樣的方法，我們能夠預(yù)測哪些話題有可能成為假新聞，而且準確率高達91%。舉例來說，如果我們發(fā)現(xiàn)移民這個話題能夠讓用戶分化，那么十有八九它也會成為假新聞的話題。

如何應(yīng)對假新聞

社交網(wǎng)絡(luò)改變了人們獲取信息的方式，正是在這種新模式下，假新聞層出不窮。信息量過大，加工時間短，再加上人們認知的固有缺陷，網(wǎng)絡(luò)信息魚龍混雜的亂象已經(jīng)司空見慣。我們傾向于關(guān)注那些最能說服我們以及符合我們的世界觀的信息（同時忽略掉有著相反觀點的信息），閱讀這些信息并把它們分享給線上好友。確認偏誤導(dǎo)致了回聲室的產(chǎn)生，將有著相同的觀點的用戶聚集在一起，從而進一步強化了用戶分化。假新聞其實只是冰山一角，這一現(xiàn)象還有著更深層的原因。

因此，當(dāng)《牛津字典》宣布將“后真相”（post-truth）作為2016年的年度詞匯時，這絕非巧合?！昂笳嫦唷币庵冈谝恍┨囟顩r下，客觀事實對公共輿論的影響沒有感性訴求和個人信念的影響大。這看起來像是我們在2016年才發(fā)現(xiàn)人類是不理性的，但其實早在2002年，丹尼爾·卡內(nèi)曼（Daniel Kahneman）就因強調(diào)非理性因素對經(jīng)濟決策的重要影響而獲得當(dāng)年的諾貝爾經(jīng)濟學(xué)獎。

“后真相”這個詞流行開來，并被廣泛用于談?wù)撚摎W和特朗普當(dāng)選美國總統(tǒng)。“后真相”仿佛成為了公共輿論的口頭禪。公眾對假新聞和人們的不理性感到憤怒，仿佛不理性只是屬于少數(shù)人的，而非普遍存在。同時，社交媒體仿佛助長了這種更加情緒化而非理性的思考方式。我們認為，假新聞并不是真正的問題所在，急于解決假新聞可能只會適得其反。有人提出，可以利用算法或程序分析文本內(nèi)容和它的來源，從而判斷某個信息的真實性。但在科學(xué)領(lǐng)域，真相是一個不斷變化并完善的概念。在這樣的情況下，寄希望于一個簡單的程序來判斷新聞的真假可以說是非常天真的想法了。相反，我們應(yīng)該恢復(fù)信息的正常流通，促進不同觀點之間的相互交流，消除故步自封、一味鼓吹自己的觀點以及貶低與自己觀點不同的聲音。

在威尼斯大學(xué)，我們在跨學(xué)科合作的基礎(chǔ)上，分析當(dāng)今社會存在的問題，并嘗試應(yīng)對正在發(fā)生的社會變革。我們建立了Pandoor平臺，用于長期監(jiān)測社交媒體動態(tài)。為了解決用戶分化現(xiàn)象，我們提供了一些計算工具，旨在了解個人用戶和用戶群體的信息需求。在考慮用戶需求和喜好的前提下，再弄清信息的傳播模式，進而減少用戶分化現(xiàn)象。我們的項目有很多的合作者參與，而且合作者也在不斷增加。同時，我們與意大利通訊權(quán)威組織合作，以保證在符合監(jiān)管的前提下合法獲取相關(guān)信息。此外，我們還與倫敦政治經(jīng)濟學(xué)院建立了合作關(guān)系，著力研究在移民問題上促進眾多不同觀點折中、融合的因素。

我們還發(fā)現(xiàn)，要提高信息傳播的有效性，緩和溝通態(tài)度似乎是最高效的辦法。我們的工作重點是通過量化用戶評論來評估新聞出版物的報道方式對用戶分化程度的影響。我們也在量化不同的溝通方式對一些特定話題的影響力，比如疫苗、健康、食物和地緣政治等話題——它們?nèi)粵]有定論，并能讓人產(chǎn)生危機感。

我們這樣做的目的，是為了尋找新的講述方式，創(chuàng)造新的溝通工具，化解敵視和懷疑情緒。為了達到這一目標，我們必須以人為本——注重個人情感和認知。要消除分化現(xiàn)象，我們首先必須接受人類自身的局限性和非理性特點，然后才可能真正有效溝通。要做到這一點，我們必須學(xué)會聆聽，至少嘗試去聆聽。

（Scientific American中文版《環(huán)球科學(xué)》授權(quán)南方周末發(fā)表，梁爽翻譯，本文有刪節(jié)）