当操纵选票的杰利蝾螈，爬在了互联网上

点击上方蓝字，关注我们！

原文作者：Carl T. Bergstrom & Joseph B. Bak-Coleman

研究指出，一种名为“杰利蝾螈”的方式可以利用社交网络用户间的信息流，改变我们对他人投票倾向的判断，从而改变选举结果。

民主需要明智的选民。然而，一些技术进步改变了信息在社会中的流动方式，给民主过程带来了严重影响。Stewart等人¹在《自然》发表的一篇论文中，利用实验和计算模型揭示了民主决策中不为人知的一大障碍。当社交网络成为主要的信息获取渠道，网络的连接方式就会影响投票者对其他人投票意愿的判断。这种影响不容小觑，因为它会通过被称为社会传染²的行为传播机制，或是让投票者从战略考量出发，改变自己的观点和投票策略。

互联网消除了地理边界，允许全球人民就共同的兴趣进行实时交互。但是，虚拟社交网络上随意、个人化的观点，也在抢夺甚至是取代全国性报刊和广播电视的公开话语权³。事实是，人们并不会去拓宽自己的社交网络，而是更愿意阅读意识形态雷同的内容，或接触与自己思维方式类似的人。由此一来，社交网络的某些部分就会变成“过滤气泡”⁴，其中的人只能看到经过算法筛选的一小部分内容，而不是更完整的观点。过滤气泡具有强化政治观点的作用，甚至会让这些观点更加极端，走向政治极化。Stewart等人描述了一种与之类似但略有不同的情况——社交网络的结构如何影响投票行为。

作者研究的场景是两组人对一个有争议的决策进行抗衡，并有陷入僵局的风险。他们根据博弈论构建了一个投票人选择模型，作为分析战略行为的理论框架。作者一共找了2520个人，12人一组，并让他们玩一个在线游戏。模型和实验遵守相同的规则：假设每个人都有自己想要的结果，但相比僵局，人们更愿意达成共识，即使这个共识不是他们最想要的结果。

这种场景很常见。例如，在美国政府决定预算的时候，无法通过任何预算就会导致有害无益的政府停摆。为了避免陷入僵局，给自己不喜欢的选项投票可能是明智的做法，特别是在僵局风险增加、获胜希望渺茫的情况下。也就是说，为了避免僵局，就必须知晓其他人会怎么投票。

Stewart等人假设，人们能够通过社交联系人获取此类情报。在一个“公平”的网络里，大多数人都能从自己的联系人那里知道别人会怎么投票。但是，Stewart等人发现，即使联系人的数量不变，只要重构这个网络，就能误导一些人对群体偏好的认知。这种误导最终甚至能扭转整个竞选局势。作者将这个过程称为信息的“杰利蝾螈”（gerrymandering），也就是通过改变社交网络的结构，让其中一组人对政见相同群体的影响力白白浪费。

杰利蝾螈的本意是指通过重新划分选区，将反对党的选民集中到一个或几个选区中，让进行“杰利蝾螈”的政党选民在其他选区构成人数优势⁵。对信息杰利蝾螈来说，划分选区的方式不再重要，重要的是如何安排选民之间的社交联系（见图1）。不过，和选区的杰利蝾螈一样，信息的杰利蝾螈也会威胁到民主投票的比例代表制。

图1|社交网络的结构会影响投票人的想法。在全部三个网络里，10人偏好橙营，8人偏好蓝营。每个人都有4名双向的联系人。a. 在随机网络里，8人通过联系人的偏好正确推断出橙营占上风。8人认为两者持平，只有2人会误认为蓝营更受欢迎。b. 当人们主要和想法接近的个体交互时，就会产生过滤气泡。这会让所有人相信自己这一营更有优势。投票也更有可能陷入僵局，因为没有人认为有妥协的必要。c. 在Stewart等人¹描述的“信息的杰利蝾螈”中，网络结构能刻意扭曲投票人对其他人偏好的判断。这里，三分之二的投票人误认为蓝营更受欢迎。这是因为蓝营支持者从战略上影响了少数橙营人士，让橙营支持者的一部分影响力白白浪费在了只有橙党联系人的投票者身上；而橙营支持者对蓝营支持者的影响力，也因为对方的蓝营联系人数过多，无法起到扭转局势的作用。

在Stewart等人的模型里，僵局的设定为既有可能发生，又不希望它发生。此类假设是否适用于更大规模的决策过程尚不清楚——在全国性选举中，僵局发生的可能性极小，或者说为零。但是，这些假设一般适用于其他类型的集体决策，包括董事会、陪审团或美国国会的投票表决。事实上，作者在美国国会、欧盟议会，以及美国联邦选举的投票模式中都发现了信息杰利蝾螈的证据。

对于一些高度两极化的辩论（如堕胎、移民、民族主义、性少数群体的平权等论题），“僵局可能发生，但最好不发生”的假设并不成立。在这些情况下，双方可能宁可看到所罗门王将婴儿一分为二——也就是说，宁可陷入僵局也不愿让步。

话虽如此，即便是在这类情况下，一些广义上的信息杰利蝾螈仍然是可能做到的。例如，当人们认为投票结果非常接近的时候更容易去投票⁶。能够误导人们对其他人投票意愿认知的网络结构，并进而影响到某个群体的投票率，这种现象也可以被认为是信息杰利蝾螈。此外，能够导致不对称社会传染的网络结构也属于信息杰利蝾螈之列。

Stewart等人的研究给我们敲响了警钟。过去，信息的传播通常依赖少数几家官方媒体（如报纸和电视台），或是通过真实世界的社交网络（主要来自于需要个体间人际互动的分布式过程）。可现在不是这样了，社交网站使用的一些技术可以从设计上重构用户的社交联系网。这些在线社交网络是高度动态化的系统，会根据无数人机反馈自行改变。算法为用户推荐新的联系人；用户进行选择；算法再根据用户选择进行调整。

这些交互和过程相结合，就能改变人们所看到的信息和他们对世界的认知。此外，微定向的政治宣传也是进行信息杰利蝾螈的一大隐秘工具。还有一种可能是，信息杰利蝾螈可能是一种未预期结果，比如用来优化用户体验的机器学习算法无意中导致了信息的杰利蝾螈。

目前，在线社交网络并不受实体规定的限制，也没有透明公开等相关要求。在此之前，可能会影响民主过程的通信技术——如广播和电视——都有立法监督⁷。我们认为对社交媒体生态开展类似监管事不宜迟。

参考文献：

1.Stewart, A. J. et al. Nature 573, 117–121 (2019).

2.Hodas, N. O. & Lerman, K. Sci. Rep. 4, 4343 (2014).

3.Shearer, E. Social Media Outpaces Print Newspapers in the US as a News Source (Pew Research Center, 2018); go.nature.com/2kgh7eo

4.Pariser, E. The Filter Bubble (Penguin, 2011).

5.Ingraham, C. The Washington Post (1 March 2015).

6.Pattie, C. J. & Johnston, R. J. Environ. Plan. A 37, 1191–1206 (2005).

7.Napoli, P. M. Telecommun. Policy 39, 751–760 (2015).

原文以Information gerrymandering in social networks skews collective decision-making为标题发表在2019年 9月4日的新闻与观点上

© nature

Nature|doi:10.1038/d41586-019-02562-z

点击“阅读原文”阅读英文原文

点击图片阅读热门文章

谣言无孔不入，怎么才能明智分辨信息？

80%的维基内容来自20%的人口：互联网何时能体现沉默的大多数？

崛起的机器人、不幸的人类：AI的反乌托邦

版权声明：

本文由施普林格·自然上海办公室负责翻译。中文内容仅供参考，一切内容以英文原版为准。欢迎转发至朋友圈，如需转载，请邮件[e-mail]。未经授权的翻译是侵权行为，版权方将保留追究法律责任的权利。

© 2020 Springer Nature Limited. All Rights Reserved

喜欢今天的内容吗？喜欢就点个“在看”吧⇣⇣