拜登是如何赢得大选的？背后竟是这种原理…… | Nature研究回顾
重划选区：用田忌赛马赢得大选
投票选举从来都不是如同人们所想象的那么无往不利。在选区划分这一问题中就存在很多“大显身手”的空间。一种为了获得选区投票而人为划分选区，浪费、稀释对手选票以保证己方能在全局中获胜的手被称为格里蝾螈（Gerrymander）。这就好比田忌赛马，通过调整分组，虽然总人数占劣势，却能赢下大部分的区域。
图1：重划选区：略施小计就能反败为胜 | 图片来源：wikipedia.org
这一称呼起源于，在1812年的美国参议院选举前美国马萨诸塞州州长埃尔布里奇·格里（Elbridge Thomas Gerry）为了确保自己的政治利益，而将选举划分成一个酷似蝾螈（salamander）的怪物形状。故此，这种重划选区的行为也就以格里蝾螈代称。
图2：被操纵成“蝾螈”的选区 | 图片来源：wikipedia.org
如今地理上重划选区的做法已经被取缔，但在被媒体和社交网络覆盖的今天，信息层面的重划选区则愈演愈烈。由于个体往往会先收集社交网络中的信息，再表达观点。所以社交网络上多方力量进行着博弈。
比如，在这次的美国大选前，我们罕见地看到 Nature 等极具影响力的学术期刊发文抨击特朗普、支持拜登。而媒体的发声会透过社交网络影响到真实民意。
图3：顶级学术期刊在大选前站队发声
而真实民意和媒体宣传、民调数据之间也常有很大差异。在 2016 和 2020 年的美国总统大选中，民调数据和选票结果之间有着不小差异，民调数据中希拉里和拜登都是遥遥领先，但选票数量与特朗普相差很小。
故此，有人提出了“害羞川粉”（Shy Trump Voters）理论来解释，简单而言就是一些特朗普的支持者并不会公开表示自己支持特朗普，甚至不配合调查，结果民调难以体现隐藏支持者的观点。
虽然民调数据不高，但我们却能看到特朗普仍然坚持在Twitter发声，高频地线下演讲，鼓励支持者为自己投票。事实上，拉票行为，就是通过在社交网络上扩散影响力，达到重划选区的目的。
拉票有用：
社交网络上的信息重划选区
在2019年9月发表于Nature的一篇论文中，来自休斯顿大学的 Alexander J. Stewart 等人分析了由社交网络结构变化、狂热分子操纵信息而影响投票结果的现象，并把这一现象称之为信息重划选区（Information Gerrymandering）的理论。
论文题目：
Information gerrymandering and undemocratic decisions
论文地址：
https://www.nature.com/articles/s41586-019-1507-6
研究者首先设计了一种在线的投票博弈。在这个博弈游戏里，无论己方支持的阵营是否胜利，玩家都会获得一定的奖励，但奖励的数量有区别。而如果出现平局，任何人都不会获得奖励。
图4：投票博弈矩阵
如上图所示，在这个博弈中，无论黄、紫两方谁获得胜利，大家都会获得一定的收益，而平局并不能带来任何收益。这一点也与真实世界是类似的：选出一个总统总要好于没有总统而陷入僵局。
同时，玩家在投票时，也会看到其他用户的信息。不过他们所看到的并不是全局信息，而是在一个有向的社交网络中，所看到的局部信息。
当一个玩家不希望出现平局结果（毫无收益），同时还想让自己的收益最大化（尽可能站到胜选的一边），就需要从看到的社交网络信息来决定自己的投票行为。由此，社交网络会影响玩家的投票选择。
该项研究发现，社交网络结构，也就是信息层面上的选区划分，对投票结果有相当大的影响。
当网络结构不带偏见时，每一个人都能均等地看到来自各方的表态。而当网络结构出现偏差时，会对选举的结果也产生偏差。换而言之，如果一个政党能影响到网络中的关键节点，从而影响到更多的选民，说服更多人为之投票，这就出现了信息重划选区。
不同于地理上的重划选区，信息重划选区是在社交网络中形成的，可以通过社交媒体层层扩散。
图5：网络的结构对投票结果的影响
如果，一个政党要影响到尽可能多的人，就要将其影响力分散到一个网络中，从而影响到其他选民。如果选民改变了投票意愿，就会出现信息重划选区的做法。一个政党和它的反对派之间在影响力上的差异被研究者定义为影响差距（Influence gap）。
舆论战场：
因影响力而倾斜的投票天平
在进一步研究中，研究者一共招募了2560名被试，外加部分社交机器人进行投票博弈实验。此前已经有研究显示，社交媒体中的机器人账号可能影响选举期间的网络舆论。
在理想对称的网络环境中，投票选民没有收到不对称的信息的影响（能均衡的受到来自各方的信息），观察到的投票结果为双峰分布，投票比例各半（如下图a所示）。
图6：投票游戏中的不民主结果和两极分化
研究者改变了社交网络结构，结果如图6所示，当社交网络上的选区被重新划分时，选民的投票出现了偏差（b）；在对称的选区重划中，并没有一方能获得优势，但是难以达成共识，会出现跟多的平局（d）；进而，如果其中一方加入了机器人——就会污染选民获得的信息，从而误导选民，使得投票结果偏向一方（c）；而倘若双方都加入了机器人，则不会个任何一方带来优势，且会让博弈陷入平局。
研究者在现实政治情形中观察到的影响差距和他们的实验是相当的，都会带来10%的选票发生倾斜。
此外，为了更贴近真实社交网络的复杂性，研究者也在具有长尾分布的复杂网络上测试了该行为模型。在复杂网络中的模拟实验揭示：信息重划选区可能够导致40%的投票倾斜。
这突显出在选举政治乃至社会舆论中，占据社交网络关键节点、展开宣传攻势、开展“信息战”已经变得尤为重要。
社交媒体机器人账号影响舆论已经有许多证据，特朗普化身“发推机器”我们已经司空见惯。而学术期刊和大批学者公开表示支持某一位候选者的行为看似离奇，但从这项研究结果来看，是在通过影响社交网络，进而“重划选区”。这种多方博弈未来是否会在群体层面造成困境，也是值得持续讨论的议题。
作者：Leo、刘培源
编辑：邓一雪
复杂科学最新论文
集智斑图顶刊论文速递栏目上线以来，持续收录来自Nature、Science等顶刊的最新论文，追踪复杂系统、网络科学、计算社会科学等领域的前沿进展。现在正式推出订阅功能，每周通过微信服务号「集智斑图」推送论文信息。扫描下方二维码即可一键订阅：
推荐阅读
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
◆ ◆ ◆
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！
👇点击“阅读原文”，追踪复杂科学顶刊论文