Nature封面:社交网络影响集体决策 或改变选举结果

  • 时间:
  • 浏览:0
  来源:新智元(ID:AI_era)

  导读:《Nature》封面刊登了一项新研究,研究显示,社交网络中人与人之间的信息流动意味着着会扭曲社区中人个 对咋样投票的看法,而这意味着着会改变选举的结果。

  今天,来自宾夕法尼亚大学、休斯顿大学、MIT等高校的研究人员的一项研究荣登《Nature》封面。

  研究表明,社交网络中的什儿 內部意味着着会影响到一方的投票结果,即使双方都要相同的规模且每个参与者都要相同的影响,什儿 难题大伙儿儿称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了大伙儿儿的重新关注,有几次世纪以来的做法使选举的结果产生偏见。

  研究人员首先从集体决策的数学模型中预测了什儿 难题,刚刚 通过对数千人个 类受试者进行社会网络实验来证实其效果。最后,大伙儿儿分析了各种现实世界网络,并在Twitter、博客圈以及美国和欧洲立法机构中找到了“information gerrymandering”的例子。

  Information gerrymandering都要改变大伙儿儿思考政治决策的法律妙招,正如什儿 不同思想的形象所描绘的那样。在决定咋样投票时,大伙儿儿都要整合不同的信息来源。但信息并非一直自由流动;它都要受到社交网络的限制,并受到狂热者和自动机器人的扭曲。

  2520名志愿者参与“选民游戏”,少数转投多数以免陷入僵局

  现在,由宾夕法尼亚大学生物学家Joshua B. Plotkin和休斯顿大学的Alexander J. Stewart领导的研究人员发现了民主决策的却说障碍,这意味着着与在线社区尤为相关。 

  大伙儿儿研究了另另一个群体在一另另一个有争议的决定下对抗的情况表。大伙儿儿基于博弈论开发了有一种选民取舍模型, 有2520名真实的人参与,每12人为一组,玩在线游戏。

  首先,研究人员构建了一另另一个简单的游戏,玩家被分配到竞争团体或党派。把玩家插进一另另一个网络上,什儿 网络决定了每人个 都能就看人个 的投票意向,玩家们被激励起来,却说大伙儿儿的政党就能“赢得”选举。第5个最好的结果是人个 获胜,最坏的结果是陷入僵局。 

  如上图显示,社会网络內部影响选民的看法。在那此社交网络中,十人个 投了橙色,5个投了天蓝色。每人个 都要5个互惠的社交关系,其中:

  a,在什儿 随机网络中,八人个 正确地从大伙儿儿的联系人的偏好推断出橙色更受欢迎,5个推断平局,不都可不还可以 另另一个错误地推断出天蓝色更受欢迎。 

  b,当人个 主要与志趣相投的人进行互动时,会一直一直出现“过滤泡沫”,人个 都认为大伙儿儿那一方是最受欢迎的。在什儿 情况表下,投票僵局更有意味着着,意味着着不都可不还可以 人认识到都要妥协。 

  c,Stewart等人描述“Information gerrymandering”,其中网络內部扭曲了选民对他人偏好的看法。在这里,三分之二的选民错误地推断天蓝色更受欢迎,这是意味着着天蓝色支持者战略性地影响了少数喜欢橙色的人。

  研究发现,在科学家所谓的“information gerrymandering”中,都要地理边界会产生偏见,却说社交网络的內部,这类社交媒体连接。 

  “大伙儿儿根据大伙儿儿阅读的内容和与之互动的人来形成意见或决定咋样投票,” Plotkin说:“在今天的世界里,大伙儿儿做了几滴 的在线分享和阅读。大伙儿儿发现,即使在不都可不还可以 “虚假新闻”的情况表下,“information gerrymandering”也会意味着着集体决策结果产生强烈偏见。 

  “这问大伙儿儿,大伙儿儿都要谨慎依赖社交媒体进行沟通,意味着着网络內部这样大伙儿儿的控制之下,但它意味着着会扭曲大伙儿儿的集体决策。”

  偏差高达20%,“罪魁祸首”竟是社交网络

  研究人员的分析表明,“information gerrymandering”很容易产生20%的偏差。换句话说,一另另一个被平均分成另另一个派别的团体意味着着仅仅意味着着信息分散而达到50比40的决定。

  Plotkin说:“什儿 想法这类于‘electoral gerrymandering’,一方都要获得优势,而都要通过绝对数量来决定谁在哪个区投票。”

  鉴于对社交媒体咋样改变信息流的担忧,什儿 影响是是不是会意味着着偏见的结果是Plotkin一阵一阵关心的难题。

  “现在,大伙儿儿都要研究社交媒体对自由民主国家健康的影响,”我说。

  Plotkin说:“简而言之,大伙儿儿发现,即使两党拥有相同数量的成员、网络中的每人个 都具有同等的影响力,一切似乎都很公平,但社交网络的內部仍然会将结果偏向一方或人个 。”

  意味着着与双方互相交流的法律妙招有关。

  当一另另一个党派的成员只与同党派成员交谈,而都要跨越党派交流时,这意味着着会意味着着网上所谓的“过滤泡沫”(filter bubble),什儿 人的观点会意味着着付进 人而加强。把另另一个却说的小组插进并肩,每个小组都站人个 方的观点,刚刚 就一直一直出现了僵局。

  然而,当信息gerrymandering,一方的什儿 成员最终会加入由人个 成员主导的对话中。在那里,大伙儿儿有意味着着说服对方,或被说对方服。 

  “指在劣势的党派,”Plotkin解释说,“往往是一另另一个分裂了人个 影响力的党派,大多数成员只与人个 党派成员对话,而少数成员则在却说党派主导的‘泡沫’中互动,很意味着着刚刚 倒戈。”

  “大伙儿儿都要通过社交网络的內部将那此实验性游戏中的最终投票率提高20%或更多,”Plotkin坦言:“即使一方拥有2比1的规模优势,大伙儿儿也预测少数党都要通过information gerrymandering赢得多数选票。”

  大伙儿儿好奇是是不是有助使用自动机器人(automated bots)引发information gerrymandering,研究人员还使用了拒绝妥协的“狂热机器人”。果然,不都可不还可以 少数狂热者的适当安置也意味着着意味着着information gerrymandering和不民主的结果。

  为了评估现实世界网络中是是不是指在information gerrymandering,研究人员分析了美国国会以及参与政治讨论的欧洲立法机构和社交媒体用户网络中的法案并肩赞助数据。

  大伙儿儿发现information gerrymandering在那此现实世界的网络中非常普遍。

  研究人员认为这是一另另一个新研究的开使英语 ,侧重于社交网络咋样影响集体决策。

  Plotkin说:“大伙儿儿对于假新闻和online troll非常关注,这无疑是破坏性的。” “大伙儿儿正在研究的是不同的东西,这取决于整体网络內部 ——对于民主决策来说,这是一另另一个更微妙但意味着着更有害的难题。” 

  分分钟影响选举,社交网络都要受到进一步监管

  都要说,这项研究让大伙儿儿从新的宽度认识了选举投票。

  过去,信息由少数官方消息来源(如报纸和电视台)传播,或通过现实社交网络传播,那此网络主要来自涉及人个 人际关系动态的分布式流程。现在不再是什儿 情况表,意味着着社交网络网站部署了通过设计重构社交关系的技术。

  那此在线社交网络是宽度动态的系统,意味着着人与机器之间的几滴 反馈而指在变化:算法推荐连接;大伙儿儿进行提前大选;算法根据人类提前大选进行调整。

  那此互动和过程并肩改变了大伙儿儿就看的信息以及大伙儿儿咋样看待世界的法律妙招,information gerrymandering意味着着在不都可不还可以 意识的情况表下一直一直出现,但仅仅是机器学习算法的意外结果,那此算法经过训练以优化用户体验。

  目前,在线社交网络不受实质性法规或透明度要求的约束。前一天的通信技术有意味着着干扰民主系统多多线程 意味着着受到立法监督,现在的社交媒体生态系统是都要也早该“享受”这类的待遇了?