AI模拟实验：揭示社交媒体撕裂并非算法之过
重新思考社交媒体的底层逻辑
为何总觉算法作恶？
打开社交媒体，你或许常感困惑：为何信息流里满是不适内容？为何极端观点曝光更多？为何自己仿佛被困信息茧房？
几乎所有人第一反应都是：这肯定是算法的错。
我们习惯认为，算法暗中操纵信息流，制造对立，把我们关进茧房。觉得没了算法推荐，社交媒体会更健康、理性、多元。
但荷兰阿姆斯特丹大学一项最新研究给出颠覆性答案：即便没有算法推荐，社交媒体也会自然演变成如今撕裂模样。
极简社交平台的AI模拟实验
这项研究发表在论文《我们能修复社交媒体吗？用生成式社交模拟来测试各种干预措施》中。
研究人员设计了极简版社交平台，该平台：
完全没有算法推荐
只有发帖、转帖、关注三个基础功能
按时间顺序展示你关注的人的内容
类似最早期的Twitter和微博
研究创新之处在于，未招募真实用户，而是用大语言模型模拟500个虚拟用户。这些AI用户被赋予不同政治立场、兴趣爱好、个人背景和性格特征，然后让他们在平台上自由互动。
（其设计灵感源于2023年斯坦福大学著名实验：用GPT - 4构建名为“Smallville”的虚拟小镇，25个AI虚拟人在其中生活、社交等，每个居民都有独特个性和背景故事。）
仅5万次互动后，这个无算法干预的“纯净”平台，就重现了现实社交媒体三大问题。
一是回音室效应。AI用户迅速“站队”，立场相近的互相关注，形成多个互不往来的小圈子，这完全是自发形成，无算法“投喂”相似内容。
二是流量极度集中。10%的头部用户拥有75 - 80%的粉丝，马太效应明显。
三是极端声音被放大。立场鲜明、观点极端的内容获更多转帖和关注，温和理性的声音被淹没。
六种干预措施为何无效？
研究团队测试了六种平台级干预措施，包括完全按时间排序、主动推荐不同观点内容、限制病毒式传播、过滤低质内容、鼓励多元互动和提升平台透明度，试图改善问题。
但结果令人沮丧：没有一种措施能根本解决问题。
更糟的是，发现“跷跷板效应”：一个维度的改善，常以另一个维度的恶化为代价。
比如，完全按时间排序降低了流量不平等，却加剧回音室效应；主动推荐不同观点内容缓解了回音室，但让流量更集中到少数账号；限制病毒式传播降低极端内容曝光，却抑制有价值内容传播。
问题根源：不是算法，是人性
论文揭示核心机制：转发不仅传播内容，还构建社交网络。
在这类社交平台，用户通过浏览关注人发布和转发的内容接触新账号。这意味着，内容的转发情况决定哪些账号能被看见、获得新关注者。
研究发现，易被转发的是能触发强烈情绪反应的内容，如愤怒、震惊、焦虑。极端观点比温和观点传播力强，党同伐异的内容比理性讨论更易获认同。
这形成自我强化循环：情绪化内容获更多转发→发布者获更多关注者→关注者看到更多类似内容→又转发更多情绪化内容。
同时，人们倾向关注观点相似的账号，网络结构不断强化同质性。关注立场鲜明的账号，会接触更多立场相似账号，久而久之，不同立场群体几乎无交集。
（几年前，微博有“关注列表定律”，即若一人冒傻气说蠢话，其关注列表会有特定账号。）
论文指出：“这些问题从简单平台中‘涌现’，表明问题可能不在算法细节，而在深层次结构性机制，源于‘内容互动’和‘网络形成’的动态关系。”
挑战传统认知
研究核心发现挑战广泛观点：社交媒体功能障碍主要由算法推荐造成。
论文明确：“我们的发现挑战‘社交媒体功能障碍主要由算法策展造成’的普遍观点。相反，问题可能源于社交媒体底层架构：通过‘情绪化、应激式分享’增长的社交网络。”
若结论成立，意味着：
信息茧房是用户主动选择结果，非算法制造。
大V垄断流量是社交网络自然特征，非推荐系统偏心。
极端声音被放大是用户转发集体后果，非平台刻意推送。
这并非说算法完全无辜，算法可能加剧问题，但研究表明，即便移除算法，问题仍会存在。问题根源在于社交媒体基础互动机制本身。
改不了平台，改变自己
论文结论称：“若如此，改善网络话语环境，仅靠技术‘修修补补’不够，需重新思考互动和可见性动态。”
既然问题源于“情绪化、应激式分享”，且平台级技术干预效果有限，作为用户能做什么？
研究启示：每次转发不仅传播内容，还塑造社交网络。转发愤怒内容，为极端声音传播投票；只关注立场相同的人，加固信息茧房。
这意味着改变可从日常行为开始：
转发前思考，是因内容有价值，还是触发情绪？
有意识关注观点不同但理性的账号，不局限舒适区。
警惕易激发愤怒的内容，不转发降低其传播权重。
关注理性、深度但不够“刺激”的内容。
这些微小行为改变，在社交网络动态中可能产生积极影响。
重新理解社交媒体
研究最大价值或许不在于提供解决方案，而在于改变看待问题的方式。
社交媒体问题可能不是平台或算法问题，而是媒介形态本身问题。将“发布内容”和“构建社交关系”捆绑，让“情绪化转发”驱动网络增长，问题就会出现。
这并非要放弃社交媒体或改善努力，而是提醒真正改变需更根本，不仅是技术调整，还包括互动方式、传播机制重新设计和自身行为反思。
下次看到不爽内容，可问自己：这是算法问题，还是共同创造的环境？
本文来自微信公众号“硅星GenAI”，作者：大模型机动组，整理：周华香，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com