信息繭房和極化別怪算法！Science發(fā)文：算法能弱化社交媒體極端聲音

互聯(lián)網(wǎng)快速發(fā)展的同時(shí)，社交媒體信息繭房、群體極化等現(xiàn)象愈發(fā)受到關(guān)注。一種聲音認(rèn)為算法是造成這些現(xiàn)象的罪魁禍?zhǔn)�，事�?shí)或許并非如此。近日，世界權(quán)威學(xué)術(shù)期刊Science刊載文章《不要責(zé)怪算法：社交媒體可能天生就存在兩極分化》，介紹了來(lái)自阿姆斯特丹大學(xué)邏輯、語(yǔ)言與計(jì)算研究所的最新研究論文和成果。論文顯示，即便沒(méi)有算法，社交媒體也會(huì)存在極化現(xiàn)象，甚至算法能弱化極端聲音。

論文中，研究團(tuán)隊(duì)搭建了一個(gè)沒(méi)有個(gè)性化算法推薦機(jī)制的極簡(jiǎn)版的社交平臺(tái)，只保留發(fā)帖、轉(zhuǎn)帖和關(guān)注三種最基礎(chǔ)的功能，并投入了500個(gè)帶有“人格設(shè)定”的聊天機(jī)器人。這些機(jī)器人基于大語(yǔ)言模型和AI智能體運(yùn)行，擁有固定的人口學(xué)屬性，比如年齡、政治立場(chǎng)等，可模擬社交媒體中的發(fā)布、轉(zhuǎn)發(fā)與關(guān)注等行為。

結(jié)果顯示，這些聊天機(jī)器人經(jīng)過(guò)5萬(wàn)次自由互動(dòng)后，迅速分成了陣營(yíng)：立場(chǎng)接近的互相關(guān)注，不同立場(chǎng)幾乎沒(méi)有交集，中間派被孤立在邊緣；小部分“大V”賬號(hào)獲得了大部分粉絲和轉(zhuǎn)帖，注意力分布不均衡；與此同時(shí)，立場(chǎng)鮮明甚至偏極端的內(nèi)容傳播得更快更廣，越極端的觀點(diǎn)越容易擴(kuò)散。

為了嘗試解決這些問(wèn)題，研究團(tuán)隊(duì)測(cè)試了六種簡(jiǎn)單的干預(yù)措施，包括僅按時(shí)間順序展示帖子，而非基于參與度展示。他們還測(cè)試了所謂的反算法，即向用戶展示參與度最低而非最高的帖子，或者向用戶展示表達(dá)與他們自身相反政治觀點(diǎn)的帖子。這些方法都沒(méi)有完全奏效，有些實(shí)際上還加劇了極化程度。

這一實(shí)驗(yàn)證明，社交媒體被詬病的三大亂象——信息繭房、影響力集中于少數(shù)、極端聲音被放大——并非算法推薦導(dǎo)致，而是根植于人們的網(wǎng)絡(luò)社交行為。“說(shuō)實(shí)話，我有點(diǎn)失望，”該論文研究員之一托恩伯格坦言，“這原本應(yīng)該是一篇樂(lè)觀的論文�！�

實(shí)驗(yàn)結(jié)果駁斥了近期國(guó)內(nèi)一些自媒體中流行的“算法離間”“傻子共振”等說(shuō)法。所謂“算法離間”，指算法給不同群體推薦有偏見(jiàn)的觀點(diǎn)內(nèi)容，如男性用戶刷到“頂級(jí)家庭男人說(shuō)了算”，女性用戶刷到“男人不交工資卡就是不愛(ài)家”，制造家庭成員之間的對(duì)立�！吧底庸舱瘛眲t形容一群人因?yàn)榛闹嚨挠^點(diǎn)聚集在一起，在算法的推薦下彼此認(rèn)同、相互強(qiáng)化這個(gè)觀點(diǎn)，逐漸形成了封閉的認(rèn)知環(huán)境，共同傳播偏激言論。這些觀點(diǎn)，一致將算法認(rèn)定為社交媒體極化現(xiàn)象的根源，與實(shí)驗(yàn)結(jié)果相悖。

事實(shí)上，這一研究結(jié)果并非孤例。來(lái)自多所高校的學(xué)者，進(jìn)行了一項(xiàng)針對(duì)23377名美國(guó)成年Facebook用戶的研究，該研究實(shí)驗(yàn)通過(guò)算法干預(yù)，將實(shí)驗(yàn)組用戶接觸的同質(zhì)立場(chǎng)內(nèi)容（與自身政治傾向一致的信息）暴露量降低約 1/3，發(fā)現(xiàn)實(shí)驗(yàn)組與未干預(yù)的對(duì)照組在所有八項(xiàng)極化指標(biāo)上均無(wú)統(tǒng)計(jì)學(xué)顯著差異，說(shuō)明算法干預(yù)對(duì)極化沒(méi)有影響。

另一篇刊發(fā)于Nature的論文也顯示，社交媒體的極化程度與用戶使用時(shí)長(zhǎng)無(wú)關(guān)。論文中，來(lái)自多倫多大學(xué)計(jì)算機(jī)系的研究團(tuán)隊(duì)，分析了社交平臺(tái)Reddit 14年間共計(jì)51億條評(píng)論。研究發(fā)現(xiàn)，2012-2015年，Reddit的政治極化程度穩(wěn)定，但在2016大選年，平臺(tái)政治極化程度驟升，且主要由當(dāng)年新增用戶的極化帶動(dòng)。這說(shuō)明用戶極化程度與平臺(tái)使用時(shí)長(zhǎng)無(wú)關(guān)，極化受外部現(xiàn)實(shí)事件驅(qū)動(dòng)，而非平臺(tái)內(nèi)行為累積。

為什么會(huì)存在社交媒體極化現(xiàn)象？中國(guó)傳播學(xué)學(xué)者劉海龍?jiān)跒槊绹?guó)杜克大學(xué)社會(huì)學(xué)、政治學(xué)與公共政策教授克里斯·貝爾所著的《打破社交媒體棱鏡》一書(shū)所作的序言中表示，人們會(huì)回避相反的觀點(diǎn)和個(gè)體，這符合經(jīng)典的認(rèn)知不協(xié)調(diào)理論所證明的人類本性。該書(shū)還通過(guò)實(shí)驗(yàn)證明，即便讓測(cè)試者在社交媒體中接觸對(duì)立觀點(diǎn)，也并不會(huì)使其變得更為溫和和理性，反而會(huì)促使其證明自己是正確的，變得更加極端。

因此，社交媒體繭房、極化等問(wèn)題并非算法造成，而是古已有之，根植于人性與人類社群。實(shí)驗(yàn)證明，即便沒(méi)有算法，社交媒體同樣會(huì)存在極化現(xiàn)象，有時(shí)還會(huì)更加極端。正確看待算法，認(rèn)清社交媒體極化現(xiàn)象的本質(zhì)，能夠進(jìn)行有效反思，才是減少社交媒體極化的關(guān)鍵。

參考文獻(xiàn)：

[1] Richter, H. Don't blame the algorithms for online polarization. Science 389(6743), 766 (2025).

[2] Waller, I. & Anderson, A. Quantifying social organization and political polarization in online platforms. Nature 600, 264–268 (2021). https://doi.org/10.1038/s41586-021-04167-x

[3] Nyhan, B., Settle, J., Thorson, E., Wojcieszak, M., Barberá, P., Chen, A. Y., Allcott, H., Brown, T., Crespo-Tenorio, A., Dimmery, D. et al. Like-minded sources on Facebook are prevalent but not polarizing. Nature 620, 137–144 (2023). https://doi.org/10.1038/s41586-023-06297-w

[4] Larooij, M. & Törnberg, P. Can We Fix Social Media? Testing Prosocial Interventions using Generative Social Simulation. arXiv preprint arXiv:2508.03385v1 [cs.SI] (2025). https://arxiv.org/abs/2508.03385v1