是否可以解決社交網絡的問題？
Moiram / Alamy
社交網絡的兩極分化影響不僅是由於平台如何工作的主要組成部分，因此不可避免地是不可避免的，這是針對AI生成的用戶的研究。這表明，如果我們不重新思考在線溝通世界，則不會解決問題。
彼得·特爾伯格（Peter Turnberg） 在荷蘭的阿姆斯特丹大學及其同事們，創建了500個AI聊天，以基於美國國家選舉研究，模擬了美國的許多政治信仰。這些機器人基於大型語言的GPT-4O迷你模型，然後在簡單的社交網絡中提供了指示，研究人員在沒有廣告或算法的情況下開發了這些機器人。
在實驗的五個空間中，每個實驗包括10,000個行動，通常是AI代理人，他們與他們共享政治隸屬關係的人們，而那些黨派觀點更多的人則獲得了更多的追隨者和重新評估。這重複了那些努力尋求更多黨派海報的用戶的總體關注。
在先前的一項研究中，特蘭伯格和他的同事們調查了具有各種算法的建模社交網絡是否可以識別加快政治兩極分化的途徑，但是一項新的研究似乎與他們的早期結論相矛盾。
特伯格說：“我們期望這（兩極分化）這將是由算法驅動的。” “（我們認為）平台旨在為此 – 獲得這些結果 – 因為它們旨在最大化互動和生氣，等等。”
取而代之的是，他們發現並非算法本身似乎引起了一個問題，即可能會嘗試淘汰設計使用者在設計中的拮抗行為。他說：“我們創建了我們可以想像的最簡單的平台，然後繁榮，我們已經獲得了這些結果。” “這已經假定這是因為我們具有行為，重新發布和關注的事實非常基本。”
為了了解這種行為是可以掩蓋還是反對，研究人員還檢查了六個潛在的解決方案，包括完全按時間順序排列的食物，為病毒的含量提供了較少的名聲，增加了相反的觀點，相反的觀點以及善解人意和合理的內容，隱藏了追隨者以及重新估算的重新計算以及隱藏了專業的傳記技術。
大多數干預措施的差異很小：黨派混合的變化不超過6％，而關注的份額是最佳帳戶所帶來的，從2％變為6％，而其他人（例如隱藏參與用戶的傳記）實際上加劇了這個問題。當一個領域的利潤時，他們會受到其他地方的負面影響。減少用戶不平等的校正使極端的帖子更加流行，而減少成癮的變化將更多地關注小精英。
他說：“社交網絡上的大多數事件始終是有毒樹的果實 – 社交網絡的最初問題始終是其基本設計，因此他們可以鼓勵最糟糕的人類行為。” 傑西·馬多克斯（Jess Maddox） 在佐治亞大學。
儘管特恩伯格承認該實驗是一種可以簡化某些機制的建模，但他認為他可以告訴我們，他們必須建立社交平台來減少兩極分化。他說：“我們可能需要更多的基本干預措施，我們需要更根本的重新思考。” “使用算法並更改平台參數可能還不夠，但是（我們可以）有必要更根本地重新考慮交互結構以及這些空間如何構建我們的政策。”
主題：
