假新聞溯源：事實(shí)已不重要

在社交媒體上，一種趨勢(shì)越來(lái)越明顯：信息是否真實(shí)并不重要，重要的是信息與個(gè)人對(duì)世界的認(rèn)識(shí)是否相符。這種趨勢(shì)導(dǎo)致了假消息的泛濫。但導(dǎo)致這種現(xiàn)象的深層原因是什么呢？有沒(méi)有相應(yīng)的解決辦法呢？

沃爾特·夸德羅喬奇

Walter Quattrociocchi

互聯(lián)網(wǎng)深刻地改變了我們獲取知識(shí)的方式。直到幾年前，報(bào)紙和電視談?wù)摰脑?huà)題還是由編輯和相關(guān)領(lǐng)域的專(zhuān)家精心挑選出來(lái)的。而在今天，F(xiàn)acebook、Twitter等社交網(wǎng)絡(luò)的分享模式讓用戶(hù)能夠自下而上地產(chǎn)生流行話(huà)題。這種對(duì)所有話(huà)題“一視同仁”的方式帶來(lái)了巨大變化：時(shí)政新聞、自拍視頻或者最新的菊苣奶酪菜譜都有可能獲得相同的關(guān)注度。

篩選、審核信息的中間媒介消失后，我們每個(gè)人既是內(nèi)容的產(chǎn)生者，也是內(nèi)容的消費(fèi)者。數(shù)據(jù)表明，從2017年第三季度開(kāi)始，F(xiàn)acebook每月的活躍用戶(hù)超過(guò)20億人。無(wú)所不在的Facebook儼然成為了一種全新的媒介，而信息在這個(gè)平臺(tái)上面的傳播方式與平臺(tái)本身的商業(yè)模式密切相關(guān)。由于社交媒體的巨大規(guī)模，我們已經(jīng)很難忽略它們對(duì)當(dāng)今社會(huì)和公眾輿論的影響。

全球性威脅

廣義上的互聯(lián)網(wǎng)，和以社交網(wǎng)絡(luò)為代表的新生事物已經(jīng)以出人意料的方式，改變了知識(shí)的產(chǎn)生過(guò)程。上世紀(jì)九十年代中后期，法國(guó)哲學(xué)家皮埃爾·列維（Pierre Levy，他在數(shù)字技術(shù)對(duì)文化的影響這一研究領(lǐng)域有深刻的洞察）和其他評(píng)論家預(yù)測(cè)了集體智慧時(shí)代的到來(lái)：知識(shí)的傳播不再受中間媒介和地理?xiàng)l件的限制，社會(huì)將因此飛速發(fā)展。但是，實(shí)際情況卻并非如此。

僅在Facebook上，每分鐘就會(huì)出現(xiàn)300萬(wàn)條新信息。因此，社交媒體迅速成為許多人獲取信息的主要來(lái)源也就不足為奇了。在美國(guó)，超過(guò)一半以上的人（51%）通過(guò)社交媒體獲取新聞。在這種情況下，選擇性曝光，即沉溺于自己感興趣的話(huà)題，而且排斥其他不同的觀(guān)點(diǎn)，在全球?qū)υ?huà)和公共輿論中的影響力愈加明顯。在去中介化和話(huà)題平等化的過(guò)程中，個(gè)體的認(rèn)知能力和局限變得至關(guān)重要。

假新聞，或者說(shuō)那些在互聯(lián)網(wǎng)上傳播的假消息，正在這些平臺(tái)上泛濫成災(zāi)。早在2013年，世界經(jīng)濟(jì)論壇就將病毒般傳播的假新聞看作是全球性威脅之一。

我們的一些研究似乎表明，確認(rèn)偏誤（Confirmation bias，無(wú)論合乎事實(shí)與否，只偏好地獲取符合自己認(rèn)知的信息的傾向）在網(wǎng)絡(luò)社交活動(dòng)中占據(jù)著重要角色，在Facebook上尤其如此。舉例來(lái)說(shuō)，雖然用戶(hù)幾乎可以和任何人交流，也可以獲得任何類(lèi)型的信息和觀(guān)點(diǎn)，他們還是傾向于建立與自己觀(guān)點(diǎn)相契合的“回聲室”（回聲室效應(yīng)：在媒體上是指在一個(gè)相對(duì)封閉的環(huán)境中，一些意見(jiàn)相近的聲音不斷重復(fù)，并以夸張或其他扭曲形式重復(fù)，這樣會(huì)讓處于該環(huán)境的大多數(shù)人認(rèn)為，這些扭曲的故事就是事實(shí)的全部）。

由于社交媒體的分享屬性，在這些“回聲室”中，用戶(hù)傾向于獲得和群組觀(guān)點(diǎn)一致的信息（即便有些明顯是虛假信息），或者傾向于忽略那些與自己所在群組觀(guān)點(diǎn)不一致的信息?？偠灾?，信息是否真實(shí)并不重要，重要的是信息與個(gè)人對(duì)世界的認(rèn)知是否相符。在這種情形下，試圖通過(guò)驗(yàn)證來(lái)源、核對(duì)事實(shí)（fact-checking）以及揭露謊言（debunking）來(lái)遏制假新聞傳播的努力普遍收效甚微。甚至在某些情況下，這些努力似乎適得其反。

媒體與用戶(hù)的分化

在專(zhuān)家的幫助下，本文作者的團(tuán)隊(duì)篩選了兩組表述，一組是科學(xué)事實(shí)，另一組則是與之相反的虛假表述，并用這些表述進(jìn)行了一系列實(shí)驗(yàn)。篩選相互對(duì)立的表述可以幫助我們更好地監(jiān)測(cè)回聲室效應(yīng)，即觀(guān)點(diǎn)在一個(gè)封閉系統(tǒng)中傳播然后被強(qiáng)化的現(xiàn)象。

接下來(lái)，我們不再事先篩選陳述，并將注意力集中在報(bào)紙以及它們?cè)贔acebook上的行為。2017年，本文作者的團(tuán)隊(duì)在《美國(guó)科學(xué)院院刊》（PNAS）上發(fā)表了一篇論文，分析了新聞機(jī)構(gòu)在社交網(wǎng)絡(luò)平臺(tái)發(fā)布的新聞推送以及用戶(hù)如何使用這些推送。這些新聞機(jī)構(gòu)可以在歐洲媒體監(jiān)測(cè)平臺(tái)（European Media Monitor，歐盟委員會(huì)建立的新聞監(jiān)測(cè)機(jī)構(gòu)）發(fā)布的新聞機(jī)構(gòu)列表上找到。

上述研究分析了大量數(shù)據(jù)，包括九百多家新聞機(jī)構(gòu)，以及超過(guò)3.76億用戶(hù)在6年間（從2010年1月到2015年12月）與兩千多萬(wàn)條新聞的互動(dòng)情況。本文作者借助網(wǎng)絡(luò)科學(xué)和統(tǒng)計(jì)學(xué)方法，從宏觀(guān)角度分析了用戶(hù)與信息的互動(dòng)模式，嘗試找到其中的具體特征。研究結(jié)果表明，用戶(hù)越活躍，他/她關(guān)注的新聞機(jī)構(gòu)就越少。這種傾向讓媒體分成了不同的類(lèi)型群體，進(jìn)而導(dǎo)致用戶(hù)通常只關(guān)注某一類(lèi)型的新聞機(jī)構(gòu)，并在此基礎(chǔ)上形成他們的看法。跟之前的研究一樣，分化現(xiàn)象在這里再次出現(xiàn)。也就是說(shuō)，在網(wǎng)絡(luò)和社交平臺(tái)上，分化現(xiàn)象十分普遍。

另一個(gè)有趣的現(xiàn)象是媒體的Facebook主頁(yè)之間的互贊：與用戶(hù)和媒體的Faceobook主頁(yè)之間的互動(dòng)相比，媒體之間的互動(dòng)顯示出了地域因素，它們更傾向于與本地的媒體互動(dòng)。

英國(guó)脫歐

2016年6月26日，英國(guó)舉行了全民公投決定是否脫歐。這次公投和同年美國(guó)總統(tǒng)選舉一起，在國(guó)際上掀起了一場(chǎng)政治大討論。本文作者對(duì)這次公投進(jìn)行了研究，并于2017年將研究結(jié)果發(fā)表在《社交網(wǎng)絡(luò)》（Social Networks）雜志上。我們研究了超過(guò)100萬(wàn)名用戶(hù)在2016年1月到7月當(dāng)中，與英國(guó)媒體的Facebook主頁(yè)就英國(guó)脫歐話(huà)題發(fā)布的消息之間的互動(dòng)情況。具體就是，我們仔細(xì)研究了用戶(hù)對(duì)英國(guó)81家媒體的Facebook主頁(yè)發(fā)布的30.3萬(wàn)條帖子的點(diǎn)贊和評(píng)論行為。

首先，我們分析了用戶(hù)的活動(dòng)模式，并研究這些模式能否產(chǎn)生回聲室效應(yīng)和用戶(hù)分化現(xiàn)象。在這項(xiàng)研究中，雖然我們事先沒(méi)有對(duì)媒體的Facebook主頁(yè)進(jìn)行分類(lèi)，但分析結(jié)果清楚地表明，用戶(hù)自發(fā)地形成了兩個(gè)完全不同的群體，彼此從不互動(dòng)。

我們?cè)谘芯恐邪l(fā)現(xiàn)，用戶(hù)分化為兩個(gè)群體，關(guān)注著不同的事物。每個(gè)群體的注意力僅限于某些媒體的Facebook主頁(yè)，非常忠誠(chéng)。

為了更好地研究不同群體的內(nèi)部特征，我們使用了一種新方法，首先抓取媒體的Facebook主頁(yè)帖子中的話(huà)題，并將其與用戶(hù)評(píng)論這些話(huà)題時(shí)表達(dá)的情感綜合起來(lái)分析。由于用戶(hù)分化為兩個(gè)群體的現(xiàn)象已經(jīng)得到了驗(yàn)證，因此我們很容易將特定話(huà)題和兩個(gè)群體對(duì)這些話(huà)題的看法聯(lián)系起來(lái)。具體來(lái)說(shuō)，我們用這種新方法對(duì)話(huà)題進(jìn)行分組，并將特定話(huà)題與一個(gè)群體以及相應(yīng)的情感傾向聯(lián)系起來(lái)。比如，支持英國(guó)脫歐的用戶(hù)傾向于否認(rèn)所有支持歐盟和歐元區(qū)的言論。通常而言，一篇情感激昂、支持英國(guó)留在歐盟的文章，都會(huì)引起脫歐用戶(hù)的強(qiáng)烈反對(duì)。這非常符合“逆火效應(yīng)”（譯者注：逆火效應(yīng)是指，當(dāng)一個(gè)錯(cuò)誤的信息被更正后，如果更正的信息與人們?cè)瓉?lái)的看法相違背，反而會(huì)加深人們對(duì)錯(cuò)誤的信息的信任）。這種分化現(xiàn)象會(huì)影響人們對(duì)討論內(nèi)容的理解，形成兩個(gè)對(duì)立鮮明的陣營(yíng)。

意大利全民公投

那么，這種分化現(xiàn)象到底只是Facebook特有的現(xiàn)象，還是說(shuō)在其他社交平臺(tái)上，比如說(shuō)Twitter也會(huì)出現(xiàn)呢？2016年12月4日，意大利舉行了修憲公投。我們對(duì)這件事進(jìn)行了研究，并在公投結(jié)果出爐幾個(gè)月后，在日本東京舉辦的IEEE數(shù)據(jù)科學(xué)與高級(jí)分析國(guó)際會(huì)議上介紹了研究成果。

沿用分析英國(guó)脫歐事件的辦法，我們?cè)谝獯罄迲椆镀陂g，研究了新聞機(jī)構(gòu)在Facebook和Twitter上發(fā)布的相關(guān)新聞以及用戶(hù)如何與這些新聞互動(dòng)。我們收集了這些新聞機(jī)構(gòu)在2016年7月到12月期間發(fā)布的所有帖子，以及它們收到的“贊”和部分評(píng)價(jià)，這些評(píng)價(jià)至少包含“公投”“改革”和“憲法”中的兩個(gè)詞匯?？偟膩?lái)說(shuō)，我們一共分析了57個(gè)Facebook主頁(yè)和50個(gè)Twitter主頁(yè)，以及超過(guò)11 000個(gè)帖子和約75萬(wàn)條評(píng)論。

跟英國(guó)脫歐公投一樣，在研究意大利修憲公投的過(guò)程中，我們通過(guò)測(cè)量用戶(hù)的互動(dòng)找到了用戶(hù)討論的一些結(jié)構(gòu)特征。通過(guò)比較不同監(jiān)測(cè)算法的結(jié)果，我們發(fā)現(xiàn)分化的用戶(hù)群體在兩個(gè)社交平臺(tái)上都出現(xiàn)了。在Facebook上，用戶(hù)分化為了5個(gè)不同的群體；而在Twitter上，用戶(hù)分化為4個(gè)不同的群體。每個(gè)用戶(hù)都只屬于某一個(gè)群體，即某一個(gè)回聲室。這項(xiàng)研究結(jié)果的意義在于，它清楚地表明了，即使兩個(gè)社交網(wǎng)絡(luò)平臺(tái)的算法不同，研究涉及的用戶(hù)也不同，但是Facebook和Twitter都出現(xiàn)了用戶(hù)分化的現(xiàn)象。此外，通過(guò)話(huà)題自動(dòng)提取技術(shù)和情感分析技術(shù)，我們發(fā)現(xiàn)最具爭(zhēng)議的話(huà)題以及相關(guān)的情感表達(dá)，還取決于新聞發(fā)布機(jī)構(gòu)呈現(xiàn)和討論這些話(huà)題的方式。

分化現(xiàn)象和假新聞

量化分析表明，在信息消費(fèi)領(lǐng)域，分化現(xiàn)象是社交媒體的特點(diǎn)之一。用戶(hù)越活躍，就越傾向于只關(guān)注某些特定話(huà)題。我們還知道，在不同的群體內(nèi)部，新聞的傳播性并不取決于新聞本身的真實(shí)性，而取決于新聞與群體世界觀(guān)的契合度——與群體世界觀(guān)相悖的信息不僅會(huì)被忽視，還有可能會(huì)強(qiáng)化群體原來(lái)看問(wèn)題的方式。那么，我們能否利用這些特點(diǎn)追蹤假新聞呢？目前，用跨學(xué)科的研究方法抵制假新聞仍是科學(xué)界的一大難題。人們對(duì)假新聞的討論已經(jīng)很多了，但卻忽視了假新聞現(xiàn)象的本質(zhì)。今天，許多人開(kāi)始提用機(jī)器學(xué)習(xí)技術(shù)設(shè)計(jì)算法，用于評(píng)估新聞的真實(shí)性。但是，這樣做面臨著技術(shù)和道德上的限制，也根本沒(méi)有抓住問(wèn)題的本質(zhì)。

我們認(rèn)識(shí)到，假新聞在社交媒體上的傳播與用戶(hù)分化現(xiàn)象有直接關(guān)系聯(lián)系。既然分化現(xiàn)象（確認(rèn)偏誤的結(jié)果）在社交媒體上有如此大的影響力，那么我們是否可以用它來(lái)辨別那些更有可能成為假新聞的話(huà)題呢？在最近發(fā)表的“分化現(xiàn)象和假新聞”的研究中，我們提出了一個(gè)通用方法，能夠及時(shí)發(fā)現(xiàn)社交媒體上分化用戶(hù)的話(huà)題，進(jìn)而預(yù)測(cè)將來(lái)可能出現(xiàn)的假新聞。

為了驗(yàn)證這一方法的有效性，我們?cè)贔acebook上收集了大量數(shù)據(jù)，包括官方報(bào)紙發(fā)布的三十多萬(wàn)條新聞以及一些網(wǎng)站發(fā)布的五萬(wàn)余篇虛假的或真實(shí)性未知的帖子，并能夠辨別出那些分化用戶(hù)的話(huà)題。我們發(fā)現(xiàn)，導(dǎo)致公眾觀(guān)點(diǎn)分化的話(huà)題和最常見(jiàn)的假新聞的主題之間有很強(qiáng)的關(guān)聯(lián)。具體來(lái)說(shuō)，我們一方面自動(dòng)抓取社交媒體上新聞和評(píng)論中出現(xiàn)的話(huà)題，另一方面通過(guò)用戶(hù)的參與度和他們?cè)谠u(píng)論中表達(dá)出的情感傾向測(cè)量用戶(hù)的分化程度。用這樣的方法，我們能夠預(yù)測(cè)哪些話(huà)題有可能成為假新聞，而且準(zhǔn)確率高達(dá)91%。舉例來(lái)說(shuō)，如果我們發(fā)現(xiàn)移民這個(gè)話(huà)題能夠讓用戶(hù)分化，那么十有八九它也會(huì)成為假新聞的話(huà)題。

如何應(yīng)對(duì)假新聞

社交網(wǎng)絡(luò)改變了人們獲取信息的方式，正是在這種新模式下，假新聞層出不窮。信息量過(guò)大，加工時(shí)間短，再加上人們認(rèn)知的固有缺陷，網(wǎng)絡(luò)信息魚(yú)龍混雜的亂象已經(jīng)司空見(jiàn)慣。我們傾向于關(guān)注那些最能說(shuō)服我們以及符合我們的世界觀(guān)的信息（同時(shí)忽略掉有著相反觀(guān)點(diǎn)的信息），閱讀這些信息并把它們分享給線(xiàn)上好友。確認(rèn)偏誤導(dǎo)致了回聲室的產(chǎn)生，將有著相同的觀(guān)點(diǎn)的用戶(hù)聚集在一起，從而進(jìn)一步強(qiáng)化了用戶(hù)分化。假新聞其實(shí)只是冰山一角，這一現(xiàn)象還有著更深層的原因。

因此，當(dāng)《牛津字典》宣布將“后真相”（post-truth）作為2016年的年度詞匯時(shí)，這絕非巧合?！昂笳嫦唷币庵冈谝恍┨囟顩r下，客觀(guān)事實(shí)對(duì)公共輿論的影響沒(méi)有感性訴求和個(gè)人信念的影響大。這看起來(lái)像是我們?cè)?016年才發(fā)現(xiàn)人類(lèi)是不理性的，但其實(shí)早在2002年，丹尼爾·卡內(nèi)曼（Daniel Kahneman）就因強(qiáng)調(diào)非理性因素對(duì)經(jīng)濟(jì)決策的重要影響而獲得當(dāng)年的諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。

“后真相”這個(gè)詞流行開(kāi)來(lái)，并被廣泛用于談?wù)撚?guó)脫歐和特朗普當(dāng)選美國(guó)總統(tǒng)。“后真相”仿佛成為了公共輿論的口頭禪。公眾對(duì)假新聞和人們的不理性感到憤怒，仿佛不理性只是屬于少數(shù)人的，而非普遍存在。同時(shí)，社交媒體仿佛助長(zhǎng)了這種更加情緒化而非理性的思考方式。我們認(rèn)為，假新聞并不是真正的問(wèn)題所在，急于解決假新聞可能只會(huì)適得其反。有人提出，可以利用算法或程序分析文本內(nèi)容和它的來(lái)源，從而判斷某個(gè)信息的真實(shí)性。但在科學(xué)領(lǐng)域，真相是一個(gè)不斷變化并完善的概念。在這樣的情況下，寄希望于一個(gè)簡(jiǎn)單的程序來(lái)判斷新聞的真假可以說(shuō)是非常天真的想法了。相反，我們應(yīng)該恢復(fù)信息的正常流通，促進(jìn)不同觀(guān)點(diǎn)之間的相互交流，消除故步自封、一味鼓吹自己的觀(guān)點(diǎn)以及貶低與自己觀(guān)點(diǎn)不同的聲音。

在威尼斯大學(xué)，我們?cè)诳鐚W(xué)科合作的基礎(chǔ)上，分析當(dāng)今社會(huì)存在的問(wèn)題，并嘗試應(yīng)對(duì)正在發(fā)生的社會(huì)變革。我們建立了Pandoor平臺(tái)，用于長(zhǎng)期監(jiān)測(cè)社交媒體動(dòng)態(tài)。為了解決用戶(hù)分化現(xiàn)象，我們提供了一些計(jì)算工具，旨在了解個(gè)人用戶(hù)和用戶(hù)群體的信息需求。在考慮用戶(hù)需求和喜好的前提下，再弄清信息的傳播模式，進(jìn)而減少用戶(hù)分化現(xiàn)象。我們的項(xiàng)目有很多的合作者參與，而且合作者也在不斷增加。同時(shí)，我們與意大利通訊權(quán)威組織合作，以保證在符合監(jiān)管的前提下合法獲取相關(guān)信息。此外，我們還與倫敦政治經(jīng)濟(jì)學(xué)院建立了合作關(guān)系，著力研究在移民問(wèn)題上促進(jìn)眾多不同觀(guān)點(diǎn)折中、融合的因素。

我們還發(fā)現(xiàn)，要提高信息傳播的有效性，緩和溝通態(tài)度似乎是最高效的辦法。我們的工作重點(diǎn)是通過(guò)量化用戶(hù)評(píng)論來(lái)評(píng)估新聞出版物的報(bào)道方式對(duì)用戶(hù)分化程度的影響。我們也在量化不同的溝通方式對(duì)一些特定話(huà)題的影響力，比如疫苗、健康、食物和地緣政治等話(huà)題——它們?nèi)粵](méi)有定論，并能讓人產(chǎn)生危機(jī)感。

我們這樣做的目的，是為了尋找新的講述方式，創(chuàng)造新的溝通工具，化解敵視和懷疑情緒。為了達(dá)到這一目標(biāo)，我們必須以人為本——注重個(gè)人情感和認(rèn)知。要消除分化現(xiàn)象，我們首先必須接受人類(lèi)自身的局限性和非理性特點(diǎn)，然后才可能真正有效溝通。要做到這一點(diǎn)，我們必須學(xué)會(huì)聆聽(tīng)，至少?lài)L試去聆聽(tīng)。

（Scientific American中文版《環(huán)球科學(xué)》授權(quán)南方周末發(fā)表，梁爽翻譯，本文有刪節(jié)）