今天《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可能会扭曲社区中其他人对如何投票的看法，而这可能会改变选举的结果。

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，社交网络中的某些结构可能会影响到一方的投票结果，即使双方都有相同的规模且每个参与者都有相同的影响，这种现象他们称之为“information gerrymandering”。


Electoral gerrymandering，即政治选区被吸引到一方的选举制度，最近引起了人们的重新关注，几个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这一现象，然后通过对数千个人类受试者进行社会网络实验来证实其效果。最后，他们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可以改变我们思考政治决策的方式，正如这种不同思想的形象所描绘的那样。在决定如何投票时，人们必须整合不同的信息来源。但信息并不总是自由流动；它可以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另一个障碍，这可能与在线社区尤为相关。 

他们研究了两个群体在一个有争议的决定下对抗的情况。他们基于博弈论开发了一种选民选择模型， 有2520名真实的人参与，每12人为一组，玩在线游戏。

首先，研究人员构建了一个简单的游戏，玩家被分配到竞争团体或党派。把玩家放在一个网络上，这个网络决定了每个人都能看到其他人的投票意向，玩家们被激励起来，这样他们的政党就能“赢得”选举。第二个最好的结果是另一方获胜，最坏的结果是陷入僵局。 


如上图显示，社会网络结构影响选民的看法。在这些社交网络中，十个人投了橙色，八个投了蓝色。每个人都有四个互惠的社交关系，其中：

a，在这个随机网络中，八个人正确地从他们的联系人的偏好推断出橙色更受欢迎，八个推断平局，只有两个错误地推断出蓝色更受欢迎。 

b，当个人主要与志趣相投的人进行互动时，会出现“过滤泡沫”，所有人都认为他们那一方是最受欢迎的。在这种情况下，投票僵局更有可能，因为没有人认识到需要妥协。 

c，Stewart等人描述“Information gerrymandering”，其中网络结构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蓝色更受欢迎，这是因为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，不是地理边界会产生偏见，而是社交网络的结构，例如社交媒体连接。 

“人们根据他们阅读的内容和与之互动的人来形成意见或决定如何投票，” Plotkin说：“在今天的世界里，我们做了大量的在线分享和阅读。我们发现，即使在没有“虚假新闻”的情况下，“information gerrymandering”也会导致集体决策结果产生强烈偏见。 

“这告诉我们，我们需要谨慎依赖社交媒体进行沟通，因为网络结构不在我们的控制之下，但它可能会扭曲我们的集体决策。”

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，一个被平均分成两个派别的团体可能仅仅因为信息分散而达到60比40的决定。

Plotkin说：“这个想法类似于‘electoral gerrymandering’，一方可以获得优势，而不是通过绝对数量来决定谁在哪个区投票。”

鉴于对社交媒体如何改变信息流的担忧，这种影响是否会导致偏见的结果是Plotkin特别关心的问题。

“现在，我们需要研究社交媒体对自由民主国家健康的影响，”他说。

Plotkin说：“简而言之，我们发现，即使两党拥有相同数量的成员、网络中的每个人都具有同等的影响力，一切似乎都很公平，但社交网络的结构仍然会将结果偏向一方或另一方。”


原因与双方互相交流的方式有关。

当一个党派的成员只与同党派成员交谈，而不是跨越党派交流时，这可能会导致网上所谓的“过滤泡沫”（filter bubble），这个人的观点会因为周围人而加强。把两个这样的小组放在一起，每个小组都站自己方的观点，然后就出现了僵局。

然而，当信息gerrymandering，一方的一些成员最终会加入由另一方成员主导的对话中。在那里，他们有机会说服对方，或被说对方服。 

“处于劣势的党派，”Plotkin解释说，“往往是一个分裂了自己影响力的党派，大多数成员只与自己党派成员对话，而少数成员则在另一个党派主导的‘泡沫’中互动，很可能因此倒戈。”

“我们可以通过社交网络的结构将这些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，我们也预测少数党可以通过information gerrymandering赢得多数选票。”

他们好奇是否能够使用自动机器人（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，只有少数狂热者的适当安置也可能导致information gerrymandering和不民主的结果。

为了评估现实世界网络中是否存在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共同赞助数据。

他们发现information gerrymandering在这些现实世界的网络中非常普遍。

研究人员认为这是一个新研究的开始，侧重于社交网络如何影响集体决策。

Plotkin说：“人们对于假新闻和online troll非常关注，这无疑是破坏性的。” “我们正在研究的是不同的东西，这取决于整体网络结构 ——对于民主决策来说，这是一个更微妙但可能更有害的问题。” 


分分钟影响选举，社交网络需要受到进一步监管


可以说，这项研究让我们从新的角度认识了选举投票。

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，这些网络主要来自涉及个人人际关系动态的分布式流程。现在不再是这种情况，因为社交网络网站部署了通过设计重构社交关系的技术。

这些在线社交网络是高度动态的系统，由于人与机器之间的大量反馈而发生变化：算法推荐连接；人们进行回应；算法根据人类回应进行调整。

这些互动和过程共同改变了人们看到的信息以及他们如何看待世界的方式，information gerrymandering可能在没有意识的情况下出现，但仅仅是机器学习算法的意外结果，这些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。以前的通信技术有可能干扰民主进程已经受到立法监督，现在的社交媒体生态系统是不是也早该“享受”类似的待遇了？