北京
阿姆斯特丹大学的彼得·特恩伯格去年秋天接受了一次深度访谈，他研究的是社交媒体底层机制——那些导致党派回声室、影响力集中在少数精英用户手中、极端分裂声音被放大的结构性问题。他当时对社交媒体的前景并不乐观。
特恩伯格的研究表明，虽然平台层面提出了大量干预策略来应对这些问题，但都不太可能奏效。而且罪魁祸首并非备受诟病的算法、非时间线排序的信息流，或者人类天生爱找负面内容的倾向。真正的问题是，这些负面结果的动态机制从结构上就嵌入了社交媒体的底层架构。除非有人能想出一个天才级别的根本性重新设计，否则我们注定要陷入无尽的毒性反馈循环。
此后特恩伯格非常忙碌，基于"社交媒体结构与物理世界截然不同，并产生意外的下游后果"这一认知，他产出了两篇新论文和一篇预印本。第一篇新论文发表在《PLoS ONE》上，专门聚焦回声室效应，采用与之前相同的方法——将标准基于智能体的建模与大型语言模型（LLM）相结合，本质上是用AI人格来模拟在线社交媒体行为。
这些模拟用户被随机设定为持有某种观点或其对立观点，然后在模拟在线社区中与随机选中的成员互动。如果社区中持不同意见的成员比例超过特定阈值，这些智能体就会被设定为离开并加入另一个在线社区。
结果与去年的发现一致：回声室从社交媒体平台的基本架构中自然涌现。"一个令人惊讶的发现是，即使没有过滤气泡，即使人们真的很喜欢身处多元空间，我们仍然会得到回声室，"特恩伯格说，"你不需要算法推动。你仍然可以得到这些高度隔离的空间。另一个令人惊讶的发现是，过滤气泡——这个一直被指责造成同质化的东西——反而可能是解药。"
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
