ساختار شبکه‌های اجتماعی ذاتاً قابل اصلاح نیست_آیندگان

پژوهش تازه از دانشگاه آمستردام مشخص می کند که مشکلات عمیق و بنیادین شبکه‌های اجتماعی همانند تشکیل اتاق‌های پژواک، قطبی‌سازی شدید و تسلط تعداد انگشت‌شماری از کاربران بر دیگران، به گمان زیادً قابل حل نیستند. این مطالعه به یک نتیجه‌گیری تکان‌دهنده می‌رسد: مشکل نه در الگوریتم‌های زیان اور، نه در فیدهای غیرزمانی و نه حتی در تمایل انسان به منفی‌گرایی است، بلکه به ذات و معماری خود شبکه‌های اجتماعی برمی‌گردد.

بر پایه گزارش Ars Technica، برای بازدید ابعاد منفی معماری شبکه‌های اجتماعی، پژوهشگران رویکرد جالبی را به کار گرفتند. آن‌ها یک شبکه اجتماعی کامل را همانند‌سازی کردند که همه کاربران آن، بات‌های هوش مصنوعی بودند. این بات‌ها فقطً کدهای ساده نبودند؛ به هر کدام از آن‌ها یک شخصیت متنی غنی بر پایه داده‌های واقعی «نظرسنجی انتخابات ملی آمریکا» داده شده می بود؛ برای مثالً «اسم تو باب است، اهل ماساچوست هستی و به ماهیگیری علاقه داری.»

این کار به آن‌ها اجازه داد تا بدون دخالت انسان، پویایی یک شبکه اجتماعی را مشاهده و سناریوهای گوناگون را آزمایش کنند. محققان در کمال شگفتی دریافتند که برای بازتولید همه مشکلات شناخته‌شده شبکه‌های اجتماعی، نیازی به اضافه‌کردن هیچ الگوریتم یا دستکاری خاصی نبوده است؛ همه این پویایی‌های سمی به طور خودکار از مدل پایه و اسکلت مهم شبکه (یعنی امکان پست‌گذاشتن، بازنشرکردن و جستوجو‌کردن) پدیدار شدند.

ساختار و معماری معیوب شبکه‌های اجتماعی

بر پایه مقاله محققان، آنها شش راه‌حل رایج و پیشنهادی برای اصلاح شبکه‌های اجتماعی را در این محیط همانند‌سازی‌شده آزمایش کردند؛ از جمله تحول فید به حالت وقتی، تحکیم دیدگاه‌های متنوع، نهان‌کردن آمار لایک و جستوجو‌کننده و منفعت گیری از الگوریتم‌های «پل‌زن» برای ترویج محتوای وحدت‌قسمت.

نتایج ناامیدکننده می بود. هیچ‌یک از این راه‌حل‌ها نتوانستند مکانیسم‌های بنیادین تولیدکننده این مشکلات را مختل کنند. درواقع، برخی از آن‌ها حتی اوضاع را بدتر کردند. برای مثال، فید وقتی اگرچه نابرابری دقت (تسلط عده‌ای خاص) را افت داد، اما درمقابل، علتتقویت و نمایش زیاد تر محتوای افراطی شد.

«پتر تورنبرگ» (Petter Törnberg)، استاد هوش مصنوعی و رسانه‌های اجتماعی دانشگاه آمستردام،  توضیح می‌دهد که یک حلقه بازخورد سمی در ذات این پلتفرم‌ها وجود دارد: محتوای احساسی و تفرقه‌انگیز به‌طور طبیعی زیاد تر بازنشر می‌شود. این بازنشرها، فقطً محتوا را پخش نمی‌کنند، بلکه ساختار خود شبکه را شکل خواهند داد و در این ساختار افراد با عقاید شبیه به هم متصل خواهد شد. سپس این ساختار شبکه‌ای تازه، تعیین می‌کند که شما در آینده چه محتوایی را ببینید و این چرخه به‌طور مداوم خود را تحکیم می‌کند.

این مطالعه مشخص می کند تا وقتی که معماری مهم شبکه‌های اجتماعی برپایه همین دینامیک «پست، بازنشر، جستوجو‌کردن» محکم باشد، ما به گمان زیادً محکوم به تکرار این حلقه‌های بازخورد سمی هستیم. بدتر از آن، با ظهور هوش مصنوعی مولد که قادر به تشکیل زیاد محتوای جنجالی برای جلب دقت است، این بحران به گمان زیادً در آینده نزدیک زیاد شدیدتر خواهد شد.