删帖、屏蔽关键词能阻止极端言论传播吗？

UFO爱好者

删帖、屏蔽关键词能阻止极端言论传播吗？是怎么回事，是真的吗？2020年03月12日是本文发布时间是这个时间。下面一起来看看到底怎么回事吧。
                                删帖、屏蔽关键词能阻止极端言论传播吗？
                               
                                发表于Nature的一篇论文表示，使用关键词屏蔽、删帖等传统监管方式在管控极端言论传播的过程中并不能取得什么效果，甚至会产生反作用。
                               
                               
随着社交媒体的普及，各种信息与观点的传播也变得更加容易，但是这也助长了网络世界中的仇恨与极端言论。2019 年 8 月发表于 Nature 的一篇论文表示，使用关键词屏蔽、删帖等传统监管方式在管控极端言论传播的过程中并不能取得什么效果，甚至会产生反作用。

来源  公众号“集智俱乐部”
作者 郭瑞东
审校 刘培源
编辑 李倩雨

互联网和社交媒体的普及，使得极端言论的传播变得更加容易，任何人都可以在 Facebook 上开设公共账号，在短时间让极端言论触及数万人，这使得监管机构面临的问题变得更加棘手。

传统做法是抓大放小，先管好主流的社交媒体，但 Nature 2019 年 8 月底发表的一篇论文指出这样做会适得其反。


极端信息的传播网络是复杂的

这篇 Nature 论文标题中的一个关键信息是 Hidden resilience ，即隐藏的弹性。这是一个来自生态学的术语，讲述的是生态系统在遭到外界打击后，由于网络结构，得以快速回到之前的状态的能力。该文将社交网络中的极端言论当成是生态系统中的物种，首先指出了极端言论在不同平台之间的传播是一站式的——某种极端言论可以一次性地从一个地区传播到另一个地区。

下图中的 VKontakte（以下简称VK）是俄语世界的主流社交媒体，图中红色的是 VK 平台之间传播的仇恨言论，蓝色的是在脸书平台之间传递的仇恨言论，绿色代表是是跨平台的传播。






图1：极端信息在不同平台间的复杂传递网络，
下图展示了对欧洲部分的进行了缩放

从上面的例子中可以形象地看到，极端言论的传播网络是去中心化的，也就是一个小世界网络，没办法找到一个核心节点，从而一劳永逸地解决问题。该研究中，作者关注的是泛指的极端言论，而不是某一个特定的主题，例如 ISIS 、新纳粹等。文中指出，这些言论的共同点是充满了偏激和仇恨，尽管仇恨的对象不同（可以是外来移民、同性恋者等）。

根据自动化的图像识别（例如识别血腥暴力的照片）以及文字主题分类，再加上手动的筛选，作者给出了一个包含 768 个节点（传播极端言论的账号），578 条边的网络。


极端信息传播网络的无标度特性

在更细的尺度上来看，下图展示的是六十多个和 3K 党有关的极端言论，右图中的每个黑点代表一个社交媒体的用户，每个白点代表细分后的一个包含和 3K 党有关的主题。每个主题会形成一个聚簇，其关注人数在数十人到数万人之间。用户之间也会形成一个聚簇，用户聚簇的人数从一个到数百个不等。左图的宏观视角，不同聚簇的大小代表了关注的用户数，其距离越远，两个主题间共同关注的用户越少。


图2：六十多个和3K党有关的极端言论形成的聚簇



图3：该聚簇的大小归一化后，计算不同大小的极端言论主题簇对应的用户数的分布，可以看出明显的指数分布。

网络具有无标度特性，这意味着这样的网络更有可能具有嵌套性，而嵌套性的网络在遭到外部打击时能迅速复原。

在不同平台之间，当一个平台对某一个主题的极端信息进行取缔后，该主题对应的用户可以迁移到其他的主题上，往往还会使用其他的文字或“梗”，对极端信息进行“加密”，这使得新信息更难以被针对英语的自动监控算法检测。如果只是根据常识，没有注意到极端言论的传播网络的特征，简单的信息屏蔽只会使得极端言论如野草一样烧不尽，这也是标题中 Hidden resilience 所要概述的发现。


不同平台监管力度不同造成的反作用

数学模型能够量化地说明在何种情况下，会发生怎样预期的结果，以及应该采取怎样的应对策略最优。本文提出的模型，假设传播极端言论的不同用户在社交平台之间会选择最短路径，在不同平台、不同主题的极端言论间进行迁移，但这样的迁移是有成本的。

假设有两个社交媒体，A 对极端言论有较好的监管，B 则缺少监管。下图的纵轴是 B 平台上不同主题的极端言论之间的最短距离（最少需要多少用户才能相连）的均值，横轴是不同主题聚簇之间的总连接（用户和极端主题之间的边）。

通过该图，模型指出，如果只在 A 平台对极端言论进行监管，当 B 平台的用户和极端言论的连接数大于某一阀值时，会导致整体环境更加去中心化（不同主题的极端言论联系距离更远），从而使得进一步的打击变得更加困难。


图4：只针对某一平台的极端言论进行封杀
带来全网极端言论的进一步分散

研究者还按照两个维度，区分出了四种应对极端言论的策略，以及在数学模型模拟的情况下，这四个策略各自的效果。


图5：不同维度下的四种应对极端言论的策略。横轴表示干预的粒度，纵轴表示干预的方式（自上而下或自下而上）。

左上角的方法是删贴——找到特定主题的帖子，全部禁掉；该方法的干预尺度较粗，这样做带来的反作用是会让极端分子迁移到另一平台，并没有治本。
右上角的方法是删号；这是更细致的干预，但大多数人都拥有多个社交平台的账号，因此这种方法也只是一时之计。
右下角的策略是培养一批能够发出中和极端言论的用户，如图中的绿色圈子中的用户，让其作为社交网络上的“免疫系统”，从而稀释不同的极端言论主题之间的联系。
左下角的策略，则是将相互矛盾的极端言论同时曝光给同一个用户，让二者相互牵制，从而削减极端言论的影响力。

该文指出，四种策略需要有所权衡，才能达到对极端言论的最佳管控效果。


如何应对极端言论带来的挑战

由于人群极化与国家对立，互联网上各类极端的言论也日渐增多，极端言论的管控成为了一个世界性的问题。海外社交媒体中存在的 3K党、新纳粹、ISIS 等毒瘤思想，甚至发展成了严重影响社会安全的危险因素。

在传统的纸媒时代，若想打掉一家宣传极端言论的报纸，仅需几个核心成员就能做到，并对某类极端思想予以毁灭性的打击。但在社交媒体上，传统智慧不再管用，反而会产生更大的副作用。至于极端思想的形成，其影响因素也由社交网络的邻里实体关系，转换到了虚拟空间上。这使得算法的影响变得显著，也使之前不可行的由下而上的方法（例如前文提到的后两种策略）变得可行。但由于极端言论的多样性和复杂性，人们对其的管控仍需多种方法协作。

除了应用在极端言论的管控上，文本的结论是否对儿童色情的传播、非法人口交易、传销组织的人员招募等其他“暗网”也适用呢？这一点作者并没有给出明确的回答，但这是一个值得研究的问题。个人的猜测是，对于一切非法的信息传递网，狡兔三窟的个体使针对某一平台的打击很难达到预期的效果。

正是由于这篇文章得出的结论具有“反常识”的特征，因此有潜力应用到更广泛的领域，且对现实的重大政策制定有具体的指导意义。

论文信息：
Hidden resilience and adaptive dynamics of the global online hate ecology
https://www.nature.com/articles/s41586-019-1494-7