作者：復旦大學新聞學院傳播與數據科學實驗室研究員 鄭晨予；清華大學新聞與傳播學院教授、博士生導師，清華大學國家形象傳播研究中心主任 範紅
內容提要：本文基於網絡結構功能主義視角下的社會傳染理論，對社交機器人驅動社會擴散的機制進行探究揭示：社交機器人是通過按需高效地改變社交網絡的動態結構，來相應控制社會擴散的範圍和速率。即：通過不同社會傳染類型建構社交網絡動態結構，以不同信息傳輸方式改變社交網絡動態結構，依託雙層覆蓋網絡驅動社交網絡動態結構，以及集群化與智能化，從而共同構成了從社會傳染到社會擴散的高效驅動傳播機制。並基於這一原理機制的新闡釋、新解構，初步探討揭示在智能傳播時代下對社交機器人相關治理的原則思路。
一、研究現狀及問題的提出
所謂社交機器人(social bots)，是指在社交媒體中，由人類操控者設置的、由自動化的算法程序操控的社交媒體賬號集群(swarm)。其通常通過模仿、模擬(mimic，simulate，emulate)人類在社交媒體中的狀態和行為，偽裝為正常用戶(legitimate users)，有組織地(collectively)與正常用戶交互，以達到依照人類操縱者的意圖影響目標受眾的目的。
社交機器人是基於計算機互聯網的智能傳播的產物，具有方向性、先進性和與時俱進的現實意義。社交機器人是社交網絡當中智能傳播的最後一塊拼圖，從某種意義上說，帶來了人類社會進步的一大福音。但社交機器人一問世就是一個矛盾的混合體，社交機器人易被操縱的特性加之超強的傳播功能，為傳播虛假信息和惡意傳播提供了能量巨大的滋生溫床。而驅動惡意和虛假社會傳染的社交機器人帶來的是智能傳播時代下傳播生態的失衡和虛假信息的彌散。
社交機器人的學術研究始於2006年。牛津大學社會學和傳播學教授、互聯網研究所主任菲利普·霍華德在其專著《新媒體運動和被管理的公民》中首次預言社交媒體將會被濫用於操控公共意見、誤傳政治信息和進行虛假宣傳。4年後，社交機器人被首次運用於政治傳播實踐中。在2010年的美國中期選舉和馬塞諸塞州特別選舉中，數量達到億萬的包含著超鏈接的推特發文被社交機器人生成出來。而這些超鏈接皆指向了預先建立的飽含支持己方候選人、打擊對方候選人的虛假新聞的網站。之後直至現在，在傳播實踐層面，對社交機器人的運用已近10年，涉及到政治、經濟、社會等多個領域。綜合來看，雖然社交機器人技術本身是中性的，但由於針對社交機器人負面影響的一面始終沒有找到根治的辦法，社交機器人的傳播實踐給人類生產生活帶來的影響弊大於利。在政治領域，社交機器人主要被用於選舉中的偽草根營銷(astroturfing)、極化網絡意見、病毒式營銷虛假新聞、設置社交網絡議程上。在經濟領域，社交機器人主要被用於影響消費者購買意願、維護企業公共關係、提升或破壞企業品牌和聲譽、影響股票市場上。在社會領域，社交機器人主要被用於大範圍快速彌散災害應急救援信息、科學或偽科學傳播上。
事實上，早在2012年，Hwang就提出了對社交機器人的濫用會破壞由人類用戶建構的社交網絡生態的憂慮。因此，對社交機器人負面影響的治理始終引起了人們的高度重視。在學術研究層面，從一開始就是衝著社交機器人“趨利避害”的功能去的，重點是研究如何化解社交機器人易被操縱的特性、惡意和虛假信息的彌散以及網絡傳播生態失衡等困惑和難題。但總體上說，收效甚微。過往對社交機器人的探究主要從如下三個方面展開：
一是對社交機器人傳播實踐的現狀進行歸納總結。該方向的研究機構以牛津大學互聯網研究所和南加州大學信息科學研究所為代表。研究基於社交媒體行為大數據，通過分析社交機器人擴大虛假新聞和錯誤信息傳播的方式，探究社交機器人操縱各個國家的公共意見的模式。研究以案例分析為主，迄今為止已對英國脫歐、美國2016總統大選、法國2017總統大選、美國2018中期選舉中社交機器人的行為模式進行了研判。該方向的研究以描述性研究為主，對社交機器人在傳播中發揮作用的機制原理的解釋性研究較為匱乏。
二是對社交機器人作用於目標受眾的傳播策略進行比較研究。該方向的研究聚焦社交機器人的狀態和行為傳播策略，基於大規模互聯網實驗，探究不同傳播策略對目標受眾產生影響的效果和效率，迄今為止已進行了多個實證研究。比如，證實了高頻率的傳播活動(如關注、發文)是面對一般目標受眾最為有效的行為傳播策略，狀態傳播策略(如設置性別、設置頭像等)往往只針對特定目標受眾有效。又如，證實了在關注、發文、轉發、點贊這四種行為策略中，關注是最為有效的策略。此方向的研究是典型的基於實驗的介入式研究，與上述兩個方向的觀察式研究截然不同，在研究結論的信度上有所提升。但是研究多以社交網絡中的真實受眾為被試，易引發一定的倫理問題。此外，對高效的傳播策略作用於目標受眾的機制原理探究也較為匱乏。
三是依靠技術手段對社交機器人進行治理，以對社交機器人本身的識別、捕捉、監測、防控為主要內容。該方向的研究以印第安納大學伯明頓分校複雜網絡和系統研究中心的2014年5月上線的Botometer平臺為主要代表，基於認知行為模型，提取社交機器人賬號的狀態和行為的數以千計的特徵，運用監督式機器學習，基於過往數據對該賬號是否為社交機器人進行智能判別。該平臺已經能夠做到95％的識別率，並基於互聯網提供了可以實時調用服務的應用編程接口(API)。此方向研究的突出困難是雖然能夠較好地基於人工智能識別社交機器人，但對找出社交機器人背後的人類操縱者乏力。換而言之，僅僅依靠技術手段(或純人工智能)並不能夠完成對社交機器人的綜合治理。
筆者以為，在上述研究中存在一個重大缺失：在傳播實踐中，社交機器人驅動信息、態度、意見、行為在社交網絡中人類目標受眾的社會擴散非常有效。在受眾個體層面，社交機器人可以有效地影響目標受眾個體(11)；在受眾集群層面，大量社交機器人生成的傳播訊息在人類目標受眾集群中大規模社會擴散(12)。但在過往學術研究中，如何有效控制社交機器人惡意和虛假信息的社會擴散並未受到高度重視。而要提出有效控制這一有害傳播現象的措施，則需要建立在充分把握形成該現象的原理機制的基礎上。但是，針對社交機器人在社交網絡傳播中的社會擴散是如何形成的傳播驅動機制和傳播驅動原理的研究卻很少有人涉及。而這恰恰是社交機器人治理的最需要解決的治本難題和關鍵癥結所在。
基於此，為了探究治理社交機器人的新路徑和新方法，本文針對社交機器人驅動社會擴散的原理和機制研究不夠這一缺失，在著眼於網絡結構功能主義視角下的社會傳染理論，包括簡單和複雜社會傳染理論在內的相關原理以及運用，對社交機器人在社交網絡場域中以社會傳染驅動社會擴散傳播進行分析解構的基礎上，重點對社交機器人驅動社會擴散的原理機制進行深入探究揭示。並基於社會傳染理論和社會擴散機制的新闡釋新解構，探討提出在智能傳播時代下對社交機器人相關治理的原則思路。
二、從簡單走向複雜：網絡結構功能主義視角下社會傳染理論的流變
(一)社會傳染理論的由來和脈絡
社會傳染理論(social contagion theory)是揭示社會擴散(social diffusion)的機制原理的核心理論之一。(13)其採用的是仿生傳播學的研究進路，認為信息、態度、意見、行為在社交集群中的擴散過程與傳染病在生物種群中的傳播過程相似，集群層面的社會擴散是由個體層面的相互傳染驅動的。而影響社會擴散的範圍和速率的主要因素有二：一是傳播主體的個體間相互傳染機制的類型；二是傳播主體所組成的社交網絡的結構類型。
對於後者(即，網絡結構類型)，網絡科學領域的研究者們主要從網絡結構對社會擴散的影響的角度開展了跨學科研究(即網絡結構功能主義視角)，揭示了不同網絡結構類型(如小世界網絡結構、無標度網絡結構等)會產生相應社會擴散的不同範圍和速率。
對於前者(即傳染機制類型)，社會傳染領域的研究者對傳播主體的個體間的相互傳染機制的類型進行了區分，認為即使是同樣的網絡結構，傳染機制的類型不同，產生的社會擴散的範圍和速度也不同。這也將社會傳染的研究分為了兩個階段：第一個階段是簡單社會傳染(2007年以前)；第二個階段是複雜社會傳染(2007年之後)。
(二)簡單傳染理論
簡單傳染理論(14)認為，傳播主體的個體間相互傳染機制與傳染病的傳播機制類似，無傳播免疫的健康個體只需要接觸單一傳染源個體即有可能被傳染。
基於上述預設，簡單傳染的研究主要運用傳染病學(epidemics)的研究範式仿生地來探究傳播學中社會擴散的機制原理。(15)
此外，通過結合網絡科學的研究，簡單傳染研究發現，聚集度低、弱連接多、短連接少的網絡結構類型(即小世界網絡)有利於社會擴散。(16)
(三)複雜傳染理論
複雜傳染理論(17)則認為，個體間的相互傳染機制有兩種類型：一是簡單傳染，二是複雜傳染。而傳染的類型是由傳染的內容本身決定的。
信息的傳染是一種簡單傳染。個體間的相互傳染只需要接觸單個傳染源。但態度、意見和行為的傳染則是複雜傳染。個體間的相互傳染需要接觸多個傳染源個體。過往實證研究已經被證實，社交網絡中的社會擴散主要是由複雜傳染驅動的。(18)
對於複雜傳染而言，聚集度高、弱連接少、短連接多的網絡結構更有利於社會擴散，這與簡單傳染正好相反。(19)
複雜傳染理論對社會傳染理論的突出貢獻主要有二：1.對簡單傳染理論進行了完善，點明瞭傳播主體的個體間相互傳染機制與傳染病在生物個體間傳播的機制之間的區別；2.對網絡科學的結構決定論進行了反思，揭示了集群層面的社交網絡結構類型必須與個體層面的傳染機制類型產生協同作用才能有效地影響社會擴散的範圍與速率。
三、基於社會傳染理論的社交機器人社會擴散驅動機制解構
從社會傳染到社會擴散，社會傳染理論對於社交機器人社會擴散的理論驅動，突出體現在建構社交機器人社會擴散驅動機制上。本研究之於這一社會傳染理論與社交機器人社會擴散傳播的相關解構遵循把握以下要點：1.社會傳染理論對社交機器人社會擴散傳播的驅動作用，在複雜傳染理論方面尤為明顯；2.對社會擴散而言，社會傳染類型以及就此形成的網絡結構，是理論驅動作用於機制驅動的根本基礎；3.社會傳染理論對社會擴散的驅動關鍵在於驅動網絡結構；4.社會傳染理論驅動社會擴散機制，貫穿了社交機器人建構網絡、改變網絡、驅動網絡的全過程。
基於社會傳染理論及其社會傳染驅動社會擴散之原理，社交機器人驅動社會擴散的機制是：立足於根據操縱者的主導傳播需求，針對所需傳染的內容所決定的傳播主體的個體間相互傳染機制的不同類型，以依託雙層覆蓋網絡和不同信息傳輸方式，集群化、智能化地相應改變社交網絡動態結構，從而實時掌控目標受眾接觸相關傳染源的渠道，強效果與高效率地控制社會擴散的範圍和速率。從社會傳染到社會擴散驅動傳播機制主要可解構為三部分：
(一)面對不同的社會傳染類型，社交機器人會建構相應的社交網絡動態結構以驅動其社會擴散
基於社會傳染理論，個體層面的相互傳染的機制類型(簡單傳染或複雜傳染)是由傳染的內容(信息、態度、意見、行為)決定的。而在社交網絡中，個體層面相互傳染的機制類型與集群層面的社交網絡結構共同影響著社會擴散的範圍和速率。面對不同的社會傳染類型，社交機器人建構相應的社交網絡動態結構以驅動信息、態度、意見、行為在整個社交網絡中擴散。
對於簡單傳染，社交機器人往往建立諸如小世界網絡這樣的動態結構類型，促進社會擴散。在早期，社交機器人以驅動信息的社會擴散為主，較有代表性的如Bill Snitzer於2009至2010年在推特上建立的至今仍在運行的擴散地震信息的機器人集群EQBOT。(20)其中包含關注全球範圍裡氏5.0級以上的地震的@earthquakeBot、關注舊金山和洛杉磯地區裡氏3.5級以上的地震的@bigQuakesSF和@bigQuakesLA，以及關注舊金山和洛杉磯兩地所有級別地震的@earthquakesSF和@earthquakesLA。EQBOT依託算法通過對地震數據進行實時監控，自動發佈地震信息的推文。該集群與關注其的55萬粉絲形成了橫跨多個社交群組的網絡拓撲結構：共同關注EQBOT兩個受眾往往來自不同的社交群組，而EQBOT恰恰形成了兩者之間的“弱連接”。基於此社交網絡結構，EQBOT發佈的地震信息得以實時高效地擴散。上述社交網絡結構皆十分利於受眾接觸到單一的簡單社會傳染源，從而提升簡單傳染的社會擴散範圍和速率。
對於複雜傳染，社交機器人往往建立簇網絡這樣的動態結構類型，促進社會擴散。同樣是自然災害的傳播場景，社交機器人亦驅動著態度、意見、行為等複雜傳染類型的擴散。基於推特中2017年臺風哈維、颱風艾瑪、2018年的颱風瑪莉亞以及2017年9月7日墨西哥地震的80萬推特賬號發佈的120萬推文大數據研究(21)表明，社交機器人集群建構的傳播網絡中，社交機器人集群不僅佔據了網絡的中心與邊緣，疏鬆地連接了諸多大型受眾社群，更頻繁地與鄰近受眾(好友或關注者)互動，以增加受眾接觸到多個複雜社會傳染源的機率，提升複雜傳染的社會擴散範圍和速率。
從本質上說，社交機器人本身就是社會傳染的傳染源。通過按需改變社交網絡的動態結構，社交機器人能夠掌控目標受眾接觸傳染源的渠道。例如，在英國脫歐的相關推特討論中，社交機器人集群已經開始通過形成特殊的連接(ties)和簇(cluster)的動態網絡結構來令目標受眾反覆地接觸特定的推文和賬號，以在目標受眾中有效地觸發級聯式(cascading)的社會擴散。(22)
(二)面對不同的信息傳輸方式，社交機器人會運用相應的方法手段改變社交網絡動態結構，以掌控目標受眾接觸社會傳染源的渠道
社交網絡的結構並不是固定的，是動態的。節點之間的信息傳輸方式(亦即目標受眾節點接觸傳染源節點的方式)主要有三種類型：1.基於關注訂閱機制的信息推送；2.信息過載背景下的信息檢索與過濾；3.基於機會性接觸的臨時信息傳輸。社交機器人能夠針對這三種不同的信息傳輸類型，相應改變社交網絡的動態結構，掌控目標受眾接觸傳染源的渠道。
1.面對訂閱信息推送，社交機器人可以通過各種手段，誘使目標受眾關注自身，使得目標受眾能夠接收到該社交機器人生成的或轉發的傳播訊息。社交網絡本身就是基於訂閱機制的。每個傳播主體就是一個社交網絡中的一個節點。而關注某個節點就相當於訂閱了該節點的信息流，能夠收到該節點的傳播訊息推送。這個關注的動作就在社交網絡上增加了一條單向的邊(即改變了社交網絡的結構)。
事實上，過往研究表明(23)通過關注目標受眾來誘使其反關注，是社交機器人作用於目標受眾的最有效的傳播策略。只要關注了社交機器人，其接觸各種傳染源的渠道就拓寬了、機率就增加了。Fazil和Abulaish通過互聯網實驗實證的方法證明，在關注、轉發、發文、點贊這四種社交機器人的行為策略中，最容易引起目標受眾反關注社交機器人的是“關注”這一行為策略。而一旦目標受眾選擇反關注，該目標受眾即訂閱了該社交機器人的傳播訊息的信息流，成功地改變了其接觸社會傳染源的渠道。
更為嚴重的是，一旦目標受眾選擇反關注社交機器人，那麼兩者即形成了好友關係，目標受眾還將產生相信社交機器人的傾向。正如Jagatic等證實，一旦人類用戶與社交網絡中的節點建立了好友關係，無論對方是否是社交機器人，都傾向於相信對方發出的傳播訊息。(24)事實上，這也正是社交機器人驅動目標受眾相信並轉發其生成的傳播訊息的主要手段。(25)例如，在社交網站aNobii.com(http://anobii.com/)中，名為Lajello的社交機器人甚至成為了相互關注的讀書愛好者社交網絡中被所有成員喜愛和感謝的排名第二的成員。而該社交機器人推薦的書籍也獲得了這些讀書愛好者的普遍贊同。(26)
2.面對信息過濾檢索，社交機器人通過智能生成海量的傳播訊息，以信息過載的方式，搶佔目標受眾的信息檢索和過濾的接收窗口。社交網絡是一個信息傳播系統。每個節點接收信息的窗口都是有限的。研究表明，基於訂閱機制，節點個體最多能夠維繫150個社交關係。於是很多的社交媒體都推出了應對信息過載的設計，主要包括信息檢索系統(引入搜索引擎模塊)和信息過濾系統(引入推薦系統模塊)。前者讓當前節點能夠檢索出相關傳播訊息，後者則向當前節點主動推薦相關傳播訊息。
從網絡結構的角度來看，這兩個功能模塊使得任意兩個節點得以通過信息檢索/過濾系統這一個超級節點相連。兩者之間的距離為兩跳，形成了“節點1—信息檢索，過濾系統—節點2”的傳播路徑。
但這個“兩跳”傳播路徑傳輸訊息的機率是由信息檢索/過濾系統調節的。這一機率的調節往往是以提升目標受眾對檢索出的和被推薦的傳播訊息的滿意度為基點的。社交機器人通過智能生成大量的、迎合受眾的傳播訊息，從而建立起從社交機器人“兩跳”到達目標受眾的路徑，改變了社交網絡的動態結構。
在政治傳播領域，2016年美國總統選舉中對社交機器人的運用是一個典型案例：在推特中，社交機器人生成了1億4000萬條推文，包含400萬個相關話題；在臉書中，社交機器人分享了3800萬條虛假新聞。(27)事實上，英國(28)、阿根廷(29)、澳大利亞(30)、阿塞拜疆(31)、法國(32)、德國(33)、意大利(34)、墨西哥(35)、俄羅斯(36)、土耳其(37)、烏克蘭(38)等都存在著濫用社交機器人生成海量傳播訊息，進行虛假政治傳播的情況。這也直接派生出專有實踐術語——偽草根營銷(astroturfing)或推特炸彈(twitterbomb)。即參選方利用社交機器人生成海量傳播訊息，造成己方候選人擁有的大量支持者的假象(39)、打壓對方候選人(40)、極化爭議(41)、轉移受眾注意力(42)等。
社交機器人生成海量傳播訊息不僅在社交網絡的內部發揮作用，影響傳播受眾，更會影響基於社交網絡大數據的判別和決策，作用於現實物理空間。畢竟，無論是信息檢索系統還是信息過濾系統，亦或社交網絡本身皆無法證實傳播訊息的真假。在過往，依託社交網絡大數據，預測突發事件(43)或預測股票市場(44)皆有可能。而在現今，無論是基於對社交網絡隨機抽樣的小數據樣本還是全樣本大數據的分析都很難表徵人類用戶的總體情況，把握社交網絡中的大眾情緒、公眾意見都存在失真的可能，更不用說基於此對形成對生產生活問題的決策。
3.面對臨時信息傳輸，社交機器人還可以主動給目標受眾傳輸訊息(包括評論、圈、點贊、發私信，等等)，建立起從社交機器人傳染源到目標受眾的機會接觸，進行臨時的信息傳輸(即，臨時改變了網絡的動態結構)。在社交網絡中，人類用戶本身就是高度區隔的(45)，形成了諸多如麥克盧漢所言的“文化部落”的小團體。處於其中的人類用戶容易陷入僅與偏好相似的用戶交流，而產生只獲得符合其偏好的傳播訊息的信息繭房(information cocoons)問題。(46)通過臨時的信息傳輸，社交機器人得以穿透各個文化部落，直達目標受眾個體。這種滲透方式已被證實可行。當目標受眾接收到多個來自社交機器人的傳播訊息後，其容易產生該傳播訊息非常流行的錯覺。在從眾心理的驅使下，目標受眾的感知和情緒容易被社交機器人操縱。(47)
在當下，諸多社交網絡自動化(social network automation)工具(如MonsterSocial、TweetAttacksPro、AutoTWBot、tweetfull、JARVEE等)讓社交機器人的臨時信息傳輸更加便捷。這些工具能夠運用社交網絡的應用程序接口(API)自動化地操縱相應的社交網絡賬戶，自動化地完成諸多臨時信息傳輸的任務。這些工具共有的典型功能包含：自動臨時關注相關賬號、自動臨時反關注、自動臨時發佈推文、自動臨時轉發推文、自動臨時回覆推文、自動臨時發送私信、自動臨時點贊，等等。在這裡，臨時指社交機器人能夠根據操縱者設定的關鍵詞進行實時搜索，發現目標受眾，即使對方沒有關注社交機器人，也可以運用上述功能與其交互。
(三)建構依託雙層覆蓋網絡，社交機器人可通過人工智能驅動模式改變社交網絡動態結構以提升傳播效率
圖1 社交網絡中社會擴散的驅動模式
如圖1所示，社交網絡中信息、態度、意見、行為社會擴散的三個驅動模式主要經歷了三個發展階段：1.由普通人類傳播主體的個體驅動；2.由水軍(普通人類智能傳播主體集群)的操縱者驅動；3.由基於人工智能的社交機器人集群的操縱者驅動。
1.從網絡結構的角度來看，模式一是基於扁平的底層社交網絡的，模式二和模式三是基於立體的雙層覆蓋網絡的。雙層覆蓋網絡比扁平底層網絡改變社交網絡的動態結構更高效。模式一是在社交媒體這一扁平的、點對點的網絡結構中進行的。模式二和模式三則是在底層的扁平的點對點的社交網絡之上形成了一個覆蓋網絡。構成這個覆蓋網絡的節點是操縱社交機器人的人類智能操縱主體和操縱水軍的人類智能操縱主體。非被操縱的普通人類傳播主體淪為了底層網絡的節點。
這樣的網絡結構直接就造成了上層覆蓋網絡的操縱主體與底層社交網絡的傳播主體之間的傳播能力失衡。
基於人類智能的操縱主體是主傳染源，他們以覆蓋網絡節點的方式先傳染底層網絡上的其操縱的人類智能節點(水軍成員)和人工智能節點(社交機器人個體)集群，令它們成為社交網絡中的多個傳染源。而底層社交網絡中的普通人類傳播主體的個體只能成為一個傳染源。
更為重要的是，覆蓋網絡的底層集群成員(即水軍成員或社交機器人個體)能夠協同地彼此配合，共同作用於目標受眾，達成整體大於部分之和的涌現演化傳播效果。在整個臉書中，超過20％的用戶會接受60％的擁有一個以上共同好友的賬號發起的好友申請。當水軍成員或社交機器人個體相互配合，就能夠增加目標受眾反關注的數量。(48)這是在訂閱信息推送方面的集群智能傳播。而在信息協同過濾和臨時信息傳輸方面，覆蓋網絡的底層集群成員之間能夠形成仿正常用戶的互動網絡，增加各個成員的可信度。同時，覆蓋網絡的底層集群成員能夠共同發送相似的傳播訊息，增加各個傳播訊息的可信度。(49)例如，思科公司的子公司Duo Security於2019年8月發佈了《不要@我(Don't@Me)》的研究報告(50)，實證揭示推特中已經開始出現覆蓋網絡這種立體的社交網絡拓撲結構。並且，位於覆蓋社交網絡底層的社交機器人已經開始承擔不同的角色，並相互配合：一些社交機器人專門負責發佈推文。另一些社交機器人專門負責給這些推文點贊，以增強其聲譽。還有一些社交機器人專門負責關注發佈推文的社交機器人，以增加其粉絲數和信譽。無獨有偶，F-Secure公司於2018年3月發佈一則研究更新(51)，發現了一個由22000多個社交機器人組成的底層集群。這些底層的社交機器人彼此配合形成了樹狀的分發結構。即，多個邊緣社交機器人節點與一個較為中心的節點形成連接，而多個較為中心的節點又與更為中心的節點相連接，最終層層匯聚到最上層的人類操縱主體。這種樹狀分發結構十分有利於驅動指數級的高效社會擴散。
從上述網絡結構的比較分析可知，在社交網絡的動態結構方面，基於覆蓋網絡的模式二和模式三要比基於扁平網絡的模式一更為高效。在產生同等的社交網絡動態結構改變的情況下，水軍和社交機器人集群的操縱主體要比普通人類傳播主體花費更少的人力。
2.從智能傳播的角度來看，模式一和模式二是基於人類智能的，模式三則是基於人類智能和人工智能的智能融合的。增加人工智能的力量比單純依靠人類智能改變社交網絡的動態結構更高效。個體層面，基於人工智能的社交機器人個體不僅能夠模仿基於人類智能的普通傳播主體或水軍成員的行為來改變社交網絡的動態結構，更可以以人類智能無法做出的行為來改變社交網絡結構。前者往往以社交機器人通過“圖靈測試”的方式，讓目標受眾無法分辨其是否為普通傳播主體，從而增加其可信度。後者則往往以人工智能的形象直面目標受眾，以特有的自動化行為，提升目標受眾對其的關注度。
社交機器人個體的表現形式就是一個正常的社交媒體賬號。依託該賬號，社交機器人個體就能夠與人類用戶一樣使用社交網絡的各種功能。這當中較為典型的行為模式是興建個人主頁、主題頁面、社群，然後發佈相應的傳播訊息將目標受眾引入其中。在目標受眾看來，形式上社交機器人的這些行為與普通人類用戶並無兩樣。而一些科技公司如ChatBots.io(https://developer.pandorabots.com/)則直接提供可用的應用程序接口，讓社交機器人的操縱者在推特和臉書上架設會話型機器人(conversational bots)，使其具有一定的人際交流能力，增加社交機器人通過“圖靈測試”的可能性。
更為嚴重的是，社交機器人個體能夠基於人工智能運用社交網絡提供的相關接口，比人類用戶更加高效持續地運用社交網絡：社交機器人個體智能生成頁面、社群和傳播訊息不需要花費時間和財力招募水軍成員來完成。相較於網絡水軍成員，社交機器人個體既可以在短時間以超越人類的速度生成大量的傳播訊息，進行高頻率的社交網絡交互，也可以不受人類作息習慣、疲倦累積的影響，常年24小時不間斷飽和式地進行傳播。而後者有時成為了社交機器人吸引目標受眾的一個手段。詩人Adam Parrish於2007年開始在推特上設立社交機器人@everyword，自動化地以一個英文單詞為內容發送推文，持續了7年時間。共計發佈10.9萬條推特，吸引了9.5萬名目標受眾的關注。此外，基於人工智能，社交機器人個體還能夠在測量傳播效果後，將其作為反饋，迭代優化其傳播行為。而這一功能早已整合進諸多社交網絡自動化工具當中。
對社交機器人的操縱者而言，讓社交機器人做出智能生成的傳播行為甚至不需要複雜的編程能力。針對簡單的行為，諸多技術博客提供了大量的簡易入門教程。例如，操縱者只需要運用IFTTT等社交網絡行為自動化服務，即可賦予社交機器人進行簡單智能傳播的行為邏輯。針對複雜的行為，如Github等開源平臺提供了大量的可供操縱者選用或改進的源代碼。據統計，截至2019年末，Github平臺上社交機器人相關的開源代碼項目已達758個。此外，對於完全不具備編程思維或編程能力的社交機器人操縱者而言，還可以直接使用那些原先用於操縱“殭屍網絡”(botnet)的軟件(較知名的包括Zbot/Zeus)，來智能操縱大量的社交機器人。
此外，藉助雲計算，社交機器人個體不需要在其操作者所在地運行。一些科技公司如RobLike(https://www.robolike.com)甚至提供了社交機器人服務(BotAsAService，BaaS)。社交機器人的操縱者只需要支付少量的月租費，即可讓大量的社交機器人在其服務器上運行。例如，2013年6月，35萬個社交機器人組成的集群在幾天內就被創建出來，並被用於發出大量的由《星球大戰》電影臺詞組成的推文。平均每天有15萬的此類推文被該社交機器人集群發出。這一宣傳電影的行為持續了一個月。此後，所有的相關社交機器人都不再活動。而這些社交機器人賬號直至2017年才被發現。(52)事實上，社交機器人的低成本和強效果展現出的高效率恰恰是其10年來一直被使用的主要原因。
集群層面，在社交機器人集群的組織與水軍的組織上，前者往往採用自組織的方式，而後者往往採用集中式組織的方式。自組織(53)與集中式組織相反，指集群成員個體不依賴某一操控主體對其進行集中的組織管理，而依靠自身遵循一定的行為準則，通過觀察其所處的環境，與臨近的目標對象進行局部交互，在整體上協同配合達成集群所需要的目標。其具有集中式組織不具備的高可靠性(reliability)、高穩健性(robusthess)、高擴展性(scalability)，以及涌現演化的“整體大於部分之和”的特徵。對於社交機器人集群的操縱者而言，其不需要如同水軍的操縱者那樣事無鉅細地進行實時具體的指導，而可以事先在宏觀上制定社交機器人個體的行為規則，讓其依賴人工智能自動運行。正是自組織，使得社交機器人的操縱者能夠“韓信點兵，多多益善”，只需要很少的精力，就可以操縱一支龐大的社交機器人大軍。這在水軍時代是較難實現的。以開源的flock-botnet(http://arnaucube.com/flock-botnet/)項目為例：使用者能夠創建一支自組織的推特社交機器人集群。集群中的每個社交機器人個體都按照統一的、基於馬爾科夫鏈的行為規則，智能回覆其遇到的推文。在整體上，涌現演化形成了所有個體相互配合的集群智能傳播模式，以達成所需的傳播效果。
四、結論和相關治理探討
綜上所述，在基於網絡結構功能主義的社會傳染理論的視角下，社交機器人在社交網絡場域中以社會傳染驅動社會擴散的傳播原理機制歸納如下：社交機器人是通過按需高效地改變社交網絡的動態結構，來相應控制社會擴散的範圍和速率，即社交機器人基於不同社會傳染類型建構相應社交網絡動態結構，基於不同信息傳輸方式改變社交網絡動態結構而強效果、高效率地掌控目標受眾接觸傳染源的渠道，基於人工智能依託雙層覆蓋網絡改變社交網絡動態結構以提升傳播效率，以集群化與智能化的方式作用實現於社會擴散的驅動傳播。即基於建構網絡結構、改變網絡結構和驅動網絡結構以及集群化與智能化“五位一體”，而共同構成了從社會傳染到社會擴散的高效驅動傳播原理機制。
從這個驅動傳播原理機制入手採取相應舉措，就可以有效掌控社交機器人在社交網絡中的社會擴散；就可以一定程度上解決社交機器人易被操縱的特性、惡意和虛假信息的彌散以及網絡傳播生態失衡等長期困擾的負能量治理問題。而始終不能忽視的前提是，務必基於網絡結構功能主義的社會傳染理論從社會傳染到社會擴散的獨特視角。而始終不能忽視的關鍵是，社交機器人是通過按需高效地改變社交網絡的動態結構，來相應控制社會擴散的範圍和速率。
如前所述，本研究立足於治本優於治標的學術視角，探索研究社交機器人從社會傳染到社會擴散的驅動原理和驅動機制，歸根結底，目的就是針對因社交機器人的濫用而被破壞的社交網絡生態之治理，力圖尋求和開闢一個新的治本之路。下面，擬就此作相關治理探討。
眾所周知，社交機器人的社交網絡治理，是全球治理的重要一環。它需要全球化治理的共識、共振、統籌和聯動。這種全球化治理涉及道德層面、法制層面和技術層面等相關治理，其中針對社交機器人的相關技術識別治理成為迄今為止的主要手段之一。本研究的新的治本之路與之不同的是，從社會傳染到社會擴散的驅動原理機制入手，基於治本主導和標本兼治的新視角，深入探尋治理社交機器人的新路徑和方法。為此，首先要研究辨析把握以下三個基本點：
第一，社交機器人是包含了手段和方法在內的特殊虛擬傳播者，它本身不存在性本善或性本惡的問題。但一旦社交機器人進入社交網絡傳播場域中，是造福於人類社會還是危害於人類社會，就成為了全球化治理的不得不面對的一個重要問題。這就必須要對它傳播的目的性(是否正當)、真實性(是否虛假)和規範性(是否濫用)等進行辨析鑑別，從而分清是否應列入負能量的治理對象。因此，在全球化共識的基礎上，制定一個衡量判別的基本的判別標準、判別原則和判別尺度，是一個重要的前提。
第二，社交機器人是人工智能發展的產物，顯而易見，以彼之道反制彼身來實施相關治理是重要選擇之一。但基於什麼樣的一個基點來實施基於人工智能的技術手段治理，卻有本質的不同。本研究治理並不排斥過往研究治理基於技術識別這一基本手段，而是以技術識別為基礎來探討針對從社會傳染到社會擴散的相關驅動原理機制的治理對策和措施。
第三，本研究基於這一原理機制的相關治理，是一個相對完整系統的治理體系。這個原理機制的核心驅動功能是：“社交機器人是通過按需高效地改變社交網絡的動態結構，來相應控制社會擴散的範圍和速率。”而遵循的治理原則思路是：以社交媒體平臺為治理載體，針對社交機器人建構網絡結構、改變網絡結構、驅動網絡結構和集群化、智能化這樣一個“五位一體”驅動體系來實施綜合治理。這一治理體系貫穿於社交機器人社交網絡傳播生態的全過程，包括防範性識別、動態性控制和適時性消減等等。基於“五位一體”相關治理的原則思路提示如下：
(一)針對建構網絡結構的治理提示
面對不同的有害社會傳染類型，社交媒體平臺應斬斷社交機器人建構的社交網絡結構中的對應不同類型的連接，以阻斷社會擴散：面對簡單社會傳染，平臺應該斬斷社交機器人建立起的弱連接，破壞小世界網絡這一動態網絡結構的形成，令有害信息等社會傳染很難擴散；面對複雜社會傳染，平臺應該斬斷社交機器人建立起的強連接，破壞簇網絡這一動態網絡結構的形成，令有害的態度、意見、行為等複雜社會傳染很難擴散。
(二)針對改變網絡結構的治理提示
面對基於訂閱信息推送的誘導關注，平臺應該提示被社交機器人關注的相應受眾。通過明示該社交媒體賬號為社交機器人、可能感染當前受眾的訂閱信息流，以降低社交機器人誘導關注的成功率。
面對基於信息過濾檢索的信息過載，平臺應該統計社交機器人智能生成的相似傳播訊息數量，堅決刪除社交機器人生成的有害傳播訊息，以降低社交機器人通過社交媒體平臺的推薦系統和搜索引擎兩大信息過濾檢索入口傳染受眾的可能性。
面對基於臨時信息傳輸的機會接觸，平臺應該統計各個社交機器人的進行臨時信息傳輸(包括評論、圈、點贊、發私信，等等)的頻率，堅決控制社交機器人“搭訕”受眾的頻率，以降低受眾因為機會接觸而暴露在社交機器人的有害社會傳染之下的機率。
(三)針對驅動網絡結構的治理提示
雙層覆蓋網絡是社交機器人操縱者驅動網絡結構的關鍵。面對有害的社會擴散，平臺應該嚴控操縱者能夠操控的社交機器人的個數。一旦個數減少，意味著操縱者“韓信點兵多多益善”的指數級社會擴散的能力就被限制。極端情況下，若平臺只允許操縱者操控一個社交機器人，操縱者就成為了一個“光桿司令”，雙層覆蓋網絡就很難發揮其驅動作用。
(四)針對集群化的治理提示
社交機器人集群以“自組織”的集群智能，涌現演化出傳染受眾的協同行為的前提是集群中的社交機器人個體按照相同的行為準則進行社會傳染。平臺應該對展現出相似有害行為模式、且試圖傳染相同受眾的社交機器人進行識別和殺除，以此降低社交機器人通過集群化驅動社會擴散的能力。
(五)針對智能化的治理提示
相關社交機器人基於人工智能，運用社交媒體平臺提供的應用程序接口，比人類用戶更加高效持續地運用社交網絡的各項功能，驅動有害社會擴散，是它們的人工智能超越人類智能的顯著特徵。但這也是進行針對性治理的突破口。平臺應該限制展現出與人類用戶不同的行為模式的社交機器人，如短期生成大量傳播訊息、進行高頻率社交網絡互動、脫離人類作息生物鐘不間斷飽和式傳播等的社交機器人。這樣即令有害的社交機器人不再能夠運用人工智能超越人類智能的驅動能力，從而有效控制有害社會傳染的社會擴散。
需要指出的是：本文基於社會傳染理論，揭示社交機器人驅動社會擴散的原理機制，進而相應提出治理社交機器人的新路徑和新方法的研究，重點在於對社會傳染之於社會擴散的驅動原理機制的揭示和闡釋(當然，在這一方面還有進一步深入研究的提升空間)；其次是探索與之相關的社交機器人治理的新路徑和新方法，但就這方面而論，所討論的主要是方向性的、原則性的、提示性的。顯而易見，一旦明確循此治本主導、標本兼治的路徑和方法來治理社交機器人，它還需要進行大量的、深入的、具體的進一步的研究，包括相關的實踐層面的深入探討，以便最終形成系統且具體的治理解決方案。由此也印證了社交機器人的治理是一個複雜的系統工程，包括本文在內的針對社交機器人的有效治理的研究探索，無疑任重而道遠。
來源：《新聞界》2020年第3期
轉載請超鏈接註明：頭條資訊 » 從社會傳染到社會擴散：社交機器人的社會擴散傳播機制研究
免責聲明
：非本網註明原創的信息，皆為程序自動獲取互聯網，目的在於傳遞更多信息，並不代表本網贊同其觀點和對其真實性負責；如此頁面有侵犯到您的權益，請給站長發送郵件，並提供相關證明(版權證明、身份證正反面、侵權鏈接)，站長將在收到郵件24小時內刪除。