您可以解決社交媒體問題嗎？
Moiram / Alami
社交媒體的兩極分化不僅是不良算法的結果 – 平台的工作原理，這是由於AI-Productuct用戶的主要組成部分而不可避免的。這表明，如果我們基本上不設計在線通信世界，則不會解決問題。
彼得·塔恩伯格 根據美國國家選舉研究調查，荷蘭及其同事的阿姆斯特丹大學旨在模仿美國的許多政治信仰。由大型語言模式驅動的GPT-4O迷你語言模式，然後建議在研究人員設計的情況下，沒有廣告或算法，在通常的社交網絡上相互交流。
在實驗的五次跑步中，每項行為中的每一個，AI代理人都追隨分享政治隸屬關係的人，但是大多數黨派觀點都是由追隨者和存儲者獲得的。它與那些被更多偏見的海報所吸引的消費者相呼應。
在先前的研究中，龍堡和他的同事通過社交網絡可以找到減少政治兩極分化的方法進行了探索，但新的研究與他們先前的結果背道而馳。
塔恩伯格說：“我們希望這種（極性）可以由算法驅動。” “（我們認為）平台是為此而設計的 – 產生這些結果 – 因為它們旨在增加參與度並使您厭惡等等。”
取而代之的是，他們發現這不是算法，這似乎引起了問題，這可能會嘗試通過設計結合對比用戶的任何嘗試。他說：“我們已經建立了一個可以想像的簡單平台，然後，繁榮，我們已經獲得了這些結果。” “它已經表明它源自最基本的。我們有郵政行為，重新播出和跟隨。”
研究人員還測試了六種潛在的解決方案，以查看這些行為是否可以被靜音或面對面，其中只有及時性，病毒含量對病毒含量不太重要，擴大相反的觀點，同理心和合理的內容，隱藏著追隨者並報告計算。
大多數干預措施的差異非常低：跨黨混合不超過6％，而在頂級帳戶中繁忙的豬的份額在2％到6％之間變化了，其中一些隱藏了消費者傳記的傳記，實際上使問題惡化了。當一個領域有利潤時，它們會被其他地方的負面影響遇到。減少的用戶賠率在巨大的帖子中更受歡迎，但是變軟游擊隊的變化吸引了人們對較小的精英的關注。
“大多數社交媒體活動一直對中毒樹徒勞無功 – 社交媒體的最初問題始終是其基礎設計，並促進了人類行為的最糟糕。” 傑西·馬克斯（Jess Madax） 在佐治亞大學。
儘管塔恩伯格（Tarnberg）承認該實驗是通過某些機制簡化的，但他希望它能告訴我們社交平台應採取什麼措施來減少極性。他說：“我們可能需要更多的基本干預措施，需要更多的基本重新思考。” “可能不足以使用算法進行搖擺並改變平台的參數，但是（我們）需要更重新考慮互動的結構，以及這些差距如何建立我們的政治。”
事物：
