美國宇航局在火星上運營著一個兒童奴隸殖民地！
中國軌道飛行器拍攝的照片揭示了月球上的外星人定居點！
可以控制人類思想的變形蜥蜴外星人正在統治美國政府！
關於支援科學新聞業
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞業 訂閱。 透過購買訂閱，您正在幫助確保未來能夠持續產出關於塑造我們當今世界的發現和想法的有影響力的故事。
是什麼驅動了這些故事的驚人流行度？我們是特別容易受騙的物種嗎？也許不是——也許我們只是不堪重負。《自然-人類行為》雜誌6 月份發表的一個關於新聞如何在社交媒體上傳播的簡陋模型《自然-人類行為》表明，幾乎任何事物都可能像病毒一樣傳播。即使在一個完美的世界裡，每個人都想分享真實的新聞，並且有能力評估每項宣告的真實性，一些假新聞仍然會傳播到成千上萬（甚至數百萬）人，僅僅是因為資訊過載。通常不可能看到新聞推送中的所有內容，更不用說確認其真實性了。“如果你生活在一個充斥著垃圾的世界裡——即使你善於辨別——你仍然只看到了一部分，所以你仍然可能分享錯誤資訊，”印第安納大學布盧明頓分校（I.U.）的計算機科學家菲利波·門澤爾解釋說，他是該模型的合著者之一。“競爭如此激烈，以至於好的東西無法浮出水面。”
在虛擬世界中，照片的美麗或文章的說服力確實有助於傳播“模因”——門澤爾和他的同事用這個術語來表示連結、影片、短語或其他線上資訊單元。然而，研究人員證明，即使個人可以區分真假模因，但僅僅是三個不可避免的因素就可以解釋網路無法區分模因的真假。它們是：大量的資訊；人們可以用來滾動瀏覽新聞推送和選擇分享內容的時間和注意力有限；以及底層社交網路的結構。所有這三個因素共同作用，傳播了一些最糟糕的模因，卻犧牲了最好的模因。
用於探索模因如何在社交媒體網路上傳播的數學模型被稱為基於代理的模型，因為它們需要“代理”（個人的技術術語）的積極參與。這些模型源於一類較早的模擬，用於研究疾病如何在社群中傳播。想象一下一個圖表，其中每個代理用一個點或節點表示，並透過線連線到其他節點，代表朋友或關注者。例如，如果愛麗絲被流感病毒或一條假新聞“感染”，她可能會透過握手或與鮑勃和克萊夫分享模因，沿著這些連結將傳染源傳播給她的朋友鮑勃和克萊夫。鮑勃和克萊夫反過來可以將傳染源傳遞給他們的聯絡人，依此類推。透過充實這個骨架框架，科學家們試圖模擬模因在不同條件下可以傳播多遠。
“然而，資訊不是病毒，”南加州大學的資訊科學家克里斯蒂娜·勒曼警告說，她沒有參與建立新模型. 雖然我們通常一次處理一種流感病毒株，或者最多幾種，但競爭感染我們的模因數量卻令人震驚。建模者透過想象每個人都有一個螢幕，可以在上面檢視傳入的模因，從而納入了這種豐富性。該模型為愛麗絲建立和分享新模因（例如，她製作的跳舞鸚鵡影片）的可能性分配了一個值，並且也為所有其他使用者可能產生的所有新模因分配了一個值。由於新模因增加了系統中資訊的總量，因此這些值衡量了檢視螢幕的人所經歷的資訊負載。
另一個引數跟蹤愛麗絲在她冗長的新聞推送中檢視的專案數量，然後選擇簡單地將現有模因傳遞給她的聯絡人，而不是建立新的模因。此引數用作注意力持續時間的代理——愛麗絲關注的資訊。一旦愛麗絲髮送訊息，它就會出現在鮑勃、克萊夫和其他人的螢幕上，他們反過來選擇是建立自己的模因還是從他們的推送中傳播其中一個模因。
使用此模型早期版本，門澤爾和印第安納大學的其他人在 2012 年表明，即使所有模因都同樣“具有傳染性”——也就是說，每次被檢視時都同樣有可能被分享，一些模因也會像病毒一樣傳播。兩種模型中的模因大致遵循所謂的“冪律”，這意味著模因被推特或其他方式分享一定次數的機率隨著該次數的倒冪而降低。例如，模因被推特兩次的可能性是推特一次的四分之一。“如果你檢視 Flickr 上的圖片分佈或 Facebook 上的文章或 Twitter 上的主題標籤——所有這些都具有冪律，”門澤爾說。儘管如此，傳播到數千名接收者的模因仍然非常普遍。
2014 年，愛爾蘭利默里克大學的數學家詹姆斯·格里森和其他人證明了門澤爾等人構想的這類模型與“沙堆”（物理學家稱之為“自組織臨界性”的規範系統）之間存在數學相似性。如果一個人輕輕地將沙子滴到平坦的表面上，沙子會堆積起來，直到它的坡度達到臨界角。再多幾粒沙子可能不會發生什麼大事，但突然間又一粒沙子會引發雪崩：相當於模因像病毒一樣傳播。格里森的分析表明，系統的內在屬性，而不是模因的特殊性，正在驅動病毒式傳播。
在最新的論文中，門澤爾、邱曉燕和印第安納大學的其他人在最新的論文中考察瞭如果某些模因比其他模因更具傳染性會發生什麼。他們發現，如果資訊負載低且注意力持續時間長，則更具吸引力的模因會勝出。然而，從 Twitter 和 Tumblr 資料獲得的對注意力和資訊過載的實際跟蹤表明，在現實生活中，大量的資訊通常會壓倒我們。“你不必假設垃圾傳播的原因是因為人們喜歡它，或者是因為他們無法分辨差異，”門澤爾解釋說。“你可以假設人們確實知道差異，但假東西仍然會像病毒一樣傳播，僅僅是因為資訊過載。”
影響模因傳播的一個關鍵因素是底層社交媒體網路中的連線模式。“某些網路結構會促進快速傳播，而另一些網路結構會抑制傳播，”加州大學洛杉磯分校的數學家梅森·波特說。例如，如果競爭驅動模型中的模擬網路被假定為隨機的——這意味著連線在網路上的節點之間隨機分佈——則沒有模因會像病毒一樣傳播。然而，真實的社交媒體網路顯示出大致呈冪律分佈的連結——門澤爾和他的同事將這一特徵納入了他們的模擬中。因此，雖然我們大多數人——例如 Twitter 上的每個節點——只有少數關注者，但少數異常值可能有數萬。如果這些“超級連線”的個人或中心中的任何一個感染了假模因，他們大概可以將它傳播得很廣。
但是南加州大學的勒曼不敢苟同。在疾病模型中，高度連線的人被稱為“超級傳播者”，因為他們幫助推動疫情蔓延。然而，透過檢查實際 Twitter 使用者的行為，她在 2016 年證明，超級連線的代理傳遞的模因非常少。這是因為他們不可能看到，更不用說閱讀，他們令人震驚的冗長推送中的所有內容。“高度連線的人不太可能看到任何甚至五分鐘前的內容，因為它在他們的推送中太靠下了，”她指出。因此，資訊過載確保他們首先不太可能被感染。在她看來，中心抑制了絕大多數模因，但可能有助於傳播他們放過的少數模因。
在病毒式傳播中也起作用：朋友傾向於形成叢集。因此，例如，由於愛麗絲認識鮑勃和克萊夫，後者也可能彼此認識，並且可能在許多問題上持有相似的觀點。這些叢集有助於建立社交媒體愛好者認為的“迴音室”。我們大多數人傾向於多次看到一些模因，從而增加了我們也會分享它們的可能性。更糟糕的是，模因的傳染性——不像流感病毒的傳染性——取決於它被分享的頻率。在哥倫比亞大學的社會學家馬修·薩爾加尼克等人於 2006 年進行的一項涉及 14,000 多名志願者的網路實驗中，他們表明，如果新兵意識到他們的同齡人喜歡某首歌曲，他們更有可能下載該歌曲。
這種“社會強化”可以確保一旦超過一定的曝光閾值，傳染性就會急劇增加。“你看到一個人釋出‘美國宇航局在火星上有奴隸殖民地’，你認為，‘這太荒謬了，’”波特解釋說。“你看到第二個人釋出‘美國宇航局在火星上有奴隸殖民地’。你多次看到這種情況，它在某種程度上變得更可信，你看到的次數越多。”所以你也分享了它。幾個研究小組正在探索導致選擇一個模因而不是另一個模因的複雜認知過程。
然而，關於本研究中使用的模型的準確性仍然存在爭議。“總的來說，我傾向於對基於代理的模型持懷疑態度，因為你可以調整的旋鈕太多了，”勒曼說。門澤爾承認，任何用於嘗試重現人類認知行為所有微妙之處的模型都將有許多未知的引數——或“旋鈕”——這將使他們的結果難以解釋。但這對於這種極簡模型（通常稱為“玩具模型”）來說問題不大，這些模型僅旨在探索粗略的特徵。 “只要它們非常簡單，它們就很有用，”門澤爾說——因為它們揭示了令人驚訝的強大真理。