錯誤資訊確實像病毒一樣傳播，流行病學研究表明

以下文章經 The Conversation 許可轉載，The Conversation 是一家報道最新研究的線上出版物。

我們越來越意識到錯誤資訊如何影響選舉。大約 73% 的美國人表示看到過誤導性的選舉新聞，大約一半的人難以辨別真假。

當涉及到錯誤資訊時，“病毒式傳播”似乎不僅僅是一個簡單的流行語。科學家們發現錯誤資訊的傳播與病毒的傳播之間存在密切的相似之處。事實上，可以使用旨在模擬病原體傳播的數學模型有效地描述錯誤資訊的傳播方式。

支援科學新聞

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報道： 訂閱。透過購買訂閱，您將幫助確保未來能夠繼續刊登關於塑造我們當今世界的發現和想法的有影響力的報道。

人們普遍擔憂錯誤資訊，聯合國最近的一項調查顯示，全球 85% 的人對此感到擔憂。

這些擔憂是有充分根據的。自 2016 年美國大選以來，外國虛假資訊的複雜性和範圍都在增加。2024 年的選舉週期出現了關於“天氣操縱”的危險陰謀論，破壞了颶風的適當管理；關於移民吃寵物的虛假新聞煽動了針對海地社群的暴力；以及由世界首富埃隆·馬斯克放大的誤導性選舉陰謀論。

最近的研究採用了借鑑於流行病學（研究疾病如何在人群中發生以及原因的學科）的數學模型。這些模型最初是為研究病毒傳播而開發的，但可以有效地用於研究錯誤資訊在社交網路上的傳播。

一類適用於錯誤資訊的流行病學模型被稱為易感-感染-康復 (SIR) 模型。這些模型模擬易感者 (S)、感染者 (I) 和康復或抵抗個體 (R) 之間的動態。

這些模型由一系列微分方程生成（幫助數學家理解變化率），並很容易應用於錯誤資訊的傳播。例如，在社交媒體上，虛假資訊從個人傳播到個人，其中一些人被感染，一些人保持免疫。其他人則充當無症狀傳播者（疾病攜帶者），在不知情或不受其不利影響的情況下傳播錯誤資訊。

這些模型非常有用，因為它們使我們能夠預測和模擬人口動態，並提出諸如基本再生數 (R0) 等指標——由“受感染”個體產生的平均病例數。

因此，人們越來越有興趣將此類流行病學方法應用於我們的資訊生態系統。大多數社交媒體平臺的估計 R0 值大於 1，這表明這些平臺具有類似流行病的錯誤資訊傳播潛力。

尋找解決方案

數學建模通常包括所謂的現象學研究（研究人員描述觀察到的模式）或機械論研究（涉及根據已知關係進行預測）。這些模型特別有用，因為它們使我們能夠探索可能的干預措施如何幫助減少錯誤資訊在社交網路上的傳播。

我們可以用下圖所示的簡單說明性模型來說明這個基本過程，該模型使我們能夠探索系統在各種假設假設下如何演變，然後可以對這些假設進行驗證。

擁有大量粉絲的知名社交媒體人物可能成為選舉虛假資訊的“超級傳播者”，向數億人傳播謊言。這反映了目前的狀況，即選舉官員報告說，他們在試圖核實錯誤資訊的努力中處於劣勢。

在我們的模型中，如果我們保守地假設人們在接觸後只有 10% 的感染機率，那麼根據研究，揭穿錯誤資訊只有很小的效果。在 10% 的感染機率情景下，受選舉錯誤資訊感染的人口迅速增長（橙色線，左側面板）。

心理“疫苗接種”

錯誤資訊的病毒式傳播類比非常貼切，因為它使科學家能夠模擬對抗其傳播的方法。這些干預措施包括一種稱為“心理接種”的方法，也稱為預先揭穿。

這是研究人員搶先引入，然後反駁一個虛假資訊，以便人們獲得未來對錯誤資訊的免疫力。這類似於疫苗接種，人們被引入（減弱的）病毒劑量，以啟動他們的免疫系統以應對未來的暴露。

例如，最近的一項研究使用人工智慧聊天機器人提出了針對常見選舉舞弊謠言的預先揭穿。這包括提前警告人們，政治行為者可能會用聳人聽聞的故事來操縱他們的觀點，例如“大規模的夜間選票傾倒正在扭轉選舉”的虛假說法，以及關於如何識別此類誤導性謠言的關鍵技巧。這些“接種”可以整合到錯誤資訊傳播的人口模型中。

您可以在我們的圖表中看到，如果不採用預先揭穿，人們需要更長的時間才能建立對錯誤資訊的免疫力（左側面板，橙色線）。右側面板說明了如果大規模部署預先揭穿，它可以控制被錯誤資訊誤導的人數（橙色線）。

這些模型的目的不是讓問題聽起來可怕，也不是暗示人們是容易上當受騙的疾病傳播者。但有明確的證據表明，一些假新聞報道確實像簡單的傳染病一樣傳播，立即感染使用者。

與此同時，其他故事的行為更像複雜的傳染病，人們需要反覆接觸誤導性資訊來源，然後才會被“感染”。

個人對錯誤資訊的易感性可能因人而異，但這並沒有減損借鑑於流行病學的方法的實用性。例如，可以根據錯誤資訊“感染”不同亞人群的難易程度來調整模型。

儘管以這種方式看待人們可能讓一些人在心理上感到不舒服，但正如病毒的情況一樣，大多數錯誤資訊是由少數有影響力的超級傳播者傳播的。

採用流行病學方法研究假新聞使我們能夠預測其傳播並模擬預先揭穿等干預措施的有效性。

最近的一些工作使用 2020 年美國總統大選的社交媒體動態驗證了病毒式傳播方法。研究發現，多種干預措施的結合可以有效地減少錯誤資訊的傳播。

模型永遠不是完美的。但是，如果我們想阻止錯誤資訊的傳播，我們需要了解它，以便有效地對抗其社會危害。

本文最初發表於 The Conversation。《閱讀原文》。