1. 我是CIO首页
  2. 资讯
  3. 人工智能

新算法可以减少信息过载导致的极端化

hat恨
图片来源:Unsplash / CC0公共领域

随着可用信息量的扩大,一个人能够吸收的内容逐渐减少。他们最终退缩到狭隘的思想中,变得更容易受到错误信息的影响,并分化为孤立的,相互竞争的意见飞地。为了打破这个循环,计算机科学家说,我们需要新的算法来优先考虑更广阔的视野,而不是满足消费者的偏见。

伦斯勒理工学院计算机科学教授Boleslaw Szymanski说:“这是一个武装呼吁。” “知情的公民是民主的基础,但是提供信息的大公司的利益是向我们出售产品。他们在互联网上这样做的方式是重复我们表现出的兴趣。他们不感兴趣。随着读者的成长;他们对读者的持续关注感兴趣。”

伊利诺伊大学厄本那香槟分校,加利福尼亚大学洛杉矶分校和加利福尼亚大学圣地亚哥分校的Szymanski及其同事在arXiv.org上发表的一篇论文中探讨了这种令人困扰的“信息访问悖论”。

社会和认知网络专家Szymanski说:“让每个人都能成为作者将是一件幸事。”先前的工作包括发现了一个坚定的少数族群影响结果的力量的发现。“但是,人类的注意力范围并没有为亿万作家准备。我们不知道该阅读什么,而且由于我们无法选择所有内容,因此我们只是回到熟悉的领域,去代表我们自己的信念的作品。 ”

伊利诺伊大学厄巴纳香槟分校的教授和大学的塔里克·阿卜杜勒扎赫(Tarek Abdelzaher)表示,这种影响也不是完全史无前例的。

Abdelzaher说:“这并不是第一次提供连通性和增加访问权限导致两极分化。” “当美国州际高速公路系统建成时,城市的社会经济两极化加剧。连通性使人们能够自我隔离成更多同质的,分散的社区。这个项目的主要问题是:如何消除创建信息高速公路的两极化效应? ”

当我们自己的人为限制与最大化“点击”的信息管理系统结合使用时,效果会更加恶化。

为了打破这种循环,作者认为,必须从仅“给消费者更多的这些消费者表达的兴趣”的系统中更改提供每日个性化信息菜单的算法。

作者建议采用一种长期用于传达历史的技术,以便为距今更远的事件提供更紧密的汇总。他们称这种内容管理模型为“知识的可扩展表示”。算法将从“提取性摘要”(它提供了我们过去使用的更多内容)转变为“抽象性摘要”,这增加了我们可以消化的可用思想的比例。

伦斯勒(Rensselaer)网络科学和技术中心的主任Szymanski说:“只要平衡内容,您就可以在更小的空间中覆盖更多的远程知识。” “尽管读者的注意力范围有限,但他们仍然对新领域有所了解,因此他们可以选择将注意力转移到新的方向或坚持到底。”

很少有分析模型可以衡量作者所说的“在全球民主化时代的意识形态分裂”的趋势。但是,作者认为,一个人将个人视为“一个信念空间中的粒子”(几乎像一个流体),并根据他们随时间分享的内容变化来测量其变化的位置。该模型“证实了随着信息过载而出现的两极分化。”

我们越是意识形态上的孤立和两极分化,我们就越容易受到旨在强化自己偏见的虚假信息的伤害。Szymanski和他的同事提供了许多技术解决方案来减少错误信息,包括更好的数据源和检测错误信息的算法,例如内部一致性推理,背景一致性推理和元素内一致性推理工具。

Szymanski说:“本文所讨论的非常令人遗憾的发展是,今天人们之间并未相互交谈。我们生活在我们自己的宇宙中,这些数据来自这些汇总系统,这些数据证实了我们与生俱来的偏见。” 。“这是我们作为民主国家面临的一个大问题,我认为我们有责任为社会的利益解决这一问题。”

Szymanski和他的合著者正在研究数学模型,这些模型可以测量各种媒体中的极化程度,并预测在各种缓解策略下趋势将如何变化。

本文为作者 何斌 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论