假新聞的散佈 是因為我們沒有「思考」(圖)


假新聞的散佈,是因為我們沒有「思考」!(圖片來源:Adobestock)

假新聞的散佈,是因為我們沒有「思考」!別丟下判斷訊息合理性的責任。

假新聞是個複雜的問題,沒有簡單的解決方法。競爭和隱私固然應該受到規範,錯誤訊息卻構成一種獨特的挑戰,因為我們需要選出真相仲裁者賦予他們定義真假的權利,政府通常不適合擔任這樣的角色。基於這個理由,對抗錯誤訊息的戰爭不會、也不該由政策制定者贏得,而是由平台和人民贏得。雖然沒有靈丹妙藥,但組合不同的方法可以抑制假新聞的擴散,並減輕這類新聞對社會的影響。

1、加上標記

第一個方法是加上標記。我們可以這麼想:在超市買東西時,產品上普遍都有標示。我們因此知道產品有多少卡路里、脂肪,以及製作過程是否會經過處理小麥或花生的設備(針對會過敏的消費者)。這種營養表上的標示是法律規定的。但當我們閱讀線上新聞時,沒有任何標記可以顯示我們付費閱聽消息的來源和真實性。消息中有什麼?消息來源可靠嗎?消息是如何蒐集的?這個期刊的編輯政策為何?需要多少個獨立消息來源來證實才能發表聲明?這個消息來源有多常發表經過事實查核的消息?我們對所吃的食物可以得到廣泛的訊息,可是對我們付費閱聽的新聞卻幾乎沒有任何資料。

研究顯示,加上標記可以抑制錯誤訊息的散播。例如,我的同事大衛.蘭德和葛登.潘尼庫克發現,在碰到假新聞時,消費者是「懶惰而不是有偏見」。他們如果用分析的角度來看新聞,就比較能夠區分真假。「人們看了假新聞會上當,是因為他們沒有思考,而不是因為他們帶著動機或以保護身份的方式去思考。」鼓勵人們思考付費閱聽的新聞,能改變他們對新聞的信任程度和分享意願。

貼標記和輕推人們、促使他們思考正確性,都不算冒犯,而是能逐步擴大的解決方案。但這些解決方案並不完美。在研究中,假新聞標記也降低人們對真新聞的信任,這意味著標記造成人們對新聞的普遍不信任。此外,假新聞的標記可以創造一種「暗示真實效應」(implied truth effect),只是因為假新聞沒有被揭穿,所以消費者認為沒有標記的新聞必然是正確的。在為假新聞貼上標記的同時,我們必須確保能有效辨別假新聞,同時避免執行上已知的困難。

2、處理製造和散播假訊息背後所蘊含的經濟誘因

其次,我們必須處理製造和散播假訊息背後所蘊含的經濟誘因。2016年美國總統大選期間,馬其頓冒出一波錯誤訊息,並且從出現在假內容旁的廣告賺到錢。這裡面並沒有政治動機。由於假新聞比真相傳播得更遠、更快、更深、更廣,根據我們的研究,再分享的機率多出70%。我們首先需要切斷散播錯誤訊息的經濟誘因,並減少製造錯誤訊息的經濟誘因。

YouTube也採用這個方法來對抗反接種疫苗錯誤訊息的散播。2019年二月,他們移除反接種疫苗影片上的廣告,並停止讓反接種疫苗帳號從影片得到收入,讓他們完全賺不到廣告收入。他們的群體指導原則現在是這樣:「有可能引發有害或危險行為(會造成嚴重的身體、情緒、心理傷害)的內容不適合刊登廣告。」這包含「促進或提倡有害的健康或醫療主張或做法」,如「反接種疫苗或愛滋病否認運動……暗示嚴重病況並不存在或只是刻意捏造的騙局」。

在停止為錯誤訊息提供廣告收入的同時,還攔截相關搜尋並禁止有害內容。他們比較可能成功斷絕錯誤訊息市場的經濟收入。

3、學會分辨事實

第三,雖然有關人們的媒體識讀能力(media literacy)能否有效對抗假新聞,相關研究仍處於初始階段,這種認識卻可以成為預防偏見和謊言的重要管道。對媒體的認識是設計來教導人們(透過初等和中等教育)以批判角度來思考付費閱聽和分享的訊息。這包括教他們如何分辨事實和意見、發現假新聞、瞭解媒體如何被用來說服大眾。

劍橋大學2018年推出一個名為「壞消息」(Bad News)的遊戲來教導網路使用者,如何用自己創造假新聞的方式來發現假新聞。在這個網頁遊戲中,玩家用推特機器人、 photoshop證據、散播開來的陰謀論吸引追蹤者,還要同時保持高「可信度分數」以維持自己的說服力。

劍橋大學社交決策實驗室主任桑德.范德.林登(Sander van der Linden)說,「我們的遊戲有類似心理上打預防針的效果。」即讓用戶接觸小劑量的謊言來達成預防效果。一項有15000個參與者的研究發現,這個遊戲讓假新聞的可信度平均下降21%,還不影響用戶對真實新聞的認知。而且,那些一開始被評估為較容易受到假新聞標題影響的人,從這個遊戲獲益更多。

4、採用科技解決方案

第四,我們應該採用科技解決方案來對抗錯誤訊息的散播。機器學習雖然不是靈丹妙藥,卻可以趕走線上的假訊息。最好的演算法會利用內容的特徵,如假訊息的語言、結構及主張,也會考量訊息以虛假訊號方式傳播時的特徵。例如,我們以前的學生、現在在達特茅斯擔任教授的賽洛希.烏蘇吉於2015年建立一個謊言預測器,它能正確的預測推特上75%謠言的真實性,速度比任何一種公眾消息來源都還要快,包括來自記者和執法官員的消息。

科技進展得很快,而現在主要平台所用的高科技演算法可能更有效。用來訓練新演算法的資料庫已經可供取用,例如數據科學競爭網站Kaggle上的資料。但科技不是靈丹妙藥,人類必須待在這個科技迴路中。這個問題大到不是人類能單獨解決的,但我們不能放棄判斷訊息合法性的責任。為了訓練機器學習演算法,以及確保人類判斷可以引領演算法對定義真假的判斷,人工標記是不可或缺的。
 

本文整理、節錄自思南.艾瑞爾(Sinan Aral)《宣傳機器》一書,文章僅代表作者個人立場和觀點。由天下文化授權轉載,欲閱讀完整作品,歡迎參考原書。

本文留言

作者思南.艾瑞爾相關文章


相關文章


近期讀者推薦