美国宇航局在火星上运营着一个儿童奴隶殖民地！
中国轨道飞行器拍摄的照片揭示了月球上的外星人定居点！
可以控制人类思想的变形蜥蜴外星人正在统治美国政府！
关于支持科学新闻业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻业 订阅。 通过购买订阅，您正在帮助确保未来能够持续产出关于塑造我们当今世界的发现和想法的有影响力的故事。
是什么驱动了这些故事的惊人流行度？我们是特别容易受骗的物种吗？也许不是——也许我们只是不堪重负。《自然-人类行为》杂志6 月份发表的一个关于新闻如何在社交媒体上传播的简陋模型《自然-人类行为》表明，几乎任何事物都可能像病毒一样传播。即使在一个完美的世界里，每个人都想分享真实的新闻，并且有能力评估每项声明的真实性，一些假新闻仍然会传播到成千上万（甚至数百万）人，仅仅是因为信息过载。通常不可能看到新闻推送中的所有内容，更不用说确认其真实性了。“如果你生活在一个充斥着垃圾的世界里——即使你善于辨别——你仍然只看到了一部分，所以你仍然可能分享错误信息，”印第安纳大学布卢明顿分校（I.U.）的计算机科学家菲利波·门泽尔解释说，他是该模型的合著者之一。“竞争如此激烈，以至于好的东西无法浮出水面。”
在虚拟世界中，照片的美丽或文章的说服力确实有助于传播“模因”——门泽尔和他的同事用这个术语来表示链接、视频、短语或其他在线信息单元。然而，研究人员证明，即使个人可以区分真假模因，但仅仅是三个不可避免的因素就可以解释网络无法区分模因的真假。它们是：大量的信息；人们可以用来滚动浏览新闻推送和选择分享内容的时间和注意力有限；以及底层社交网络的结构。所有这三个因素共同作用，传播了一些最糟糕的模因，却牺牲了最好的模因。
用于探索模因如何在社交媒体网络上传播的数学模型被称为基于代理的模型，因为它们需要“代理”（个人的技术术语）的积极参与。这些模型源于一类较早的模拟，用于研究疾病如何在社区中传播。想象一下一个图表，其中每个代理用一个点或节点表示，并通过线连接到其他节点，代表朋友或关注者。例如，如果爱丽丝被流感病毒或一条假新闻“感染”，她可能会通过握手或与鲍勃和克莱夫分享模因，沿着这些链接将传染源传播给她的朋友鲍勃和克莱夫。鲍勃和克莱夫反过来可以将传染源传递给他们的联系人，依此类推。通过充实这个骨架框架，科学家们试图模拟模因在不同条件下可以传播多远。
“然而，信息不是病毒，”南加州大学的信息科学家克里斯蒂娜·勒曼警告说，她没有参与创建新模型. 虽然我们通常一次处理一种流感病毒株，或者最多几种，但竞争感染我们的模因数量却令人震惊。建模者通过想象每个人都有一个屏幕，可以在上面查看传入的模因，从而纳入了这种丰富性。该模型为爱丽丝创建和分享新模因（例如，她制作的跳舞鹦鹉视频）的可能性分配了一个值，并且也为所有其他用户可能产生的所有新模因分配了一个值。由于新模因增加了系统中信息的总量，因此这些值衡量了查看屏幕的人所经历的信息负载。
另一个参数跟踪爱丽丝在她冗长的新闻推送中查看的项目数量，然后选择简单地将现有模因传递给她的联系人，而不是创建新的模因。此参数用作注意力持续时间的代理——爱丽丝关注的信息。一旦爱丽丝发送消息，它就会出现在鲍勃、克莱夫和其他人的屏幕上，他们反过来选择是创建自己的模因还是从他们的推送中传播其中一个模因。
使用此模型早期版本，门泽尔和印第安纳大学的其他人在 2012 年表明，即使所有模因都同样“具有传染性”——也就是说，每次被查看时都同样有可能被分享，一些模因也会像病毒一样传播。两种模型中的模因大致遵循所谓的“幂律”，这意味着模因被推特或其他方式分享一定次数的几率随着该次数的倒幂而降低。例如，模因被推特两次的可能性是推特一次的四分之一。“如果你查看 Flickr 上的图片分布或 Facebook 上的文章或 Twitter 上的主题标签——所有这些都具有幂律，”门泽尔说。尽管如此，传播到数千名接收者的模因仍然非常普遍。
2014 年，爱尔兰利默里克大学的数学家詹姆斯·格里森和其他人证明了门泽尔等人构想的这类模型与“沙堆”（物理学家称之为“自组织临界性”的规范系统）之间存在数学相似性。如果一个人轻轻地将沙子滴到平坦的表面上，沙子会堆积起来，直到它的坡度达到临界角。再多几粒沙子可能不会发生什么大事，但突然间又一粒沙子会引发雪崩：相当于模因像病毒一样传播。格里森的分析表明，系统的内在属性，而不是模因的特殊性，正在驱动病毒式传播。
在最新的论文中，门泽尔、邱晓燕和印第安纳大学的其他人在最新的论文中考察了如果某些模因比其他模因更具传染性会发生什么。他们发现，如果信息负载低且注意力持续时间长，则更具吸引力的模因会胜出。然而，从 Twitter 和 Tumblr 数据获得的对注意力和信息过载的实际跟踪表明，在现实生活中，大量的信息通常会压倒我们。“你不必假设垃圾传播的原因是因为人们喜欢它，或者是因为他们无法分辨差异，”门泽尔解释说。“你可以假设人们确实知道差异，但假东西仍然会像病毒一样传播，仅仅是因为信息过载。”
影响模因传播的一个关键因素是底层社交媒体网络中的连接模式。“某些网络结构会促进快速传播，而另一些网络结构会抑制传播，”加州大学洛杉矶分校的数学家梅森·波特说。例如，如果竞争驱动模型中的模拟网络被假定为随机的——这意味着连接在网络上的节点之间随机分布——则没有模因会像病毒一样传播。然而，真实的社交媒体网络显示出大致呈幂律分布的链接——门泽尔和他的同事将这一特征纳入了他们的模拟中。因此，虽然我们大多数人——例如 Twitter 上的每个节点——只有少数关注者，但少数异常值可能有数万。如果这些“超级连接”的个人或中心中的任何一个感染了假模因，他们大概可以将它传播得很广。
但是南加州大学的勒曼不敢苟同。在疾病模型中，高度连接的人被称为“超级传播者”，因为他们帮助推动疫情蔓延。然而，通过检查实际 Twitter 用户的行为，她在 2016 年证明，超级连接的代理传递的模因非常少。这是因为他们不可能看到，更不用说阅读，他们令人震惊的冗长推送中的所有内容。“高度连接的人不太可能看到任何甚至五分钟前的内容，因为它在他们的推送中太靠下了，”她指出。因此，信息过载确保他们首先不太可能被感染。在她看来，中心抑制了绝大多数模因，但可能有助于传播他们放过的少数模因。
在病毒式传播中也起作用：朋友倾向于形成集群。因此，例如，由于爱丽丝认识鲍勃和克莱夫，后者也可能彼此认识，并且可能在许多问题上持有相似的观点。这些集群有助于建立社交媒体爱好者认为的“回音室”。我们大多数人倾向于多次看到一些模因，从而增加了我们也会分享它们的可能性。更糟糕的是，模因的传染性——不像流感病毒的传染性——取决于它被分享的频率。在哥伦比亚大学的社会学家马修·萨尔加尼克等人于 2006 年进行的一项涉及 14,000 多名志愿者的网络实验中，他们表明，如果新兵意识到他们的同龄人喜欢某首歌曲，他们更有可能下载该歌曲。
这种“社会强化”可以确保一旦超过一定的曝光阈值，传染性就会急剧增加。“你看到一个人发布‘美国宇航局在火星上有奴隶殖民地’，你认为，‘这太荒谬了，’”波特解释说。“你看到第二个人发布‘美国宇航局在火星上有奴隶殖民地’。你多次看到这种情况，它在某种程度上变得更可信，你看到的次数越多。”所以你也分享了它。几个研究小组正在探索导致选择一个模因而不是另一个模因的复杂认知过程。
然而，关于本研究中使用的模型的准确性仍然存在争议。“总的来说，我倾向于对基于代理的模型持怀疑态度，因为你可以调整的旋钮太多了，”勒曼说。门泽尔承认，任何用于尝试重现人类认知行为所有微妙之处的模型都将有许多未知的参数——或“旋钮”——这将使他们的结果难以解释。但这对于这种极简模型（通常称为“玩具模型”）来说问题不大，这些模型仅旨在探索粗略的特征。 “只要它们非常简单，它们就很有用，”门泽尔说——因为它们揭示了令人惊讶的强大真理。