以下文章经 
The Conversation 许可转载，The Conversation 是一家报道最新研究的在线出版物。
我们越来越意识到错误信息如何影响选举。大约 73% 的美国人表示看到过误导性的选举新闻，大约一半的人难以辨别真假。
当涉及到错误信息时，“病毒式传播”似乎不仅仅是一个简单的流行语。科学家们发现错误信息的传播与病毒的传播之间存在密切的相似之处。事实上，可以使用旨在模拟病原体传播的数学模型有效地描述错误信息的传播方式。
支持科学新闻
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报道： 订阅。通过购买订阅，您将帮助确保未来能够继续刊登关于塑造我们当今世界的发现和想法的有影响力的报道。
人们普遍担忧错误信息，联合国最近的一项调查显示，全球 85% 的人对此感到担忧。
这些担忧是有充分根据的。自 2016 年美国大选以来，外国虚假信息的复杂性和范围都在增加。2024 年的选举周期出现了关于“天气操纵”的危险阴谋论，破坏了飓风的适当管理；关于移民吃宠物的虚假新闻煽动了针对海地社区的暴力；以及由世界首富埃隆·马斯克放大的误导性选举阴谋论。
最近的研究采用了借鉴于流行病学（研究疾病如何在人群中发生以及原因的学科）的数学模型。这些模型最初是为研究病毒传播而开发的，但可以有效地用于研究错误信息在社交网络上的传播。
一类适用于错误信息的流行病学模型被称为易感-感染-康复 (SIR) 模型。这些模型模拟易感者 (S)、感染者 (I) 和康复或抵抗个体 (R) 之间的动态。
这些模型由一系列微分方程生成（帮助数学家理解变化率），并很容易应用于错误信息的传播。例如，在社交媒体上，虚假信息从个人传播到个人，其中一些人被感染，一些人保持免疫。其他人则充当无症状传播者（疾病携带者），在不知情或不受其不利影响的情况下传播错误信息。
这些模型非常有用，因为它们使我们能够预测和模拟人口动态，并提出诸如基本再生数 (R0) 等指标——由“受感染”个体产生的平均病例数。
因此，人们越来越有兴趣将此类流行病学方法应用于我们的信息生态系统。大多数社交媒体平台的估计 R0 值大于 1，这表明这些平台具有类似流行病的错误信息传播潜力。
寻找解决方案
数学建模通常包括所谓的现象学研究（研究人员描述观察到的模式）或机械论研究（涉及根据已知关系进行预测）。这些模型特别有用，因为它们使我们能够探索可能的干预措施如何帮助减少错误信息在社交网络上的传播。
我们可以用下图所示的简单说明性模型来说明这个基本过程，该模型使我们能够探索系统在各种假设假设下如何演变，然后可以对这些假设进行验证。
拥有大量粉丝的知名社交媒体人物可能成为选举虚假信息的“超级传播者”，向数亿人传播谎言。这反映了目前的状况，即选举官员报告说，他们在试图核实错误信息的努力中处于劣势。
在我们的模型中，如果我们保守地假设人们在接触后只有 10% 的感染几率，那么根据研究，揭穿错误信息只有很小的效果。在 10% 的感染几率情景下，受选举错误信息感染的人口迅速增长（橙色线，左侧面板）。
一个关于虚假信息在一周内在一个用户群体中传播的“隔间”模型，其中虚假信息在暴露时有 10% 的几率感染易感的未接种疫苗的个体。假设揭穿的有效性为 5%。如果引入预先揭穿，并且其有效性大约是揭穿的两倍，那么虚假信息感染的动态就会发生显著变化。
Sander van der Linden/Robert David Grimes
心理“疫苗接种”
错误信息的病毒式传播类比非常贴切，因为它使科学家能够模拟对抗其传播的方法。这些干预措施包括一种称为“心理接种”的方法，也称为预先揭穿。
这是研究人员抢先引入，然后反驳一个虚假信息，以便人们获得未来对错误信息的免疫力。这类似于疫苗接种，人们被引入（减弱的）病毒剂量，以启动他们的免疫系统以应对未来的暴露。
例如，最近的一项研究使用人工智能聊天机器人提出了针对常见选举舞弊谣言的预先揭穿。这包括提前警告人们，政治行为者可能会用耸人听闻的故事来操纵他们的观点，例如“大规模的夜间选票倾倒正在扭转选举”的虚假说法，以及关于如何识别此类误导性谣言的关键技巧。这些“接种”可以整合到错误信息传播的人口模型中。
您可以在我们的图表中看到，如果不采用预先揭穿，人们需要更长的时间才能建立对错误信息的免疫力（左侧面板，橙色线）。右侧面板说明了如果大规模部署预先揭穿，它可以控制被错误信息误导的人数（橙色线）。
这些模型的目的不是让问题听起来可怕，也不是暗示人们是容易上当受骗的疾病传播者。但有明确的证据表明，一些假新闻报道确实像简单的传染病一样传播，立即感染用户。
与此同时，其他故事的行为更像复杂的传染病，人们需要反复接触误导性信息来源，然后才会被“感染”。
个人对错误信息的易感性可能因人而异，但这并没有减损借鉴于流行病学的方法的实用性。例如，可以根据错误信息“感染”不同亚人群的难易程度来调整模型。
尽管以这种方式看待人们可能让一些人在心理上感到不舒服，但正如病毒的情况一样，大多数错误信息是由少数有影响力的超级传播者传播的。
采用流行病学方法研究假新闻使我们能够预测其传播并模拟预先揭穿等干预措施的有效性。
最近的一些工作使用 2020 年美国总统大选的社交媒体动态验证了病毒式传播方法。研究发现，多种干预措施的结合可以有效地减少错误信息的传播。
模型永远不是完美的。但是，如果我们想阻止错误信息的传播，我们需要了解它，以便有效地对抗其社会危害。
本文最初发表于 The Conversation。《阅读原文》。