Социальные сети: Ловушка Поляризации? Университет Амстердама Раскрывает шокирующую правду

Иллюзия «цифрового общественного форума»: почему соцсети обречены на поляризацию

Представленный в вере, что социальные сети смогут объединить человечество, утопический образ «цифрового общественного форума» превратился в реальность, пронизанную «эхо-камерами», «пузырями фильтров» и доминированием радикальных голосов. Новое исследование Университета Амстердама показало, что эти разрушительные закономерности изначально заложены в архитектуре социальных медиа, и даже радикальные изменения в их алгоритмах способны изменить лишь малую часть их поведения.

Неизбежность поляризации: результаты исследования

Работа, опубликованная в препринте на arXiv в августе 2025 года и анонсированная Ars Technica, демонстрирует, что социальные сети неизбежно приводят к неприятным последствиям даже без сложных алгоритмов, усиливающих вовлечённость. Профессора Петтер Тёрнберг и Майк Ларуий применили «мультиагентное моделирование», которое вместо абстрактных правил поведения пользователей задействует крупные языковые модели (LLM) для симуляции взаимодействия миллионов ИИ-персон. Эти «ИИ-персоны» обладают реалистичными характеристиками, в том числе на основе данных «Американского национального опроса избирателей», включающего подробную информацию о хобби и предпочтениях.

В рамках исследования, как подчёркивает Тёрнберг, была предпринята попытка создать «минимальную, базовую модель» социальной сети, а затем по-этапно добавлять новые элементы, чтобы увидеть, когда начнут проявляться проблемные последствия, такие как эхо-камеры или концентрация влияния. К удивлению исследователей, эти неблагоприятные динамики возникли уже в самой базовой версии, что указывает на их структурную природу. «Нам не потребовалось включать какие-либо алгоритмы, нам не пришлось корректировать модель. Все эти процессы просто вышли из базовой конструкции», - поясняет Тёрнберг.

Эти динамики включают:

• Эхо-камеры и пузыри фильтров: формирование замкнутых групп единомышленников, где пользователи изолированы от альтернативных точек зрения.
• Неравенство внимания: сосредоточение влияния в руках небольшой группы топ-пользователей-«инфлюенсеров».
• Усиление экстремального контента: тенденция к доминированию и распространению наиболее радикальных и эмоционально заряженных сообщений. Как замечает Тёрнберг, это не столько «пузырь фильтров», сколько «пузырь триггеров».

Неспособность к исцелению: испытания интервенций

Исследователи проверили шесть разных стратегий вмешательства, ранее предлагавшихся для борьбы с этими эффектами:

1. Хронологические или случайные ленты: отказ от алгоритмических рекомендаций.
2. Инвертирование алгоритмов оптимизации вовлечённости: снижение видимости сенсационного контента.
3. Повышение разнообразия точек зрения: более широкое знакомство пользователей с противоположными политическими позициями.
4. «Мостовые» алгоритмы (bridging algorithms): продвижение контента, способствующего взаимопониманию.
5. Скрытие социальной статистики: удаление данных о репостах и числе подписчиков.
6. Удаление биографий: ограничение доступа к информации об идентичности пользователей.

Результаты оказались разочаровывающими: «Только некоторые интервенции дали скромные улучшения. Ни одна из них не смогла полностью разрушить фундаментальные механизмы, порождающие дисфункциональные эффекты. На самом деле, некоторые вмешательства даже усилили проблемы». Так, хронологический порядок публикаций уменьшил неравенство внимания, но одновременно усилил распространение экстремального контента. Увеличение разнообразия точек зрения вовсе не принесло заметных результатов.

По мнению Тёрнберга, это свидетельствует о «чрезвычайной устойчивости» механизма, генерирующего эти нежелательные последствия, учитывая базовую структуру платформ.

ИИ как инструмент экспериментальной истории

Идея «структурно встроенных» проблем социальных сетей перекликается с давним концептом «Института экспериментальной истории», где невозможность экспериментировать с реальными людьми ограничивала понимание социальных явлений. Однако благодаря развитию LLM, как подчёркивает статья arXiv:2505.14422 «MindVote: When AI Meets the Wild West of Social Media Opinion», стало возможным «масштабное моделирование» социальных процессов с использованием ИИ-персон. Это позволяет проводить «пилотное тестирование» социальных гипотез, напоминающее предсказания Роберта Спирса (R. Spears) в 1990 году, показывающие, как анонимность в компьютерно-опосредованной коммуникации может усиливать групповую поляризацию.

Проблемы реальности и восприятия

Одной из причин возникновения сильных негативных эффектов является фундаментальное изменение характера социального взаимодействия: переход от «нормального распределения» к «степенному закону распределения», характерному для глобально взаимосвязанных сетей. Такие платформы создают условия, при которых небольшая группа пользователей становится «инфлюенсерами», чьё влияние несоразмерно их реальному представительству.

Более того, соцмедиа искажают восприятие политики. По словам Тёрнберга, «политика кажется гораздо более токсичной, гораздо более поляризованной. Люди выглядят немного безумнее, чем они есть на самом деле». Это приводит к ошибочным представлениям о противоположной стороне и усиливает эффект «аффективной поляризации», выявленный в исследовании Д. Хмиеловского, которое зафиксировало рост этого явления в США после 1996 года, после появления Fox News.

Медиа и нейросети: новые вызовы

Эффект поляризации усиливается в условиях «разброда информации», как называют его Ванин А.В., Гордякова О.В. и Лебедев А.Н. в обзоре 2025 года - распространения недостоверных сведений, фейковых новостей и дипфейков, эффективность которых повышают алгоритмы, подавляющие несогласие. Как отмечают Шафир Т.В. и Токарский Д.Е. в журнале «Вопросы медиабизнеса» 2025 г., ИИ способен генерировать тексты, изображения и видео, которые могут быть недостоверными или даже манипулятивными, что подрывает доверие аудитории, особенно при широком распространении фейковых новостей.

Таким образом, если ранее традиционные СМИ, по мнению Мелки и Пикеринг, снижали идеологическую поляризацию, а Приор (Prior) не находил убедительных доказательств негативного воздействия медиа, то с появлением и ростом социальных сетей ситуация изменилась. Исследование Конновера (Conover M.) 2011 года показало, что политические сети в Twitter сильно сегментированы, а Груздь и Рой (Gruzd, Roy) подтвердили низкий уровень взаимодействия между сторонниками разных партий.

Впрочем, существуют и противоположные точки зрения. В обзоре А.В. Ванина с соавторами также упомянуты работы, указывающие на возможный эффект деполяризации и расширения круга доступной пользователям информации, например, за счёт разнообразия «медиадиеты» (Э. Дюбуа и Г. Бланк) или участия в политически разнородных сетях (Барбера).

Тем не менее, большинство исследований, обобщённые в обзоре Ванина, Гордяковой и Лебедева, свидетельствуют об усиливающемся поляризующем влиянии современных медиа и социальных сетей.

Вывод: путь к локализации

Если не менять фундаментальную модель самих социальных сетей, то, как подчёркивает Тёрнберг, «мы, вероятно, должны отойти от текущей модели и перейти к некой пространственной или групповой модели, которая делает вещи более локальными, менее глобально взаимосвязанными».

Именно глобальная взаимосвязанность, по его мнению, «кардинально подрывает возможность тех видов разговоров, о которых традиционно говорили политологи и политические теоретики, обсуждая общественную сферу». Следовательно, будущее социальных медиа, если они намерены преодолеть внутреннюю предрасположенность к поляризации, заключается в их децентрализации и локализации. Без этого, как показывает исследование, алгоритмические ухищрения лишь меняют форму проявления проблемы, но не решают её в корне.