被大V拉黑刪評可全站封禁，微博治理杠精有什麼可怕的影響？最新論文用數學模型給出了答案

一

最近微博推出新規，被大V（部分關注者超過十萬的用戶）在評論區刪評、且拉黑者，可能會被全站禁言。

我在知乎上看到有很多種意見，支持的、反對的都有。一些支持者認為，評論區實際上是半公開的私人場所，而且被拉黑的都是少數；而反對者則認為，這可能會導致「抱團」的現象更為嚴重。

這篇文章專門來探究一下，這種策略會不會使得「抱團」的現象更為嚴重。

二

所謂抱團，從圖論的角度來看，就是整個社交網路中存在很多社區，而社區之間的連接又非常至少。

比如上面這張圖，就使用了「社區檢測」技術，把一個海豚社交網路劃分為四個社區。社區內的個體，交互非常頻繁，而社區見的交流則相對較弱。

如果一個大型社交網路出現明顯的社區，就意味著存在「抱團」。

抱團有幾個負面的後果。其中最主要的，就是「思想會越來越極端」。因為身邊的人、關注的人，他們的思想都與自己類似。

這樣自己之前的一些似是而非的想法，就會越來越被強化。

已經又社會學研究者注意到了這些問題，而且早期的「投票模型」也預測到了這個現象。

不過上面的這些結論，包括思想極端化，都又一個前提，那就是：

社交網路中又明顯的社區（或者叫團簇）

微博的結構是怎樣的？存在明顯的社區嗎？

我沒有這方面的數據，但最近的一篇論文告訴了我們，社區結構會怎樣形成。

三

最近的一篇PRE（Physical Review E），使用了一個非常簡潔的數學模型，顯示了一個社交系統如何從均勻（沒有團簇）狀態轉變到「抱團」的狀態（Avetisov, V., A. Gorsky, S. Maslov, S. Nechaev, and O. Valba. 「Phase Transitions in Social Networks Inspired by the Schelling Model.」 Physical Review E98, no. 3 (September 20, 2018). https://doi.org/10.1103/PhysRevE.98.032308）。

這篇文章將一個經典的「隔離模型」應用到了網路上。上圖是就是這個經典的社會學模型——謝林模型。早期用來研究美國的種族隔離問題，比如同種族聚居區是怎樣形成的。

謝林模型的假設非常簡單——人會傾向於和自己相似的人生活在一起。所以這個模型就假設：如果身邊與自己不一樣的人的比例過高，自己就會選擇搬家。這裡會出現一個閾值，即「身邊相同的人的最小比例」。

這個閾值不需要很大，達到30%就可以產生明顯的社區。

其實這個模型，已經能夠對新浪微博新規的影響，有一定的預測能力的。因為用戶並不總是理性的，也會意氣用事，拉黑一些友善，但意見不合的人。這就會使得用戶更傾向與自己意見相合的人交流。社區也就會越來越明顯。

但是，社交網路畢竟與二維空間的模型不太一樣，所以我們需要一個基於網路的謝林模型。

在這篇文章（Avetisov, V., A. Gorsky, S. Maslov, S. Nechaev, and O. Valba. 「Phase Transitions in Social Networks Inspired by the Schelling Model.」 Physical Review E98, no. 3 (September 20, 2018). https://doi.org/10.1103/PhysRevE.98.032308）中，作者做了兩個非常簡單的假設：

1. 網路的總連邊數不變；
2. 假設有兩種節點A和B，A-A/B-B的連接有一定的能量ν，而A-B/B-A的連接則具有能量μ。而後系統就會向著能量更低的方向去運行。

所以這裡的兩個係數，ν和μ，就代表著用戶的傾向。ν更大，則用戶傾向於與不同的人連接；μ更大，用戶則傾向於與相同的人連接。

這個模型最可怕的地方在於，ν和μ的比例，存在一個閾值——ν/μ超過1，整個網路就會有大量不同意見的交流；而若是ν/μ小於1，整個網路就只剩下抱團的交流，每個人看到的就都是同一種聲音。

這張圖顯示了模型的模擬結果。顏色越深，表示不同人之間的交流越多；顏色越淺，表示「抱團」越嚴重。

更重要的是，這裡存在一個「相變」的邊界：在ν、μ大於一定值之後，只要μ比ν大（也就是稍微傾向於只看認同的用戶），那整個系統就會趨向於抱團。由於是相變，所以隨著系統的增大，相變點處的轉變也會越來越「硬」。

四

這個時候，就可以回答標題的問題了：微博治理杠精會有什麼影響？

很顯然，這個問題要分情況來看。

如果系統已經「抱團」了，也就是處於上圖中白色的區域，那這個策略的宏觀影響並不大；而如果系統沒有「抱團」，處於圖中的藍色部分，那這個策略很可能會造成整個社交網路的相變！從先前的自由交流，變為同種觀點抱團的結構。

在這種結構中，用戶的觀點會越來越偏激。這可能不是微博所考慮的問題，但對於中文互聯網的危害是實實在在的。

所以問題就來了，微博現在處於哪個狀態呢？

我沒有數據，所以這部分的後面只能是猜想。

從我個人的經驗看，我會更傾向於關注與我觀點類似的人，或者至少是興趣類似的。這確實會有各種問題，比如前面提到的觀點偏激的問題。

但這樣確實爽啊！不會看到很多「異端邪說」。

我相信大部分網民的關注邏輯也是類似的。（雖然我也見過關注別人只是為了第一時間懟人的人，不過這個應該是少數……）

五

所以從前面的分析看，整體影響不大。

畢竟，已經壞到底了，沒有退步的餘地了。

但問題沒有完。

整體不會變壞很多，不意味著不會出現很多噁心的事情。這些事情的受害者都是個體，而不是群體。

比如有的頭部用戶，管不住自己的手，或者就是玻璃心，看到不同意見就拉黑。

這就很麻煩了，被封禁的用戶怕是有吃X一樣的感覺……

我就見過一些運營微博的人，別人提出一些質疑，就覺得像是在說：

「不只是這個事情錯了，你整個人都不是好人！」

然後就炸毛了。發空間、發朋友圈掛人，然後拉黑之。

雖然我會說這種人不適合幹這一行，但這種大V號（背後的人）確實是存在的。

絕對的權力，帶來絕對的腐敗。目前我還沒看到有什麼抑制大V濫用這個權力的條款。畢竟這個權力是可以用來做一些事情的。

六

總結來說，從宏觀的社交網路來看，我不覺得這個新規會造成什麼「抱團」。

因為大家早就抱團了。

更需要關心的，是個人用戶的權利。如何保證好人不被誤傷？面對玻璃心、亂拉黑的大V如何處理？

這些都是需要解決的問題。很明顯，微博在解決一個問題的同時，又產生了新的問題，而且這個新的問題似乎更難解決……

參考文獻

• Schelling, Thomas C. "Dynamic models of segregation." Journal of mathematical sociology 1.2 (1971): 143-186.
• Avetisov, V., A. Gorsky, S. Maslov, S. Nechaev, and O. Valba. 「Phase Transitions in Social Networks Inspired by the Schelling Model.」 Physical Review E98, no. 3 (September 20, 2018). https://doi.org/10.1103/PhysRevE.98.032308

推薦閱讀：