在社交媒体已经深度嵌入日常生活的今天，人们对它的争议往往集中在几个熟悉的症结——政治极化（抱团）、注意力不平等（话语垄断）、极端声音放大（标题党）。不少批评都指向平台背后的推荐算法，但如果把算法完全拿掉，这些现象还会出现吗？
荷兰阿姆斯特丹大学的一组研究人员试着用实验给出答案。他们搭建了一个极简版的社交平台，没有广告，没有复杂的个性化推荐，也没有隐藏的权重机制，只保留发帖、转帖和关注三种最基础的功能。随后，他们放入了500个带有“人格设定”的聊天机器人，这些机器人基于OpenAI的GPT-4o mini运行，拥有固定的人口学属性，比如年龄、政治立场等。发帖时，它们会参考当天的新闻标题；转帖和关注，则完全凭自身判断。平台的时间线很简单：一半内容来自已关注的账号，另一半则是全网转发量最高的“热门贴”。
在五轮实验（每轮都包含1万次互动）后，结果显现出熟悉的轨迹。机器人们迅速分成了阵营：立场接近的互相关注，不同立场几乎没有交集，中间派被孤立在边缘。随后，一小部分“大V”账号获得了大部分粉丝和转帖，注意力分布极不均衡。与此同时，立场鲜明甚至偏极端的内容传播得更快更广，越极端的观点越容易扩散。
研究团队接着测试了六种常见的“平台改良”方案：按时间顺序显示内容、降低热门账号的权重、推送更多对立阵营的内容、提升理性和桥接型内容的权重、隐藏粉丝/转帖数、隐藏账号身份信息。在此前的一些模拟中，“推送异见”曾被证明可以在模拟平台里兼顾高互动与低毒性（即有害、攻击性或恶意挑衅内容比例较低），但在这次实验里，包括这一方式在内的全部干预措施，都未能带来显著改变——抱团账号的互动份额最高只减少了6%。更意外的是，在隐藏用户简介的情境下，阵营分化反而加剧，极端内容获得了更多关注。
这些结果表明，即便没有推荐算法，平台的基本结构也足以催生类似的问题。只要存在“发帖—转帖—关注—再曝光”的循环，网络就会自然演化出阵营化（抱团）、注意力集中（话语垄断）和极端化（标题党）的格局，其背后是互动反应与网络增长之间的反馈回路。
事实也大抵如此。在现实世界中，类似的模式早有迹象：Facebook与多所高校合作的研究显示，即便不动算法，用户在选择关注对象时也会让信息环境迅速向单一立场倾斜；MIT对Twitter的分析则发现，情绪化和极端化的信息更容易引发转发，这种放大效应主要来自用户的反应，而非后台推送。
需要注意的是，这些聊天机器人并非完全“免疫”于算法的长期影响——它们的语言和决策模式，本就建立在一个由算法主导的网络环境的海量语料之上。这意味着，它们在实验中的行为，很可能在某种程度上继承了我们自己在社交平台上的习惯和偏见。某种意义上，这场实验不仅揭示了社交网络的内在结构问题，也像一面镜子，把我们在数字世界里已经变形的互动方式反射了出来。
实验结束后，虚拟平台归于平静，但在真实世界中，这套机制每天都在运转，并持续塑造着我们的网络空间。至于有没有一种方式让这面扭曲的镜子重新映照出真实的自己，这个问题可能暂时还没有谁能够回答。
研究实验所涉及的论文链接：https://arxiv.org/abs/2508.03385
封面来源：由Sora生成自《V for Vendetta》
