Matematikai turi atsakymą, kodėl NASA Marse įkūrė koloniją, o kinų kosminis aparatas Mėnulyje užfiksavo ateivių gyvenvietę

Nejaugi žmonės yra tokie lengvatikiai sutvėrimai? Anot matematikų, tikriausiai ne.

Tiesiog informacijos srautai plūsta tokiu greičiu, kad mes tiesiog nespėjame visko įvertinti.

Bent jau tokias išvadas mokslininkai, sudarę naujienų plitimo socialiniuose tinkluose modelį, publikavo žurnale „Nature Human Behavior“ ir konstatavo, kad virusine naujiena gali tapti bet kokia nesąmonė, rašo „Scientific American“.

Netgi idealiame pasaulyje, kur visi nori dalintis tik tikromis naujienomis ir sugeba patvirtinti kiekvieno teiginio tikrumą, kai kurios melagingos naujienos pasiektų tūkstančius ar net milijonus žmonių – vien dėl informacijos pertekliaus.

Dažnai tiesiog fiziškai neįmanoma peržiūrėti visko, kas patenka į jus pasiekiantį žinių srautą – net nekalbant apie patikrinimą.

„Jeigu gyvenate pasaulyje, kuriame esate bombarduojami šiukšlėmis – netgi jeigu puikiai sugebate atskirti tiesą nuo šlamšto – matote tik dalį to, kas yra, todėl vis vien galite pasidalinti dezinformacija. Konkurencija yra tokia arši, kad tikros naujienos nesugeba iškilti į viršų“, – aiškina vienas iš modelio kūrėjų, Indianos universiteto (JAV) kompiuterių mokslo ekspertas Filippo Menczeris.

Tikėtina, kad virtualiame pasaulyje nuotraukos gražumas ar straipsnio įtikinamumas suteikia galimybę išplisti „memams“ – šiuo atveju F.Menczeris ir kolegos memo terminą vartoja apibūdinti nuorodai, vaizdo įrašui, frazei ar kitam internetinės informacijos fragmentui.

Tyrėjai nustatė, kad yra vos trys veiksniai, kurie gali paaiškinti tinklo nesugebėjimą meme esančios informacijos atskirti nuo melo.

Šie veiksniai: milžiniškas plūstančios informacijos srautas; ribotas žmonių laiko ir dėmesingumo, kurį galima skirti kiekvienai konkrečiai žinutei, prieš ja pasidalinant, kiekis; pamatinė socialinių tinklų struktūra. Šių trijų veiksnių derinys suteikia galimybę net patiems blogiausiems memams išplisti gerųjų sąskaita.

Matematiniai modeliai, aiškinantys, kaip memai plinta socialiniuose tinkluose, žinomi kaip „agentais grįsti modeliai“, nes jie numato aktyvų „agentų“ dalyvavimą procese. Agentu informacinėse technologijose vadinami asmenys, socialinių tinklų naudotojai. Šie modeliai kildinami iš senesnės modeliavimų klasės, kurios tikslas buvo nustatyti, kaip bendruomenėse plinta ligos.

Įsivaizduokite diagramą, kurioje kiekvieną agentą atitinka taškas (mazgas), kuris linijomis sujungtas su kitais mazgais – agento draugais arba sekėjais. Tarkime, jeigu Marytė „užsikrečia“ gripu arba melaginga žinia, ji užkratą linijomis (pasisveikindama gripo atveju, pasidalindama melu memo atveju) gali perduoti savo draugams – Petrui ir Antanui. Šie jau turi kitus draugų rinkinius, todėl gali leisti infekcijai plisti toliau. Mokslininkai, braižydami tokius ryšių tinklus, bando modeliuoti, kaip įvairiomis sąlygomis gali plisti memai.

Tiesa, Kalifornijos universiteto (JAV) informacijos mokslininkė Kristina Lerman, nedalyvavusi pastarojo modelio kūrime, įspėja: „informacija – tai ne virusas“. Kadangi vienu metu žmogui paprastai tenka kovoti ne daugiau nei su viena gripo atmaina, memų, besistengiančių per kiekvieną vartotoją išplisti tarsi virusas, kiekis yra stulbinantis.

Matematikų modeliuose ši gausa yra aprašoma numatant, kad kiekvienas asmuo turi ekraną, kuriame nuolat stebi jam siunčiamus memus. Modelis priskiria skaitinę vertę tikimybei, kad Marytė sukurs ir pasidalins nauju pačios sukurtu memu – tarime, šokančios papūgos vaizdo įrašu.

Tokios vertės priskiriamos ir kitiems, kitų vartotojų sukuriamiems memams. Kadangi nauji memai didina bendrą sistemoje esančios informacijos kiekį, šios pasidalinimo tikimybės vertės parodo ir informacijos krūvį, kurį patiria kiekvienas prie ekrano sėdintis agentas.

Kitas parametras nurodo, kiek žinučių Marytė peržiūri savo ilgame naujienų sraute prieš sugalvodama ne kurti savo originalų turinį, o tiesiog perleisti kokį nors memą savo draugams. Šis parametras atitinka dėmesingumo trukmę – informacijai, kuri tą akimirką sudomino Marytę.

Kai tik Marytė pasidalina šia žinute, ji atsiranda ir Petro, ir Antano, ir kitų Marytės draugų ekranuose. O jie savo ruožtu patys sprendžia – kurti savo memą ar pasidalinti kuo nors, ką atsiuntė draugai.

F. Menczeris su kolegomis, naudodami senesnę šio modelio versiją, 2012 metais įrodė, kad keletas memų taps „virusiniais“ net ir tuo atveju, jeigu visų memų „užkrečiamumas“ yra identiškas. Kitaip tariant, visiems memams yra nustatytos identiškos pasidalinimo po peržiūrėjimo tikimybės vertės.

Ir senesniame, ir naujesniame modelyje memai daugiau ar mažiau paklūsta „laipsninei funkcijai“, kas reiškia, kad tikimybė, jog vienu ar kitu memu bus pasidalinta tam tikrą kiekį kartų mažėja tam kiekiui atvirkščiai proporcingo laipsnio dydžiu. Pavyzdžiui, tikimybė, kad memu bus pasidalinta du kartus, yra keturis kartus mažesnė už tikimybę, kad ja bus pasidalinta kartą.

„Jeigu išanalizuotumėte „Flickr“ paveikslėlių, „Facebook“ straipsnių ar „Twitter“ grotažymių plitimą, pamatytumėte, kad visi jie atitinka laipsninę funkciją“, – aiškina F.Menczeris. Ir nors kiekvieno tolesnio pasidalinimo tikimybė smarkiai mažėja, memų, kurie pasiekia tūkstančius adresatų, sutinkame stebėtinai dažnai.

2014 metais Limeriko universiteto (Airija) matematikas Jamesas Gleesonas su kolegomis pademonstravo matematinį panašumą tarp tokių modelių, kuriuos kuria F.Menczeris ir kiti panašiais darbais užsiimantys mokslininkai ir „smėlio kalnų“ – skaitinių sistemų, kurias fizikai vadina „savaime susidariusiais kritiškumais“.

Jeigu ant lygaus paviršiaus po vieną smiltelę bersite smėlį, ilgainiui susidarys smėlio kalnas, kurio šlaitai yra kritiškai stataus kampo. Viena kita papildoma smiltelė tokio kalno stabilumui gali nieko nereikšti, tačiau ateis akimirka, kai viena papildoma smiltelė sukels nuošliaužą. Tokio įvykio ekvivalentas socialiniuose tinkluose yra „virusinį plitimą“ pasiekę memas.

J. Gleesono analizė verčia manyti, kad virusinio plitimo priežastis yra ne kokie nors paties memo išskirtinumai, o visos sistemos vidinės savybės.

Naujausiame savo moksliniame darbe matematikai analizavo, kas nutiktų, jeigu vieni memai būtų labiau „užkrečiami“ už kitus. Jie nustatė, kad kai informacijos krūvis yra mažas, o dėmesingumo trukmė didelė, labiau populiarūs būna patrauklūs memai.

Bet realūs informacijos pertekliaus ir dėmesingumo stebėjimai, atlikti „Twitter“ ir „Tumblr“ tinkluose, rodo, kad realiame gyvenime informacijos kiekis paprastai mus „užverčia“. „Nereikia manyti, kad interneto šlamštas plinta dėl to, kad jis žmonėms patinka arba dėl to, kad žmonės melo neskiria nuo tiesos.

Labiau teisinga būtų manyti, kad žmonės žino skirtumą, bet šlamštas vis vien išplinta, nes žmonės yra tiesiog perkrauti informacija.“

Vienas iš esminių veiksnių, lemiančių memų plitimą, yra tam tikro socialinio tinklo ryšių tarp vartotojų konstrukcija.

„Kai kurios tinklo struktūros bus palankesnės greitam plitimui, kitos plitimą stabdys“, – sakė Kalifornijos universiteto Los Andžele matematikas Peteris Porteris.

Jeigu modeliuojamas tinklas konkurencijos pagrindu sukurtame modelyje sudaromas atsitiktinai (ryšiai tarp skirtingų tinklo mazgų nubraižomi atsitiktinai), tai virusinio plitimo lygio nepasiekia jokie memai. Bet tikruose socialiniuose tinkluose informacija plinta apytiksliai pagal laipsninę funkciją.

Tad jeigu dauguma mūsų – tarkime, kiekvienas „Twitter“ mazgas – turi po kelias dešimtis sekėjų, yra keletas „ypatingų“ agentų, kurie turi dešimtis tūkstančių sekėjų. Ir jeigu bent kuri iš šių „superpopuliarių“ agentų užsikrės melagingu memu, reikia tikėtis, kad tas memas išplis labai smarkiai.

Bet K. Lerman su tokiu teiginiu nesutinka. Ligų plitimo modeliuose daug ryšių trintys žmonės yra vadinami „superplatintojais“, nes jie padeda epidemijoms išplisti. Bet 2016 metais analizuodama tikrus „Twitter“ vartotojus ji nustatė, kad šio socialinio tinklo „superplatintojai“ patys platina tik labai nedidelę pačių gaunamų memų dalį.

Taip yra dėl to, kad jie tiesiog fiziškai negali perskaityti visko, kas yra jų neįtikėtinai greitai besikeičiančiuose žinučių srautuose.

„Žmonės, kurie turi labai daug ryšių socialiniuose tinkluose, vargu ar pamatys ką nors, kas yra bent penkių minučių senumo, nes tos žinios jų srautuose jau yra kažkur labai giliai“, – sakė mokslininkė.

Jos manymu, tokie populiarieji mazgai slopina didžiosios memų dalies plitimą, tačiau mažos dalelės, kurią sugeba pastebėti, platinimą jie paskatina.

Kitas veiksnys, turintis įtakos naujienų virusiniam plitimui yra draugų polinkis kauptis į „spiečių“. Tarkime, Marytė pažįsta Petrą ir Antaną, pastarieji taip pat tarpusavyje pažįstami, be to, jų pažiūros daugeliu klausimų sutampa. Dėl tokio vienodų pažiūrų draugų būriavimosi socialiniuose tinkluose susidaro savotiški „aido kambariai“.

Daugelis mūsų virusiniu būdu plintančius memus pamato po kelis kartus – taip didinama tikimybė, kad ir mes jais pasidalinsime. Dar blogiau yra tai, kad memo užkrečiamumas – skirtingai nei gripo užkrečiamumas – priklauso nuo to, kaip daug kartų juo yra pasidalinta.

Kolumbijos universiteto (JAV) sociologas Matthew Salganikas, atlikęs internetinį eksperimentą su daugiau nei 14 000 savanorių, 2006 metais nustatė, kad tyrimo dalyviai buvo daug labiau linkę atsisiųsti tam tikrą dainą, jeigu žinodavo, kad ta daina patinka ir jo draugams. Toks „socialinis įtikinimas“ gali užtikrinti, kad užkrečiamumas smarkiai didėja pasiekus tam tikrą paplitimo ribą.

„Pamatote vieną žmogų, rašantį „NASA turi vergų kolonijų Marse“ ir galvojate: „Na ir nesąmonė“ Pamatote antrą žmogų, kuris parašė tą patį. Tada dar daugiau – ir kažkaip kiekvieną kartą matant tą pačią neįtikėtiną žinią ji tampa vis labiau įtikinama. Todėl ir pats ja pasidalinate“, – aiškina P. Porteris.

Žinoma, vis dar nesutariama, kiek tiksliai visuomenę atitinka matematikų taikomi modeliai. „Apskritai esu linkusi skeptiškai vertinti agentais grįstus modelius, nes yra labai daug kintamųjų, kuriuos galima koreguoti“, – teigia K.Lerman.

F.Menczeris sutinka, kad daugelis modelių, naudojamų siekiant atkartoti žmonių kognityvinio elgesio subtilybes, turėtų daugybę nežinomų parametrų, dėl kurių gautus rezultatus būtų sudėtinga kaip nors interpretuoti.

Tačiau kai taikomi tokie minimalistiniai („žaisliniai“) modeliai, kuriais norime analizuoti plačias tendencijas, tai kelia mažiau problemų. Kol modeliai yra labai paprasti, jie būna naudingi, nes atskleidžia stebėtinai galingas tiesas, sako F. Menczeris.