國家安全視域下社交機器人涉華議題操縱行為探析*

韓 娜 孫 穎

近年來,以社交機器人為代表的計算傳播現象在全球盛行,社交媒體平臺和智能技術的發展,為社交機器人的信息操縱活動提供了溫床。在Twitter、Facebook等社交媒體平臺中,社交機器人正在以各種方式生產和傳播信息流,與用戶進行互動,通過計算宣傳的方式傳播虛假信息,影響用戶所感知到的信息環境,在重大國際事件和國家民主政治中形成虛假的意見氣候和輿論生態。①據披露,2016年Twitter上有40萬機器人用戶參與了美國總統大選討論,約占總用戶數的15%。同樣類型的社交機器人用戶在法國總統大選中出動了近五分之一參與反對馬克龍的宣傳活動。②社交機器人的出現不僅“創造了新的‘人+社交機器人’共生的網絡生態”,同時也帶來了一場由數據操控政治的新形態革命。③

社交政治機器人即活動于社交媒體平臺上用于政治目的的機器人,它通過自動發送大量垃圾信息、僵尸網絡、關閉交換點或發起DDoS攻擊來形成虛假性的攻勢盛景,最終達到政治目的。近年來,社交機器人通過不斷的改良與發展變得更加復雜神秘,這使得在社交媒體平臺上更加難以界定和厘清人類用戶行為與機器人行為④,例如,社交機器人能夠模仿人類行為躲避平臺檢測⑤,且在人機交互中參與網絡社區對話以此來操縱政治情緒,營造輿論氛圍⑥。已有大量實證研究表明,海外社交媒體平臺的涉華議題中有大量社交政治機器人賬號參與,在涉華新冠疫情的議題上,社交政治機器人是否已經成為西方社會對華污名化的重要武器？2020年疫情在全球暴發,機器人是否參與了涉華新冠病毒信息操縱？機器人對議題操縱是如何開展的？在我國國際傳播中重視與研究這類問題,對于破局我國的國際傳播困境以及從傳播視角維護我國國家安全至關重要。

一、文獻綜述

(一)社交機器人研究

Boshmaf等人將社交機器人定義為“一種在社交網絡中自主運行社交賬號并且有能力自動發送信息和鏈接的智能程序”⑦,社交機器人在社交網絡中利用社交用戶的功能可以模仿人類用戶完成信息的傳遞,部分社交機器人在操縱下甚至可以進行惡意活動,例如發布鼓動言論、推送垃圾短信等⑧。社交機器人相比人類用戶更加活躍,且在改變目標受眾行為方面十分奏效。⑨社交機器人雖然以算法為底層架構進行自動化的行動,但是與純算法技術仍然有所不同。社交機器人作為算法產物,其行為與操縱者試圖實現的目標具有捆綁關系。Rossi等人根據政治機器人的復雜程度將其分為三種類型,最基礎的機器人僅用來增加某個用戶的追隨者數量或某一特定帖子的點贊數量；第二種機器人可以動態調整其內容信息生產；第三種機器人是由人類在內容創作等方面控制機器人的部分活動,這類機器人也被稱為人機混合式的政治機器人。⑩

在傳播學領域,更多學者聚焦于社交機器人的傳播過程合法性與傳播結果的影響。社交機器人通過輸入大量重復內容、虛假信息開展病毒式傳播,來異化輿論環境，新冠肺炎期間,大量社交機器人通過偽造地理信息在社交媒體平臺上制造虛假信息,影響公共輿論與公眾認知；且在傳播過程中可以將虛假信息的傳播量放大幾個數量級,與人類用戶相比,社交機器人能夠釋放更高強度的社會性恐懼。在改變公眾意見方面,Ross等人的模擬實驗進一步證實了社交機器人能夠觸發沉默的螺旋，占總數5%—10%的社交機器人就可以改變輿論氣候,引導輿論朝著社交機器人的觀點靠攏。

人工智能和計算機科學領域區分了智能主體(intelligentagent)和自動化軟件程序之間的不同。以僵尸網絡、假新聞和算法操縱等形式進行的計算宣傳(computational propaganda)在全球化政治體系中起到關鍵性作用。無論政治主體是政府或黨派,還是社會團體與草根群體,政治傳播主體在利用政治機器人實現利益目標的過程中往往會有意識或無意識地利用計算宣傳進行虛假信息或錯誤信息的傳播。虛假信息(disinformation)是用來故意欺騙誤導他人的信息,與虛假信息相對應的是錯誤信息(misinformation),是指無意中誤導他人的信息。政治機器人背后的政治傳播主體利用機器人數字化特征,一方面擴大了虛假信息的傳播范圍,構成更大的虛假信息傳播危機；另一方面在熱議的政治議題中快速構建利于己方的虛假信息秩序,以此達到政治目的。在社交平臺中政治機器人的主要功能是制造議題和傳播信息,并引導用戶發布支持或攻擊政治候選人和政治議題的內容。這是一套由僵尸網絡建立的能夠操縱Facebook、Twitter等主要社交媒體的特殊算法。

(二)社交機器人參與涉華議題及新冠病毒政治化

在海外的社交媒體平臺上,部分涉及中國社會問題的議題出現了社交機器人操縱的現象,且在社交機器人的鼓動下,這些涉華的議題一度引起全球網民的熱議。例如,“香港修例風波”事件中就被調查證實，大量社交機器人在有關新聞報道中發揮了擴散信息的作用。在中美貿易議題討論高峰時期機器人占比也達到13%,其中對貿易談判持反對立場的占比高達55%。

2020年全球暴發了新型冠狀病毒疫情,外媒在溯源問題中聯合抱團譴責中國,不斷推動輿論發酵,并將新型冠狀病毒命名為“武漢病毒”“中國病毒”等,在社交媒體平臺上一度掀起了涉華負面輿論高潮。2021年5月,美國國務院表示要求美國情報界加大收集并分析新型冠狀病毒來源問題的力度,其矛頭直指中國。同年6月,美國前總統特朗普在俄亥俄州的大會中進行了演說,拋出了“新冠病毒是在中國城市武漢的一個實驗室以科學方式人工制造的”這一觀點。一時間,Twitter平臺上出現了大量關于中國生物基地、武漢病毒實驗室外泄等政治謠言、虛假信息,或通過轉發BBC、《紐約時報》等西方主流媒體報道鏈接,或原創負面推文,或轉發意見領袖推文,國際輿論場上再次掀起了反華高潮。主流媒體、權威智庫的加入難以直接證實西方的陰謀立場,如若能在社交機器人領域加以佐證,證實其政治操縱行為,揭露其政治目的,這對于捍衛我國國際話語權,維護我國政治安全具有重要意義。

二、研究方法與問題

(一)數據采集

本研究通過數據挖掘的方法,將海外社交平臺Twitter作為研究對象,以國外污名化中國的“Wuhan Virus/Chinese Virus”作為關鍵詞,通過Python編程抓取一段時間內含有指定關鍵詞的Twitter英文推文。為了確保抓取的推文中“Wuhan Virus/Chinese Virus”由發布者本人直接作出,進而確保研究數據與本文的研究意圖高度吻合,在抓取過程中要求推文內容中直接含有“Wuhan Virus/Chinese Virus”。

涉華新冠病毒議題一直以來都是外媒炒作的焦點,2021年5月26日國藥新冠滅活疫苗Ⅲ期臨床試驗中期結果正式對外公布,外媒開始針對中國疫苗安全性問題進行新一輪輿論炒作,并一度引申至人權問題、溯源問題中。同天,美國國務院重啟對新冠病毒溯源問題的調查,并要求美國情報部門在90天之內徹查溯源問題并公布明確結果,外媒將新型冠狀病毒的溯源問題推上了輿論高潮,因此本文選擇“Wuhan Virus/Chinese Virus”作為關鍵詞,將研究時間段設定為2021年5月26日至8月31日,以文本內容(text)、推文發送時間、推文發送用戶(賬號ID)為標準進行數據篩選,初步獲取推文數量為52363條。出于后續數據分析便利,將初步獲取的推文進行二次篩選,保留內容為純英文的推文,最終獲取推文數量為43587條,其中獨立用戶有23209個。

(二)研究方法

本研究通過采用開源工具Botometer來識別Twitter中的社交機器人。Botometer由美國印第安納大學所研制,歷經多年的更新迭代,已成為當前檢測、識別Twitter社交機器人較為成熟的檢測工具之一。Botometer的運行模式是將Twitter中的用戶個人信息、交互信息、使用時間等多個維度的信息注入機器學習模型。通過設置機器人評分模式,將抓取的Twitter用戶進行識別、分類,當用戶的評分值超過評分界限時,將該用戶認定為機器人用戶,反之則認定為人類用戶。

在社交機器人評估過程中,由于Twitter用戶自身的設置問題,如用戶已注銷、已凍結或用戶設置了隱私權限,Botometer將無法對用戶進行信息識別,我們將這類用戶歸為異常用戶進行二次排除。通過篩選,本研究共獲取有效用戶11207個,其中人類用戶為9471個,占比84.5%；社交機器人用戶為1736個,占比15.5%。在抓取的21602條推文中,人類用戶發布數量為18043條,占比83.5%；社交機器人用戶發布數量為3559條,占比16.5%。

在主題的分析中,研究運用了STM主題分析模型。STM(Structural Topic Model)和LDA(Latent Dirichlet Allocation)一樣都屬于大數據主題分析模型的范疇,采用無監督學習的方法對數據集中的隱含語義數據進行聚類,從而得到文本集中的主題信息。但傳統的LDA主題模型在處理短文本(比如直播間彈幕,微博文本等等)時,時常會因為文本詞匯過于稀疏、樣本不夠全面等問題導致模型的效果不夠好。為了克服短文本主題稀疏性的問題,2013年,Robert等人在LDA模型的基礎上提出了基于無監督學習的STM模型。STM模型相比于LDA模型的關鍵創新點在于他在對文本進行處理時,可以直接將文檔作為協變量引入主題模型中。STM模型通過使用文檔作為協變量進行變量計算,豐富了協變量的語義信息,較好地解決了LDA模型因詞量稀疏而導致準確性不高的問題。此外,STM模型的優勢還體現在其可以計算變量對于指定主題詞匯分布的可視化影響。基于上述優點,STM主題模型近年來廣受計算傳播研究學者的關注與應用。

盡管當前對于社交機器人的公眾輿論影響力尚且難以評估,但社交機器人被證實在“美國大選”“中美貿易”“法國大選”中的影響力不容小覷。在涉及新型冠狀病毒溯源問題的討論中,社交機器人與人類一起加入了國際輿論場,為了進一步探究社交機器人對于公眾輿論、政治事件的影響,研究將從多個維度對人類用戶和社交機器人用戶進行對比分析,以此探究社交機器人的議題建構行為,具體路徑為:

1.社交機器人與人類用戶在Twitter空間發布有關“Wuhan Virus/Chinese Virus”推文的特征比較。

2.社交機器人與人類用戶在Twitter空間發布有關“Wuhan Virus/Chinese Virus”發文策略比較。

3.社交機器人與人類用戶在Twitter空間發布有關“Wuhan Virus/Chinese Virus”推文的主題比較。

三、社交機器人涉華議題操縱行為特征

(一)發文特征分析

為探究人類用戶與社交機器人用戶之間的差異,研究將通過粉絲量、單個賬號發布推文數量和發文時間進行對比,分析發現人類用戶和社交機器人的發文模式呈現出兩種不同的特征。

第一,社交機器人試圖通過獲取粉絲數量來提升影響力。基于人類用戶和社交機器人用戶粉絲數的比較研究發現,首先,社交機器人善于潛伏模仿。有58.9%的社交機器人的粉絲數量在100以下,而人類用戶則僅有37.7%,這表明社交機器人為了模仿人類用戶的發文特征,長期處于潛伏狀態。操縱者長期經營僵尸政治機器人并通過模仿的方式躲避網絡偵查,其目的是等待時機成熟,在關鍵事件中操縱輿論、蒙蔽公眾。其次,社交機器人熱衷于擴大影響力。當粉絲數量在5000以上時,社交機器人的粉絲數量比例與人類用戶的差距較小,但社交機器人的粉絲數量比例始終高于人類用戶,可見部分社交機器人希望通過提升自己的粉絲量來提高發文的影響力,從而控制或改變公共話語和輿論議程。在用戶的設置上,操縱者會發揮“兩邊效應”,一方面大量部署活躍度較低的社交機器人,等待時機成熟進行集中發文造勢；另一方面通過經營部分活躍度較高的“頭部號”,形成粉絲效應和影響力。

圖1 人類用戶和社交機器人粉絲數量對比

第二,社交機器人較之人類用戶更傾向于發布新冠病毒溯源問題政治化的推文。總體上,社交機器人和人類用戶的單個賬號發布推文數量差異不大,絕大多數的社交機器人和人類用戶都只發布了1—2條相關推文。可見,社交機器人會模仿人類的發文特征,并不會盲目地在單個賬號中轉發大量的涉及新冠病毒溯源問題的推文。具體比較兩類賬號發布推文的數量不難發現,社交機器人用戶較之人類用戶更可能發布多條推文,社交機器人的發文量比例在發文數為6—30條推文時都比人類用戶發布推文數量高。

第三,社交機器人在評議熱點事件時具有滯后性。參與討論的社交機器人與人類用戶的發文變化趨勢大體相似,但人類用戶對于議題的發文更具有突發性、及時性,且議題激增，大量推文的時間要略早于社交機器人用戶,例如,6月17日人類用戶對G7峰會各集團領導人關于敦促中國參與病毒溯源問題事件的討論開始激增,而社交機器人在6月18日、19日對于涉及中國參與病毒溯源問題的推文才開始劇增。可見社交機器人在發推文之前需要花費時間去模仿人類用戶的發文特點以及設計發文趨向,盡管間隔時間不長,但還是存在一定的滯后性。

圖2 人類用戶和社交機器人單個賬號發布推文數量對比

圖3 人類用戶和社交機器人發文時間對比

此外,經過對比研究發現,社交機器人的更新性有了較大的提升。隨著社交機器人技術的發展,社交機器人模仿人類發文特征的速度提升較快,在筆者對2020年涉華新冠病毒議題的研究中,社交機器人的模仿時間平均為3天—4天,而2021年的數據顯示社交機器人的模仿時間已經縮短至1天—2天。

(二)發文策略比較分析

發文策略通常通過附帶話題標簽、@其他用戶或轉發鏈接得以表現。通過對推文內容中的話題標簽、@其他用戶的情況以及轉發內容,可以發現在議題討論中兩類用戶的發文策略差異較為明顯。

第一,社交機器人傾向于通過爭議性話題快速傳遞信息。話題標簽是用戶進行信息擴散的重要途徑,通過對社交機器人和人類賬號最常用的前20個話題標簽進行研究,發現社交機器人和人類用戶有10個相同的話題標簽,包括“武漢疫情”話題(#Wuhan、#China、#Wuhanvirus、#Beijing)、“新冠病毒”話題(#covid19、#virus、#coronavirus、#vaccine、#delta)以及“民主主義”話題(#cdnpoli)。在差異性上,社交機器人的10個不同的話題標簽為:#Weapon、#Donald Trump、#bantheccp、#Wuhanlab、#Wuhanlableak、#superidiot、#Biden、#Chinesevirus、#India、#huawei；人類用戶的10個不同的話題標簽為:#sarscov2、#lockdown、#socialdistancing、#variant、#genetic、#facemask、#monochrome、#pneumonia、#streetphotography、#biological。

通過對比發現,社交機器人更喜歡標志性話題如#Wuhanlab、#Wuhanlableak、#weapon,與事件有關聯的領導人話題如#Donald Trump、#Biden,以及侮辱性話題如#superidiot、#bantheccp等來快速傳遞信息,而人類用戶則更喜歡用#genetic、#socialdistancing、#pneumonia等與事件有直接關聯或與事件發酵時經常提及的名詞作為話題標簽。可見,社交機器人更傾向傳播負面、激發受眾憤怒情感的推文,而人類用戶則相對理性地使用與事件本身有關的話題標簽表達輿論傾向。

圖4 人類用戶和社交機器人最常用的20個標簽

第二,社交機器人傾向于通過@自媒體或熱點人物、大V來擴充影響力。首先，兩類用戶都會采用@大V提升聲量,且呈現群體性特征,如圖5所示影響力較大的有@WHO、@POTUS、@YouTube等,其中還有@Mike Pompeo、@Narendra Modi等政治人物社群,@globaltimesnews環球新聞、@WIOnews印度全球新聞網等官方媒體社群,且這些高頻被@的賬戶之間也存在著相互@的行為。其次,社交機器人更傾向使用自媒體大V擴散信息,對最常@的前20個賬號分別進行比較發現,社交機器人更傾向于關注自媒體大V,例如@YouTube(全球最大的視頻分享網站)，或是關注政治人物,例如@palkisu(印度全球新聞記者)、@POTUS(美國總統官方賬號)等人來提升自己的影響力；而人類用戶更傾向于關注官方組織,例如@WHO(世界衛生組織)，或是官方媒體平臺,例如@WIONews(印度全球新聞網)、@globaltimesnews(環球新聞網)、@CNN(美國有線電視臺)等。可見,社交機器人在生產制造“武漢病毒/中國病毒”議題上,喜歡通過@一些具有影響力的自媒體、官媒以及具有政治影響力的公眾人物來提高自身的影響力,并在群體傳播中呈現交互性特征。

圖5 人類用戶和社交機器人最常@的10個賬號

第三,與人類用戶對比,社交機器人用戶更傾向于轉發負面消息。首先,與人類用戶相比,社交機器人就涉及新冠病毒議題上普遍對中國、中國武漢持反對態度,研究顯示僅10%的社交機器人用戶在新冠病毒是否來源于中國的議題上持支持中國的態度,10%持中立態度,其他80%皆持反華態度。其次,社交機器人在轉發內容、評論內容上具有相似性。同一社交機器人賬號更傾向于轉發內容相類似的推送,例如社交機器人賬號@ravinsindian1的多篇推送都是指責武漢實驗室泄露新冠病毒,且指責內容幾近相同。最后,與人類用戶相比,社交機器人更喜歡在重要媒體平臺或重要政治人物推文中發布大量類似的評論。這類賬號的關注者極少,例如社交機器人賬號@draa11387424在該議題上熱衷于重復評論多個具有重要影響力的賬號,且評論內容幾乎相似,意在抹黑武漢實驗室釋放病毒。

圖6 人類用戶和社交機器人@最多的用戶對比

(三)發文主題比較分析

比較人類用戶和社交機器人在主題內容的傾向性特征,可以探究社交機器人對涉華新冠病毒議題的建構行為。本文采用R語言中的 STM 包進行推文分析,在 STM1 中,我們將篩選所得的所有推文輸入模型中,并將人類和機器人作為主題流行度協變量引入模型,以此來探究兩類不同用戶的表達傾向。

第一,社交機器人傾向于發布負面撕裂信息。表1呈現了STM輸出的6個主題及其高區別度詞匯。其中這6個主題涵蓋了美國政府對華態度、中國疫情的世界影響問題、中國疫苗安全性問題、新冠病毒的實驗室外泄問題、中國疫情的人權問題以及中國疫情的生物安全問題等方面。我們將社交機器人身份和人類用戶身份作為主題內容協變量輸入 STM 模型中,用以探究在涉華新冠病毒議題中,社交機器人與人類用戶關注主題分布。圖7展示了社交機器人與人類用戶在主題分布上的差異。圖中的0點代表標準化之后的各主題在語料庫中的分布情況,一側的橫線越長,表示在同主題中機器人用戶或人類用戶發布的推文越多。

表1 與“武漢病毒/中國病毒”相關的討論中,6個主題的意義及代表性詞匯

圖7 人類用戶和社交機器人主題分布對比

社交機器人與人類用戶的主題分布線相類似,表明社交機器人和人類討論中的涉華新冠病毒議題主題分布差異有限,二者都十分關注美國政府對華態度、中國疫苗安全性問題。但社交政治機器人更多關注于中國疫情的人權問題,而人類則更多地關注在事件本身及中國疫苗安全性問題上。這表明社交政治機器人充當了撕裂輿論的武器,更傾向于發布負面的推文,將疫情問題向中國臺灣地區問題、新疆維吾爾自治區等人權問題上延伸、炒作。

第二,機器人話語更具有污名性。通過對詞向量進行相似度計算,我們獲取了社交機器人和人類分別如何圍繞“Wuhan”這一關鍵詞進行語義關聯的構建,結果如表2所示。對比社交機器人和人類用戶語料中與“Wuhan”相似度排名前15的詞匯,可以發現,在社交機器人的語料中,“origin”(起源)與目標詞匯的相似度最高,意在將新冠病毒溯源問題與中國緊密相連,進行污名化。相比之下,在人類用戶的語料中,與目標詞匯最接近的是“coronavirus”(冠狀病毒),而冠狀病毒是本次議題的事物本身。值得注意的是,社交機器人的前15個相似詞中,存在“CCP”(中國共產黨)、“government”(政府)等直指中國政府的詞,還存在“manipulate”(操縱)、“death”(死亡)、“free”(自由)、“democrat”(民主主義)等攻擊和污名化中國政府的詞語。相比之下,人類用戶的前15個相似詞則與新冠疫情本身關聯緊密。這表明,社交機器人的操縱者更希望通過社交機器人將“Wuhan”與“中國政府侵犯人權”“操縱病毒武器”關聯起來,對新冠病毒溯源問題進行傾向反華立場的引導。

表2 人類用戶和社交機器人語料中,與“wuhan”相似度排名前15詞匯

四、研究發現與討論

AI驅動的信息傳播既是一場技術革命,也是一場認知革命,數字時代的國際傳播政治性被算法隱秘性推動發展。伴隨傳媒科技與智能算法發展,國際傳播載體數字化、議程去中心化、傳播社交化已然成為一種趨勢。在此背景下,國際傳播形式與手段也產生了深刻變革,依托人工智能而展開的以社交機器人為代表的計算宣傳異軍突起,通過自動化部署、人工協同引流、虛假信息操縱等方式干預國際輿論,嚴重威脅他國政治安全與意識形態穩定。近年來隨著國際地緣格局的調整,國際輿論場上涉華虛假信息陡增,社交媒體中的涉華議題也呈現對抗性趨勢,對社交媒體場域中的國際傳播活動主體進行研究,對于審視我國的國際政治傳播活動具有重要價值。研究表明，社交媒體上的人類和社交機器人活動都在推動議題的開展與傳播,并且議題背后的輿論操縱行為和操縱信息的環境愈發復雜。本研究以涉華議題“武漢病毒”“中國病毒”為代表,通過對人類用戶和社交機器人用戶在議題建構的行為進行對比,同時借助主題模型及語義相似度計算,以探索社交機器人在涉華議題建構上的行為特征。

(一)研究發現

第一,在主題上，社交機器人更偏向于發布或評議具有煽動性的議題。社交機器人作為活躍的“超級傳播者”本身就是助推低質量信息擴散的始作俑者。他們熱衷于轉載較低可信度來源的消息,甚少轉載可信度高且經過事實核查的網站新聞。社交政治機器人成為反華輿論主力軍,與“中國疫苗是否安全”“武漢生物實驗室泄露”等問題進行捆綁。同時,在語義相似度計算中,社交機器人試圖通過將“武漢病毒/中國病毒”與“溯源”“操縱”“死亡”進行關聯,以期促成在“武漢病毒/中國病毒”議題中污名化中國操縱新冠疫情、進行疫苗外交的行為。這一研究結果與此前的研究發現不謀而合,共同指向了社交機器人被用于國際輿論場上的政治角逐,以期營造對中國的負面輿論。

第二,在行為上，社交機器人通過多元路徑擴散信息。社交機器人的出現加大了人類用戶對于特定信息的接觸,同時社交機器人通過大量@媒體或熱點人物以及與人類用戶進行互動來擴大自身的影響力。社交機器人在轉發推文時常附上“武漢病毒”“武漢實驗室泄露”“生物武器”等話題標簽以此博人眼球。此外,部分社交機器人在轉載外部鏈接時存在推文內容不匹配的情況,以此博取用戶點擊量和粉絲量,擴大傳播覆蓋面。社交機器人中以“武漢生物實驗室”“生物武器”為主題的推文大多持反華態度,并將議題進行延伸,將新冠病毒問題與民主自由問題、人權問題混為一談,給中國政府扣上了反民主、反人權的“帽子”。其通過增加粉絲量、添加標簽、@大V等多元路徑,以疫苗安全、人權以及生物武器為著力點,對中國展開污名評論,影響中國的形象。

第三,在發文上，涉華議題操縱痕跡明顯。社交機器人熱衷于重復轉發內容相似的推文,卻甚少發送原創性推文,即使推文中分享的鏈接不同,但進一步觀察會發現看似不同的鏈接往往所指同一網站,且該網站所發布的內容以反華輿論為主。通過發文內容的比對,大部分社交機器人在涉華議題推文中極少發表個人論點,而是以轉發其他相似的文案為主,據此可以看出,大多數對華呈現消極態度的社交機器人有明顯的信息操縱的痕跡。社交機器人在Twitter推文中通過話題傳播直接抨擊或隱喻中國政府“利用生物武器、泄露新冠病毒以及中國政府進行疫苗外交”,對中國形象進行污名化構建,影響了世界對中國的認知。

(二)研究討論

本研究是以Twitter中涉華新冠病毒議題參與為例,雖然研究在適用性和科學性上,并不能通過某個案例揭露社交機器人對涉華議題的操縱特征,也沒有從線上和線下行為重構的視角研究社交機器人對國家安全的影響,研究在理論和實踐上還具有一定的局限性。但本研究基于國家安全視角,利用計算傳播的研究方法,選擇涉華案例來研究計算操縱行為,相較于單純針對社交機器人本身開展的諸如模型研究、因果研究、效果研究等,具有一定的現實價值。

基于專業新聞媒體的國際新聞傳播、基于國家主導的國際政治傳播、基于組織和個人參與的跨國信息傳播構成了國際傳播的三大領域,其中社交媒體成為數字時代實現國際傳播活動的重要場域。在國際地緣政治博弈嚴峻的形勢下,我國國際傳播陷入困境,表現為:我國的國際地位和國際傳播不匹配,中國聲音的“可觸及性”降低,中國話語的“可信性”受到質疑,西方對華輿論污名化和虛假信息行動逐漸增多。應對我國在國家形象塑造和中國話語建設面臨的挑戰,要摒棄“傳播決定論”,不神話國際傳播的地位和決定作用,要從整體性、系統性、全局性的安全思維審視我國的國際傳播活動,將我國的國際傳播置于國家安全大格局，開展新時代的國家戰略傳播。

目前，算法操縱已經大量地運用到了政治輿論場,并成為國際輿論戰中隱蔽的操縱力量,我國的國際傳播或者政治傳播研究,應以多學科的視野、綜合性的研究方法,重新研究我國的國際傳播能力建設如何破局。目前,這種以國家、類國家行為體、政客或者有政治傾向的網民,在社交媒體上運用智能算法進行預測和關聯,通過操縱社交政治機器人、大規模傳播誘導性信息以及虛擬用戶等自動化方式,實現在政治范疇對客體用戶意識形態的引導和操縱,是一種技術政治化的行為,社交機器人操縱是數字時代計算政治操縱的方式之一。在輿論博弈中,計算政治操縱實施國可借助大數據和機器學習的高精度微目標操作,影響公眾情緒、塑造受眾政治偏執型人格,以威脅當政者組織的意識形態。其中以社交機器人為中介開展的政治操縱最為明顯。新冠疫情以來,美國通過價值觀外交,在線下以“民主之名”拉幫結派,在線上以“新疆”“香港”“疫情”等敏感話題對華展開輿論攻勢,其背后的政治勢力運作不容小覷。

今后,在理論上,要加強國際政治傳播的交叉性研究,加強對國家安全視域下的計算政治傳播或者操縱基礎研究,對比其與情報迷霧、戰略欺騙、政治宣傳等在內涵上的不同,提煉數字時代計算政治操縱運行機制,重新定位三種類型國際傳播活動,以實現服務國家安全的國家戰略傳播目標；在國際治理上,從全球角度,深入探討輿論博弈對國際輿論生態、網絡國際規則、全球安全治理上的影響,探索在全球信息安全治理中的中國方案；在計算研究路徑上,可以從社交機器人、深度偽造等的識別出發,通過跟蹤和挖掘計算宣傳的現實案例,采用機器學習的方法,完善和建構計算宣傳的識別模型,探索出針對我國輿論展開的計算政治操縱行為；在實踐中,應以戰略傳播視角,綜合國際新聞傳播、國際政治傳播、國家安全情報,密切關注網絡上關于涉華的輿情動態及各類虛假信息的傳播,重視對社交機器人、深度偽造、虛擬用戶等智能操縱行為的監測,尤其是對境外社交平臺涉華安全問題動態的信息挖掘和分析,并利用國際新聞傳播對輿情進行正向引導和辟謠,在造成重大影響前及時控制,抑制西方對我國進行平臺政治操縱,探索反制手段,維護國家安全。

注釋:

① 劉嬋君等:《社交媒體政治傳播的國際研究議題、特征與啟示》,《情報雜志》,2018年第2期,第100頁。

② Bessi Alessandro,Ferrara Emilio.SocialBotsDistortthe2016U.S.PresidentialElectionOnlineDiscussion.First Monday,vol.21,no.11,2016.https://doi.org/10.5210/fm.v21i11.7090.

③ 張洪忠等:《異類還是共生:社交媒體中的社交機器人研究路徑探討》,《新聞界》,2019年第2期,第11頁。

④ Emilio Ferrara,Onur Varol,Clayton Davis,Filippo Menczer,Alessandro Flammini.TheRiseofSocialBots.Communications of the ACM,vol.59,no.7,2016.p.99.

⑤ Luceri Luca,Deb Ashok,Giordano Silvia,Ferrara Emilio.EvolutionofBotandHumanBehaviorduringElections.First Monday,vol.24,no.9,2019.https://doi.org/10.5210/fm.v24i9.10213.

⑥ Shao Chengcheng,Ciampaglia Giovanni Luca,Varol Onur,Yang Kai-Cheng,Flammini Alessandro,Menczer Filippo.TheSpreadofLow-CredibilityContentbySocialBots.Nature communications,vol.9,no.1,2018.p.5.

⑦ Boshmaf Y,Muslukhov I,Beznosov K,et al.TheSocialBotNetwork:WhenBotsSocializeforFameandMoney.Twenty-seventh Computer Security Applications Conference.2011.p.94.

⑧ Philip N.Howard,Bence Kollanyi,Samantha Bradshaw,Lisa-Maria Neudert.SocialMedia,NewsandPoliticalInformationduringtheUSElection:WasPolarizingContentConcentratedinSwingStates.arXiv e-prints,2018.https://doi.org/10.48550/arXiv.1802.03573.

⑨ Norah Abokhodair,Daisy Yoo,David W.McDonald.DissectingaSocialBotnet:Growth,ContentandInfluenceinTwitter.In:CSCW′15:Proceedingsofthe18thACMConferenceonComputerSuppartedCooperativeWork&SocialComputing.New York:ACM Press Conference,2015.pp.849-850.

⑩ Rossi S.,Rossi M.,Upreti B.,Liu Y.DetectingPoliticalBotsonTwitterduringthe2019FinnishParliamentaryElection.Proceedings of the 53rd Hawaii International Conference on System Sciences.2020.p.2431.