你今天也被“黑洞的第一张照片”刷屏了吗？这张万众期待的黑洞照片一经放出，便引爆了全民的热议。从新浪微博的数据来看，从昨晚9时照片公布到现在，关于“黑洞的第一张照片”的阅读量已经高达~7亿，并且这一数字仍在不断增长。人们通过社交媒体和平台进行阅读、观看、转发、评论，充分地参与到了这场天文盛宴中来。
现如今，社交媒体就像是公共舆论的一个巨型扩音器：它们可以左右选举，可以摧毁一家企业，还可以在疫苗接种、气候变化等热点问题上起到煽动性作用，甚至引发大规模的群众行动。一个话题要如何才能吸引“集体性关注”？研究这一问题的科学家在社交媒体的数据中，发现这类话题有一个共同特征：偶然短暂的且看似随机的高强度活动的爆发。
意大利的网络理论学家Manlio De Domenico表示，对于这些热点“尖峰”我们知之甚少，它们是注意力动态的一种固有本质：“它们会引发一连串的信息爆炸，从而极大地放大正在传播的信息的效应。
”这种“放大效应”激发了De Domenico和澳大利亚悉尼大学的Eduardo Altmann的兴趣，他们为此设计了一个简单的网络模型，通过改变模型的输入可以预测出推特（Twitter）上的热点尖峰的频率和振幅。De Domenico说，他们的模型重现了推特上的那些真实的与文化、科学、体育、宗教等重大事件有关的热点爆发事件。
理解这类爆发的根源，或许可以帮助研究人员开发出能阻止非法操纵公众舆论的工具。2016年，在德国的马克思·普朗克复杂系统物理研究所工作的De Domenico和Altmann开始研发自己的模型。
他们利用几个事件的关键词，分析了数百万条推文，这些事件包括2013年教皇方济各的选举，2015年NBA总决赛，2013年的纪念马丁·路德·金的“我有一个梦想”演讲50周年庆祝活动，以及2016年宣布引力波的发现事件。在每个事件发生前后的时间段内，在推特上的活跃度都先是飙升，然后下降。但这些数据也显示出了一系列看似随机的活跃度尖峰，在短短几分钟的时间内，消息的发送、转发和回复次数翻了数千倍。
为了对这些数据集进行建模，研究小组将推特圈描述成一个由用户组成的网络，这些用户具有一个呈特定分布的“连通性”，也就是拥有一定数量的关注者。在一个用户发布消息后，模型会让其粉丝（关注该用户的人）以一定的概率对这则消息进行响应，比如转发或回复。利用这一简单模型，研究人员考虑了不同情境下的用户行为。例如，他们可以改变每个用户的“偏向性”，也就是每个用户关注其他有影响力用户的倾向程度。
他们还可以通过比较均匀网络（大多数用户具有相同数量的连接）和异构型网络（用户集聚成团，集聚处的连接数量高于平均数量）来研究网络结构的影响。对于每个事件，De Domenico和Altmann先会向模型中输入一些随机分布的初始推文，然后模拟回复和转发的数量。
通过比较模拟结果与真实世界的数据，他们发现，只需要注重模型中的两个因素，就可以重现热点爆发的显著特征，这两个因素分别是用户的偏向性和网络结构的类型。具体来说，爆发性的行为似乎有着高度异构的网络结构特征，推特就是这样一个例子，它拥有着许多有影响力的消息集中中心，而且任何两个用户之间的分离度都很小。由此看来，推特上的那些“具有影响力的用户”和网络结构显然在爆炸式消息中发挥着重要作用。
De Domenico认为，这两者似乎是唯二重要的两个因素。例如他惊讶地发现，爆发的振幅并不依赖于推特网络内部的相关性。这种相关性之所以会出现，是因为有影响力的用户往往是彼此相连的，比如奥巴马可能会关注克林顿，这种效应会导致一些知名的人或机构集聚成团。理解社交媒体关注度的复杂性还可能有助于解决一个日益严重的问题，那就是社交媒体的操纵。
越来越多的机器人账号（使用人工智能模仿真人）被用来放大网络上的某些观点，从而达到影响公众舆论的目的。De Domenico目前正在研究我们是否可以通过模型来区分哪些尖峰信号是由机器人账号产生的，哪些是真实的。这或许能与他的另一个项目相吻合。最近，在西班牙举行的一场关于加泰罗尼亚独立问题的全民公投上，De Domenico从中发现了机器人账号行为。
通过使用机器学习工具来对机器人进行识别，并对信息的含义进行分类，他和他的同事们发现在公投的筹备阶段，有20%的推文信息是由机器人发布的。这些消息有选择性地针对支持和反对独立群体中的有影响力的人士。例如，它们会通过用警察暴力对付示威者这样的故事来轰炸独立主义者，这些精心炮制的消息被用来加剧社会冲突。
下一步，De Domenico计划将他的机器人分析工具与集体注意力模型结合起来，以研究机器人对投票的影响。如果研究人员能够解开机器人在生成社交媒体关注度方面所扮演的角色，或许政策制定者就可以开始思考应对之策。De Domenico认为，若想要听到真正的公民之声，科研人员必须更好地理解并控制对机器人的使用。