国家安全视域下社交机器人涉华议题操纵行为探析*

韩 娜 孙 颖

近年来,以社交机器人为代表的计算传播现象在全球盛行,社交媒体平台和智能技术的发展,为社交机器人的信息操纵活动提供了温床。在Twitter、Facebook等社交媒体平台中,社交机器人正在以各种方式生产和传播信息流,与用户进行互动,通过计算宣传的方式传播虚假信息,影响用户所感知到的信息环境,在重大国际事件和国家民主政治中形成虚假的意见气候和舆论生态。①据披露,2016年Twitter上有40万机器人用户参与了美国总统大选讨论,约占总用户数的15%。同样类型的社交机器人用户在法国总统大选中出动了近五分之一参与反对马克龙的宣传活动。②社交机器人的出现不仅“创造了新的‘人+社交机器人’共生的网络生态”,同时也带来了一场由数据操控政治的新形态革命。③

社交政治机器人即活动于社交媒体平台上用于政治目的的机器人,它通过自动发送大量垃圾信息、僵尸网络、关闭交换点或发起DDoS攻击来形成虚假性的攻势盛景,最终达到政治目的。近年来,社交机器人通过不断的改良与发展变得更加复杂神秘,这使得在社交媒体平台上更加难以界定和厘清人类用户行为与机器人行为④,例如,社交机器人能够模仿人类行为躲避平台检测⑤,且在人机交互中参与网络社区对话以此来操纵政治情绪,营造舆论氛围⑥。已有大量实证研究表明,海外社交媒体平台的涉华议题中有大量社交政治机器人账号参与,在涉华新冠疫情的议题上,社交政治机器人是否已经成为西方社会对华污名化的重要武器？2020年疫情在全球暴发,机器人是否参与了涉华新冠病毒信息操纵？机器人对议题操纵是如何开展的？在我国国际传播中重视与研究这类问题,对于破局我国的国际传播困境以及从传播视角维护我国国家安全至关重要。

一、文献综述

(一)社交机器人研究

Boshmaf等人将社交机器人定义为“一种在社交网络中自主运行社交账号并且有能力自动发送信息和链接的智能程序”⑦,社交机器人在社交网络中利用社交用户的功能可以模仿人类用户完成信息的传递,部分社交机器人在操纵下甚至可以进行恶意活动,例如发布鼓动言论、推送垃圾短信等⑧。社交机器人相比人类用户更加活跃,且在改变目标受众行为方面十分奏效。⑨社交机器人虽然以算法为底层架构进行自动化的行动,但是与纯算法技术仍然有所不同。社交机器人作为算法产物,其行为与操纵者试图实现的目标具有捆绑关系。Rossi等人根据政治机器人的复杂程度将其分为三种类型,最基础的机器人仅用来增加某个用户的追随者数量或某一特定帖子的点赞数量；第二种机器人可以动态调整其内容信息生产；第三种机器人是由人类在内容创作等方面控制机器人的部分活动,这类机器人也被称为人机混合式的政治机器人。⑩

在传播学领域,更多学者聚焦于社交机器人的传播过程合法性与传播结果的影响。社交机器人通过输入大量重复内容、虚假信息开展病毒式传播,来异化舆论环境，新冠肺炎期间,大量社交机器人通过伪造地理信息在社交媒体平台上制造虚假信息,影响公共舆论与公众认知；且在传播过程中可以将虚假信息的传播量放大几个数量级,与人类用户相比,社交机器人能够释放更高强度的社会性恐惧。在改变公众意见方面,Ross等人的模拟实验进一步证实了社交机器人能够触发沉默的螺旋，占总数5%—10%的社交机器人就可以改变舆论气候,引导舆论朝着社交机器人的观点靠拢。

人工智能和计算机科学领域区分了智能主体(intelligentagent)和自动化软件程序之间的不同。以僵尸网络、假新闻和算法操纵等形式进行的计算宣传(computational propaganda)在全球化政治体系中起到关键性作用。无论政治主体是政府或党派,还是社会团体与草根群体,政治传播主体在利用政治机器人实现利益目标的过程中往往会有意识或无意识地利用计算宣传进行虚假信息或错误信息的传播。虚假信息(disinformation)是用来故意欺骗误导他人的信息,与虚假信息相对应的是错误信息(misinformation),是指无意中误导他人的信息。政治机器人背后的政治传播主体利用机器人数字化特征,一方面扩大了虚假信息的传播范围,构成更大的虚假信息传播危机；另一方面在热议的政治议题中快速构建利于己方的虚假信息秩序,以此达到政治目的。在社交平台中政治机器人的主要功能是制造议题和传播信息,并引导用户发布支持或攻击政治候选人和政治议题的内容。这是一套由僵尸网络建立的能够操纵Facebook、Twitter等主要社交媒体的特殊算法。

(二)社交机器人参与涉华议题及新冠病毒政治化

在海外的社交媒体平台上,部分涉及中国社会问题的议题出现了社交机器人操纵的现象,且在社交机器人的鼓动下,这些涉华的议题一度引起全球网民的热议。例如,“香港修例风波”事件中就被调查证实，大量社交机器人在有关新闻报道中发挥了扩散信息的作用。在中美贸易议题讨论高峰时期机器人占比也达到13%,其中对贸易谈判持反对立场的占比高达55%。

2020年全球暴发了新型冠状病毒疫情,外媒在溯源问题中联合抱团谴责中国,不断推动舆论发酵,并将新型冠状病毒命名为“武汉病毒”“中国病毒”等,在社交媒体平台上一度掀起了涉华负面舆论高潮。2021年5月,美国国务院表示要求美国情报界加大收集并分析新型冠状病毒来源问题的力度,其矛头直指中国。同年6月,美国前总统特朗普在俄亥俄州的大会中进行了演说,抛出了“新冠病毒是在中国城市武汉的一个实验室以科学方式人工制造的”这一观点。一时间,Twitter平台上出现了大量关于中国生物基地、武汉病毒实验室外泄等政治谣言、虚假信息,或通过转发BBC、《纽约时报》等西方主流媒体报道链接,或原创负面推文,或转发意见领袖推文,国际舆论场上再次掀起了反华高潮。主流媒体、权威智库的加入难以直接证实西方的阴谋立场,如若能在社交机器人领域加以佐证,证实其政治操纵行为,揭露其政治目的,这对于捍卫我国国际话语权,维护我国政治安全具有重要意义。

二、研究方法与问题

(一)数据采集

本研究通过数据挖掘的方法,将海外社交平台Twitter作为研究对象,以国外污名化中国的“Wuhan Virus/Chinese Virus”作为关键词,通过Python编程抓取一段时间内含有指定关键词的Twitter英文推文。为了确保抓取的推文中“Wuhan Virus/Chinese Virus”由发布者本人直接作出,进而确保研究数据与本文的研究意图高度吻合,在抓取过程中要求推文内容中直接含有“Wuhan Virus/Chinese Virus”。

涉华新冠病毒议题一直以来都是外媒炒作的焦点,2021年5月26日国药新冠灭活疫苗Ⅲ期临床试验中期结果正式对外公布,外媒开始针对中国疫苗安全性问题进行新一轮舆论炒作,并一度引申至人权问题、溯源问题中。同天,美国国务院重启对新冠病毒溯源问题的调查,并要求美国情报部门在90天之内彻查溯源问题并公布明确结果,外媒将新型冠状病毒的溯源问题推上了舆论高潮,因此本文选择“Wuhan Virus/Chinese Virus”作为关键词,将研究时间段设定为2021年5月26日至8月31日,以文本内容(text)、推文发送时间、推文发送用户(账号ID)为标准进行数据筛选,初步获取推文数量为52363条。出于后续数据分析便利,将初步获取的推文进行二次筛选,保留内容为纯英文的推文,最终获取推文数量为43587条,其中独立用户有23209个。

(二)研究方法

本研究通过采用开源工具Botometer来识别Twitter中的社交机器人。Botometer由美国印第安纳大学所研制,历经多年的更新迭代,已成为当前检测、识别Twitter社交机器人较为成熟的检测工具之一。Botometer的运行模式是将Twitter中的用户个人信息、交互信息、使用时间等多个维度的信息注入机器学习模型。通过设置机器人评分模式,将抓取的Twitter用户进行识别、分类,当用户的评分值超过评分界限时,将该用户认定为机器人用户,反之则认定为人类用户。

在社交机器人评估过程中,由于Twitter用户自身的设置问题,如用户已注销、已冻结或用户设置了隐私权限,Botometer将无法对用户进行信息识别,我们将这类用户归为异常用户进行二次排除。通过筛选,本研究共获取有效用户11207个,其中人类用户为9471个,占比84.5%；社交机器人用户为1736个,占比15.5%。在抓取的21602条推文中,人类用户发布数量为18043条,占比83.5%；社交机器人用户发布数量为3559条,占比16.5%。

在主题的分析中,研究运用了STM主题分析模型。STM(Structural Topic Model)和LDA(Latent Dirichlet Allocation)一样都属于大数据主题分析模型的范畴,采用无监督学习的方法对数据集中的隐含语义数据进行聚类,从而得到文本集中的主题信息。但传统的LDA主题模型在处理短文本(比如直播间弹幕,微博文本等等)时,时常会因为文本词汇过于稀疏、样本不够全面等问题导致模型的效果不够好。为了克服短文本主题稀疏性的问题,2013年,Robert等人在LDA模型的基础上提出了基于无监督学习的STM模型。STM模型相比于LDA模型的关键创新点在于他在对文本进行处理时,可以直接将文档作为协变量引入主题模型中。STM模型通过使用文档作为协变量进行变量计算,丰富了协变量的语义信息,较好地解决了LDA模型因词量稀疏而导致准确性不高的问题。此外,STM模型的优势还体现在其可以计算变量对于指定主题词汇分布的可视化影响。基于上述优点,STM主题模型近年来广受计算传播研究学者的关注与应用。

尽管当前对于社交机器人的公众舆论影响力尚且难以评估,但社交机器人被证实在“美国大选”“中美贸易”“法国大选”中的影响力不容小觑。在涉及新型冠状病毒溯源问题的讨论中,社交机器人与人类一起加入了国际舆论场,为了进一步探究社交机器人对于公众舆论、政治事件的影响,研究将从多个维度对人类用户和社交机器人用户进行对比分析,以此探究社交机器人的议题建构行为,具体路径为:

1.社交机器人与人类用户在Twitter空间发布有关“Wuhan Virus/Chinese Virus”推文的特征比较。

2.社交机器人与人类用户在Twitter空间发布有关“Wuhan Virus/Chinese Virus”发文策略比较。

3.社交机器人与人类用户在Twitter空间发布有关“Wuhan Virus/Chinese Virus”推文的主题比较。

三、社交机器人涉华议题操纵行为特征

(一)发文特征分析

为探究人类用户与社交机器人用户之间的差异,研究将通过粉丝量、单个账号发布推文数量和发文时间进行对比,分析发现人类用户和社交机器人的发文模式呈现出两种不同的特征。

第一,社交机器人试图通过获取粉丝数量来提升影响力。基于人类用户和社交机器人用户粉丝数的比较研究发现,首先,社交机器人善于潜伏模仿。有58.9%的社交机器人的粉丝数量在100以下,而人类用户则仅有37.7%,这表明社交机器人为了模仿人类用户的发文特征,长期处于潜伏状态。操纵者长期经营僵尸政治机器人并通过模仿的方式躲避网络侦查,其目的是等待时机成熟,在关键事件中操纵舆论、蒙蔽公众。其次,社交机器人热衷于扩大影响力。当粉丝数量在5000以上时,社交机器人的粉丝数量比例与人类用户的差距较小,但社交机器人的粉丝数量比例始终高于人类用户,可见部分社交机器人希望通过提升自己的粉丝量来提高发文的影响力,从而控制或改变公共话语和舆论议程。在用户的设置上,操纵者会发挥“两边效应”,一方面大量部署活跃度较低的社交机器人,等待时机成熟进行集中发文造势；另一方面通过经营部分活跃度较高的“头部号”,形成粉丝效应和影响力。

图1 人类用户和社交机器人粉丝数量对比

第二,社交机器人较之人类用户更倾向于发布新冠病毒溯源问题政治化的推文。总体上,社交机器人和人类用户的单个账号发布推文数量差异不大,绝大多数的社交机器人和人类用户都只发布了1—2条相关推文。可见,社交机器人会模仿人类的发文特征,并不会盲目地在单个账号中转发大量的涉及新冠病毒溯源问题的推文。具体比较两类账号发布推文的数量不难发现,社交机器人用户较之人类用户更可能发布多条推文,社交机器人的发文量比例在发文数为6—30条推文时都比人类用户发布推文数量高。

第三,社交机器人在评议热点事件时具有滞后性。参与讨论的社交机器人与人类用户的发文变化趋势大体相似,但人类用户对于议题的发文更具有突发性、及时性,且议题激增，大量推文的时间要略早于社交机器人用户,例如,6月17日人类用户对G7峰会各集团领导人关于敦促中国参与病毒溯源问题事件的讨论开始激增,而社交机器人在6月18日、19日对于涉及中国参与病毒溯源问题的推文才开始剧增。可见社交机器人在发推文之前需要花费时间去模仿人类用户的发文特点以及设计发文趋向,尽管间隔时间不长,但还是存在一定的滞后性。

图2 人类用户和社交机器人单个账号发布推文数量对比

图3 人类用户和社交机器人发文时间对比

此外,经过对比研究发现,社交机器人的更新性有了较大的提升。随着社交机器人技术的发展,社交机器人模仿人类发文特征的速度提升较快,在笔者对2020年涉华新冠病毒议题的研究中,社交机器人的模仿时间平均为3天—4天,而2021年的数据显示社交机器人的模仿时间已经缩短至1天—2天。

(二)发文策略比较分析

发文策略通常通过附带话题标签、@其他用户或转发链接得以表现。通过对推文内容中的话题标签、@其他用户的情况以及转发内容,可以发现在议题讨论中两类用户的发文策略差异较为明显。

第一,社交机器人倾向于通过争议性话题快速传递信息。话题标签是用户进行信息扩散的重要途径,通过对社交机器人和人类账号最常用的前20个话题标签进行研究,发现社交机器人和人类用户有10个相同的话题标签,包括“武汉疫情”话题(#Wuhan、#China、#Wuhanvirus、#Beijing)、“新冠病毒”话题(#covid19、#virus、#coronavirus、#vaccine、#delta)以及“民主主义”话题(#cdnpoli)。在差异性上,社交机器人的10个不同的话题标签为:#Weapon、#Donald Trump、#bantheccp、#Wuhanlab、#Wuhanlableak、#superidiot、#Biden、#Chinesevirus、#India、#huawei；人类用户的10个不同的话题标签为:#sarscov2、#lockdown、#socialdistancing、#variant、#genetic、#facemask、#monochrome、#pneumonia、#streetphotography、#biological。

通过对比发现,社交机器人更喜欢标志性话题如#Wuhanlab、#Wuhanlableak、#weapon,与事件有关联的领导人话题如#Donald Trump、#Biden,以及侮辱性话题如#superidiot、#bantheccp等来快速传递信息,而人类用户则更喜欢用#genetic、#socialdistancing、#pneumonia等与事件有直接关联或与事件发酵时经常提及的名词作为话题标签。可见,社交机器人更倾向传播负面、激发受众愤怒情感的推文,而人类用户则相对理性地使用与事件本身有关的话题标签表达舆论倾向。

图4 人类用户和社交机器人最常用的20个标签

第二,社交机器人倾向于通过@自媒体或热点人物、大V来扩充影响力。首先，两类用户都会采用@大V提升声量,且呈现群体性特征,如图5所示影响力较大的有@WHO、@POTUS、@YouTube等,其中还有@Mike Pompeo、@Narendra Modi等政治人物社群,@globaltimesnews环球新闻、@WIOnews印度全球新闻网等官方媒体社群,且这些高频被@的账户之间也存在着相互@的行为。其次,社交机器人更倾向使用自媒体大V扩散信息,对最常@的前20个账号分别进行比较发现,社交机器人更倾向于关注自媒体大V,例如@YouTube(全球最大的视频分享网站)，或是关注政治人物,例如@palkisu(印度全球新闻记者)、@POTUS(美国总统官方账号)等人来提升自己的影响力；而人类用户更倾向于关注官方组织,例如@WHO(世界卫生组织)，或是官方媒体平台,例如@WIONews(印度全球新闻网)、@globaltimesnews(环球新闻网)、@CNN(美国有线电视台)等。可见,社交机器人在生产制造“武汉病毒/中国病毒”议题上,喜欢通过@一些具有影响力的自媒体、官媒以及具有政治影响力的公众人物来提高自身的影响力,并在群体传播中呈现交互性特征。

图5 人类用户和社交机器人最常@的10个账号

第三,与人类用户对比,社交机器人用户更倾向于转发负面消息。首先,与人类用户相比,社交机器人就涉及新冠病毒议题上普遍对中国、中国武汉持反对态度,研究显示仅10%的社交机器人用户在新冠病毒是否来源于中国的议题上持支持中国的态度,10%持中立态度,其他80%皆持反华态度。其次,社交机器人在转发内容、评论内容上具有相似性。同一社交机器人账号更倾向于转发内容相类似的推送,例如社交机器人账号@ravinsindian1的多篇推送都是指责武汉实验室泄露新冠病毒,且指责内容几近相同。最后,与人类用户相比,社交机器人更喜欢在重要媒体平台或重要政治人物推文中发布大量类似的评论。这类账号的关注者极少,例如社交机器人账号@draa11387424在该议题上热衷于重复评论多个具有重要影响力的账号,且评论内容几乎相似,意在抹黑武汉实验室释放病毒。

图6 人类用户和社交机器人@最多的用户对比

(三)发文主题比较分析

比较人类用户和社交机器人在主题内容的倾向性特征,可以探究社交机器人对涉华新冠病毒议题的建构行为。本文采用R语言中的 STM 包进行推文分析,在 STM1 中,我们将筛选所得的所有推文输入模型中,并将人类和机器人作为主题流行度协变量引入模型,以此来探究两类不同用户的表达倾向。

第一,社交机器人倾向于发布负面撕裂信息。表1呈现了STM输出的6个主题及其高区别度词汇。其中这6个主题涵盖了美国政府对华态度、中国疫情的世界影响问题、中国疫苗安全性问题、新冠病毒的实验室外泄问题、中国疫情的人权问题以及中国疫情的生物安全问题等方面。我们将社交机器人身份和人类用户身份作为主题内容协变量输入 STM 模型中,用以探究在涉华新冠病毒议题中,社交机器人与人类用户关注主题分布。图7展示了社交机器人与人类用户在主题分布上的差异。图中的0点代表标准化之后的各主题在语料库中的分布情况,一侧的横线越长,表示在同主题中机器人用户或人类用户发布的推文越多。

表1 与“武汉病毒/中国病毒”相关的讨论中,6个主题的意义及代表性词汇

图7 人类用户和社交机器人主题分布对比

社交机器人与人类用户的主题分布线相类似,表明社交机器人和人类讨论中的涉华新冠病毒议题主题分布差异有限,二者都十分关注美国政府对华态度、中国疫苗安全性问题。但社交政治机器人更多关注于中国疫情的人权问题,而人类则更多地关注在事件本身及中国疫苗安全性问题上。这表明社交政治机器人充当了撕裂舆论的武器,更倾向于发布负面的推文,将疫情问题向中国台湾地区问题、新疆维吾尔自治区等人权问题上延伸、炒作。

第二,机器人话语更具有污名性。通过对词向量进行相似度计算,我们获取了社交机器人和人类分别如何围绕“Wuhan”这一关键词进行语义关联的构建,结果如表2所示。对比社交机器人和人类用户语料中与“Wuhan”相似度排名前15的词汇,可以发现,在社交机器人的语料中,“origin”(起源)与目标词汇的相似度最高,意在将新冠病毒溯源问题与中国紧密相连,进行污名化。相比之下,在人类用户的语料中,与目标词汇最接近的是“coronavirus”(冠状病毒),而冠状病毒是本次议题的事物本身。值得注意的是,社交机器人的前15个相似词中,存在“CCP”(中国共产党)、“government”(政府)等直指中国政府的词,还存在“manipulate”(操纵)、“death”(死亡)、“free”(自由)、“democrat”(民主主义)等攻击和污名化中国政府的词语。相比之下,人类用户的前15个相似词则与新冠疫情本身关联紧密。这表明,社交机器人的操纵者更希望通过社交机器人将“Wuhan”与“中国政府侵犯人权”“操纵病毒武器”关联起来,对新冠病毒溯源问题进行倾向反华立场的引导。

表2 人类用户和社交机器人语料中,与“wuhan”相似度排名前15词汇

四、研究发现与讨论

AI驱动的信息传播既是一场技术革命,也是一场认知革命,数字时代的国际传播政治性被算法隐秘性推动发展。伴随传媒科技与智能算法发展,国际传播载体数字化、议程去中心化、传播社交化已然成为一种趋势。在此背景下,国际传播形式与手段也产生了深刻变革,依托人工智能而展开的以社交机器人为代表的计算宣传异军突起,通过自动化部署、人工协同引流、虚假信息操纵等方式干预国际舆论,严重威胁他国政治安全与意识形态稳定。近年来随着国际地缘格局的调整,国际舆论场上涉华虚假信息陡增,社交媒体中的涉华议题也呈现对抗性趋势,对社交媒体场域中的国际传播活动主体进行研究,对于审视我国的国际政治传播活动具有重要价值。研究表明，社交媒体上的人类和社交机器人活动都在推动议题的开展与传播,并且议题背后的舆论操纵行为和操纵信息的环境愈发复杂。本研究以涉华议题“武汉病毒”“中国病毒”为代表,通过对人类用户和社交机器人用户在议题建构的行为进行对比,同时借助主题模型及语义相似度计算,以探索社交机器人在涉华议题建构上的行为特征。

(一)研究发现

第一,在主题上，社交机器人更偏向于发布或评议具有煽动性的议题。社交机器人作为活跃的“超级传播者”本身就是助推低质量信息扩散的始作俑者。他们热衷于转载较低可信度来源的消息,甚少转载可信度高且经过事实核查的网站新闻。社交政治机器人成为反华舆论主力军,与“中国疫苗是否安全”“武汉生物实验室泄露”等问题进行捆绑。同时,在语义相似度计算中,社交机器人试图通过将“武汉病毒/中国病毒”与“溯源”“操纵”“死亡”进行关联,以期促成在“武汉病毒/中国病毒”议题中污名化中国操纵新冠疫情、进行疫苗外交的行为。这一研究结果与此前的研究发现不谋而合,共同指向了社交机器人被用于国际舆论场上的政治角逐,以期营造对中国的负面舆论。

第二,在行为上，社交机器人通过多元路径扩散信息。社交机器人的出现加大了人类用户对于特定信息的接触,同时社交机器人通过大量@媒体或热点人物以及与人类用户进行互动来扩大自身的影响力。社交机器人在转发推文时常附上“武汉病毒”“武汉实验室泄露”“生物武器”等话题标签以此博人眼球。此外,部分社交机器人在转载外部链接时存在推文内容不匹配的情况,以此博取用户点击量和粉丝量,扩大传播覆盖面。社交机器人中以“武汉生物实验室”“生物武器”为主题的推文大多持反华态度,并将议题进行延伸,将新冠病毒问题与民主自由问题、人权问题混为一谈,给中国政府扣上了反民主、反人权的“帽子”。其通过增加粉丝量、添加标签、@大V等多元路径,以疫苗安全、人权以及生物武器为着力点,对中国展开污名评论,影响中国的形象。

第三,在发文上，涉华议题操纵痕迹明显。社交机器人热衷于重复转发内容相似的推文,却甚少发送原创性推文,即使推文中分享的链接不同,但进一步观察会发现看似不同的链接往往所指同一网站,且该网站所发布的内容以反华舆论为主。通过发文内容的比对,大部分社交机器人在涉华议题推文中极少发表个人论点,而是以转发其他相似的文案为主,据此可以看出,大多数对华呈现消极态度的社交机器人有明显的信息操纵的痕迹。社交机器人在Twitter推文中通过话题传播直接抨击或隐喻中国政府“利用生物武器、泄露新冠病毒以及中国政府进行疫苗外交”,对中国形象进行污名化构建,影响了世界对中国的认知。

(二)研究讨论

本研究是以Twitter中涉华新冠病毒议题参与为例,虽然研究在适用性和科学性上,并不能通过某个案例揭露社交机器人对涉华议题的操纵特征,也没有从线上和线下行为重构的视角研究社交机器人对国家安全的影响,研究在理论和实践上还具有一定的局限性。但本研究基于国家安全视角,利用计算传播的研究方法,选择涉华案例来研究计算操纵行为,相较于单纯针对社交机器人本身开展的诸如模型研究、因果研究、效果研究等,具有一定的现实价值。

基于专业新闻媒体的国际新闻传播、基于国家主导的国际政治传播、基于组织和个人参与的跨国信息传播构成了国际传播的三大领域,其中社交媒体成为数字时代实现国际传播活动的重要场域。在国际地缘政治博弈严峻的形势下,我国国际传播陷入困境,表现为:我国的国际地位和国际传播不匹配,中国声音的“可触及性”降低,中国话语的“可信性”受到质疑,西方对华舆论污名化和虚假信息行动逐渐增多。应对我国在国家形象塑造和中国话语建设面临的挑战,要摒弃“传播决定论”,不神话国际传播的地位和决定作用,要从整体性、系统性、全局性的安全思维审视我国的国际传播活动,将我国的国际传播置于国家安全大格局，开展新时代的国家战略传播。

目前，算法操纵已经大量地运用到了政治舆论场,并成为国际舆论战中隐蔽的操纵力量,我国的国际传播或者政治传播研究,应以多学科的视野、综合性的研究方法,重新研究我国的国际传播能力建设如何破局。目前,这种以国家、类国家行为体、政客或者有政治倾向的网民,在社交媒体上运用智能算法进行预测和关联,通过操纵社交政治机器人、大规模传播诱导性信息以及虚拟用户等自动化方式,实现在政治范畴对客体用户意识形态的引导和操纵,是一种技术政治化的行为,社交机器人操纵是数字时代计算政治操纵的方式之一。在舆论博弈中,计算政治操纵实施国可借助大数据和机器学习的高精度微目标操作,影响公众情绪、塑造受众政治偏执型人格,以威胁当政者组织的意识形态。其中以社交机器人为中介开展的政治操纵最为明显。新冠疫情以来,美国通过价值观外交,在线下以“民主之名”拉帮结派,在线上以“新疆”“香港”“疫情”等敏感话题对华展开舆论攻势,其背后的政治势力运作不容小觑。

今后,在理论上,要加强国际政治传播的交叉性研究,加强对国家安全视域下的计算政治传播或者操纵基础研究,对比其与情报迷雾、战略欺骗、政治宣传等在内涵上的不同,提炼数字时代计算政治操纵运行机制,重新定位三种类型国际传播活动,以实现服务国家安全的国家战略传播目标；在国际治理上,从全球角度,深入探讨舆论博弈对国际舆论生态、网络国际规则、全球安全治理上的影响,探索在全球信息安全治理中的中国方案；在计算研究路径上,可以从社交机器人、深度伪造等的识别出发,通过跟踪和挖掘计算宣传的现实案例,采用机器学习的方法,完善和建构计算宣传的识别模型,探索出针对我国舆论展开的计算政治操纵行为；在实践中,应以战略传播视角,综合国际新闻传播、国际政治传播、国家安全情报,密切关注网络上关于涉华的舆情动态及各类虚假信息的传播,重视对社交机器人、深度伪造、虚拟用户等智能操纵行为的监测,尤其是对境外社交平台涉华安全问题动态的信息挖掘和分析,并利用国际新闻传播对舆情进行正向引导和辟谣,在造成重大影响前及时控制,抑制西方对我国进行平台政治操纵,探索反制手段,维护国家安全。

注释:

① 刘婵君等:《社交媒体政治传播的国际研究议题、特征与启示》,《情报杂志》,2018年第2期,第100页。

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

③ 张洪忠等:《异类还是共生:社交媒体中的社交机器人研究路径探讨》,《新闻界》,2019年第2期,第11页。

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.