Twitter รายงานว่าบัญชีน้อยกว่า 5% เป็นของปลอมหรือนักส่งสแปมซึ่งมักเรียกกันว่า “บอท” นับตั้งแต่ข้อเสนอซื้อ Twitter ของเขาได้รับการยอมรับ Elon Musk ได้ตั้งคำถามซ้ำแล้วซ้ำเล่าเกี่ยวกับการประเมินเหล่านี้ แม้จะปฏิเสธ คำตอบ ของประธานเจ้าหน้าที่บริหาร Parag Agrawal
ต่อมา Musk ระงับข้อตกลงและเรียกร้องหลักฐานเพิ่มเติม
เหตุใดผู้คนถึงโต้เถียงกันเกี่ยวกับเปอร์เซ็นต์ของบัญชีบอทบน Twitter?
ในฐานะผู้สร้างBotometerซึ่งเป็นเครื่องมือตรวจจับบอทที่ใช้กันอย่างแพร่หลาย กลุ่มของเราที่ Indiana University Observatory on Social Mediaได้ศึกษาบัญชีที่ไม่ถูกต้องและการบิดเบือนบนโซเชียลมีเดียมานานกว่าทศวรรษ เรานำแนวคิดของ ” โซเชียลบ อท ” มาใช้ในเบื้องหน้า และประเมิน ความชุกของพวกมันบน Twitter ก่อนในปี 2560
จากความรู้และประสบการณ์ของเรา เราเชื่อว่าการประมาณค่าเปอร์เซ็นต์ของบอทบน Twitter กลายเป็นงานที่ยากมาก และการโต้เถียงเรื่องความถูกต้องของการประมาณการอาจไม่มีประเด็น นี่คือเหตุผล
บอทคืออะไรกันแน่?
ในการวัดความชุกของบัญชีที่มีปัญหาบน Twitter จำเป็นต้องมีคำจำกัดความที่ชัดเจนของเป้าหมาย คำศัพท์ทั่วไป เช่น “บัญชีปลอม” “บัญชีสแปม” และ “บ็อต” ใช้แทนกันได้ แต่มีความหมายต่างกัน บัญชีปลอมหรือเท็จคือบัญชีที่แอบอ้างเป็นบุคคล บัญชีที่ผลิตเนื้อหาส่งเสริมการขายที่ไม่พึงประสงค์จำนวนมากถูกกำหนดให้เป็นผู้ส่งสแปม ในทางกลับกัน บอทเป็นบัญชีที่ควบคุมโดยซอฟต์แวร์บางส่วน พวกเขาอาจโพสต์เนื้อหาหรือดำเนินการโต้ตอบง่ายๆ เช่น การรีทวีตโดยอัตโนมัติ
บัญชีประเภทนี้มักทับซ้อนกัน ตัวอย่างเช่น คุณสามารถสร้างบอทที่แอบอ้างเป็นมนุษย์เพื่อโพสต์สแปมโดยอัตโนมัติ บัญชีดังกล่าวเป็นบอท นักส่งสแปม และของปลอมพร้อมกัน แต่ไม่ใช่ว่าทุกบัญชีปลอมจะเป็นบอทหรือนักส่งสแปม และในทางกลับกัน การคิดค่าประมาณโดยไม่มีคำจำกัดความที่ชัดเจนจะให้ผลลัพธ์ที่ทำให้เข้าใจผิดเท่านั้น
การกำหนดและแยกแยะประเภทบัญชียังสามารถแจ้งการแทรกแซงที่เหมาะสม บัญชีปลอมและสแปมทำให้สภาพแวดล้อมออนไลน์แย่ลงและละเมิดนโยบายแพลตฟอร์ม บอทที่เป็นอันตรายถูกใช้เพื่อเผยแพร่ข้อมูลที่ ผิด เพิ่มความนิยม เพิ่มความขัดแย้งผ่านเนื้อหาเชิงลบและยั่วยุบิดเบือนความคิดเห็นมีอิทธิพลต่อการเลือกตั้งฉ้อโกงทางการเงินและขัดขวางการสื่อสาร อย่างไรก็ตาม บอทบางตัวอาจไม่เป็นอันตรายหรือมีประโยชน์ด้วยซ้ำ ตัวอย่างเช่น โดยช่วยเผยแพร่ข่าวสาร แจ้งเตือนภัยพิบัติ และ ดำเนิน การวิจัย
การแบนบอททั้งหมดไม่เป็นประโยชน์ต่อผู้ใช้โซเชียลมีเดีย
เพื่อความง่าย นักวิจัยใช้คำว่า “บัญชีปลอม” เพื่ออ้างถึงการรวบรวมบัญชีปลอม นักส่งสแปม และบอทที่เป็นอันตราย นี่เป็นคำจำกัดความที่ Twitter ดูเหมือนจะใช้ อย่างไรก็ตาม ยังไม่ชัดเจนว่ามัสค์มีความคิดอย่างไร
นับยาก
แม้จะบรรลุข้อตกลงร่วมกันในคำจำกัดความ แต่ก็ยังมีความท้าทายทางเทคนิคในการประมาณความชุก
กราฟเครือข่ายแสดงวงกลมที่ประกอบด้วยกลุ่มของจุดสีที่มีเส้นเชื่อมจุดบางจุด
เครือข่ายบัญชีที่ประสานกันเผยแพร่ข้อมูล COVID-19 จากแหล่งที่น่าเชื่อถือต่ำบน Twitter ในปี 2020 Pik-Mai Hui
นักวิจัยภายนอกไม่สามารถเข้าถึงข้อมูลเดียวกับ Twitter เช่นที่อยู่ IP และหมายเลขโทรศัพท์ สิ่งนี้ขัดขวางความสามารถของสาธารณะในการระบุบัญชีที่ไม่ถูกต้อง แต่ถึงกระนั้น Twitter ก็ยังยอมรับว่าจำนวนบัญชีที่ผิดจริงอาจสูงกว่าที่คาดการณ์ไว้เนื่องจาก การตรวจจับ มีความท้าทาย
บัญชีที่ไม่ถูกต้องพัฒนาและพัฒนากลยุทธ์ใหม่เพื่อหลีกเลี่ยงการตรวจจับ ตัวอย่างเช่น บัญชีปลอมบางบัญชีใช้ใบหน้าที่สร้างโดย AI เป็นโปรไฟล์ ใบหน้าเหล่านี้สามารถแยกไม่ออกจากใบหน้าจริง แม้กระทั่ง กับมนุษย์ การระบุบัญชีดังกล่าวเป็นเรื่องยากและต้องใช้เทคโนโลยีใหม่
ความยากลำบากอีกประการหนึ่งเกิดขึ้นจากบัญชีที่มีการประสานงานซึ่งดูเหมือนจะเป็นเรื่องปกติในแต่ละรายการ แต่ทำหน้าที่คล้ายคลึงกันมากจนเกือบจะถูกควบคุมโดยเอนทิตีเดียว ทว่าพวกเขาเป็นเหมือนเข็มในกองหญ้าที่มีทวีตทุกวันนับร้อยล้าน
สุดท้าย บัญชีที่ไม่ถูกต้องสามารถหลบเลี่ยงการตรวจจับด้วยเทคนิคต่างๆ เช่น แฮนเดิล การแลกเปลี่ยนหรือการโพสต์และลบเนื้อหาจำนวนมาก โดยอัตโนมัติ
ความแตกต่างระหว่างบัญชีที่ไม่ถูกต้องกับบัญชีจริงเริ่มไม่ชัดเจนมากขึ้นเรื่อยๆ บัญชีสามารถถูกแฮ็กซื้อหรือเช่าและผู้ใช้บางคน “บริจาค” ข้อมูลประจำตัวของตนให้กับองค์กรที่โพสต์ในนามของตน ด้วยเหตุนี้ บัญชีที่เรียกว่า”ไซบอ ร์ก” จึงถูกควบคุมโดยทั้งอัลกอริธึมและมนุษย์ ในทำนองเดียวกัน บางครั้งนักส่งสแปมก็โพสต์เนื้อหาที่ถูกต้องเพื่อปิดบังกิจกรรมของตน
เราได้สังเกตพฤติกรรมที่หลากหลายซึ่งผสมผสานลักษณะของบอทกับผู้คน การประเมินความชุกของบัญชีที่ไม่ถูกต้องจำเป็นต้องใช้การจัดประเภทไบนารีแบบง่าย: บัญชีจริงหรือบัญชีที่ไม่ถูกต้อง ไม่ว่าจะวาดเส้นไหน ความผิดพลาดย่อมหลีกเลี่ยงไม่ได้
คิดถึงภาพใหญ่
จุดเน้นของการอภิปรายเมื่อเร็ว ๆ นี้เกี่ยวกับการประเมินจำนวนบอท Twitter ทำให้ปัญหาง่ายขึ้นและพลาดจุดที่จะประเมินอันตรายของการละเมิดออนไลน์และการจัดการโดยบัญชีที่ไม่ถูกต้อง
สกรีนช็อตของเว็บฟอร์ม
สกรีนช็อตของแอปพลิเคชัน BotAmp เปรียบเทียบกิจกรรมที่น่าจะเป็นไปได้ของบอทในสองหัวข้อบน Twitter ไคเฉิงหยาง
ผ่านBotAmpซึ่งเป็นเครื่องมือใหม่จากตระกูล Botometer ที่ทุกคนที่มีบัญชี Twitter สามารถใช้ได้ เราพบว่ากิจกรรมอัตโนมัติมีอยู่ไม่เท่ากัน ตัวอย่างเช่น การสนทนาเกี่ยวกับ cryptocurrencies มีแนวโน้มที่จะแสดงกิจกรรมของบอทมากกว่าการสนทนาเกี่ยวกับแมว ดังนั้น ไม่ว่าความชุกโดยรวมจะอยู่ที่ 5% หรือ 20% ก็ตาม มีความแตกต่างเพียงเล็กน้อยสำหรับผู้ใช้แต่ละราย ประสบการณ์ของพวกเขาเกี่ยวกับบัญชีเหล่านี้ขึ้นอยู่กับว่าพวกเขาติดตามใครและหัวข้อที่พวกเขาสนใจ
หลักฐานล่าสุดชี้ให้เห็นว่าบัญชีที่ไม่ถูกต้องอาจไม่ใช่สาเหตุเดียวที่รับผิดชอบต่อการเผยแพร่ข้อมูลที่ผิด วาจาสร้างความเกลียดชัง การแบ่งขั้ว และการทำให้รุนแรงขึ้น ปัญหาเหล่านี้มักเกี่ยวข้องกับผู้ใช้ที่เป็นมนุษย์จำนวนมาก ตัวอย่างเช่น การวิเคราะห์ของเราแสดงให้เห็นว่า ข้อมูลที่ ผิดเกี่ยวกับ COVID-19 ถูกเผยแพร่อย่างเปิดเผยบน Twitter และ Facebook โดยบัญชีที่มีชื่อเสียง และ ได้ รับการยืนยัน
แม้ว่าจะสามารถประมาณความชุกของบัญชีที่ไม่ถูกต้องได้อย่างแม่นยำ แต่ก็อาจช่วยแก้ปัญหาเหล่านี้เพียงเล็กน้อย ขั้นตอนแรกที่มีความหมายคือการยอมรับธรรมชาติที่ซับซ้อนของปัญหาเหล่านี้ ซึ่งจะช่วยให้แพลตฟอร์มโซเชียลมีเดียและผู้กำหนดนโยบายพัฒนาการตอบสนองที่มีความหมาย