清华新研究解密信息茧房！全新信息动力学理论，登Nature子刊

推荐系统如果只推荐用户喜欢的内容，会降低活跃用户的信息熵，观点也会逐渐走向极端。

新一代信息与智能技术的迅猛发展推动着人类逐步迈入智能社会。在数字技术和智能推荐算法的加持下，媒体和平台越来越贴心，总是能最快最准的地契合人们的个性化偏好和需求。

然而，与此同时，智能精准推荐致使「信息茧房」现象不断发酵，观点相似的人群在网络空间组成团体，特定价值偏好在群体中汇集放大，逐渐形成极端的观点。

针对名人或社会事件的每一种极端观点都能够被利用成为意识形态渗透和影响的工具，在网络空间和现实世界中推波助澜，掀起「汹汹民意」。

然而，即便如此，我们对于信息茧房仍所知甚少：真实线上系统中的信息茧房究竟有多严重？缺乏大规模实证研究；信息茧房的形成机理是什么？缺乏基础理论支撑；如何解决信息茧房问题？缺乏行之有效的手段。

最近，清华大学电子系城市科学与计算研究中心与公管学院跨学科合作，通过大规模实证研究与信息动力学理论建模，首次大规模数据实证及理论揭示了信息媒体上信息茧房涌现的内在机理与相变边界，为理解当下智能社会中人-智交互复杂社会系统提供了全新思路。

该成果以「人-智自适应动力学驱动信息茧房涌现」（Human–AI adaptive dynamics drives the emergence of information cocoons）为题在《自然·机器智能》（Nature Machine Intelligence）上在线发表。

论文链接：www.nature.com/articles/s42256-023-00731-4

代码及数据链接：github.com/tsinghua-fib-lab/Adaptive-Information-Dynamic-Model

该成果聚焦于新闻与视频两个典型场景，通过分析5.7亿用户行为数据和使用信息熵度量信息茧房严重程度，发现在一年交互后，超过57%的活跃用户均经历了不同程度的信息熵下降，标志着现实系统中信息茧房的严重性 网页链接