張洪忠 斗維紅 任吳炯

(北京師范大學(xué) 新聞傳播學(xué)院，北京 100875)

社交機(jī)器人是在社交網(wǎng)絡(luò)中扮演人的身份、擁有不同程度人格屬性、且與人進(jìn)行互動(dòng)的虛擬AI形象。(1)張洪忠、段澤寧、韓秀：《異類還是共生:社交媒體中的社交機(jī)器人研究路徑探討》，《新聞界》2019年第2期，第10-17頁(yè)。當(dāng)前，社交機(jī)器人已經(jīng)成為社交網(wǎng)絡(luò)中的一個(gè)常態(tài)。一方面，社交機(jī)器人賬號(hào)越來(lái)越多地出現(xiàn)在社交網(wǎng)絡(luò)空間中，數(shù)據(jù)顯示Twitter上的活躍賬號(hào)中有9%～15%是機(jī)器人賬號(hào)(2)Onur Varol,Emilio Ferrara,Clayton A.Davis,et al,“Online Human-Bot Interactions:Detection,Estimation,and Characterization”,Eprint Arxiv,2017.，F(xiàn)acebook(3)2021年10月，F(xiàn)acebook公司正式改名為Meta。本文中與此相關(guān)的數(shù)據(jù)是改名之前的，因此使用Facebook這一名稱。宣稱每月有10萬(wàn)個(gè)社交機(jī)器人賬號(hào)活躍在平臺(tái)上(4)Florian Daniel,Cinzia Cappiello,Boualem Benatallah,“Bots Acting Like Humans:Understanding and Preventing Harm”,IEEE Internet Computing,Vol.23,No.2,2019,pp.40-49.；另一方面，社交機(jī)器人正在參與各類事件和議題的擴(kuò)散，研究發(fā)現(xiàn)Twitter上圍繞“中美貿(mào)易戰(zhàn)”“新型冠狀病毒疫情”等議題的討論中均存在大量社交機(jī)器人的影子，它們不僅分發(fā)與議題相關(guān)的信息，還通過(guò)與人類用戶的交互來(lái)擴(kuò)大自身影響力(5)張洪忠、趙蓓、石韋穎：《社交機(jī)器人在Twitter參與中美貿(mào)易談判議題的行為分析》，《新聞界》2020年第2期，第46-59頁(yè)；師文、陳昌鳳：《議題凸顯與關(guān)聯(lián)構(gòu)建:Twitter社交機(jī)器人對(duì)新冠疫情討論的建構(gòu)》，《現(xiàn)代傳播(中國(guó)傳媒大學(xué)學(xué)報(bào))》2020年第10期，第50-57頁(yè)。，這意味著社交網(wǎng)絡(luò)已經(jīng)成為“人+社交機(jī)器人”的共生空間。

面對(duì)人機(jī)共生的環(huán)境，傳播學(xué)研究充分重視社交機(jī)器人的存在，對(duì)其進(jìn)行識(shí)別是開展研究的第一步。然而，受到人工智能技術(shù)發(fā)展的影響，對(duì)社交機(jī)器人的識(shí)別一直處于探索與挑戰(zhàn)并存階段，當(dāng)前的社交機(jī)器人識(shí)別方法與特征指標(biāo)表現(xiàn)出一定局限。對(duì)此，本文試圖探討如下幾個(gè)問(wèn)題：一是社交機(jī)器人對(duì)傳播學(xué)研究帶來(lái)了哪些挑戰(zhàn)？二是現(xiàn)有社交機(jī)器人識(shí)別方法與指標(biāo)的局限性有哪些？三是如何從傳播行為及其結(jié)構(gòu)特征出發(fā)構(gòu)建社交機(jī)器人識(shí)別體系？四是新的識(shí)別特征與體系在傳播學(xué)研究層面有何意義？

一、當(dāng)前社交機(jī)器人對(duì)傳播學(xué)研究的挑戰(zhàn)

社交機(jī)器人已然成為傳播空間中的重要議題，且對(duì)現(xiàn)有傳播學(xué)研究造成挑戰(zhàn)。這些挑戰(zhàn)主要表現(xiàn)在數(shù)據(jù)類型更加混雜、分析邏輯亟需多元化、社交機(jī)器人對(duì)人產(chǎn)生影響、社交網(wǎng)絡(luò)空間結(jié)構(gòu)發(fā)生改變四個(gè)方面。

一是數(shù)據(jù)類型更加混雜。作為人工智能技術(shù)支撐下的新興傳播主體，社交機(jī)器人在利益的驅(qū)使下模仿人類用戶在互聯(lián)網(wǎng)平臺(tái)灌入大量信息，形成泡沫數(shù)據(jù)，污染原先社交媒體環(huán)境中人類用戶生產(chǎn)的大量數(shù)據(jù)，甚至擾亂網(wǎng)絡(luò)虛擬傳播市場(chǎng)秩序。(6)榮婷：《機(jī)器人水軍的演進(jìn)、問(wèn)題與治理研究》，《中國(guó)出版》2021年第13期，第72-75頁(yè)；楊慧蕓：《隱形操縱與數(shù)據(jù)污染:社交媒體中的機(jī)器人水軍》，《新聞知識(shí)》2020年第1期，第3-10頁(yè)。有研究主要分析2020年前三個(gè)月Twitter中圍繞新冠肺炎疫情的討論，發(fā)現(xiàn)占比6.88%的社交機(jī)器人生產(chǎn)了7.34%的推文(7)石韋穎、何康、賈全鑫：《人機(jī)交互:社交機(jī)器人在新冠肺炎疫情議題架構(gòu)中的行為分析》，《教育傳媒研究》2020年第5期，第32-36頁(yè)。；另一項(xiàng)針對(duì)Twitter上關(guān)于敘利亞議題推文的研究發(fā)現(xiàn)，在所有推文中由社交機(jī)器人發(fā)布的內(nèi)容占比33.5%；而在新聞內(nèi)容中，社交機(jī)器人生產(chǎn)的內(nèi)容高達(dá)52.6%。(8)Norah Abokhodair,Daisj Yoo,David W.McDonald,“Dissecting a social botnet:Growth,content and influence in Twitter”，Proceedings of the 18th ACM conference on computer supported cooperative work & social computing,2015,pp.839-851.因而，隨著大量社交機(jī)器人在社交網(wǎng)絡(luò)空間中刷數(shù)據(jù)、制造流量、爭(zhēng)奪注意力(9)黃月琴、黃憲成：《“轉(zhuǎn)發(fā)”行為的擴(kuò)散與新媒體賦權(quán)——基于微博自閉癥議題的社會(huì)網(wǎng)絡(luò)分析》，《新聞?dòng)浾摺?021年第5期，第36-47頁(yè)。，社交媒體上的信息成為人類用戶與社交機(jī)器人共同生產(chǎn)的內(nèi)容數(shù)據(jù)，海量雜糅的內(nèi)容為相關(guān)研究帶來(lái)數(shù)據(jù)清洗、篩選、管理等方面的難度。

二是分析邏輯亟需多元化。從范疇上來(lái)講，傳播學(xué)是一門研究最基本的人類行以及這些行為所構(gòu)建的各種關(guān)系的學(xué)科。(10)朱春陽(yáng)、張國(guó)良：《2002年中國(guó)傳播學(xué)研究的回顧》，《新聞大學(xué)》2003年第2期，第13-20頁(yè)。一方面，隨著社交機(jī)器人的加入，行為數(shù)據(jù)更加多樣，且社交機(jī)器人行為與人類行為存在差異。社交機(jī)器人作為由各種人工智能技術(shù)所支撐的傳播主體，其傳播行為受到技術(shù)建構(gòu)的影響，在社交網(wǎng)絡(luò)空間中的生產(chǎn)、轉(zhuǎn)發(fā)、評(píng)論等行為均與人類行為存在一定區(qū)別。另一方面，由行為構(gòu)成的關(guān)系網(wǎng)絡(luò)也呈現(xiàn)出復(fù)雜狀態(tài)。當(dāng)前的傳播并非單一的線性模式，而是網(wǎng)狀模式，不同的傳播方式就像一張張動(dòng)態(tài)的網(wǎng)絡(luò)結(jié)構(gòu)將社交媒體用戶籠罩其中(11)吳飛：《社會(huì)傳播網(wǎng)絡(luò)分析——傳播學(xué)研究的新進(jìn)路》，《中國(guó)人民大學(xué)學(xué)報(bào)》2007年第4期，第106-113頁(yè)。，社交機(jī)器人的傳播行為增加了傳播網(wǎng)絡(luò)關(guān)系中的節(jié)點(diǎn)、密度等構(gòu)成，造成關(guān)系網(wǎng)絡(luò)分析的困難。因此，對(duì)傳播主體的行為分析邏輯亟需多元化，純粹依靠人類用戶傳播行為的研究經(jīng)驗(yàn)很難直接用于分析社交機(jī)器人的傳播行為。

三是社交機(jī)器人會(huì)對(duì)人類用戶產(chǎn)生影響。一方面，社交機(jī)器人已經(jīng)成為重要傳播節(jié)點(diǎn)，對(duì)用戶所處的社會(huì)傳播結(jié)構(gòu)產(chǎn)生影響。在人機(jī)交互過(guò)程中，主體包括傳播主體、實(shí)現(xiàn)主體、收受主體、影響主體，各個(gè)主體之間相對(duì)獨(dú)立又彼此連接，其中的核心關(guān)系是平衡矛盾(12)楊保軍、潘璐：《論人機(jī)交互新聞中的主體構(gòu)成及其相互關(guān)系》，《山西大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版)》2021年第2期，第76-82頁(yè)。，充分體現(xiàn)出用戶所處結(jié)構(gòu)的復(fù)雜性。另一方面，在這種復(fù)雜情境下，人的認(rèn)知、觀念、情感也很難不受到影響。研究發(fā)現(xiàn)人機(jī)交互過(guò)程中用戶會(huì)產(chǎn)生包括認(rèn)知和情感在內(nèi)的社會(huì)臨場(chǎng)感，而社會(huì)臨場(chǎng)感會(huì)進(jìn)一步影響其心理體驗(yàn)，重塑用戶媒介使用行為。(13)李晶、薛晨琦、宋昊陽(yáng)：《人機(jī)交互中的社會(huì)臨場(chǎng)感研究——以彈幕短視頻為例》，《圖書館論壇》，http://kns.cnki.net/kcms/detail/44.1306.g2.20211012.1020.002.html，2021年11月8日訪問(wèn)。與此同時(shí)，社交機(jī)器人會(huì)使人類自身的情感認(rèn)同受到影響(14)易顯飛、劉壯：《會(huì)化機(jī)器人引發(fā)人的情感認(rèn)同問(wèn)題探析——人機(jī)交互的視角》，《科學(xué)技術(shù)哲學(xué)研究》2021年第1期，第71-77頁(yè)。，甚至?xí)屓祟惛庸陋?dú)(15)韓秀、張洪忠、何康等：《媒介依賴的遮掩效應(yīng)：用戶與社交機(jī)器人的準(zhǔn)社會(huì)交往程度越高越感到孤獨(dú)嗎？》，《國(guó)際新聞界》2021年第9期，第25-48頁(yè)。。此外，社交機(jī)器人還能夠通過(guò)冒充現(xiàn)實(shí)中的用戶影響個(gè)體真實(shí)的社會(huì)交往。(16)李凌、陳昌鳳：《信息個(gè)人化轉(zhuǎn)向:算法傳播的范式革命和價(jià)值風(fēng)險(xiǎn)》，《南京社會(huì)科學(xué)》2020年第10期，第101-109頁(yè)。因此，面對(duì)社交機(jī)器人對(duì)人類的復(fù)雜影響，傳播學(xué)研究還需要納入這層關(guān)系，充分考察人機(jī)交互下各類主體傳播行為的多變性。

四是社會(huì)網(wǎng)絡(luò)空間結(jié)構(gòu)正在發(fā)生改變。在5G 技術(shù)加持下，各類技術(shù)層出不窮，不斷擴(kuò)展新聞傳播學(xué)的學(xué)科邊界。其中 ，智能技術(shù)異軍突起，成為傳播研究中不容忽視的主體，并伴隨帶來(lái)大量機(jī)器生產(chǎn)內(nèi)容(Machine Generated Content,MGC)。(17)喻國(guó)明、曲慧：《邊界、要素與結(jié)構(gòu):論5G時(shí)代新聞傳播學(xué)科的系統(tǒng)重構(gòu)》，《新聞與傳播研究》2019年第8期，第62-70?；谶@一變化，社交機(jī)器人直接改變了傳播結(jié)構(gòu)中的傳播者和傳播內(nèi)容兩個(gè)要素。同時(shí)，基于上文提及的人機(jī)交互及其影響，社交機(jī)器人還會(huì)對(duì)傳播系統(tǒng)中的受眾和傳播效果產(chǎn)生深刻影響。此外，研究還指出，在人工智能的助推下機(jī)器人成為新的反饋通路，人工智能對(duì)傳媒業(yè)產(chǎn)業(yè)鏈的影響之一便是社交機(jī)器人正在作為傳播渠道實(shí)現(xiàn)信息溝通與反饋(18)喻國(guó)明、侯偉鵬、程雪梅：《“人機(jī)交互”:重構(gòu)新聞專業(yè)主義的法律問(wèn)題與倫理邏輯》，《鄭州大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版)》2018年第5期，第79-83頁(yè)。。綜上所述，社交機(jī)器人對(duì)傳播主體、傳播內(nèi)容、傳播渠道、傳播受眾、傳播效果等要素均產(chǎn)生了影響，因而對(duì)整個(gè)社會(huì)網(wǎng)絡(luò)空間結(jié)構(gòu)的研究不能忽視社交機(jī)器人。

二、現(xiàn)有社交機(jī)器人識(shí)別方法與指標(biāo)的局限

已有對(duì)社交機(jī)器人的識(shí)別方法主要有三種，分別是基于眾包的識(shí)別方法、基于社會(huì)網(wǎng)絡(luò)信息的識(shí)別方法、基于機(jī)器學(xué)習(xí)的識(shí)別方法，基于這些方法研究人員還開發(fā)了相應(yīng)識(shí)別系統(tǒng)；同時(shí)，這些方法依賴社交機(jī)器人的賬號(hào)特征、信息特征相關(guān)指標(biāo)實(shí)現(xiàn)識(shí)別。不過(guò)，隨著識(shí)別研究的深入，這些方法和指標(biāo)均表現(xiàn)出一定局限性。

(一)識(shí)別方法的局限

其一，基于眾包的識(shí)別方法。基于眾包的方式指將識(shí)別社交機(jī)器人的工作分配給工人，通過(guò)傳統(tǒng)人工方式對(duì)社交機(jī)器人賬號(hào)加以甄別，利用人類智能應(yīng)對(duì)人工智能。眾包惡意社交機(jī)器人檢測(cè)系統(tǒng)是其中的代表性系統(tǒng)。(19)Gang Wang,Manish Mohanlal,Christo Wilson,et al,“Social Turing Tests:Crowdsourcing Sybil Detection”,Eprint Arxiv,2012.該系統(tǒng)同時(shí)利用了自動(dòng)識(shí)別技術(shù)和眾包人類智能識(shí)別方式，由過(guò)濾層和眾包層兩部分構(gòu)成。有研究基于眾包方式對(duì)在線網(wǎng)站中的虛假信息進(jìn)行識(shí)別與標(biāo)注，以減少虛假新聞的傳播。(20)Sebastian Tschiatschek,Adish Singla,Manuel Gomez Rodriguez,et al,“Fake news detection in social networks via crowd signals”,Companion Proceedings of the The Web Conference,2018,pp.517-524.該方法的局限性主要在于，一方面，社交機(jī)器人可以快速繁殖且不需要多少成本，但眾包方式中的人工成本并不低(21)Kai Cheng Yang,Onur Varol,Clayton Allen Davis,et al,“Arming the public with artificial intelligence to counter social bots”,Human Behavior and Emerging Technologies,Vol.1,No.1,2019,pp.48-61.；另一方面，技術(shù)迭代下可以快速產(chǎn)生大量社交機(jī)器人，而能夠識(shí)別的工人在數(shù)量上遠(yuǎn)遠(yuǎn)不夠。同時(shí)，為逃避檢測(cè)，社交機(jī)器人能夠利用算法快速調(diào)整行動(dòng)方式，對(duì)眾包人工的培訓(xùn)速度也趕不上算法變化。此外，眾包系統(tǒng)中的工作人員還會(huì)面臨道德倫理問(wèn)題，其工作過(guò)程中隨時(shí)都在接觸大量社交媒體賬號(hào)的隱私信息，識(shí)別過(guò)程存在侵犯用戶隱私的可能。

其二，基于社會(huì)網(wǎng)絡(luò)信息的識(shí)別方法。基于社會(huì)網(wǎng)絡(luò)信息的識(shí)別方法將重心集中在社交機(jī)器人的關(guān)系網(wǎng)絡(luò)中，以此來(lái)區(qū)別人類用戶和社交機(jī)器人賬號(hào)，其中的重要假設(shè)即社交機(jī)器人與人類的社交網(wǎng)絡(luò)關(guān)系特征存在差異。該方法中常見的方式有“聯(lián)結(jié)免責(zé)”和“蜜罐法”，前者認(rèn)為“與真實(shí)用戶產(chǎn)生互動(dòng)的用戶是真實(shí)的”，因此人類用戶不會(huì)與社交機(jī)器人產(chǎn)生社交關(guān)系，據(jù)此可以識(shí)別社交機(jī)器人；后者則是通過(guò)在社交媒體中創(chuàng)建機(jī)器人賬號(hào)來(lái)吸引更多社交機(jī)器人關(guān)注自己，從而發(fā)現(xiàn)社交機(jī)器人賬號(hào)。(22)張洪忠、段澤寧、韓秀：《異類還是共生:社交媒體中的社交機(jī)器人研究路徑探討》，《新聞界》2019年第2期，第10-17頁(yè)。該方法能夠可視化地展示社交機(jī)器人的社交網(wǎng)絡(luò)關(guān)系結(jié)構(gòu)，呈現(xiàn)內(nèi)容包括節(jié)點(diǎn)度、中心度、網(wǎng)絡(luò)密度、凝聚子群等。但該方法的局限性在于社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性。社交媒體傳播環(huán)境中存在大量信息噪音，社交機(jī)器人的社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)中還存在大量的節(jié)點(diǎn)和邊，受噪音、節(jié)點(diǎn)、邊的影響，識(shí)別過(guò)程對(duì)算法及相關(guān)技術(shù)的要求極高，數(shù)據(jù)清洗與分析耗時(shí)嚴(yán)重，并且不能保證準(zhǔn)確性，存在識(shí)別失敗的風(fēng)險(xiǎn)。(23)周鈺穎、閔勇、江婷君等：《社交媒體機(jī)器人的研究現(xiàn)狀、挑戰(zhàn)與展望》，《小型微型計(jì)算機(jī)系統(tǒng)》，http://kns.cnki.net/kcms/detail/21.1106.TP.20210818.1054.030.html，2021年10月27日訪問(wèn)。

其三，基于機(jī)器學(xué)習(xí)的識(shí)別方法?；跈C(jī)器學(xué)習(xí)的識(shí)別方法指將人類用戶和社交機(jī)器人賬號(hào)的社交媒體數(shù)據(jù)轉(zhuǎn)換成機(jī)器可識(shí)別的特征值供其學(xué)習(xí)，基于大數(shù)據(jù)學(xué)習(xí)幫助機(jī)器區(qū)分二者。供機(jī)器學(xué)習(xí)的數(shù)據(jù)特征包括網(wǎng)絡(luò)特征、用戶特征、好友特征、內(nèi)容特征、時(shí)間特征、情緒特征等。(24)Emilo Ferrara,Onur Varol,Clayton Davis,et al,“The Rise of Social Bots”,Communications of the Acm,Vol.59,No.7,2014,pp.96-104.Botometer是利用機(jī)器學(xué)習(xí)方法識(shí)別的典型系統(tǒng)，前身是BotOrNot，由印第安納大學(xué)科研機(jī)構(gòu)開發(fā)并開放給所有用戶使用。(25)Clayton A.Davis,Onur Varol,Emilio Ferrara,et al,“Botornot:A system to evaluate social bots”,Proceedings of the 25th international conference companion on world wide web,2016.研究在考察2018年美國(guó)大選、2019年加拿大競(jìng)選期間Twitter上的社交機(jī)器人時(shí)均利用了Botometer進(jìn)行識(shí)別。(26)Luca Luceri,Felipe Cardoso,Silvia Giordano,“Down the bot hole:Actionable insights from a one-year analysis of bot activity on Twitter”,First Monday,Vol.26,No.3,2021;Ludovic Rheault,Andreea Musulan,“Efficient detection of online communities and social bot activity during electoral campaigns”,Journal of Information Technology & Politics,Vol.18,No.3,2021,pp.324-337.該方法的局限性主要在于：第一，社交機(jī)器人的各種特征不斷變化，為保證高效精確識(shí)別，需要不斷更新供機(jī)器學(xué)習(xí)的數(shù)據(jù)；第二，識(shí)別過(guò)程和效果受制于特征提取和分類算法，不同數(shù)據(jù)集可能會(huì)帶來(lái)不同結(jié)果；第三，Botometer在實(shí)踐中也暴露出漏洞，研究發(fā)現(xiàn)Botometer除了能夠識(shí)別粉絲機(jī)器人外，幾乎在所有情況下都無(wú)法識(shí)別出宣傳機(jī)器人、廣告機(jī)器人、趨勢(shì)話題機(jī)器人等。(27)M.Bugra Torusdag,Mucahid Kutlu,Ali Aydin Selcuk,“Are We Secure from Bots?Investigating Vulnerabilities of Botometer”,2020 5th International Conference on Computer Science and Engineering(UBMK),2020.

(二)識(shí)別指標(biāo)的局限

其一，圍繞賬號(hào)特征的識(shí)別。過(guò)去的研究基于賬號(hào)特征對(duì)社交機(jī)器人進(jìn)行了識(shí)別。賬號(hào)特征主要包括是否認(rèn)證、是否受到保護(hù)、所屬地理位置、賬號(hào)頭像、賬號(hào)描述、個(gè)人簡(jiǎn)介帶有鏈接、賬號(hào)所使用的設(shè)備、賬號(hào)名稱、賬號(hào)創(chuàng)建時(shí)間等。(28)Mucahit Kantepe,Murat C.Ganiz,“Preprocessing framework for Twitter bot detection”,International Conference on Computer Science & Engineering.IEEE,2017,pp.630-634;Sangho Lee,Jong Kim,“Early filtering of ephemeral malicious accounts on Twitter”,Computer Communications,Vol.54,No.1,2014,pp.48-57;Jin Dan,Jieqi Teng,“Study of Bot detection on Sina-Weibo based on machine learning”,2017 14th International Conference on Service Systems and Service Management(ICSSSM).IEEE,2017.基于這些特征能夠識(shí)別社交機(jī)器人的可行性在于：例如，就頭像而言，一方面，社交機(jī)器人的頭像可能是竊取來(lái)的，將頭像圖片在瀏覽器中搜索能夠發(fā)現(xiàn)頭像來(lái)源，因?yàn)樗惴軌蜃詣?dòng)化地爬取互聯(lián)網(wǎng)中的任意照片作為頭像(29)師文、陳昌鳳：《社交機(jī)器人在新聞擴(kuò)散中的角色和行為模式研究——基于《紐約時(shí)報(bào)》“修例”風(fēng)波報(bào)道在Twitter上擴(kuò)散的分析》，《新聞與傳播研究》2020年第5期，第5-20頁(yè)。；另一方面，大量社交機(jī)器人會(huì)使用同一頭像，因?yàn)閾碛幸粋€(gè)好看的頭像能夠博取更多瀏覽量、關(guān)注量。(30)劉蓉、陳波、于泠等：《惡意社交機(jī)器人檢測(cè)技術(shù)研究》，《通信學(xué)報(bào)》2017年第S2期，第197-210頁(yè)。不過(guò)，基于賬號(hào)特征開展社交機(jī)器人識(shí)別僅停留在賬號(hào)表面，早期還能夠利用這些特征進(jìn)行有效識(shí)別。但隨著社交機(jī)器人技術(shù)的發(fā)展和賬號(hào)擬人化的深度完善，機(jī)器人已經(jīng)能夠輕松調(diào)整賬號(hào)特征，使其看上去跟人類用戶一模一樣，以回避這些檢測(cè)指標(biāo)。賬號(hào)特征逐漸成為社交機(jī)器人識(shí)別特征中的輔助特征。

其二，圍繞信息特征的識(shí)別。相較于賬號(hào)層面，信息特征將注意力聚焦在賬號(hào)所生產(chǎn)、傳播的內(nèi)容層面。信息特征所包含的指標(biāo)包括信息發(fā)布時(shí)間、信息長(zhǎng)度、信息來(lái)源、信息主題、信息所使用的語(yǔ)言、內(nèi)容是否包含外部鏈接、內(nèi)容是否帶有標(biāo)簽、信息重復(fù)性或相似性等。(31)Manul Egele,Gianluca Stringhini,Christopher Kruegel,et al,“Towards Detecting Compromised Accounts on Social Networks”,IEEE Transactions on Dependable & Secure Computing,Vol.14,No.4,2017,pp.447-460;Kurt Thomas,Chris Grier,Justin Ma,et al,“Design and Evaluation of a Real-Time URL Spam Filtering Service”,32nd IEEE Symposium on Security and Privacy,2011,pp.447-462;Amit A.Amleshwaram,Narasimha Reddy,Sandeep Yadav,et al,“Cats:Characterizing automation of twitter spammers”,2013 Fifth International Conference on Communication Systems and Networks(COMSNETS).IEEE,2013.以信息長(zhǎng)度為例，有研究對(duì)比了社交機(jī)器人、意見領(lǐng)袖和普通用戶的推文長(zhǎng)度，發(fā)現(xiàn)意見領(lǐng)袖發(fā)布的推文字符數(shù)較多，而社交機(jī)器人的推文字符數(shù)最少(32)馬曉悅、孟嘯、王鎮(zhèn)等：《網(wǎng)絡(luò)突發(fā)事件中社交機(jī)器人情感的交互式影響機(jī)制研究》，《圖書情報(bào)工作》2021年第8期，第74-84頁(yè)。；以信息是否帶有外鏈為例，當(dāng)社交機(jī)器人的目的在于推廣某惡意網(wǎng)址或?qū)⑵渌脩粑教囟ňW(wǎng)站時(shí)，其會(huì)在推文中帶上鏈接誘使用戶點(diǎn)擊。(33)Rashmi Ranjan Rout,Greeshma Lingam,Dvln Somayajulu,“Detection of malicious social bots using learning automata with url features in twitter network”,IEEE Transactions on Computational Social Systems,Vol.7,No.4,2020,pp.1004-1018.然而，信息特征并沒有幫助研究者完全有效識(shí)別社交機(jī)器人。一方面，在技術(shù)升級(jí)的支持下，社交機(jī)器人能夠復(fù)制和學(xué)習(xí)人類用戶的信息特征，盡可能地表現(xiàn)出高度擬人化的信息特征以回避檢測(cè)；另一方面，信息特征只是局限于賬號(hào)內(nèi)容，而真正能夠反映社交機(jī)器人目的的是行為數(shù)據(jù)?；谛畔⑻卣鞯淖R(shí)別同樣受到挑戰(zhàn)。

三、從傳播行為結(jié)構(gòu)建立社交機(jī)器人識(shí)別指標(biāo)特征集

與心理學(xué)等行為科學(xué)一樣，傳播學(xué)是研究人類行為的學(xué)科(34)崔保國(guó)：《信息行為論——受眾研究的一種新思維》，《當(dāng)代傳播》2000年第1期，第34-37頁(yè)。，尤其聚焦人類的傳播行為規(guī)律，社交機(jī)器人作為社交網(wǎng)絡(luò)空間中的新傳播主體同樣需要從行為層面展開研究。社交機(jī)器人極力在社交網(wǎng)絡(luò)中模擬人類的各種行為，但始終與人類行為存在差異。研究指出，社交機(jī)器人的行為在數(shù)量和程度層面的相似性比人類用戶更高。(35)Stefano Cresci,Roberto Di Pietro,Marinella Petrocchi,et al,“Emergent properties,models,and laws of behavioral similarities within groups of twitter users”,Computer Communications,No.150,2020,pp.47-61.還有研究認(rèn)為，二者差異具體體現(xiàn)在賬號(hào)特征、發(fā)布內(nèi)容、情感表達(dá)等方面。以情感表達(dá)為例，人類觸發(fā)情感的頻率高于機(jī)器人，且情感表達(dá)更為強(qiáng)烈，社交機(jī)器人的情感表達(dá)則顯得比較“笨拙”。(36)洪杰文、許琳惠：《社交網(wǎng)絡(luò)中社交機(jī)器人行為及其影響研究——基于國(guó)外相關(guān)文獻(xiàn)的綜述》，《全球傳媒學(xué)刊》2021年第4期，第68-85頁(yè)。此外，多項(xiàng)實(shí)證研究也支持了網(wǎng)絡(luò)事件、議題表達(dá)中社交機(jī)器人與人類用戶存在行為差異。對(duì)新浪微博數(shù)據(jù)進(jìn)行分析后發(fā)現(xiàn)，社交機(jī)器人發(fā)布微博、使用“@”功能、與人類互動(dòng)的整體積極性低于人類用戶，轉(zhuǎn)發(fā)微博來(lái)源同質(zhì)性高于人類用戶，使用詞匯多樣性低于人類用戶，更關(guān)注正面或負(fù)面事件，不太關(guān)心中性事件。(37)盧林艷、李媛媛、盧功靖等：《社交機(jī)器人驅(qū)動(dòng)的計(jì)算宣傳:社交機(jī)器人識(shí)別及其行為特征分析》，《中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版)》2021年第2期，第35-43頁(yè)。學(xué)者對(duì)Twitter數(shù)據(jù)分析后同樣發(fā)現(xiàn)，社交機(jī)器人之間的互動(dòng)明顯少于人類用戶之間的互動(dòng)，社交機(jī)器人樂(lè)于直接轉(zhuǎn)發(fā)來(lái)自人類用戶的推文，而不回復(fù)或者引用人類用戶的推文。(38)師文、陳昌鳳：《分布與互動(dòng)模式：社交機(jī)器人操縱Twitter上的中國(guó)議題研究》，《國(guó)際新聞界》2020年第5期，第61-80頁(yè)。圍繞與人類用戶的行為差異，可以對(duì)社交機(jī)器人展開識(shí)別。

社交機(jī)器人在社交網(wǎng)絡(luò)空間中的最大目的即擴(kuò)散議題與信息，達(dá)到特定傳播目的，研究行為的重要性和可行性在于三個(gè)方面：其一，信息擴(kuò)散之路中的傳播行為特征是不易改變的，意味著行為結(jié)構(gòu)具有穩(wěn)定性；其二，行為的穩(wěn)定性決定了行為的可測(cè)量性，能夠通過(guò)轉(zhuǎn)發(fā)、點(diǎn)贊、評(píng)論等具體指標(biāo)客觀呈現(xiàn)；其三，相較于賬號(hào)屬性和內(nèi)容屬性，行為屬性更能反映傳播者的真實(shí)意圖。因此，本文從行為特征出發(fā)提出識(shí)別社交機(jī)器人的相關(guān)指標(biāo)，同時(shí)，考慮到社交機(jī)器人社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性，進(jìn)一步結(jié)合社交機(jī)器人的社會(huì)網(wǎng)絡(luò)和行為特征考察網(wǎng)絡(luò)行為結(jié)構(gòu)。值得說(shuō)明的是，基于賬號(hào)特征和信息特征的識(shí)別方法也在不斷完善，未來(lái)的識(shí)別工作并非摒棄這兩項(xiàng)指標(biāo)，而是適當(dāng)降低權(quán)重，配合行為特征以及網(wǎng)絡(luò)行為結(jié)構(gòu)特征共同展開識(shí)別。

(一)行為特征

社交機(jī)器人行為特征的相關(guān)指標(biāo)主要包括社交行為、集群行為、情感行為。

首先是社交行為。社交行為主要包括關(guān)注與被關(guān)注、互動(dòng)。

關(guān)注與被關(guān)注。社交機(jī)器人很容易與人類建立社會(huì)交往關(guān)系，其邏輯在于人類在社交媒體上并不排斥來(lái)自陌生人的好友請(qǐng)求。有研究將自己創(chuàng)建的社交機(jī)器人作為考察對(duì)象，發(fā)現(xiàn)一段時(shí)間內(nèi)有兩百多名用戶主動(dòng)與社交機(jī)器人建立了社交關(guān)系。(39)高山冰、汪婧：《智能傳播時(shí)代社交機(jī)器人的興起、挑戰(zhàn)與反思》，《現(xiàn)代傳播(中國(guó)傳媒大學(xué)學(xué)報(bào))》2020年第11期，第8-11頁(yè)。社交機(jī)器人賬號(hào)最直接的社交行為即關(guān)注與被關(guān)注，結(jié)果體現(xiàn)在關(guān)注數(shù)和粉絲數(shù)。研究針對(duì)Twitter上的可疑用戶，從關(guān)注者和粉絲特征方面發(fā)現(xiàn)社交機(jī)器人并沒有大量關(guān)注者，卻擁有大量粉絲。(40)Alex Hai Wang,“Don’t follow me:spam detection in twitter”,Proceedings of the 2010 International Conference on Security and Cryptography,2010.與此相反，有的社交機(jī)器人賬號(hào)會(huì)不斷對(duì)各類賬號(hào)進(jìn)行關(guān)注以尋求這些賬號(hào)的“回粉”，在這種情況下，其關(guān)注數(shù)量會(huì)大于粉絲數(shù)量，并且它們往往傾向于關(guān)注大“V”或意見領(lǐng)袖。這些研究表明社交機(jī)器人賬號(hào)關(guān)注與被關(guān)注特征存在數(shù)量上不協(xié)調(diào)的表現(xiàn)。因此，基于關(guān)注與被關(guān)注特征可以識(shí)別社交機(jī)器人。

互動(dòng)。與社交機(jī)器人及人類用戶的互動(dòng)也是社交機(jī)器人社交行為的重要表現(xiàn)，通常通過(guò)點(diǎn)贊、評(píng)論、私信、“@”等方式實(shí)現(xiàn)。在政治選舉中，社交機(jī)器人會(huì)大量點(diǎn)贊和評(píng)論其背后力量所支持的候選人，從而營(yíng)造出被支持者更具支持度的虛假景象(41)于家琦：《計(jì)算式宣傳——全球社交媒體研究的新議題》，《經(jīng)濟(jì)社會(huì)體制比較》2020年第3期，第107-116頁(yè)。；社交機(jī)器人對(duì)人類用戶的常見私信行為主要表現(xiàn)在營(yíng)銷類社交機(jī)器人、訂閱類服務(wù)機(jī)器人(如天氣預(yù)報(bào)訂閱服務(wù))等定期向用戶發(fā)送信息，且信息具有高度同質(zhì)性；通過(guò)“@”知名人物、意見領(lǐng)袖、議題當(dāng)事人能夠提升信息的擴(kuò)散速度或明確社交機(jī)器人發(fā)文目的(42)Chengcheng Shao,Giovanni Luca Ciampaglia,Onur Varol,et al,“The spread of low-credibility content by social bots”,Nature Communications,Vol.9,No.1,2018,pp.1-10.，也是社交機(jī)器人的常用互動(dòng)方式之一。因此，基于點(diǎn)贊、評(píng)論、發(fā)布私信、在推文中“@”別的用戶等社交行為開展識(shí)別的方法具有可行性。

其次是集群行為。作為特殊的傳播主體，社交機(jī)器人往往還會(huì)表現(xiàn)出明顯的集群行為。在圍繞某一事件或議題的討論中，短時(shí)間內(nèi)會(huì)爆發(fā)出大量社交機(jī)器人大面積參與互動(dòng)，從而促進(jìn)信息與內(nèi)容的擴(kuò)散。研究發(fā)現(xiàn)，在新冠肺炎疫情暴發(fā)期間，Twitter上有一大批活躍的用戶通過(guò)帶入#COVID-19、#COVID19標(biāo)簽擴(kuò)散信息，僅127個(gè)社交機(jī)器人就集中發(fā)布了超過(guò)18萬(wàn)條的信息。(43)Ahmed Al-Rawi,“Bots as Active News Promoters:A Digital Analysis of COVID-19 Tweets”,Information(Switzerland),Vol.11,No.10,2020.由此可見，社交機(jī)器人一旦產(chǎn)生集群行為，其傳播力量是無(wú)窮的，極端情況下甚至?xí)焖僖l(fā)沖突。所以“少量用戶通過(guò)集群行為傳遞信息產(chǎn)生極大傳播效果”也是能夠識(shí)別社交機(jī)器人的行為特征之一。

最后是情感行為。當(dāng)前人工智能實(shí)踐已經(jīng)能夠模擬人類情感供機(jī)器去感知、理解(44)鄧衛(wèi)斌、于國(guó)龍：《社交機(jī)器人發(fā)展現(xiàn)狀及關(guān)鍵技術(shù)研究》，《科學(xué)技術(shù)與工程》2016年第12期，第163-170頁(yè)。，使得社交機(jī)器人在人機(jī)交互過(guò)程中表現(xiàn)出情感行為。在技術(shù)層面，社交機(jī)器人進(jìn)行情感勞動(dòng)的邏輯表現(xiàn)在對(duì)人類的情感進(jìn)行計(jì)算、編碼、復(fù)制。(45)蔡潤(rùn)芳：《人機(jī)社交傳播與自動(dòng)傳播技術(shù)的社會(huì)建構(gòu)——基于歐美學(xué)界對(duì)Socialbots的研究討論》，《當(dāng)代傳播》2017年第6期，第53-58頁(yè)。社交機(jī)器人的情感行為表現(xiàn)為兩個(gè)方面：一方面，社交機(jī)器人通過(guò)文本內(nèi)容表達(dá)較為鮮明的積極或消極情緒。如在參與事件或議題的討論時(shí)，當(dāng)其使用“很難不支持這項(xiàng)決定”“喜歡這些活動(dòng)”等語(yǔ)句表達(dá)時(shí)，能夠向其他用戶傳遞積極情感，而“我太累了”“這些都是沒有意義的實(shí)踐”等則會(huì)傳遞消極情感。另一方面，社交機(jī)器人與人類用戶之間的情感關(guān)系更多是“單向度”的。(46)王亮：《社交機(jī)器人“單向度情感”倫理風(fēng)險(xiǎn)問(wèn)題芻議》，《自然辯證法研究》2020年第1期，第56-61頁(yè)。社交機(jī)器人目前還無(wú)法完全模擬人類情感，以及在人機(jī)交互中根據(jù)人類用戶的對(duì)話進(jìn)行實(shí)時(shí)情緒反饋。因此，可以利用情緒表達(dá)直接、情緒輸出單向、缺乏情緒反饋等特征表現(xiàn)開展社交機(jī)器人識(shí)別。

(二)網(wǎng)絡(luò)行為結(jié)構(gòu)特征

單一的行為并不能充分反映社交機(jī)器人的意圖，需要依賴結(jié)構(gòu)性的網(wǎng)絡(luò)行為，因而需要結(jié)合社交機(jī)器人的社會(huì)網(wǎng)絡(luò)與行為特征構(gòu)建基于網(wǎng)絡(luò)行為結(jié)構(gòu)特征的識(shí)別指標(biāo)。具體包括不同賬號(hào)的協(xié)同行為、賬號(hào)間的互動(dòng)能力。

一方面，依靠不同賬號(hào)的協(xié)同行為。社交機(jī)器人的背后是有組織的力量，這些組織為達(dá)到特定目的并不會(huì)利用單一賬號(hào)開展傳播活動(dòng)，而是借助批量賬號(hào)。不同賬號(hào)的協(xié)同行為指標(biāo)如下所述。

不同賬號(hào)共同轉(zhuǎn)發(fā)、點(diǎn)贊、評(píng)論來(lái)源較為集中的信息。參與特殊事件或議題討論，或?yàn)檫_(dá)到特定目的，極大范圍擴(kuò)散議題信息，大批社交機(jī)器人賬號(hào)會(huì)集中力量提升賬號(hào)和內(nèi)容的傳播力、影響力。其中的議題信息非常集中，信源也比較單一，因而當(dāng)不同賬號(hào)集中轉(zhuǎn)發(fā)、點(diǎn)贊、評(píng)論同一來(lái)源的信息時(shí)，這些賬號(hào)極可能是社交機(jī)器人。

不同賬號(hào)共同使用相同的標(biāo)簽、外鏈、圖片等內(nèi)容。除了會(huì)共同關(guān)注、轉(zhuǎn)發(fā)來(lái)自同一信源的信息外，社交機(jī)器人還會(huì)在傳播活動(dòng)中利用社會(huì)網(wǎng)絡(luò)關(guān)系進(jìn)行信息擴(kuò)散，依靠同質(zhì)化內(nèi)容表達(dá)同一主題，往往通過(guò)使用共同標(biāo)簽、外鏈、圖片等實(shí)現(xiàn)。通過(guò)相同信息表達(dá)同一主題能夠在短時(shí)間內(nèi)起到造勢(shì)作用，達(dá)到傳播目的。因而可借助這些共享主題的行為方式對(duì)社交機(jī)器人開展識(shí)別。

不同賬號(hào)相互之間存在轉(zhuǎn)發(fā)、點(diǎn)贊、評(píng)論、“@”等關(guān)系。單純轉(zhuǎn)發(fā)來(lái)自少數(shù)信源的內(nèi)容可能并不會(huì)極大程度地?cái)U(kuò)大信息的傳播力、影響力，此時(shí)需要不同社交機(jī)器人賬號(hào)之間相互轉(zhuǎn)發(fā)、點(diǎn)贊、評(píng)論。多個(gè)賬號(hào)的協(xié)同作用于目標(biāo)受眾，實(shí)現(xiàn)整體大于部分的涌現(xiàn)演化傳播效果。(47)鄭晨予、范紅：《從社會(huì)傳染到社會(huì)擴(kuò)散：社交機(jī)器人的社會(huì)擴(kuò)散傳播機(jī)制研究》，《新聞界》2020年第3期，第51-62頁(yè)。多個(gè)社交機(jī)器人互動(dòng)傳播，能夠在短時(shí)間內(nèi)通過(guò)兩級(jí)傳播甚至多級(jí)傳播促成信息的極大擴(kuò)散。所以當(dāng)多個(gè)不同賬號(hào)表現(xiàn)出極其復(fù)雜的互動(dòng)關(guān)系時(shí)極有可能是社交機(jī)器人。

另一方面，依靠賬號(hào)互動(dòng)能力?；诙鄠€(gè)賬號(hào)間的互動(dòng)關(guān)系，可分析其具體互動(dòng)表現(xiàn)以及互動(dòng)能力強(qiáng)弱，以進(jìn)一步推進(jìn)對(duì)社交機(jī)器人的識(shí)別。賬號(hào)間的互動(dòng)能力具體指標(biāo)如下所述。

是否給多個(gè)用戶私信相同內(nèi)容。為實(shí)現(xiàn)精準(zhǔn)推送、定向傳播，社交機(jī)器人會(huì)給用戶發(fā)送私信。一方面，這是一種“一對(duì)多”傳播，接收者不僅僅是關(guān)注和粉絲列表中的賬號(hào)，而且在數(shù)量層面遠(yuǎn)遠(yuǎn)大于發(fā)送者；另一方面，內(nèi)容具有同質(zhì)性，一般會(huì)被用戶看作騷擾信息和垃圾信息。Twitter中就存在大量的此類垃圾郵件機(jī)器人?？梢酝ㄟ^(guò)發(fā)送私信的數(shù)量和內(nèi)容一致性來(lái)識(shí)別社交機(jī)器人。

點(diǎn)贊、評(píng)論、回復(fù)評(píng)論的速度。作為社會(huì)化線索的互動(dòng)反應(yīng)速度可以刺激人們對(duì)社交機(jī)器人的分類。(48)申琦、王璐瑜：《當(dāng)“機(jī)器人”成為社會(huì)行動(dòng)者:人機(jī)交互關(guān)系中的刻板印象》，《新聞與傳播研究》2021年第2期，第37-52頁(yè)。在人工智能及其算法技術(shù)支持下，社交機(jī)器人點(diǎn)贊、評(píng)論、回復(fù)評(píng)論的行為基本沒有時(shí)間差：一條推文發(fā)出后，其可以立即點(diǎn)贊并發(fā)表評(píng)論；對(duì)于收到的評(píng)論，其仍然可以快速做出回復(fù)。因此，可以利用這種互動(dòng)反應(yīng)的時(shí)間序列差異對(duì)社交機(jī)器人展開識(shí)別。

回復(fù)評(píng)論的數(shù)量和內(nèi)容。在回復(fù)評(píng)論的速度之外，回復(fù)數(shù)量和內(nèi)容也是社交機(jī)器人與人類用戶存在差異的指標(biāo)。第一，社交機(jī)器人會(huì)回復(fù)每一條評(píng)論；第二，社交機(jī)器人對(duì)不同評(píng)論的回復(fù)內(nèi)容基本相同，并且比較簡(jiǎn)單；第三，社交機(jī)器人的回復(fù)很多時(shí)候跟評(píng)論是不相關(guān)的，存在答非所問(wèn)的情況。對(duì)人類用戶而言，這種情況不太可能大量存在，因而能夠借此識(shí)別社交機(jī)器人。

與不同賬號(hào)間的互動(dòng)行為差異。此外，還存在一種情況即社交機(jī)器人本身也可能無(wú)法有效區(qū)分社交機(jī)器人和人類用戶，所以當(dāng)依靠技術(shù)與算法與其他賬號(hào)進(jìn)行互動(dòng)時(shí)，其并不會(huì)因人類賬號(hào)和機(jī)器賬號(hào)而表現(xiàn)出行為差異，而人類用戶會(huì)因此表現(xiàn)出不同。因此，當(dāng)大量賬號(hào)之間具有相似的互動(dòng)行為且差異較小時(shí)，其極有可能是社交機(jī)器人。

(三)如何構(gòu)建網(wǎng)絡(luò)行為結(jié)構(gòu)

如何將上述行為特征、網(wǎng)絡(luò)行為結(jié)構(gòu)特征層面的指標(biāo)結(jié)構(gòu)化以應(yīng)用至實(shí)際的識(shí)別過(guò)程中？首先，需要圍繞上述特征對(duì)不同網(wǎng)絡(luò)平臺(tái)中的社交機(jī)器人進(jìn)行人工標(biāo)注，找出各個(gè)特征指標(biāo)的大小、具體表現(xiàn)以及在識(shí)別過(guò)程中的顯著性，形成有效數(shù)據(jù)供機(jī)器學(xué)習(xí)；其次，需具體問(wèn)題具體分析，各個(gè)指標(biāo)在識(shí)別中的權(quán)重需要精準(zhǔn)計(jì)算，應(yīng)該根據(jù)不同平臺(tái)、不同議題屬性的差異設(shè)置具有差異化的識(shí)別指標(biāo)權(quán)重；最后，除平臺(tái)層面的差異外，還應(yīng)該關(guān)照時(shí)間層面的差異，使得這些指標(biāo)的結(jié)構(gòu)化保持動(dòng)態(tài)性，在總體穩(wěn)定的基礎(chǔ)上，隨時(shí)間變化適當(dāng)調(diào)整指標(biāo)權(quán)重，不斷提高識(shí)別的準(zhǔn)確性。

四、基于網(wǎng)絡(luò)行為結(jié)構(gòu)識(shí)別社交機(jī)器人的傳播學(xué)討論

作為一門研究人類傳播行為與過(guò)程的學(xué)科，傳播學(xué)為諸多傳播行為提供了學(xué)理解釋。對(duì)社交機(jī)器人而言，社交關(guān)系網(wǎng)絡(luò)構(gòu)成了其復(fù)雜的傳播結(jié)構(gòu)和傳播行為，結(jié)合背后的技術(shù)力量，這種網(wǎng)絡(luò)行為結(jié)構(gòu)在傳播學(xué)層面具有一定意義。

第一，社交機(jī)器人的傳播行為背后實(shí)則是人的意志與力量，但是它的行為規(guī)律與人類用戶不一樣，只有識(shí)別后才能有效分析。社交機(jī)器人的活動(dòng)行為始終離不開背后操縱者的意圖。(49)張洪忠、段澤寧、楊慧蕓：《政治機(jī)器人在社交媒體空間的輿論干預(yù)分析》，《新聞界》2019年第9期，第17-25頁(yè)。我們必須承認(rèn)，雖然社交機(jī)器人受益于日益精進(jìn)的自動(dòng)化技術(shù)，但這一切無(wú)法脫離技術(shù)持有者、購(gòu)買者、使用者的意志，所以社交機(jī)器人的傳播行為實(shí)則受到人類傳播價(jià)值和規(guī)律的影響。而另一方面，社交機(jī)器人的行為與人類用戶又存在一定差異，只有有效識(shí)別社交機(jī)器人才能夠分析其中的差異性。對(duì)社交機(jī)器人的識(shí)別同樣是對(duì)人類智能的考驗(yàn)，識(shí)別工作愈發(fā)體現(xiàn)為社交機(jī)器人設(shè)計(jì)者和識(shí)別者之間的雙向博弈。(50)盧林艷、李媛媛、盧功靖等：《社交機(jī)器人驅(qū)動(dòng)的計(jì)算宣傳:社交機(jī)器人識(shí)別及其行為特征分析》，《中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版)》2021年第2期，第35-43頁(yè)。

第二，社交機(jī)器人信息傳播擴(kuò)散的最大效果是形成回音室，在此情況下，網(wǎng)絡(luò)行為結(jié)構(gòu)會(huì)更加凸顯。回音室是指大量同質(zhì)化的信息傳播而形成的信息空間，既是個(gè)性化的力量也是封閉的共同空間。(51)凱斯·桑斯坦：《標(biāo)簽:社交媒體時(shí)代的眾聲喧嘩》，陳碩、孫競(jìng)超譯，中國(guó)民主法制出版社2021年版，第3頁(yè)。社交機(jī)器人的傳播規(guī)律受到人類傳播規(guī)律的影響，人類傳播規(guī)律的最大特點(diǎn)之一即放大信息擴(kuò)散效果，實(shí)現(xiàn)特殊傳播目的。因此，當(dāng)社交機(jī)器人圍繞某些議題或時(shí)間開展信息傳播活動(dòng)時(shí)，多個(gè)賬號(hào)轉(zhuǎn)發(fā)相同的信息，相互私信分享信息、點(diǎn)贊、評(píng)論以表達(dá)共同的主題及興趣，快速回復(fù)來(lái)自共同社交網(wǎng)絡(luò)好友的評(píng)論，共同推進(jìn)信息的擴(kuò)散效果，導(dǎo)致形成回音室。在此過(guò)程中，信息沿著社交機(jī)器人的網(wǎng)絡(luò)關(guān)系和行為結(jié)構(gòu)不斷擴(kuò)散，網(wǎng)絡(luò)行為結(jié)構(gòu)的作用得以凸顯。

第三，除回音室的形成外，當(dāng)社交網(wǎng)絡(luò)空間中有博弈活動(dòng)時(shí)，社交機(jī)器人網(wǎng)絡(luò)行為結(jié)構(gòu)的特征和作用也會(huì)更加顯著。我們一再承認(rèn)并強(qiáng)調(diào)社交機(jī)器人背后人的意志和傳播規(guī)律，關(guān)鍵一點(diǎn)在于人類傳播行為擁有的特定目的，它有助于我們更好地理解社交機(jī)器人為實(shí)現(xiàn)特定博弈目標(biāo)而形成的集群行為，以及集群過(guò)程中表現(xiàn)出的網(wǎng)絡(luò)行為特征。如政治選舉中，為營(yíng)造其背后力量所支持的候選人，批量社交機(jī)器人賬號(hào)會(huì)發(fā)布大量有助于該候選人當(dāng)選的信息，從而影響網(wǎng)民對(duì)政治實(shí)體的認(rèn)識(shí)，甚至影響選舉結(jié)果。(52)Alessandro Bessi,Emilio Ferrara,“Social bots distort the 2016 US Presidential election online discussion”,First monday,Vol.21,No.11,2016,pp.1-14.實(shí)現(xiàn)博弈成功的手段無(wú)非是多個(gè)賬號(hào)集中以及相互轉(zhuǎn)發(fā)、點(diǎn)贊、評(píng)論圍繞同一信源及主題的信息，形成內(nèi)容造勢(shì)、擴(kuò)大信息聲量。對(duì)博弈成功的一方，社交機(jī)器人賬號(hào)網(wǎng)絡(luò)行為結(jié)構(gòu)的力量不容小覷，特朗普于2016年當(dāng)選總統(tǒng)就離不開這一過(guò)程和機(jī)制的影響。(53)Philip N.Howard,Samuel Woolley,& Ryan Calo,Algorithms,Bots,and Political Communication in the US 2016 Election:the Challenge of Automated Political Communication for Election Law and Administration.Journal of Information Technology & Politics,Vol.15,No.7,2018,pp.1-13.

本文創(chuàng)新性地從傳播行為結(jié)構(gòu)層面提出的識(shí)別指標(biāo)具有兩方面意義。一方面，行為特征彌補(bǔ)了賬號(hào)特征、信息特征的不足，在識(shí)別體系中增加了具有持續(xù)穩(wěn)定性的特征；另一方面，從行為特征到網(wǎng)絡(luò)行為結(jié)構(gòu)特征，指標(biāo)關(guān)照了社交機(jī)器人基于網(wǎng)絡(luò)關(guān)系達(dá)到傳播目的過(guò)程中所呈現(xiàn)的多重行為特征，通過(guò)利用多個(gè)賬號(hào)間的協(xié)同行為、互動(dòng)行為開展識(shí)別。當(dāng)然，這些行為特征指標(biāo)也還存在一定不足：一是網(wǎng)絡(luò)行為結(jié)構(gòu)本身極其復(fù)雜，我們所提出的協(xié)同行為、互動(dòng)行為遠(yuǎn)不能涵蓋社交機(jī)器人的全部行為，需要不斷研究其行為表現(xiàn)；二是人工智能技術(shù)的快速發(fā)展持續(xù)支撐社交機(jī)器人的擬人化進(jìn)程，越過(guò)賬號(hào)特征和信息特征，未來(lái)的社交機(jī)器人在行為特征層面也會(huì)越來(lái)越擬人化，指標(biāo)需要不斷進(jìn)行完善。

只要人工智能技術(shù)不斷革新，社交機(jī)器人識(shí)別工作就始終充滿挑戰(zhàn)。因此，未來(lái)的識(shí)別研究、實(shí)踐還需更加深入地考察社交機(jī)器人網(wǎng)絡(luò)行為結(jié)構(gòu)，持續(xù)關(guān)注社交機(jī)器人與人類用戶的多方面差異，完善已有指標(biāo)，開辟新的指標(biāo)維度，不斷利用技術(shù)識(shí)別技術(shù)，利用技術(shù)對(duì)抗技術(shù)。