Sebuah studi terobosan yang menggunakan kecerdasan buatan untuk mensimulasikan perilaku media sosial telah memberikan kabar yang mengkhawatirkan bagi siapa pun yang berharap dapat memperbaiki masalah toksik yang melanda platform online. Peneliti dari University of Amsterdam menggabungkan pemodelan komputer tradisional dengan large language models (LLMs) untuk menciptakan persona AI yang meniru pengguna media sosial nyata, dan apa yang mereka temukan menantang segala hal yang kita pikir kita ketahui tentang disfungsi platform.
 |
|---|
| Gambar ini mengilustrasikan meningkatnya fokus pada konsumsi media digital, topik yang menjadi inti dari studi tentang perilaku media sosial |
Akar Masalah Lebih Dalam dari Algoritma
Komunitas peneliti telah ramai berdebat tentang metodologi dan temuan studi ini. Meskipun beberapa ahli mempertanyakan validitas penggunaan model AI untuk merepresentasikan perilaku manusia, hasilnya menunjukkan bahwa masalah terbesar media sosial bukanlah disebabkan oleh algoritma jahat atau manipulasi korporat. Sebaliknya, masalah tersebut tampaknya tertanam dalam struktur cara jaringan ini beroperasi.
Simulasi AI mengungkap tiga masalah inti yang muncul secara alami: ruang gema di mana orang hanya berbicara dengan mereka yang setuju dengan mereka, ketimpangan ekstrem di mana sekelompok kecil pengguna mendominasi semua percakapan, dan amplifikasi suara-suara yang paling memecah belah. Yang mengejutkan peneliti adalah masalah-masalah ini muncul tanpa campur tangan algoritma apa pun - mereka hanyalah hasil alami dari cara jaringan sosial berfungsi.
Temuan Studi Utama:
- Ruang gema muncul secara alami tanpa manipulasi algoritma
- 1% pengguna mendominasi percakapan karena distribusi hukum pangkat
- Ketimpangan perhatian menciptakan lingkaran umpan balik yang memusatkan pengaruh
- Sebagian besar intervensi menunjukkan perbaikan sederhana namun menciptakan pertukaran
- Masalahnya bersifat struktural, bukan disebabkan oleh algoritma atau pilihan pengguna
Mengapa Solusi Populer Tidak Berhasil
Studi ini menguji enam solusi berbeda yang telah diusulkan para ahli selama bertahun-tahun, mulai dari beralih ke feed kronologis hingga mempromosikan sudut pandang yang beragam. Hasilnya mengecewakan di semua lini. Bahkan intervensi yang paling menjanjikan hanya memberikan perbaikan sederhana sambil sering kali memperburuk masalah lain.
Seorang anggota komunitas menangkap frustrasi yang dirasakan banyak orang terhadap platform saat ini, mencatat bahwa bahkan alternatif yang lebih baru seperti Bluesky , meskipun tidak memiliki algoritma keterlibatan, masih mengembangkan dinamika toksik yang sama. Pengamatan ini sejalan sempurna dengan temuan inti studi - masalahnya bukan tentang pilihan platform tertentu tetapi tentang sifat fundamental jaringan sosial skala besar.
Enam Strategi Intervensi yang Diuji:
- Feed kronologis atau acak
- Diversifikasi algoritma engagement
- Mengurangi visibilitas konten sensasional
- Meningkatkan keragaman sudut pandang
- Menggunakan "algoritma jembatan" untuk saling pengertian
- Menghilangkan isyarat pengaruh sosial dan sinyal identitas
Masalah Power Law
Di jantung masalah-masalah ini terletak apa yang peneliti sebut ketimpangan perhatian. Dalam situasi sosial normal, pengaruh cenderung terdistribusi secara merata di antara peserta. Tetapi jaringan sosial online menciptakan apa yang dikenal sebagai distribusi power-law, di mana 1% pengguna dapat mendominasi seluruh percakapan.
Ini terjadi karena perhatian menarik lebih banyak perhatian. Ketika seseorang mendapat perhatian, mereka lebih mungkin mendapat perhatian lagi, menciptakan efek bola salju yang mengkonsentrasikan pengaruh di tangan segelintir orang. Studi ini menemukan dinamika ini sangat sulit untuk diganggu, bahkan dengan intervensi ekstrem yang kemungkinan akan membuat platform membosankan untuk digunakan.
Melampaui Pilihan Individual
Penelitian ini menantang kepercayaan umum bahwa masalah media sosial berasal dari pengguna yang membuat pilihan buruk. Meskipun orang memang terlibat dengan konten yang keterlaluan, studi ini menunjukkan perilaku ini muncul dari insentif struktural yang tertanam dalam platform ini daripada kegagalan moral individual.
Otak memang terhubung seperti itu. Gosip dan umpan kemarahan bukanlah sesuatu yang secara aktif diputuskan orang, itu bawah sadar.
Perspektif ini mengalihkan percakapan dari menyalahkan pengguna ke memeriksa bagaimana desain platform membentuk perilaku dengan cara yang dapat diprediksi.
Mencari Alternatif
Kesimpulan suram studi ini telah memicu diskusi tentang apa yang mungkin menggantikan model media sosial saat ini. Beberapa anggota komunitas sedang mengeksplorasi ide-ide seperti interaksi sosial berbasis lokasi atau struktur kelompok yang lebih kecil dan lebih intim yang mencerminkan pengaturan sosial tradisional seperti kedai kopi daripada jaringan penyiaran global.
Yang lain menunjuk pada tren yang berkembang dari orang-orang yang meninggalkan platform publik untuk obrolan grup pribadi dan aplikasi pesan. Meskipun ini tidak menyelesaikan dampak sosial yang lebih luas dari media sosial, ini menunjukkan orang secara naluriah mencari lingkungan sosial yang lebih mudah dikelola.
Penelitian ini tiba pada momen kritis ketika kecerdasan buatan memudahkan untuk menghasilkan jenis konten polarisasi yang berkembang di platform saat ini. Apakah krisis ini akan memaksa inovasi menuju ruang online yang lebih sehat atau hanya mempercepat masalah yang sudah kita hadapi masih harus dilihat.
Referensi: Study: Social media probably can't be fixed