Sosyal medyanın günümüzde büyük ölçüde işlevsiz hale geldiği bilinen bir gerçek. Bizi bir araya getiren, fikir alışverişini teşvik eden bir platform olmaktan ziyade, sıklıkla filtre balonları veya yankı odaları yaratıyor. Az sayıda etkili kullanıcı büyük ilgi ve etki toplarken, etkileşimi artırmak için tasarlanan algoritmalar ne yazık ki yalnızca öfkeyi ve çatışmayı körüklüyor. Bu durum, en gürültülü ve en uç görüşlü kullanıcıların hakimiyetini sağlıyor ve kutuplaşmayı daha da artırıyor.
Bu sorunlarla mücadele etmek için birçok platform düzeyinde müdahale stratejisi önerilmiş olsa da, arXiv fizik sunucusunda yayınlanan bir ön baskıya göre, bu stratejilerin hiçbiri muhtemelen etkili olmayacak. Sorunun kökeninde, şikayet edilen algoritmalar, kronolojik olmayan akışlar veya olumsuzluğa yönelme eğilimimiz yatmıyor. Aksine, tüm bu olumsuz sonuçlara yol açan dinamikler, sosyal medyanın kendi mimarisine yapısal olarak gömülmüş durumda. Dolayısıyla, bu dinamikleri değiştirecek parlak bir temel yeniden tasarım bulunmadığı sürece, sonsuz toksik geri bildirim döngülerine mahkum olmamız kuvvetle muhtemel.
Amsterdam Üniversitesi'nden Petter Törnberg ve Maik Larooij, sosyal medyanın en kötü yönlerine yol açan mekanizmaları daha iyi anlamak amacıyla bir çalışma yürüttü. Bu mekanizmalar arasında partizan yankı odaları, küçük bir elit grubun elinde yoğunlaşan etki (dikkat eşitsizliği) ve en aşırı bölücü seslerin yükseltilmesi yer alıyor. Bu amaçla, standart ajan tabanlı modellemeyi büyük dil modelleriyle (LLM'ler) birleştirerek, çevrimiçi sosyal medya davranışını simüle etmek için küçük yapay zeka kişilikleri oluşturdular. Törnberg, çalışmalarıyla ilgili olarak şunları belirtti: "Herhangi bir algoritma eklememize veya modeli manipüle etmemize gerek kalmadan, bu dinamiklerin tümünün temel modelden kendiliğinden ortaya çıktığını gördük."
Araştırmacılar daha sonra sosyal bilimciler tarafından bu etkilere karşı önerilen altı farklı müdahale stratejisini test ettiler: kronolojik veya rastgele akışlara geçiş yapmak; yoğun yeniden paylaşılan sansasyonel içeriğin görünürlüğünü azaltmak için etkileşim optimizasyon algoritmalarını tersine çevirmek; kullanıcıların karşıt siyasi görüşlere maruziyetini genişletmek için görüş çeşitliliğini artırmak; duygusal provokasyondan ziyade karşılıklı anlayışı geliştiren içeriği yükseltmek için "köprü algoritmaları" kullanmak; sosyal etki ipuçlarını azaltmak için yeniden paylaşım ve takipçi sayıları gibi sosyal istatistikleri gizlemek; ve kimlik temelli sinyallere maruziyeti sınırlamak için biyografileri kaldırmak.
Elde edilen sonuçlar pek iç açıcı değildi. Sadece bazı müdahaleler mütevazı iyileştirmeler gösterdi. Hiçbiri, işlevsiz etkilere neden olan temel mekanizmaları tamamen bozmayı başaramadı. Hatta bazı müdahaleler sorunları daha da kötüleştirdi. Örneğin, kronolojik sıralama dikkat eşitsizliğini azaltmada en güçlü etkiye sahipti, ancak bir ödünleşme söz konusuydu: Aynı zamanda aşırı içeriğin yükselmesini de yoğunlaştırdı. Köprü algoritmaları, partizanlık ile etkileşim arasındaki bağlantıyı önemli ölçüde zayıflattı ve görüş çeşitliliğini mütevazı bir şekilde iyileştirdi, ancak dikkat eşitsizliğini de artırdı. Görüş çeşitliliğini artırmanın ise hiçbir anlamlı etkisi olmadı.
Bu sorunlu sosyal medya yönleriyle mücadele etmek için etkili müdahale stratejileri bulma konusunda bir umut var mı? Yoksa sosyal medya hesaplarımızı tamamen kapatıp mağaralarda mı yaşamalıyız? Törnberg ile yapılan geniş bir söyleşide bu rahatsız edici bulgular hakkında daha fazla bilgi edinildi.
Araştırmanın temel motivasyonu, son 20 yıldır sosyal medyanın siyaseti nasıl değiştirdiğine dair pek çok gözlemsel veriye dayalı çalışma yapılmasına rağmen, artık şikayet etmekten öteye geçip daha yapıcı çözümler üretme isteğiydi. Sosyal medyayı iyileştirmenin ve politik konuların yapıcı bir şekilde tartışıldığı çevrimiçi alanlar yaratmanın yollarını belirlemek hedeflendi.
Gözlemsel verilerin temel sorunu, alternatif çözümlerin test edilmesinin zor olmasıdır. Bu noktada, ajan tabanlı simülasyonlar ve sosyal simülasyonlar gibi yöntemler devreye giriyor. Bir sistemin bilgisayar modeli oluşturularak deneyler yapılıyor ve karşı-olgular test ediliyor. Bu yaklaşım, ağ dinamiklerinin yapısını ve ortaya çıkışını incelemek için faydalı.
Ancak, geleneksel modellerdeki ajanlar basit kural takipçileri veya optimize ediciler olarak temsil edildiği için, kültürel dünya, siyaset veya insan davranışı gibi unsurları tam olarak yakalayamıyordu. Araştırmacılar, ağ oluşumlarının yapısal dinamikleri ile kültürel etkileşim örüntülerinin her ikisinin de incelenmesi gerektiğine inanıyor.
Bu sorunların üstesinden gelmek için, araştırmacılar ajan tabanlı modellemeyi büyük dil modelleriyle (LLM'ler) birleştiren hibrit bir model geliştirdiler. Basit kural takipçileri veya optimize ediciler yerine LLM'ler kullanmak, insan davranışını daha olası bir şekilde yakalama konusunda bir adım ileriye işaret ediyor. Modellerde, Amerikan Ulusal Seçim Anketi'nden elde edilen, ABD'li seçmenlerin hobileri ve tercihleri hakkında ayrıntılı sorular içeren kişilikler kullanıldı. Bu kişilikler, basit bir isim, yaşanılan yer ve ilgi alanları gibi bilgilerle zenginleştirildi.
Ardından bu yapay karakterlere rastgele günün haberleri sunuldu ve bu haberleri paylaşma, diğer kullanıcılardan gelen gönderileri okuma, yeniden paylaşma veya kullanıcıları takip etme gibi eylemleri gerçekleştirmeleri sağlandı. Kullanıcıları takip etme seçeneği sunulduğunda, önceki mesajlarını ve kullanıcı profillerini incelediler.
Araştırmacıların başlangıç fikri, en temel haliyle bir model oluşturup, daha sonra bu sorunlu sonuçları üretebilecek unsurları ekleyerek denemeler yapmaktı. Ancak beklentilerinin aksine, herhangi bir ekleme yapmalarına gerek kalmadı. Bu sorunlu sonuçlar, en temel modelden kendiliğinden ortaya çıktı. Bu durum, hem araştırmacıların beklentilerine hem de literatürdeki genel kanıya aykırıydı.
Yapay zekanın genel olarak, özellikle de araştırma bağlamında şüpheyle yaklaşıldığı belirtildi. Ancak araştırmacılar, temel modelin sağlamlığı ve ekleme yapılmadan aynı dinamiklerin elde edilmesi gibi nedenlerle bu çalışmanın yapay zekanın faydalı olabileceği özel durumlardan biri olduğunu düşünüyorlar.
Sosyal bilimlerde son iki yıldır LLM'lerin sosyal simülasyonlarda kullanımı konusunda büyük bir ilgi var, ancak bunun tam olarak ne için faydalı olacağı veya geçerlilik sorunlarının nasıl aşılacağı henüz tam olarak belirlenemedi. Bu çalışmada izlenen yaklaşım, karmaşık sistemler düşünce geleneğine dayanıyor. İnsan dünyasına dair çok basit modeller hayal edilerek temel mekanizmalar yakalanmaya çalışılıyor; bu modellerin gerçekçi veya insan davranışının eksiksiz bir modeli olması hedeflenmiyor.
Araştırmacılar, bu yöntemler konusunda daha eleştirel bir duruş sergileseler de, kültürel ve yapısal yönlerin birbirini beslediği bu tür dinamikleri incelemenin başka bir yolunu hayal etmek zor. Bulgulara temkinli yaklaşmak ve bunların modeller olduğunu, varsayımsal bir dünyayı yakaladığını kabul etmek gerekiyor. Ancak bu modeller, daha geniş mekanizmaları yakalayabiliyor ve bu mekanizmaların ne kadar sağlam olduğunu, stabil mi, stabil değil mi, hangi koşullarda ortaya çıktığını ve genel sınırlarını gösterebiliyor. Bu çalışmada ise, ne yazık ki oldukça sağlam görünen bir mekanizma tespit edildi.
Sosyal medyanın kamuoyunu canlandırması ve yapıcı siyasi diyaloğu desteklemesi gibi hayallerin büyük ölçüde gerçekleşmediği belirtildi. Sosyal medya platformlarından ortaya çıkan başlıca olumsuz ve beklenmedik sonuçlar ise şunlar olarak sıralandı:
1. **Yankı Odaları veya Filtre Balonları:** Siyasi bir sohbetin veya müzakere sürecinin işlemesi için kutuplaşma çizgisi boyunca iletişim kurulması gerekliliği vurgulanıyor. Sadece aynı düşünen insanlarla sohbet etmek yeterli değil. Çevrimiçi alanlarda pek çok yapıcı olmayan yerin varlığı yaygın olarak kabul ediliyor, çünkü bu alanlarda yalnızca tek bir siyasi görüşten insanlar bulunuyor. Bu nedenle, görüş çeşitliliği ve farklı bakış açıları gereklidir.
2. **Eşitler Arasında Müzakere:** Müzakerelerin eşitler arasında gerçekleşmesi gerekiyor; yani insanların konuşmada aşağı yukarı aynı etkiye sahip olması gerekiyor. Tamamen küçük, seçkin bir kullanıcı grubu tarafından kontrol edilemez. Sosyal medyanın, dikkatin dikkat çektiği etkileyiciler yarattığı ve bu durumun eşitler arasındaki sohbetin bozulmasına yol açtığı da belirtiliyor.
3. **Sosyal Medya Prizması (Trigger Bubble):** Araştırmacılar, en uçtaki kullanıcıların çevrimiçi ortamda daha fazla ilgi çektiğini belirtiyor. Bu durum genellikle etkileşim algoritmalarıyla ilişkilendiriliyor; bu algoritmalar en çok bizi rahatsız eden içerik türlerini belirleyip bu içeriği öne çıkarıyor. Törnberg, bunu filtre balonundan ziyade "tetikleyici balon" olarak adlandırıyor. Amaç, verilerimizi çıkarmak ve dikkatimizi korumak için bizi daha fazla etkileşime geçirmek.
Çalışmanın temel bulgusu, sosyal ağın yapısal dinamiklerinde, yani sosyal ağların kendisinin inşasında, bu son derece zorlu sorunlara yol açan köklü bir şeyin olduğu yönünde. Yapay zeka modellerini kullanarak insan davranışının daha zengin bir temsilini elde etmek, geleneksel ajan tabanlı modellemeyle mümkün olmayacak bir şeyi görmeyi sağlıyor.
Sosyal medyadaki sosyal ağların büyümesi üzerine daha önceki modellerde, insanların retweet yapıp yapmama seçimi olduğu ve bu eylemin oldukça tepkisel ve duygusal olduğu biliniyordu. Ayrıca, bu seçimin yüksek derecede partizan ve kutuplaşmış bir eylem olduğu biliniyordu. Biri bir şeye kızdığında veya korkunç bir şey yaptığında retweet yapma eğilimi, toksik ve daha kutuplaşmış içeriğin daha fazla yayılmasına neden oluyor.
Ancak araştırmacılar, bu içeriğin sadece yayılmakla kalmadığını, aynı zamanda oluşan ağ yapılarını da şekillendirdiğini buldular. Yani, bir şeyi retweet etme duygusal eylemi ile ortaya çıkan ağ yapısı arasında bir geri bildirim söz konusu. Ardından, hangi içeriği göreceğimizi şekillendiren bir ağ yapısı oluşuyor ve bu da toksik bir ağa yol açıyor. Çevrimiçi bir sosyal ağın tanımı, gönderi, yeniden paylaşım ve takip etme dinamiklerine sahip olmasıdır. Bu temel dinamikler, tek başına bu olumsuz sonuçları doğurmak için yeterli görünüyor.
Araştırmacılar, test ettikleri çeşitli müdahale stratejilerinin etkisizliği karşısında şaşkınlıklarını dile getirdiler. Bu durum, Bluesky örneğiyle de açıklanabilir; Bluesky'nin algoritması olmamasına rağmen benzer dinamiklerin ortaya çıktığı görülüyor. Bluesky'nin kurucularının bu işlevsiz sorunlardan kaçınmak istediği düşünülse de, bu çalışma ışığında başarılı olamayabilecekleri düşünülüyor. Müdahalelerin neden bu kadar etkisiz olduğu sorusuna ise şöyle yanıt veriliyor:
Platformların kötü niyetli algoritmalar kullanıp kullanmadığı veya kullanıcıların kötü bir ortam seçip seçmediği konusunda tartışmalar yapılıyor. Araştırmacılar, bu durumun aslında bunlardan herhangi biri olmak zorunda olmadığını belirtiyorlar. Bu genellikle altta yatan kurallardan kaynaklanan istenmeyen sonuçlardır. Bu durum, platformların kötü niyetli olmasından veya insanların toksik, korkunç ortamlarda bulunmak istemesinden kaynaklanmak zorunda değildir. Bu sadece sağladığımız yapıdan kaynaklanmaktadır.
Altı farklı müdahale stratejisi test edildi. Google, sosyal medyayı daha az toksik hale getirmeye çalışıyor ve metnin içeriğine dayalı bir haber akışı algoritması yayınladı. Bu, bir örnektir. Daha ince müdahaleler yapmaya çalışmak da mümkün; bazen sistemi daha sağlıklı dinamiklere geçirecek şekilde yönlendirmek mümkün olabilir. Bazı müdahalelerin belirli bir nitelik üzerinde orta veya hafif olumlu etkileri olduğu, ancak sıklıkla başka bir nitelik üzerinde olumsuz etkileri olduğu veya hiçbir etkisi olmadığı görülüyor.
Bu müdahalelerin, platformlarından para kazanmaya bağlıysanız muhtemelen kullanmak istemeyeceğiniz kadar aşırı olduğu belirtiliyor; çünkü bu, kullanımı muhtemelen sıkıcı hale getirir. Örneğin, platformdaki en etkisiz kullanıcıları veya en az retweet edilen mesajları göstermek gibi. Buna rağmen, temel sonuçları değiştirmede pek bir fark yaratmıyor. Bu durumdan çıkarılan sonuç, bu sorunlu sonuçları üreten mekanizmanın gerçekten sağlam ve bu platformların temel yapısı göz önüne alındığında çözülmesi zor olduğudur.
Peki, bu sorunları olmayan başarılı bir sosyal ağ nasıl inşa edilebilir? Birkaç yönde ilerlemek mümkün. Ancak popüler kullanımın kısıtlamaları da göz önünde bulundurulmalıdır. İnternetin ilk zamanlarına, örneğin ICQ'ya bakıldığında, rastgele bir kişiye bağlanma özelliği vardı. Araştırmacı, çocukken bu özelliği sevdiğini ve dünyanın dört bir yanından rastgele insanlarla konuştuğunu belirtiyor. Ancak günümüzde internetin eskisine göre çok daha masumiyetini kaybettiği düşünülürse, bu özelliğin ne kadar başarılı olacağı meçhul.
Örneğin, dikkat eşitsizliği sorunu ele alınabilir. Bu, çok iyi incelenmiş ve sağlam bir ağ özelliği. Araştırmacı, müdahalelerle bu sorunu çözebileceğini düşünse de, dikkatin dikkat çektiği ve bu durumun %1'lik bir kesimin tüm konuşmaya hakim olduğu bir güç yasası dağılımına yol açtığı belirtiliyor. Bu güç yasalarının hangi koşullar altında ortaya çıktığı biliniyor. Bu, sosyal ağ dinamiklerinin ana sonuçlarından biridir: aşırı dikkat eşitsizliği.
Ancak sosyal bilimlerde her şeyin normal bir dağılım olduğu öğretilir. Geleneksel sosyal dünyadan çevrimiçi sosyal dünyaya geçiş, bu güzel normal dağılımlardan bu korkunç güç yasası dağılımlarına geçiş anlamına gelir. Bunlar, bir kişiye bağlanma olasılığının, daha önceki kaç bağlantısı olduğuna bağlı olduğu sosyal ağların sonuçlarıdır. Eğer bundan kurtulmak istiyorsak, muhtemelen sosyal ağ modelinden uzaklaşmalı ve işleri biraz daha yerel, biraz daha az küresel olarak birbirine bağlı hale getiren bir tür uzamsal model veya grup tabanlı model benimsemeliyiz.
Bu, büyük, karmaşık bir küresel ağda merkezi bir rol oynayan büyük etkili düğümlerden kaçınmak istediğiniz anlamına gelir. Küresel ağların ve yapıların, siyaset bilimcilerin ve siyaset teorisyenlerinin geleneksel olarak kamu meydanını tartışırken bahsettikleri konuşma türlerinin olasılığını temelden baltaladığı belirtiliyor. Kahvehanelerde veya çayhanelerde sosyal etkileşimden veya okuma gruplarından bahsediyorlardı. İnsanlar internetin tam da bu olacağını düşünüyordu. Ancak durum böyle değil. Bu yapısal farklılıklar nedeniyle dinamikler temelden farklıdır. Küresel bir sosyal ağa sahip olduğumuzda, herkesin birbiriyle bağlantılı olduğu bir durumda bir kahvehane müzakere yapısını elde etmeyi beklememeliyiz. Bundan işlevsel bir siyaset inşa etmek zor.
Konuşmanın %1'lik bir kesim tarafından domine edilmesi konusuna geri dönmek gerekirse, bunun çoğu kullanıcının rutin olarak unuttuğu bir şey olduğu düşünülüyor. İnternette gördüğümüz korkunç şeyler, dünyadaki insanların büyük çoğunluğunu kesinlikle yansıtmıyor.
Bu durum iki yönü yakalıyor. Birincisi, sosyal medya prizması; yani siyaseti sosyal medyanın merceğinden gördüğümüz bakış açısı, siyasetin gerçekte olduğundan temelde farklıdır. Daha toksik, daha kutuplaşmış görünüyor. İnsanlar gerçekte olduklarından biraz daha çılgın görünüyor. Kutuplaşmanın artışıyla ilgili çok iyi belgelenmiş bir yönü budur: İnsanların karşı tarafa dair yanlış bir algısı var. Çoğu insanın oldukça makul ve oldukça benzer görüşleri var. Gerçek kutuplaşma, algılanan kutuplaşmadan daha düşüktür. Ve bu tartışmasız bir şekilde sosyal medyanın bir sonucudur, siyaseti nasıl yanlış temsil ettiği açısından.
Ardından, siyasi söylemde aşırı ve ölçüsüz davranarak çok etkili hale gelen çok küçük bir kullanıcı grubu görüyoruz. Sosyal medya, sadece siyaseti nasıl gördüğümüzü değil, aynı zamanda siyasetin ne olduğunu, hangi politikacıların güçlü ve etkili hale geldiğini de yeniden şekillendiren bir teşvik yapısı yaratıyor. Çünkü bu, çağımızın en değerli sermayesi olarak kabul edilebilecek sermayenin dağılımını kontrol ediyor: dikkat. Özellikle politikacılar için dikkat kontrolünü sağlamak en önemli şeydir. Ve sosyal medya dikkat alan veya almayan koşulları yarattığı için, belirli kişiliklerin önceki dönemlerden temelde farklı bir şekilde daha iyi çalıştığı bir teşvik yapısı yaratıyor.
Sosyal medyadan uzak durmaya yemin edenler olsa da, basitçe katılmamak da bir çözüm değil gibi görünüyor.
Katılmamak ilk etapta önemli bir adım olabilir, ancak örneğin sadece The New York Times gibi gazeteleri okuyan biri bile, o gazetenin sosyal medyada işe yarayan şeylerden, sosyal medya mantığından etkilendiğini görebilir. Geçen yıl yapılan bir projede, sosyal medyanın etkisi arttıkça The New York Times'ın manşetlerinin daha tıklanabilir hale geldiği ve sosyal medyada işe yarayan stile uyarlandığı gösterildi. Dolayısıyla, geleneksel medya ve genel kültürümüz dönüşüyor.
Daha da önemlisi, politikacıların türü, güçlendirilen insan tipleri ve tüm kültür söz konusu. Bunlar, sosyal medyanın teşvik yapılarının gücü tarafından dönüştürülen şeylerdir. Durum şöyle değil: "Bunlar sosyal medyada olan şeyler ve bu da dünyanın geri kalanı." Hepsi iç içe geçmiş durumda ve bir şekilde sosyal medya, siyasetimizi ve toplumumuzu çok temel şekillerde şekillendiren kültürel motor haline gelmiş durumda. Ne yazık ki.
Teknolojik araçların temelde nötr olduğu ve iyi ya da kötüye kullanılabileceği genellikle söylenir, ancak bu sefer araştırmacılar o kadar emin değil. Toksik olanı net bir pozitife dönüştürmenin bir yolunu bulma umudu var mı?
LLM'ler ve yapay zekanın yükselişiyle birlikte bir kriz noktasında olunduğu belirtiliyor. Mevcut sosyal medya modelinin, LLM'lerin ve kitlesel olarak yanlış bilgi veya sosyal ağ dinamiklerini optimize eden bilgi üretme kapasitelerinin ağırlığı altında varlığını sürdürmesinin zor olduğu ifade ediliyor. X gibi platformların bu monetizasyonuna dayanan birçok aktörün, yalnızca dikkat çekmeyi en üst düzeye çıkarmayı amaçlayan içerik üretmek için yapay zeka kullandığı zaten görülüyor. Bu nedenle, yanlış bilgilendirme, genellikle yüksek derecede kutuplaşmış bilgiler, yapay zeka modelleri daha güçlü hale geldikçe daha fazla yayılacak. Geleneksel sosyal medya modellerinin bunlardan kurtulacağını görmek zor.
İnsanların güvenilir markalara kısmen geri çekildiği ve denetleyiciler aradığı görüldü. Özellikle gençler, WhatsApp grupları ve diğer kapalı topluluklara yöneliyor. Elbette bu sohbetlere de sosyal medyadan sızan yanlış bilgiler var. Ancak bu tür kriz noktaları, en azından durumun değişmesi umudunu taşıyor. Durumun daha iyiye gideceğine dair bir bahis konulmayacağı belirtiliyor. Araştırmacılar, iyimser olmak istediklerini ancak en iyi çabayı gösterdiklerini ancak "güle güle demek" durumunda kalınabileceğini ifade ediyorlar.
Bu durumda, tüm sosyal medya ağlarını yok etmek mi gerekiyor? Bu bile durumu daha iyi hale getirmeyebilir, ancak en azından farklı sorunlarımız olur.
Kesinlikle. Yeni bir çukur buluruz.
DOI: arXiv, 2025. 10.48550/arXiv.2508.03385
