微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 大选之夜背后,互联网陷入一片痛苦与焦虑

大选之夜背后,互联网陷入一片痛苦与焦虑

2020-11-09 14:36
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2020-11-09 14:36 科技行者

社交媒体带来了新的选举共享平台,但同时也挖掘出每个人心底最消极的一面。

大选之夜背后,互联网陷入一片痛苦与焦虑

图:2016年之后,《连线》发表了关于“FOMO”的最新文章——随着互联网的兴起,人们误以为自己会错过要闻,但真正的问题其实是如何从垃圾中找寻真正有价值的内容。在2020年,这个问题已经变得更加严重。

2020年,人们已经厌倦了电视节目那种缓慢而单调的感受。电视一直在说个不停,但根本不会听取我们的意见。与之对应,互联网方面却是一片繁荣。

就在本轮美国总统大选期间,Twitter要闻、Facebook帖子以及“TikTok们”短视频一直在轮番轰炸。TikTok上的人们正呼朋唤友与反对派一战;Twitter上的人们拍下空空如也的店铺冰柜,加剧了人们对于未来生活的担忧。但请注意,这一切都跟实际选举结果没有半毛钱关系——人们只是在以狂欢的心态宣泄自己的情绪。本轮大选已经不再是美国境内又一个普通的夜晚;这一天,整个国家都接入了网络,像是在进行一场没有硝烟、但却同样激烈的战争。

其实对大选的关注本身并不稀奇。除了里根总统那一届算是真正爆了个冷门,过去二十年来,整个美国的走势都基本可以算按部就班。即使是在特朗普赢得总统之后,情况也没有根本性的变化。2016年刚刚上任时,人们还习惯于跟家人和朋友一起观看选举结果,有些人甚至跑到酒吧里去凑热闹。但这时候大选与网络的关联,仅仅局限于人们拿手机发条推文,或者在Instagram上发一张“我投了票”的照片。

而今年,伴随着COVID-19疫情的流行,总统选举迎来了前所未有的新形态。出于防疫考虑,再加上畏惧某些极端政见者那一点就着的激动情绪,人们不再扎堆关注选举。网络,似乎成了人们结伴观看选举过程的最佳场所。

但这又构成了一种新的危机。在观看选举结果统计的过程中,抱持任何政治背景的人们都会陷入一种生死攸关的情绪,感觉国家的未来就在自己的注视之下。去年夏季,我与密歇根大学信息学院的Nicole Ellison进行交流时,她谈到,社交媒体特别擅长传播少量信息,但不适合提供任何详尽的叙述,因此往往会给用户营造压力与焦虑感。她补充道,“结合当前事实,很多人根本不出去工作,但却喜欢在键盘上大谈集体意识与国家存亡。结果就是,网络上的情绪很多,但真正有价值的资源却相当有限。

当时,我和Ellison讨论的主要是“美国人在新冠病毒威胁论”与“黑人的命也是命”运动,但同样的结论似乎也适用于总统大选。每个人都在寻求故事的结局,一片喧嚣中则显露出某种信号。上周,乔·拜登与特朗普之间的竞选结果最终落在几个关键州身上,迫使官方不得不进一步核算投票百分比。虽然此前专家们已经反复提醒,双方的情况比较胶着,很难在当天之内明确谁在选举中胜出。但这并没有阻止特朗普在凌晨2点的新闻发布会上宣称:“我们将赢得胜利。就我而言,我们已经赢了。”好吧,在整个计票过程中,很多人都感受到了强烈的情绪冲突,于是大家恐慌、刷新、然后转发一大堆自己根本不懂的内容。

几周以来,一直在社交媒体人士提醒人们放下手机。但对于大选夜这样关键的时刻,对于任何想知道其他美国人在干什么的民众来说,手机已经成了他们的精神“奶嘴”,放下是不可能放下的。

也正因为如此,很多开始发布反潮流内容。比如有人在当天午后发出了“镇定的小狗”图片。夜幕降临时,开始出现号称“能推翻民调结果的推文”,有人发布宁静详和的风景照片。就连《纽约时报》这类传统的严肃媒体,也发布了一段可爱小兔子的视频外加一个“数字压力球”页面。感觉自己压力很大的朋友可以去点一点。

自2016年大选以来,备受争议的“美国焦虑症(被《连线》杂志认定为新的社交恐惧倾向)”令人们总是害怕自己错过要闻。而事实证明,人们误以为自己会错过要闻,但真正的问题其实是,如何从垃圾中找寻真正有价值的内容。

民众希望获取更多信息,而一旦现有信息中存在缺失,他们就会大开脑洞、做出种种或靠谱或离谱的解读。

到2020年,问题变得更为严重。在疫情流行期间,社交媒体甚至成为支持某些群体度过独自一人、与世隔绝生活的根本动力。但即使如此,社交媒体仍然不足以建立起真正的统一社群。

互联网与网络媒体一直在急于给出本应充分讨论才能得出的结论。有时候如果放慢脚步,反而能更快达到目的地。互联网时代,请诸君再多想想。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-