توسعه «یادداشت‌های کاربری» متا در آمریکای لاتین؛ آزمونی سخت برای راستی‌آزمایی جمع‌سپاری‌شده

صبح چهارشنبه، «شبکه بین‌المللی راستی‌آزمایی» (IFCN) از مقر خود در سن‌پترزبورگ فلوریدا، هشدار تندی را مستقیماً خطاب به مدیران متا در منلو پارک منتشر کرد. این غول شبکه‌های اجتماعی به‌تازگی اعلام کرده بود که قصد دارد سیستم جمع‌سپاری‌شده «یادداشت‌های کاربری» (Community Notes) خود را در ۱۶ کشور اسپانیایی‌زبان آمریکای لاتین آزمایش کند و عملاً مشارکت‌کنندگان داوطلب را جایگزین راستی‌آزمایان حرفه‌ای سازد. این اقدام نشان‌دهنده یک تغییر بنیادین در فلسفه پلتفرم‌هایی است که روزانه میزبان میلیاردها تعامل هستند. متا به‌جای تکیه بر روزنامه‌نگاران معتبر برای ارزیابی ادعاهای وایرال‌شده، فرآیند راستی‌آزمایی را به خود کاربران می‌سپارد، با این امید خوش‌بینانه که اجماع الگوریتمی بتواند در لحظه، حقیقت را از دروغ تمیز دهد.[1]

این اطلاعیه، چرخش قطعی شرکت مادر فیس‌بوک و اینستاگرام در نحوه برخورد با معضل همیشگی اطلاعات نادرست را نشان می‌دهد. سال‌ها بود که متا به سازمان‌های مستقل پول می‌داد تا محتوای گزارش‌شده را بررسی کنند، برچسب‌های هشدار به آن‌ها اضافه کنند و دسترسی الگوریتمی به پست‌های جعلی را کاهش دهند. اما حالا، این شرکت در حال پیاده‌سازی یک مدل جمع‌سپاری‌شده است که به‌شدت از سیستم رایج در ایکس (توییتر سابق) الهام گرفته است. شبکه IFCN که سازمان‌های راستی‌آزمایی را در سطح جهانی تأیید کرده و استانداردهای اخلاقی این صنعت را تعیین می‌کند، صراحتاً اعلام کرده است که جایگزینی راستی‌آزمایی حرفه‌ای با یادداشت‌های کاربری، به «تخریب محیط اطلاعاتی» برای میلیون‌ها کاربر منجر خواهد شد.[1][2]

برای درک تقابل میان این پلتفرم و متخصصان، باید نگاهی به سازوکار واقعی راستی‌آزمایی جمع‌سپاری‌شده در لایه‌های زیرین آن بیندازیم. این سیستم صرفاً محبوب‌ترین اصلاحیه را منتشر نمی‌کند یا به رأی اکثریت ساده متکی نیست؛ چرا که اگر این‌طور بود، هر گروه حزبی بزرگی به‌راحتی می‌توانست روایت دلخواه خود را به پست مخالفانش سنجاق کند. در عوض، این سیستم بر یک «الگوریتم پل‌زن» (Bridging Algorithm) تکیه دارد که مشخصاً برای یافتن اجماع میان کاربرانی طراحی شده است که معمولاً در مسائل سیاسی یا اجتماعی با یکدیگر اختلاف نظر دارند.[3]

وقتی کاربری پستی را به‌عنوان محتوای گمراه‌کننده گزارش می‌کند، مشارکت‌کنندگان واجد شرایط، یادداشت‌هایی حاوی اطلاعات زمینه‌ای برای توضیح تناقض‌ها می‌نویسند. سپس الگوریتم ارزیابی می‌کند که سایر کاربران تا چه حد این یادداشت‌های پیشنهادی را مفید ارزیابی می‌کنند. نکته کلیدی اینجاست: اگر یک یادداشت تنها از سوی کاربرانی با سابقه ایدئولوژیک مشابه (یعنی کسانی که همیشه به محتواهای مشابهی رأی مثبت می‌دهند) امتیاز بالا بگیرد، سیستم آن یادداشت را مسدود می‌کند. یک اصلاحیه تنها در صورتی به‌طور عمومی منتشر می‌شود که از سوی گروه متنوعی از مشارکت‌کنندگان که در گذشته به یادداشت‌های دیگر امتیازات متفاوتی داده‌اند، نمره «مفید بودن» بالایی دریافت کند.[3]

روی کاغذ، این الزام الگوریتمی برای توافق فراجناحی تضمین می‌کند که تنها عینی‌ترین و غیرقابل‌انکارترین حقایق به یک پست ضمیمه شوند. این آستانه ریاضیاتی در واقع به‌عنوان فیلتری در برابر حاکمیت اوباش عمل می‌کند. اما در عمل، IFCN و کارشناسان منطقه‌ای استدلال می‌کنند که این مدل در محیط‌های به‌شدت دوقطبی یا دموکراسی‌های شکننده کاملاً ناکارآمد است. وقتی جامعه‌ای عمیقاً دچار شکاف است، یا وقتی یک طرف از پذیرش واقعیت‌های مستند سر باز می‌زند، تقاضای الگوریتم برای رسیدن به اجماع، به مانعی غیرقابل‌عبور برای انتشار حقیقت تبدیل می‌شود.[1][3]

بیانیه IFCN بر این نکته تأکید داشت که هیئت نظارت خود متا، کمتر از شش ماه پیش به این شرکت توصیه کرده بود که برنامه یادداشت‌های کاربری را در کشورهایی که با چالش‌های اجتماعی خاصی روبه‌رو هستند، گسترش ندهد. این هیئت صراحتاً هشدار داده بود که مدل جمع‌سپاری‌شده برای مناطقی که درگیر مناقشات طولانی‌مدت، دوره‌های حساس انتخاباتی، پیچیدگی‌های زبانی یا شبکه‌های سازمان‌یافته نشر اطلاعات نادرست هستند، نامناسب است. با وجود این هشدار داخلی، متا در حال اجرای این طرح در آرژانتین، بولیوی، شیلی، کلمبیا، کاستاریکا، اکوادور، السالوادور، گواتمالا، هندوراس، مکزیک، نیکاراگوئه، پاناما، پاراگوئه، پرو، اروگوئه و ونزوئلا است.[1]

نیکاراگوئه افراطی‌ترین نمونه از محدودیت‌های این مدل است. همان‌طور که IFCN اشاره کرد، دولت نیکاراگوئه انتخابات دموکراتیک را لغو کرده و فعالانه به بازداشت خودسرانه مخالفان سیاسی می‌پردازد. در چنین محیط استبدادی، یافتن یک «اجماع فراجناحی» بر سر یک واقعیت سیاسی ساده از نظر الگوریتمی غیرممکن است، زیرا دولت فعالانه دیدگاه‌های مخالف را سرکوب و خاموش می‌کند. سیستمی که نیازمند توافق هم‌زمان سرکوبگر و سرکوب‌شده باشد، در نهایت هیچ‌چیز منتشر نخواهد کرد و دست ماشین پروپاگاندای دولتی را باز خواهد گذاشت.[1]

علاوه بر این، فعالیت شبکه‌های هماهنگ نشر اطلاعات نادرست در کشورهایی مانند السالوادور و اکوادور کاملاً مستند است. این شبکه‌ها می‌توانند با استفاده از حساب‌های ربات یا لشکرهای سایبری سازمان‌یافته برای دادن رأی منفی به یادداشت‌های دقیق، به‌راحتی این الگوریتم اجماع را دور بزنند. از آنجا که الگوریتم برای انتشار یک یادداشت به توافق گسترده نیاز دارد، یک گروه مصمم تنها کافی است به‌طور مداوم یک اصلاحیه واقعی را «غیرمفید» ارزیابی کند تا مانع از رسیدن آن به آستانه انتشار شود. مکانیزمی که برای جلوگیری از حاکمیت اوباش طراحی شده، عملاً به همان اوباش حق وتوی حقیقت را می‌دهد.[1][3]

شبکه IFCN همچنین خاطرنشان کرد که برنامه‌های راستی‌آزمایی حرفه‌ای سابقه درخشانی در مداخله سریع در روایت‌های پرخطر و حساس دارند؛ جایی که سیستم‌های جمع‌سپاری‌شده برای رسیدن به اجماع با مشکل مواجه می‌شوند. وقتی یک شایعه وایرال‌شده درباره یک بلای طبیعی یا یک وضعیت اضطراری بهداشت عمومی شروع به پخش شدن می‌کند، سردبیران حرفه‌ای می‌توانند در عرض چند ساعت ادعا را بررسی کرده و برچسب مناسب را اعمال کنند. اما یک سیستم جمع‌سپاری‌شده که به نگارش داوطلبانه و رأی‌گیری کافی فراجناحی وابسته است، اغلب روزها طول می‌کشد تا یک یادداشت را ضمیمه کند؛ یعنی مدت‌ها پس از آنکه آسیب‌های وایرال شدن محتوا وارد شده است.[1][2]

راستی‌آزمایان کاملاً با فناوری پایه در زمینه افزودن اطلاعات زمینه‌ای به‌صورت جمع‌سپاری‌شده مخالف نیستند. بیانیه IFCN تأکید کرد که سازمان‌های حرفه‌ای از فرصت همکاری با شرکت‌های فناوری برای توسعه مدل‌های ترکیبی قدرتمند استقبال می‌کنند. در یک سیستم ترکیبیِ خوب‌طراحی‌شده، می‌توان از یادداشت‌های کاربری برای مقابله با شایعات کم‌اهمیت، سوءتفاهم‌های فرهنگ عامه و افزودن اطلاعات زمینه‌ای روزمره که تیم‌های کوچک سردبیری را غرق می‌کنند، استفاده کرد. در همین حال، راستی‌آزمایی حرفه‌ای برای ادعاهای حساس سیاسی، پزشکی و انتخاباتی که احتمال شکست ریاضیاتی اجماع الگوریتمی در آن‌ها بالاست، محفوظ می‌ماند.[1]

با این حال، مسیر فعلی متا در آمریکای لاتین بیشتر نشان‌دهنده یک جایگزینی کامل است تا یک رویکرد ترکیبی و ظریف. تصمیم به اجرای هم‌زمان این آزمایش در ۱۶ کشور، نشان‌دهنده تمایل شدید این شرکت به ماهیت مقیاس‌پذیر، خودکار و به‌مراتب ارزان‌ترِ نظارت جمع‌سپاری‌شده است. با پیشرفت این طرح در ماه‌های آینده، اکوسیستم اطلاعاتی آمریکای لاتین به‌عنوان یک آزمایش زنده و پرخطر عمل خواهد کرد تا نشان دهد آیا اجماع الگوریتمی واقعاً می‌تواند جایگزین قضاوت سردبیری انسانی در برخی از پیچیده‌ترین و شکننده‌ترین محیط‌های سیاسی جهان شود یا خیر.[1][3]

آینده کوتاه‌مدت گفتمان دیجیتال در این ۱۶ کشور اکنون کاملاً به این بستگی دارد که متا چگونه آستانه‌های داخلی «مفید بودن» خود را تنظیم می‌کند. اگر الگوریتم پل‌زن بیش از حد سخت‌گیر باشد و به توافق فراجناحیِ تقریباً متفق‌القول نیاز داشته باشد، پلتفرم همچنان غرق در دروغ‌های بررسی‌نشده باقی خواهد ماند، زیرا هرگز اجماعی حاصل نخواهد شد. از سوی دیگر، اگر این آستانه بیش از حد منعطف باشد، گروه‌های سازمان‌یافته با موفقیت چارچوب‌های حزبی خود را به پست‌های مخالفانشان ضمیمه خواهند کرد. شبکه IFCN خط قرمز خود را مشخص کرده است، اما تصمیم‌گیرنده نهایی همچنان در منلو پارک نشسته است؛ جایی که مهندسان اکنون باید تلاش کنند تا قطبی‌سازی عمیق دموکراتیک را با یک فرمول ریاضی حل کنند.[1][3]