来源：IEEE Spectrum

作者：Lucas Laursen

题目：Taxonomy Goes Digital: Getting a Handle on Social Bots

译者：邓巾一，王晓

直男们在交友网站上能收到的来信少之又少。但许多试用Ashley Madison（一个针对已婚人士的网站）的时髦男士，却在注册后立刻就能收到来信，但必须得付钱才能阅读。这些男士之中，稍有洞察力的就迅速发现，他们笔友们的来信十分相似，并且每天同一时间登陆和登出，最奇怪的是，这些笔友从未浏览过男士的个人资料。Gizmodo（美国知名科技博客） 在2015年的调研中发现，Ashley Madison网站使用了超过7万的机器人去引诱用户。

这些能发信息的账户是越来越多的机器人大军的又一次复现。机器人大军不仅丰富了人们的线上社交网络，更影响着一切，从我们的钱包到政治观点。现在，他们正吸引着学术研究的关注和政府科研经费的支持。

印第安纳大学计算机科学专业的毕业生Gregory Maus说“这是人类第一次开始和一个新物种分享他们的社交生态系统”。但因并不是每个人都会像Ashley Madison网站用户一样专心致志的去“撩妹”（机器妹妹），社交网络上的人类用户对任何内容都持怀疑的态度，从直白的广告到机器人推广的虚假新闻里隐晦的政治影响。两年前，美国国防部先进研究项目局（DARPA）做出应对措施，要求研究人员去识别“有影响力的机器人”，并用经费支持着未来社交网络的研究。

早前的社交机器人分类法关注于识别不同种类的机器人网络和将恶意的社交机器人进行分类，例如，泛滥于Twitter上用于组织政治抗议活动的标签。最近，另一篇文章开始找出良性社交机器人的存在。

社交机器人的分类法越来越多，Maus将会在今年6月纽约州Troy市举办的ACM网络科学会议上介绍其中一种。Maus说，这种分类法旨在扩大早前分类法的领域，希望对于研究者来说是一种“更宽广”和“更灵活”的框架，力求既能理解机器人又能与其进行交互。

英国牛津大学的计算社会学家Taha Yasseri说“有趣的地方在于，目前工作总共考虑了五种不同的维度”。他今年早些时候发布了对维基百科的案例研究，指出维基百科维护机器人之间存在着意想不到的长达多年的冲突。

Maus的论文根据三个方面对机器人进行分类：

1)机器人试图伪装为其使用者（人类）的程度；

2)怎样和其他机器人进行互动；

3)是否隐藏它的任务和它与使用者联络的程度。其中的一些分类还有子类别。

Yasseri补充到，与其仅仅单独研究某一种类别，测试不同类别怎样和其他类别进行互动将会更有帮助。人类和机器网络间的交互是Yasseri由欧盟资助项目的重点研究方向。

事实上，这是人类学习机器人分类法的特征之一：多样性和交互性。研究者们具有广泛的背景。Maus的本科专业是哲学，加入印第安纳大学网络和代理网络研究组之前曾在营销领域工作。他的研究组同事具有心理学、数学、物理学和计算机科学等方面的混合背景。

Maus说，社交网络分类学的爱好者和学生，通过学习社交网络的API并与这些问题的其他研究者交流，可以迅速上手。他的导师Filippo Menczer（印第安纳大学信息与计算机科学系教授），接收三种不同领域的学生来攻读博士学位。机器人分类学是一个足够年轻又足够复杂的学科，研究者档案的多样性几乎等同于机器人档案的多样性。

--------------------------------------------------------------------------------------------------------------------------

《麻省理工技术评论》、《君子》、《财富》杂志评定的2016年最佳书籍之一

入选“2017年度最激动人心之科学著作”的决选名单

《机器崛起》已在德先生旗下求知书店上架（识别下方二维码可进入购书直通车），现预定本书享8折优惠！

求知书店

德先生作为《机器崛起》的官方宣传平台，后期将持续为大家奉上该书的扩展阅读、推荐序以及各路大咖精彩评论。更多精彩内容敬请关注德先生。