How fake news can turn against its spreader

यहाँ डोरजे सी. ब्रोडी और तोमोकी युआसा के शोध पत्र "How fake news can turn against its spreader" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र लोकतांत्रिक प्रक्रियाओं और सार्वजनिक धारणा पर दुष्प्रचार ("फेक न्यूज") के बढ़ते प्रभाव को संबोधित करता है। जबकि मौजूदा साहित्य अक्सर फेक न्यूज का पता लगाने या उसे खंडित करने (debunking) पर ध्यान केंद्रित करता है, यह अध्ययन एक विरोधाभासी घटना की जांच करता है: विशिष्ट परिस्थितियों में, दुष्प्रचार का प्रसार प्रसारक (spreader) के इरादे के विपरीत परिणाम दे सकता है।

लेखक यह मॉडल करने का प्रयास करते हैं कि तर्कसंगत प्राप्तकर्ता (rational receivers) कई सूचना स्रोतों को कैसे संसाधित करते हैं जब एक या अधिक स्रोतों में छिपे हुए पूर्वाग्रह (दुष्प्रचार) हों। वे यह निर्धारित करना चाहते हैं कि क्या और कब वास्तविक और फर्जी सूचनाओं का संयोजन एक "रिवर्सल इफेक्ट" (reversal effect) की ओर ले जाता है, जहाँ प्राप्तकर्ता की अद्यतित धारणा (updated belief) दुष्प्रचार प्रसारक के वांछित परिणाम से विपरीत दिशा में चली जाती है।

2. कार्यप्रणाली (Methodology)

लेखक संचार सिद्धांत (Communication Theory) और बेयसियन अनुमान (Bayesian Inference) पर आधारित एक ढांचे का उपयोग करते हैं, विशेष रूप से सामाजिक गतिशीलता के लिए अनुकूलित सूचना-आधारित संपत्ति मूल्य निर्धारण (Information-Based Asset Pricing) मॉडल का।

• सिग्नल-प्लस-नॉइज़ मॉडल (Signal-plus-Noise Model): सूचना को एक यादृच्छिक चर $X$ (सत्य अवस्था, जैसे किसी उम्मीदवार की स्थिति) के रूप में मॉडल किया गया है, जो शोर $\epsilon$ द्वारा दूषित है। प्राप्त संदेश $\xi = \sigma X + \epsilon$ है, जहाँ $\sigma$ सिग्नल-टू-नॉइज़ रेशियो (SNR) है।
• दुष्प्रचार मॉडलिंग (Disinformation Modeling): दुष्प्रचार को शोर पद में एक योज्य पूर्वाग्रह (additive bias) $f$ के रूप में मॉडल किया गया है, जिससे संदेश $\xi = \sigma X + (\epsilon + f)$ हो जाता है। यह माना गया है कि प्राप्तकर्ता $f$ से अनभिज्ञ है, और वह इस पक्षपाती संदेश को शुद्ध शोर (pure noise) के रूप में मानता है।
• बेयसियन अपडेटिंग (Bayesian Updating): प्राप्तकर्ता $\xi$ प्राप्त करने पर बेयस के सूत्र का उपयोग करके $X$ के संबंध में अपनी पूर्व प्रायिकता (prior probabilities) $\{p_k\}$ को अपडेट करता है।
• सूचना संलयन (Information Fusion): मुख्य कार्यप्रणाली दो अलग-अलग सूचना स्रोतों ($\xi_1$ और $\xi_2$) को एक एकल प्रभावी सूचना स्रोत में संयोजित करने में शामिल है। लेखक उन गणितीय स्थितियों को व्युत्पन्न करते हैं जिनके तहत इन स्रोतों के शोर पद सह-संबंधित (correlated) होते हैं ($\rho$)।
• निरंतर समय विस्तार (Continuous Time Extension): मॉडल को एक चुनाव चक्र के दौरान सूचना के निरंतर आगमन को सिम्युलेट करने के लिए ब्राउनियन मोशन (Brownian motion) का उपयोग करके एक टाइम-सीरीज सेटिंग में सामान्यीकृत किया गया है।
• ओवरशूट विश्लेषण (Overshoot Analysis): शोध पत्र दुष्प्रचार के परिमाण और परिणामी उत्तरवर्ती प्रायिकता (posterior probability) के बीच गैर-रेखीय संबंध का विश्लेषण करता है, विशेष रूप से राजनीतिक स्पेक्ट्रम पर मध्यवर्ती उम्मीदवारों पर ध्यान केंद्रित करता है।

3. प्रमुख योगदान (Key Contributions)

शोध पत्र तीन प्राथमिक सैद्धांतिक योगदान देता है:

1. रिवर्सल इफेक्ट (Backfiring): लेखक सिद्ध करते हैं कि जब दो सूचना स्रोतों को संयोजित किया जाता है, यदि शोर पद धनात्मक रूप से सह-संबंधित ($\rho > 0$) हैं और दुष्प्रचार स्रोत ($\sigma_2$) का सिग्नल-टू-नॉइज़ रेशियो वास्तविक स्रोत ($\sigma_1$) के सापेक्ष पर्याप्त रूप से बड़ा है, तो दुष्प्रचार एक विपरीत प्रभाव उत्पन्न कर सकता है।
   • शर्त: यदि $\sigma_2 < \rho \sigma_1$, तो $X$ के उच्च मूल्यों की ओर विश्वास को धकेलने के लिए लक्षित एक धनात्मक पूर्वाग्रह $f$ वास्तव में विश्वास को निम्न मूल्यों की ओर धकेल देगा।
2. ओवरशूट इफेक्ट (Overshoot Effect): शोध पत्र एक ऐसी स्थिति की पहचान करता है जहाँ अत्यधिक दुष्प्रचार प्राप्तकर्ता की धारणा को इच्छित लक्ष्य से आगे धकेल देता है। यदि कोई उम्मीदवार दुष्प्रचार का उपयोग करके मतदाताओं को एक चरम स्थिति की ओर धकेलने का प्रयास करता है, तो अत्यधिक मात्रा में ऐसा शोर प्राप्तकर्ता को इच्छित मध्यवर्ती उम्मीदवार को छोड़कर स्पेक्ट्रम के सबसे चरम उम्मीदवार की ओर उछाल सकता है।
3. दुष्प्रचार का मुकाबला करने के लिए रणनीतिक निहितार्थ: अध्ययन सुझाव देता है कि सबसे प्रभावी जवाबी रणनीति केवल तथ्य-जांच (जो कि पूर्वव्यापी/retrospective है) नहीं है, बल्कि वास्तविक सूचना के सिग्नल स्ट्रेंथ (signal strength) को बढ़ाना है। सत्य स्रोतों के SNR को बढ़ाकर, सह-संबंधित शोर (दुष्प्रचार) के प्रभाव को गणितीय रूप से निष्प्रभावी या उलटा जा सकता है।

4. मुख्य परिणाम (Key Results)

A. रिवर्सल तंत्र (The Reversal Mechanism)

जब एक प्राप्तकर्ता दो संदेशों का उपभोग करता है:
$$\xi_1 = \sigma_1 X + \epsilon_1$$
$$\xi_2 = \sigma_2 X + \epsilon_2 + f_2$$
(जहाँ $\epsilon_1, \epsilon_2$ सहसंबंध $\rho$ के साथ सह-संबंधित हैं), संयुक्त प्रभावी संदेश $X$ के सिग्नल में बदलाव लाता है।

लेखक व्युत्पन्न करते हैं कि प्राप्तकर्ता की धारणा में शुद्ध बदलाव (net shift) निम्नलिखित के समानुपाती है:
$$\Delta X \propto \frac{\sigma_1 - \rho \sigma_2}{\sigma^2(1-\rho^2)} f_1 + \frac{\sigma_2 - \rho \sigma_1}{\sigma^2(1-\rho^2)} f_2$$

• महत्वपूर्ण निष्कर्ष: यदि $\rho > 0$ और $\sigma_2 < \rho \sigma_1$, तो $f_2$ के लिए गुणांक (coefficient) ऋणात्मक हो जाता है।
• व्याख्या: यदि एक दक्षिणपंथी दल (जो मतदाताओं को दाईं ओर धकेलने के लिए $f_2 > 0$ का इरादा रखता है) दुष्प्रचार जारी करता है जबकि एक वामपंथी दल मजबूत, उच्च-गुणवत्ता वाली सूचना जारी करता ($\sigma_1$ बड़ा है), तो वे मतदाता जो दोनों स्रोतों का उपभोग करते हैं, वास्तव में बिना दुष्प्रचार के तुलना में अधिक बाईं ओर शिफ्ट हो जाएंगे। तर्क यह है कि प्राप्तकर्ता, $\xi_2$ में एक बड़े मान को देखते हुए और $\xi_1$ के मजबूत मान को देखते हुए, यह निष्कर्ष निकालता है कि $\xi_2$ में शोर बहुत अधिक है। चूंकि शोर सह-संबंधित हैं, वे निष्कर्ष निकालते हैं कि $\xi_1$ में भी शोर अधिक है, जिससे वे निष्कर्ष निकालते हैं कि वास्तविक सिग्नल $X$ को संतुष्ट करने के लिए $X$ का मान छोटा होना चाहिए।

B. ओवरशूट इफेक्ट (The Overshoot Effect)

एक राजनीतिक स्पेक्ट्रम $x_1 < x_2 < \dots < x_n$ में, यदि $x_{n-1}$ पर स्थित कोई उम्मीदवार मतदाताओं को दाईं ओर धकेलने के लिए दुष्प्रचार का उपयोग करता है:

• मध्यम दुष्प्रचार मतदाताओं को $x_{n-1}$ की ओर धकेलता है।
• अत्यधिक दुष्प्रचार $x_{n-1}$ की तुलना में चरम उम्मीदवार $x_n$ की उत्तरवर्ती प्रायिकता को अधिक बढ़ाता है।
• यह इसलिए होता है क्योंकि मध्यवर्ती उम्मीदवारों के लिए उत्तरवर्ती प्रायिकता फलन (posterior probability functions) सीमित और यूनिमोडल (unimodal) होते हैं, जबकि चरम स्थितियाँ हावी हो सकती हैं यदि सिग्नल को पर्याप्त रूप से आगे धकेल दिया जाए।

C. निरंतर समय गतिशीलता (Continuous Time Dynamics)

परिणाम निरंतर समय (ब्राउनियन मोशन के माध्यम से मॉडल किया गया) में भी मान्य हैं। रिवर्सल की स्थिति $\sigma_2 < \rho \sigma_1$ वैध बनी रहती है, जिसका अर्थ है कि सूचना के गतिशील प्रवाह में भी, एक मजबूत, उच्च-गुणवत्ता वाला सिग्नल सह-संबंधित शोर (दुष्प्रचार) के प्रभाव को निष्प्रभावी या उलट सकता है यदि शोर सहसंबंध धनात्मक हैं।

5. महत्व और निहितार्थ (Significance and Implications)

• सैद्धांतिक अंतर्दृष्टि: शोध पत्र एक कठोर गणितीय प्रमाण प्रदान करता है कि दुष्प्रचार हमेशा शून्य-योग खेल (zero-sum game) नहीं होता जहाँ "अधिक शोर का अर्थ अधिक भ्रम" होता है। विशिष्ट संरचनात्मक स्थितियों के तहत (धनात्मक शोर सहसंबंध और वास्तविक स्रोतों में उच्च SNR), शोर आत्मघाती हो सकता है।
• नीति और रणनीति:
  • जवाबी रणनीति: फेक न्यूज के खिलाफ सबसे प्रभावी बचाव केवल उसे खंडित करना (जिसके लिए प्राप्तकर्ता को पूर्वाग्रह के अस्तित्व का पता होना आवश्यक है) नहीं है, बल्कि उच्च-गुणवत्ता वाली, उच्च-SNR सूचना से क्षेत्र को भरना है।
  • फैक्ट-चेकिंग की सीमाएं: लेखक तर्क देते हैं कि जबकि तथ्य-जांचकर्ता उपयोगी हैं, उनकी पूर्वव्यापी प्रकृति उनके प्रभाव को सीमित करती है। इसके बजाय, दुष्प्रचार के वितरण (भले ही विशिष्ट उदाहरणों का पता न हो) का सांख्यिकीय ज्ञान प्राप्तकर्ताओं को प्रभावों को कम करने की अनुमति देता है।
  • कट्टरपंथ का जोखिम: "ओवरशूट इफेक्ट" राजनीतिक अभिनेताओं को चेतावनी देता है कि आक्रामक दुष्प्रचार अभियान मतदाताओं को इच्छित मध्यम लक्ष्य को छोड़कर सबसे चरम स्थितियों की ओर कट्टरपंथी बनाकर उल्टा पड़ सकते हैं।
• वास्तविक अनुप्रयोग: शोध पत्र यूके कंजर्वेटिव पार्टी के "स्टॉप द बोट" (Stop the Boat) अभियान को ओवरशूट प्रभाव के एक संभावित वास्तविक उदाहरण के रूप में उद्धृत करता है, जहाँ प्रवासन पर अतिरंजित संदेशों ने अनजाने में अधिक चरम 'रिफॉर्म यूके' पार्टी के समर्थन को बढ़ावा दिया।

निष्कर्षतः, यह शोध पत्र प्रदर्शित करता है कि सूचना स्रोतों की परस्पर क्रिया गैर-तुच्छ (non-trivial) है। संचार सिद्धांत का लाभ उठाकर, यह प्रकट करता है कि दुष्प्रचार का "हथियार" प्रसारक के विरुद्ध भी इस्तेमाल किया जा सकता है यदि सूचना वातावरण सही ढंग से संरचित हो, जो लोकतांत्रिक प्रक्रियाओं की रक्षा के लिए एक नवीन, गणितीय रूप से आधारित दृष्टिकोण प्रदान करता है।