隨著互聯(lián)網(wǎng)和人工智能技術的飛速發(fā)展，人類社會已經(jīng)逐漸轉(zhuǎn)變?yōu)橐粋€高度互聯(lián)、信息豐富的人智協(xié)同與交互 (Human-AI Interaction  &  Collaboration) 的數(shù)字生態(tài)系統(tǒng)。在這個生態(tài)系統(tǒng)中，推薦系統(tǒng)、社交網(wǎng)絡等新型的協(xié)同與交互模式不僅影響著人們獲取信息的方式，還塑造著人們的興趣、偏好乃至價值觀。然而，數(shù)字生態(tài)系統(tǒng)的內(nèi)生性問題也日益凸顯，如隱私泄露、信息過濾泡沫、觀點極化等。如何多維度系統(tǒng)探究由大規(guī)模人群參與的數(shù)字生態(tài)系統(tǒng)的宏觀微觀演化模式，揭示其中潛在的隱私、價值等突出問題，已經(jīng)成為AI for Social Science持續(xù)關注的重要研究方向。

圍繞這一研究方向，依托國家自然科學基金面上項目“面向協(xié)同成長的在線社區(qū)群體交互行為分析與推薦方法研究”，實驗室開展了廣泛的研究工作。近期，實驗室博士研究生張光平作為第一作者的論文“Simulating News Recommendation Ecosystems for Insights and Implications”被IEEE TCSS期刊錄用并發(fā)表。該文章以在線新聞社區(qū)為場景，構建了新聞推薦生態(tài)系統(tǒng)演化模擬平臺 SimuLine，探究現(xiàn)有推薦系統(tǒng)運行模式下新聞社區(qū)“啟動-成長-成熟-衰退”的生命周期，并對生命周期中每個階段的維護提出了戰(zhàn)略性建議，旨在最大程度地延長新聞社區(qū)的生命周期，并提升其可持續(xù)性。此外，還探討了推薦系統(tǒng)設計策略對演變過程的影響，為推薦系統(tǒng)的設計帶來了新的思路。該研究成果曾先后在中國控制大會CCC’ 23、中國人工智能學會社會計算與社會智能學術年會BDSC’ 23、中國計算機大會CNCC’ 23、中國強化學習社區(qū)大會RLChina’ 23等的報告中展示，獲得學界和業(yè)界的廣泛關注。

模擬框架

論文鏈接：

https://ieeexplore.ieee.org/abstract/document/10504866

代碼鏈接：

https://github.com/aSeriousCoder/SimuLine