Работа опубликована в журнале Chaos, Solitons & Fractals. Модель динамики мнений — это математическое представление процесса изменения мнений участников в социальной сети в результате информационного обмена. Она состоит из агентов, представляющих индивидуальные субъекты, а также связей между ними, которые определяют структуру взаимодействий, и правил обновления мнений, отражающих процесс принятия решений на основе новой информации.

Для создания модели нужно определить характеристики агентов (например, их уровни влиятельности или склонности к изменению мнений), установить правила их взаимодействия (как распространяется информация), а также разработать алгоритм обновления убеждений на основе новых данных и внешних воздействий. Агенты могут влиять друг на друга по-разному: например, ассимилятивное воздействие предполагает, что участники сети склонны принимать мнения тех, кто на них влияет. Репульсивное воздействие, наоборот, предполагает, что участники могут принимать мнения, противоположные мнениям своих друзей.

«Целью этого исследования было нахождение оптимальных управляющих стратегий в социальных сетях — речь может идти, например, о продвижении некоторого продукта на рынке. Однако на данный момент мы не знаем точных механизмов социального влияния. Основной вызов заключался в построении такой модели социальной системы, которая была бы устойчива к нашему незнанию устройства социального влияния, и эту модель можно было бы легко перенастроить при появлении новых данных. На мой взгляд, этого удалось добиться: разработанный комплекс моделей и методов позволяет находить оптимальные и субоптимальные управляющие стратегии для упомянутых выше механизмов социального влияния, а также учитывать различные иерархии влиятельности системы», — рассказывает Иван Козицин, доцент кафедры высшей математики МФТИ, научный сотрудник Института проблем управления имени В. А. Трапезникова РАН.

При разработке модели влияния ученый использовал теорию оптимального управления. Это область математики, которая занимается поиском оптимальных стратегий управления динамическими системами с целью достижения определенных заданных критериев. В контексте модели динамики мнений теория оптимального управления позволяет определить наилучшие стратегии воздействия на мнения агентов в социальной сети. Для нахождения оптимального управления были разработаны несколько моделей и алгоритмов. Базовая модель описывает, как мнения агентов в социальной сети эволюционируют во времени. Она представлена в виде системы обыкновенных дифференциальных уравнений, которые отражают изменение мнений агентов в зависимости от их влиятельности. Для решения задачи оптимального управления был использован принцип максимума Понтрягина.

В результате были построены два численных метода: прямой метод и метод прямой-обратной прогонки. Прямой метод основан на оптимизации целевого функционала, а метод прямой-обратной прогонки последовательно подставляет приближения в принцип максимума Понтрягина, с каждым шагом приближаясь к более оптимальному. С помощью этих методов были найдены оптимальные стратегии управления динамикой мнений в социальных сетях в различных заданных условиях.

Некоторые из разработанных стратегий управления были основаны на адаптивном контроле, когда мнения воздействующих агентов (содержательная интерпретация — боты в социальных сетях) «поддерживаются» на постоянном расстоянии от мнений остальных агентов для обеспечения максимальной положительной обратной связи от системы. Был проведен анализ эффекта различных механизмов социального влияния на результаты решения задачи управления. Выявлено, что оптимальное управление может существенно зависеть от типа механизма социального влияния. Также показано, что адаптивные стратегии управления могут быть эффективны в случае механизма ограниченного доверия (когда агенты не доверяют взглядам, противоположным их собственным), а также в случае комбинирования ассимилятивного и репульсивного механизмов влияния.

«Безусловно, у текущего исследования есть недостатки. К примеру, пока не удается точно описать динамику сильно коррелированных социальных систем, например систем, в которых содержатся эхо-камеры (плотные сообщества людей, имеющих одинаковые взгляды). Также модель пока не позволяет учесть различные уровни активности пользователей в социальных сетях. Над этим предполагается работать дальше: без учета этих недостатков применимость модели остается под вопросом, а полученные результаты носят скорее теоретический характер. Мы планируем расширить наши модели, чтобы они смогли учитывать алгоритмы ранжирования в социальных медиа», — рассказывает Иван Козицин о дальнейших направлениях исследования.