“算法在识别并强化‘同质’连接，同时削弱‘异质’连接。”李文博指着屏幕。

“这就是林总监提到的‘认知茧房’形成过程。”

随着模拟时间推进，屏幕上的景象变得更加惊人。

原本交织在一起的彩色节点群，开始逐渐分离、收缩，形成一个个边界清晰、内部颜色高度统一的“孤岛”。

每个孤岛内部，信息高速循环，节点间的联系紧密到几乎形成实心团块。

但在不同的孤岛之间，几乎看不到任何连接线存在。

“看这里，”李文博放大其中一个“孤岛”，“岛内的观点并非静止不动。

由于算法持续推送能激发更强情绪反应（尤其是负面情绪）的内容，岛内的共识会朝着更极端的方向演化。”

可以看到，一个最初只是浅蓝色的节点群（代表温和的保守观点），在模拟过程中，颜色逐渐加深，最终变成了近乎黑色的深蓝（代表极端保守）。

旁边一个浅红色的节点群（代表温和的自由观点）也同样演变成了炽烈的深红（代表极端自由）。

“这就是‘群体极化’效应，被算法极大地加速和放大了。”

李文博语气沉重：“算法不在乎观点本身，它在乎的是如何用更极端的内容来‘喂养’这种倾向，以换取更长的用户停留时间和更多的互动。”

然后，他展示了最令人不安的一部分模拟。

当这些高度极化、彼此隔离的“孤岛”，因为某个外部事件（模拟中用一个闪烁的警示符号代表），而不得不发生接触时——例如在某个公共话题的讨论中——结果不是理性的辩论，而是瞬间爆发的、激烈的冲突。

“由于长期缺乏跨观点的信息交流和理解，加上算法此前可能已经潜移默化地将对方群体‘非人化’（通过推送妖魔化对方的内容），一旦接触，几乎必然导致误解和敌对情绪的总爆发。”

屏幕上，代表不同孤岛的色块边缘爆发出密集的、代表攻击性言论和负面情绪的红色闪电符号，这些闪电进一步强化了各自孤岛的内部凝聚力和对外部的敌意。

“它在系统性制造对立，”陆彬看着屏幕上那幅分裂的图景，缓缓说道，冰洁的直觉和林雪怡的警报在此刻被这冰冷的模型彻底证实。

“不仅仅是被动地反映社会分歧，而是在主动地、有组织地扩大和固化这些分歧。”

“是的，陆董。”李文博关闭了模拟，调出实际数据对比图。