1701064160
1701064161
“没人知道这些问题的答案，”我对瓦茨说，“我们从不研究那种网络。”这就是他的观点。振子理论家们一直认为，他们的网络是完全规则的，像晶体中的原子一样有序。温弗里、佩斯金、藏本由纪都已经用最大连通性建立了模型，每个振子都与其他所有振子耦合。没有哪种网络可以更密集地连接；没有哪种结构会更简单。在这些模型后来的扩展中，数学家将那些振子首尾相接连成了一条长链，或对称地放置在方格或三维点阵的角落。类似这种规则的几何形状对于解释物理学和工程学的问题是合理的，例如，在约瑟夫森结阵列中，超导振子故意行列整齐地制造。甚至在连续的介质中，例如装满别洛索夫-扎鲍廷斯基反应的烧杯中，连接仍然是规则的：化学物质主要朝最近的邻居扩散。
1701064162
1701064163
另一方面，对于大脑中神经元的缠绕，格子和点阵显然是不合适的。此处的细胞广泛连接到邻近的细胞，而且还在穿越皮层的中途发出长距离的纤维。更好的几何模型应当包含一种更松散、更轻松的结构，它是一种有序和无序的大杂烩，具有群集的局部连接和随意的全局连接。或许蟋蟀也是如此。一个完整的新类型的振子网络或许正在等待我们去发掘。
1701064164
1701064165
我对此是持怀疑态度的。规则网格上的耦合振子已经十分难以应付，分析这些新的混合网络自然更加无望。但我喜欢瓦茨的主动精神，并不想扼杀它。
1701064166
1701064167
当我们开始四下议论瓦茨的想法时，我开始逐渐领会他更重要的观点。同样的问题也必然会出现在其他类型的动力学系统中，并不只是耦合振子而已。每当非线性元素被连接在巨大的网络中时，接线图便至关重要。这是一个基本原则：结构总是会影响功能。社交网络的结构会影响信息和疾病的传播；电网的结构会影响电力传输的稳定性。生态系统中的物种也是如此，全球市场中的公司，活细胞中的酶级联反应，都遵循这一原则。网络的布局会深刻塑造其动力学特性。
1701064168
1701064169
然而，理论家们通常都会绕开连接问题。当他们不再假设不切实际的规则排列时，便走上了另一个极端，建模成完全随机的连接。例如，1969年，理论生物学家斯图尔特·考夫曼（Stuart Kauffman）提出了一个理想化的基因网络模型，模型中每一个基因被其他两个基因的产物调节，而这两个基因是从基因组中随机选择的。之所以这样设计，并不是因为考夫曼相信实际情况真的如此，但由于1969年时我们对基因网络的连接方式一无所知，随机假设是一种无可奈何的方法，是在没有任何信息情况下的无效假设。数学流行病学家经常求助于相同的假设，他们会假设，被感染者随机与易受感染者混合，尽管对许多种疾病（尤其是性传播的疾病）而言，接触网络不可能是随机的。与规则网络类似，随机网络是十分诱人的理想化网络。理论家们沉迷于这种网络，并不是因为它们逼真，而是因为它们最容易分析。
1701064170
1701064171
到了1996年，规则网络与随机网络的二重唱开始看上去愈发不合理。所有互联网用户都感觉到互联网既是一种模式，又是一座迷宫，网页链接总是指向相同话题的其他网页，但偶尔也会偏离到特殊的岔道。艾滋病病毒和埃博拉病毒表明，传染病主要在密集的社区内传播，而且还借助飞机传播。所以瓦茨现在提出涉足到未知领域，走向有序和无序的边界是合适的。
1701064172
1701064173
◎ ◎ ◎
1701064174
1701064175
我们开始尝试想象一个“中间”网络可能的样子。最简单的方法是选取一个规则的网络，平滑地将其转化成一个随机的网络，这或多或少有点像好莱坞变脸特效，就像迈克尔·杰克逊的唱片《黑或白》（Black or White）中那样。例如，在变换的中途，我们会挑出原网络中一半的连接，删掉它们，并用相同数量的连接散落在随机的节点对之间。由此得到的网络与原网络仍然拥有相同数量的连接，但它是半随机、半规律的。或者我们不重新连接半数的连接，而是选择0和1之间的其他数字。通过输入任意期望的重新连接数量，我们可以逐步在0（得到的仍然是原网络）和1（得到的是完全重连的、无序的网络）之间调整网络。
1701064176
1701064177
举一个具体的例子。请想象将60亿个节点排成一个环，这些节点代表计算机、神经元、人以及其他任何组件。假设每个节点都恰好连接了1 000个邻居：500个结点在它的右侧，500个在它的左侧。这是一个极度有序的网络，一个完美对称的环结构。在这个阶段，调谐器设置为0，作为谱线的固定端。现在从0开始慢慢转动旋钮，逐渐改变网络形态。一些边开始被打破并重新组合。随着变形的继续，越来越多的边变成了随机连接，这削弱了原始环点阵的对称性，同时部分打破了其完整的结构。
1701064178
1701064179
我们引入两个统计数字，以量化网络不断演化的结构。其一是“平均路径长度”，它将分离度可视化。为了计算它，我们选取任意节点对，清点它们之间路径长度的边的数量；然后在其他节点对之间重复上述过程，然后计算得到的路径长度的平均值。
1701064180
1701064181
对原始状态的环来说，这种计算很容易，特别是当你将网络描绘成社会时，此时节点代表人，边代表朋友关系。这个假想的世界（“环形世界”）有几分像我们自己，因为我们也有60亿人，但除此之外，它是一个完全陌生的世界。它的居民注定要生活在异常严格的条件下，大家肩并肩地站在一个巨大无比的圆环上。然后，我们让每个人与他左侧的500人交友，然后再与其右侧的500人交友，但不允许他们与其他人交友。这样的世界中不会有六度分离，而是高达300万度的分离。
1701064182
1701064183
要知道为什么，请想象你与圆环上距离你最远的人之间的路径长度，就是远端与你径直对面的那个人。为了通过最短路径联系到他，你要联系你的第500个朋友（距离目标最近）。从那个人开始，最快路径是再次跳过中间的人，直接跳到那个人的第500个朋友，以此类推，每隔500人在圆环上跳跃前进。整个旅程需要30亿除以500，即600万步，但这是最遥远的目标。对于最近的目标——站在你身旁的人，只需要一步。所以平均起来，你和他人的距离大约为300万步，即300万度的分离。
1701064184
1701064185
在谱线的另一端，当变形结束，网络已完全随机时，计算同样直截了当。现在很显然，每个人与其他人之间只相距4步。想知道其原因，我们需要了解指数级增长。在随机世界中，如果你认识1 000个人（平均），他们每个人都认识1 000个人，这意味着有100万（1 000×1 000）人与你相隔2步以内，10亿人相隔3步以内，1万亿人（这个数字已经远远超过地球上的总人口）相隔4步以内。
1701064186
1701064187
以同样的论据推算我们自己的世界是很诱人的，这可以解释我们为何都是六度分离，但在真实世界里，论据不再有效。它忽略了真实的朋友圈会重叠的事实——你朋友的朋友很可能也是你的朋友，他们被计算了两次。
1701064188
1701064189
对于一个假想的网络，网络的稀疏和稠密完全随机，然而，计算却是有效的，因为朋友圈的重叠在这个例子中微不足道。你从巨大的60亿个样本中随机选择1 000人，你的朋友也是如此，结果证明，此时重叠的概率只有六百万分之一，所以基本上没有重复计数。当然，这样的世界是很奇怪的。你很可能认识喜马拉雅山上的农夫、威尔士亲王或者你的邻居。你的朋友会分散在各个大陆、各个阶层、各个种族、各个宗教。在一个没有重叠的世界中，没有社会结构，没有家庭，没有社区。
1701064190
1701064191
这一论点突出了理解更普遍意义上的重叠的重要性。网络中重叠的平均数量通过第二个统计量进行量化，这个统计量就是“集群”（clustering），集群的定义是连接到同一节点的两个节点彼此互相连接的概率（就人而论，即朋友的朋友彼此也是朋友的概率）。在上文讨论的两种极端模型中，集群的变化范围相当大，初始圆环的集群高达0.75，随机网络的集群则低至六百万分之一。
1701064192
1701064193
为了计算出0.75这个数字的来源，你需要意识到，圆环中你和你身边的人的所有朋友几乎都是相同的（精确地说，是1 000个朋友中的998个都相同），你和与你最亲近的那个人的朋友重叠率几乎等于1。另一方面，和你最遥远的朋友，即距离你500步的那个朋友之间，你们仅仅共享大约一半的朋友（他们是圆环上碰巧被夹在你们中间的499人），所以你与最遥远的人的重叠率是499/1 000，约等于1/2。对于其他介于最近和最远之间的朋友，重叠率从1/2平滑地变成1，平均数为3/4，这就是集群为0.75的由来。下一步，我们可以应用类似的、但稍容易的推理来计算随机连接的情况，集群的推理结果应该等于六百万分之一。如果你充满好奇心，计算它会是一件很有乐趣的事情。但请你不要迷失在这些细节中。这里的关键点只是平均路径长度，随着我们将网络从谱线的一端变换到另一端，集群几乎变化了数百万倍。
1701064194
1701064195
虽然平均路径长度和集群这两个统计量的数值因一个相似因素而下降，但是它们体现了网络体系结构中非常不同的侧面。平均路径长度反映了全局结构；它取决于整个网络的连接方式，这无法从任何局部测量推断出来。集群反映了局部结构，它只取决于典型的邻居之间的相互连接，节点之间的关系纽带连接到了一个共同的中心。粗略地讲，平均路径长度决定了网络的大小，集群决定了裙带关系的强弱。
1701064196
1701064197
◎ ◎ ◎
1701064198
1701064199
到目前为止，我们已经分析了网络频谱的两个极端。但是我们仍然不清楚中间发生的事情。两个端点告诉我们，变换通过某种方式使圆环大大收缩，并破坏了它的集群。我们尚不知晓的是，这种变化是渐进的还是突发的。瓦茨和我都不知道如何用纯数学来解决这个问题，所以我们用电脑模拟巨大但可控范围内的网络变换，我们从有1 000个节点、每个节点有10条边的原始环开始。为了描绘出中间地带的结构变化，我们将平均路径长度和集群作为随机重连的边所占比例的函数，绘制出了它们的函数图像。
1701064200
1701064201
我们发现的结论十分惊人。即便是最微小的随机性也会使网络大幅收缩，导致平均路径长度开始暴跌。仅仅1%的重连（意味着每100条边中只有1条是随机的），平均路径长度就从原始水平下降了85%。进一步的重连只有极小的影响；曲线慢慢地下降到了一个平稳状态，表明网络已经收缩到了它所能达到的最小水平，仿佛它是完全随机的。与此同时，集群几乎没有任何变化。对于1%的重连，集群只下降了3%。连接从秩序井然的临近街坊中间被拉了出来，然而，集群几乎不受影响。只有在变换的晚期，平均路径长度塌缩很久以后，集群才开始显著下降。
1701064202
1701064203
我们可以很直观地解释这些结果。在变换开始时，最先重连的边充当了网络中相距遥远部分之间的捷径。它们之所以会打破平衡，是因为一种强大的非线性效应：它们不仅把两个节点连到了一起，而且把整个世界拉到了一起。例如，我喜欢在网络国际象棋俱乐部在线下棋，在那里，我同荷兰一家杂志社的编辑艾米洛成为朋友。由于这个捷径，我同他接近了很多，而且也同其他成千上万的荷兰人接近了很多，包括他所有的朋友，以及朋友的朋友。尽管我的朋友并未意识到，但实际上通过我和艾米洛创造的捷径，他们已经同艾米洛和艾米洛的朋友们更接近了。这座桥梁发挥了巨大的作用。
1701064204
1701064205
在我们的模拟中，最初的新捷径大大缩减了世界的规模，但对集群的影响要小得多。这意味着对于局部而言，变化成小世界是基本无法被检测到的。如果你经历了变换，你的直接邻居根本不会告诉你世界已经变小了。你的朋友数量仍然相同，这与他们是否将你连接到了更大的圈子完全无关。在这样的世界里，人们可能会认为不会受到类似艾滋病这样的疾病的威胁，他们的理由是：他们的性伴侣都不在高危人群中，然而在现实中，他们或许只与艾滋病病毒携带者相隔一两步。
1701064206
1701064207
这种模拟最重要的结果是，在重连过程中的广阔中间状态中，模型网络集群性很高，同时规模又很小。这种奇特的组合在数学上是新奇的。在传统网络中，规模大小和集群密切相关。随机网络规模很小，集群性很低；规则网络规模很大，集群性很高。重新连接的网络却设法让规模小和高度集群二者同时发生。
1701064208
1701064209
我们将拥有这对看似矛盾属性的网络称为“小世界网络”，人际关系之间也存在与之极为相似的矛盾，我们在紧密的圈子中运动，而全世界的人却都被非常短的关系连接到了一起。现在的问题是：大自然能否利用这种网络结构的特殊形式？如果能的话，目的又是什么？
[
上一页 ]
[ :1.70106416e+09 ]
[
下一页 ]