1701068000
1701068001
在这种情形下，移除中心节点就对我们有利。专家建议，安全性行为宣传、疫苗接种等干预措施应当主要针对这类中心节点。
1701068002
1701068003
但是得不到性关系的数据，绘制不出整个网络，又如何能识别出中心节点呢？
1701068004
1701068005
另一个网络科学家团体提出了一个巧妙而简单的方法 [245] ：从风险人群中随机选取一组人，让他们每人提供一位性伴侣的名字。然后给这些性伴侣接种疫苗。性伴侣很多的人出现在名单中的概率会很高，从而通过这种方案被接种疫苗。
1701068006
1701068007
当然这种方法也可以用到其他场合，用来进行“中心节点打靶”，比如对付通过电子邮件传播的病毒：对于这种情况，杀毒应当重点针对邮件通信录很长的用户的计算机， [246] 而不是寄希望于所有计算机用户都能查杀病毒。
1701068008
1701068009
生态与食物网
1701068010
1701068011
在生态学中，食物链的传统概念已经转变成食物网（food web）的概念，食物网中的节点代表物种或物种群；如果物种B是物种A的食物，就有一条边从节点A连接到节点B。图16.1展示了一个食物网的简单例子。
1701068012
1701068013
1701068014
1701068015
1701068016
▲图16.1 食物网示例[图例来自美国地质勘探局阿拉斯加科学中心（USGS Alaska Science Center, http：//www.absc.usgs.gov/research/seabird_foragefish/marinehabitat/home.html）]
1701068017
1701068018
绘制各种生态系统的食物网一直是生态学的重要内容。最近，科学家们开始用网络科学来研究食物网，深入理解生物多样性以及破坏生物多样性会带来的可能后果。
1701068019
1701068020
一些生态学家认为（至少部分）食物网具有小世界特性，其中一些还具有连接度无尺度分布，这种特点可能使食物网在面对物种的随机灭绝时具有一定的稳健性。另一些生态学家则不同意食物网具有无尺度结构，生物学界最近对这个问题有很多争议， [247] 主要是对如何解读真实数据难以达成共识。
1701068021
1701068022
复杂 [:1701064823]
1701068023
网络思想的意义
1701068024
1701068025
网络思想对许多科技领域都有影响，前面只是一小部分例子。连接度无尺度分布、集群性和存在中心节点是共同的主题；这些特点使得网络具有小世界的通信能力，并且在随机删除节点时具有稳健性。所有这些特点都有助于理解科学和技术领域的复杂系统。
1701068026
1701068027
在科学领域，网络思想为描述自然界复杂系统的共性提供了新的语言，也使得从不同领域得到的知识能相互启发。就其本身来说，网络科学正是它自己所说的那种中心节点——它使得本来相隔遥远的学科变得很近。
1701068028
1701068029
在技术领域，网络思想为许多困难问题提供了新的思路，例如，如何让网络上的搜索变得高效，如何控制流行病，如何管理大型组织，如何保护生态系统，如何应对威胁身体中的复杂系统的疾病，如何应对现代犯罪和恐怖组织，以及在更高层面上，自然、社会和技术网络有怎样内在的稳健性和脆弱性，又应当如何利用和保护这种系统。
1701068030
1701068031
复杂 [:1701064824]
1701068032
无尺度网络是如何产生的 [248]
1701068033
1701068034
没有谁有意识地将万维网设计成无尺度分布。万维网的连接度分布，同前面提到的所有网络一样，是网络在形成过程中涌现的产物，是由网络的生长方式决定的。
1701068035
1701068036
1999年，物理学家巴拉巴西和艾伯特提出了一种网络生长机制 [249] ——偏好附连（preferential attachment），用来解释大部分真实世界网络的无尺度特性。其中的思想是，网络在增长时，连接度高的节点比连接度低的节点更有可能得到新连接。直观上很明显。朋友越多，就越有可能认识新朋友。网页的入度越高，就越容易被找到，因此也更有可能得到新的入连接。换句话说就是富者越富。巴拉巴西和艾伯特发现，偏好附连的增长方式会导致连接度无尺度分布。（他们当时不知道，这种机制以及所产生的幂律在以前至少被独立发现过三次 [250] 。）
1701068037
1701068038
科技文献引用网络的增长 [251] 是偏好附连效应的一个例子。在这个网络中节点是科技文献；一篇论文如果被另一篇论文引用，就得到一条入连接。因此论文被引用的次数越多，连接度就越高。人们一般认为被引用次数越多，论文就越重要；在科学界，这个指标会决定你的职位、加薪等等。不过，偏好附连似乎经常在其中扮演重要角色。设想你和科学家乔各自独立地就同一个问题写了很出色的论文。如果我在我的论文中碰巧引用了你的文章，却没有引用乔的，其他人如果只读了我的文章就很有可能会引用你的文章（经常是读都没读）。其他人如果读到了他们的文章，也会更有可能引用你的而不是乔的文章。局势会越来越有利于你，不利于乔，尽管乔的论文和你的论文质量一样好。偏好附连机制会导致作家格拉德威尔（Malcolm Gladwell）所说的引爆点 [252] （tipping points）——论文引用、时尚流行等过程通过正反馈循环开始剧烈增长的点。另外，引爆点也可以指系统中的某处失效引发系统全面加速溃败，后面我们将讨论这种情况。
1701068039
1701068040
复杂 [:1701064825]
1701068041
幂律以及对其的质疑
1701068042
1701068043
前面我们说了，无尺度网络的连接度幂律分布能使系统稳健、通信迅速，这也使得这种网络在自然界很普遍，而它们的形成机制主要是偏好附连。这个观念给科学家研究其他问题带来了新的思路。
1701068044
1701068045
不管一种思想如何具有吸引力，科学家们对之都天生抱有怀疑，尤其是新提出的思想，还没有被怎么检验过，对于那种声称对很多学科都具有普适性的思想更是如此。这种怀疑态度是健康的，它是科学能够进步的关键。因此，并不是所有人都加入了网络科学阵营，事实上很多人认为，对于网络科学在复杂系统研究中的意义，一些观点过于乐观。下面我们来看看这些怀疑观点。
1701068046
1701068047
1.幂律和无尺度分布被滥用。对于真实世界中的网络，一般都很难得到好的数据。例如，巴拉巴西和他的同事在研究代谢网络时用的是网上的数据库，其中的数据由世界各地的生物学家提供。这类生物数据库对于研究很有帮助，但同时也必然是不完善的，还有很多错误。巴拉巴西和他的同事只能靠统计和曲线拟合来计算各种代谢网络的度分布，这种方法还存在问题，但是分析真实数据时大部分用的都是这种方法。用这种方法确定为“无尺度”的一些网络后来又被发现其实不是无尺度分布。 [253]
1701068048
1701068049
就像哲学家和生物史学家凯勒（Evelyn Fox Keller）说的：“现在幂律的普遍性可能被高估了 [254] 。”物理学家和网络学家沙利兹（Cosma Shalizi）的话说得更不客气：“我们对幂律的迷恋是一种耻辱 [255] 。”就在我写下这些的时候，对于真实世界的网络是不是确实是无尺度分布仍然存在很多争议。