1702567244
实际上，人们不仅模仿自己的朋友，还模仿朋友的朋友，以及朋友的朋友的朋友。
1702567245
1702567246
在儿童传话游戏中，若干个儿童站成一排，一个儿童对着下一个儿童的耳朵轻声传递信息。下一个儿童收到的信息，既包含上一个儿童引入的偏差，也包含先前的那些儿童引入的偏差，而这个儿童与先前的那些儿童并没有直接连接。这样，这些孩子们就可以模仿那些没有直接连接的人。
1702567247
1702567248
与此类似，父母常常警告孩子不要将钞票放入口中。我们认为，钞票上的细菌不仅来源于最后接触钞票的那双手，还来源于钞票流经过的许许多多的人的手。
1702567249
1702567250
因此，我们可以说，我们的朋友和家人会影响我们的行为，如发胖或投票立场等。而且，朋友的朋友和家人也会影响到我们，这就是所谓的多向传播。或者说，人与人之间传播的效果具有超出个人直接交往范围的倾向。柯尔多的哥哥就是由于这种传播而丢了性命。
1702567251
1702567252
如果网络是直线型的，多向效应很容易理解——“往下数的第三个人，好好递水桶，不然的话，我们大家就无法把事情做好。”但如果是自然形成的社会网络，究竟该如何理解呢？比如，由图1-2中的大学生，或者是成千上万人构成的复杂网络上面，有各种各样的、超出社会视域（social horizon，我们将在后面讨论）的横向连接。为了弄清网络上正在发生什么事情，我们需要两类信息。
1702567253
1702567254
首先，我们一定不能仅局限于简单的、顺序的双向连接，我们需要知道我们关注的那些人和他们的朋友，他们的朋友的朋友，他们的朋友的朋友的朋友，等等。只有同时对整个网络进行观察，我们才能获得这些信息。不过，直到最近，我们才能在大范围内做这件事情。
1702567255
1702567256
其次，如果我们想观察事物是如何从一个人流向另一个人，又进一步流向下一个人的，我们就需要连接关系信息，以及与哪些人的连接点超过一个，并能持续一段时间的信息。否则，我们就无法理解网络的动力学特性。这就如同一个我们不熟悉的体育项目，仅仅看一下介绍比赛的资料，我们是很难弄清比赛规则的。
1702567257
1702567258
我们将会讨论很多多向传播的例子，先介绍一个简单的。我们通常是这样理解传染的：如果一个人有某种东西，而这个人与另外一个人有接触，那么，这一接触足以让第二个人得到这种东西。你可以传染细菌，流言蜚语或者信息。一旦你受到传染，你就可以通过接触而传染另外一些人。如果有人准确无误地告诉你，XYZ股票的收盘价是50美元，另外一个人再告诉你同样的事情，就不会有额外的作用。但如果你愿意的话，你可以将这一信息告诉另外一个人。
1702567259
1702567260
但有些事情可能不是这样传播的，比如规范与行为。它们的传播需要一个较为复杂的过程，多个人的强化作用是必不可少的。因此，如果将网络布置成简单的直线型，就像水桶队列一样，这样的网络可能就无法支持复杂现象的传播。如果想让人们戒烟，我们不会让他们排成一队，让第一个人戒烟，并告诉他往下传。更好的办法是，我们让许多不吸烟的人包围他。
1702567261
1702567262
▲大连接实践▲
1702567263
1702567264
心理学家斯坦利·米尔格拉姆（Stanley Milgram）[4]著名的人行道实验说明了多人强化的重要性。
1702567265
1702567266
1968年的冬天，米尔格拉姆利用两个寒冷的下午，在纽约市观察了1424个行人走过一段长15米的街道时的行为。他在人行道上预先安排好“刺激人群”。“刺激人群”由研究助手组成，人数从1人到15人不等。一接到暗号，这些安排好的人会停下来，抬头看向附近一幢大楼六层的一个窗户，并持续1分钟时间。其实，窗户上并没有什么有趣的东西，只不过是另一个协助米尔格拉姆工作的人。实验结果被胶片记录了下来，助手们随后清点了停下来或向窗户看的人数。如果刺激人群仅由1人组成，会有4%的行人停下来。如果刺激人群由15人组成，就会有40%的行人停下来。很显然，行人是否会模仿某一行为，跟表现这一行为的人群大小有直接关系。
1702567267
1702567268
大多数行人对行为的模仿并不完整：他们也向刺激人群所看的方向看去，但并不停下脚步。如果刺激人群仅由1人组成，会有42%的行人向上看。如果刺激人群由15人组成，会有86%的行人向上看。但是，比这种差异更为有趣的是，被由5个人组成的刺激人群诱导向上看的行人数量，与被由15个人组成的刺激人群诱导的人数相比，基本上没差别。也就是说，在这样的背景条件下，大于5人的刺激人群对行人的行为没有更多的影响。
1702567269
1702567270
规则5：网络不受网络中人的控制
1702567271
1702567272
社会网络有很多特性和功能，它不受网络中人的控制，这些身处其中的人甚至都感觉不到它的存在。要理解这些特性，我们必须研究整个群体和它的结构，而不能只研究一个一个的个体。简单的例子包括交通拥堵和畜群的蜂拥而逃。仅仅询问一个因堵车而发怒的人，你是无法理解交通拥堵的，尽管他这辆不动的汽车也是造成交通拥堵的部分原因。我们还会看到一些复杂的例子，如人们相互连接而形成的群体在没有明确协调或并非有意的情况下，可以展现复杂的共有行为。
1702567273
1702567274
如果我们完全忽略个体的意愿和认知，将他们看成“零智商代理人”，很多简单的例子就很好理解了。思考一下体育赛事上的人浪吧。
1702567275
1702567276
▲大连接实践▲
1702567277
1702567278
1986年的世界杯在墨西哥举行，就是在这次世界杯上，人浪首次得到全世界的关注。这种现象最开始被称为“La Ola”，就是波浪的意思。做人浪的时候，一群一群观众按顺序双脚起跳，举起双臂，然后快速坐回座位。人浪的效果是很令人激动的。有一群物理学家，他们本来是研究液体表面的波浪的，后来被人浪的神奇深深吸引，于是决定研究人浪。他们找来了很多体育场的墨西哥人浪视频进行观察分析。他们注意到，这些人浪通常都沿顺时针方向滚动，总是以“20个座位/秒”的速度前进。
1702567279
1702567280
为了弄清人浪是怎样开始和传播下去的，科研人员应用了“激励介质”数学模型。这种数学模型通常用于研究非生命现象，例如，火在森林里的传播，或者电信号在心脏肌肉组织中的传播等。激励介质的行为特点是，它能够根据它周围的个体正在做什么（附近的树着火了吗？），而将自己从一种状态调整到另一种状态（着火或未着火）。这一模型对人浪现象做出了准确的预测。
1702567281
1702567282
这一结果告诉我们，即便我们对生物学和人类心理学一无所知，我们也能够理解人浪究竟是怎么一回事儿。实际上，如果仅仅研究某个人站起来和坐下的动作，我们无法理解墨西哥人浪的本质。墨西哥人浪的生成，不是某个用扩音器的人发号施令而演练出来的，它也有自己的生命。
1702567283
1702567284
鸟群、鱼群和昆虫群一致行动的数学模型也同样说明群体运动是不存在中央控制力的。但是，群体能表现出一种群体智慧，正是这种群体智慧帮助群体内的每个个体逃避或者阻击猎食者。这种行为并不存在于个体之中，而是一种群体属性。鸟群是怎样“决定”向哪里飞的呢？研究表明，鸟群的飞行要依照所有鸟的意愿进行。更重要的是，飞行的方向往往是整个鸟群的最佳选择。每只鸟发挥一点点作用，而鸟群的集体选择就会好于个别鸟的选择。与人浪和鸟群类似，尽管社会网络是由人构建的，但它也遵循自己的规则，而这种规则完全不同于人的规则。但现在，人们已不在体育场里游戏了，人们捐献器官，发胖，或者感受快乐，这些事情都可以传播。
1702567285
1702567286
正是因为这一点，我们说社会网络具有涌现特性。“涌现特性”是指总体由各组成部分的相互连接和互动而呈现出的新特性。“涌现”一词可以通过类比的方法来理解。蛋糕的味道，是制作蛋糕的任何一种原料都没有的。蛋糕的味道，也不是配料味道的平均值，如介于面粉味道和鸡蛋味道之间的一种味道。它的味道远不止这些。蛋糕的味道，超出了所有原料味道的简单相加。
1702567287
1702567288
同样，弄清楚社会网络是怎么一回事儿，我们就能真正理解，对人类而言，总体是如何大于部分的总和的。
1702567289
1702567290
★KEY WORD★涌现特性
1702567291
1702567292
涌现特性，是指“整体大于部分之和”的特性，即整体会因各组成部分的相互连接和互动呈现出新的特性。这种新的特性只有整体才具有，任何组成部件都不具有。
1702567293
[
上一页 ]
[ :1.702567244e+09 ]
[
下一页 ]