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
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
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。
1701068050
1701068051
2.即使网络确实是无尺度分布，也有很多可能会导致网络的连接度幂律分布；并不一定非得是偏好附连。沙利兹一针见血地指出：“产生幂律的方法很多，每种都有道理 [256] 。”我在圣塔菲研究所的时候，几乎每隔一天都有讲座介绍产生幂律分布的新机制 [257] 。有一些与偏好附连类似，有一些则相差很大。很难说到底是哪种机制导致了在真实世界中观察到的幂律。
1701068052
1701068053
3.网络科学的模型过度简化，假设前提不现实。小世界和无尺度网络模型也仅仅是模型而已，模型中的简化假设在现实世界中的网络也许不成立。建立这些简化模型的目的是希望能抓住所研究的现象的某些方面。前面我们看到，这两个网络模型，尤其是无尺度模型，确实抓住了一些东西，大量真实系统中的度分布、集群以及稳健性（虽然前面第1点认为适用面可能不像想象的那样广）。
1701068054
1701068055
不管怎样，网络的简化模型就其本身来说，还是无法解释真实世界中的网络的一切。不管是小世界还是无尺度模型，所有节点都被当作是一样的，除了连接度；所有的边的类型和强度也是一样的。在真实世界中的网络不是这么回事。例如，在我的社会网络中（图15.6有简化模型），一些代表友情的边就比其他边的强度要大些。Kim和Gar都是我的朋友，但是我和Kim关系更好，因此我也更有可能把我个人的重要事情告诉她。而且，Kim是女人，而Gar是男人，这也使得我更倾向于信赖Kim。同样的，比起Kim来，我的朋友Greg要懂数学一些，因此如果我想讨论纯数学方面的问题，我就更有可能找Greg而不是Kim。边和节点类型的区别，以及边的强度，对于信息在网络上的传播有很大影响，而简化的网络模型无法抓住这种影响。
1701068056
1701068058
网络中的信息传播和连锁失效
1701068059
1701068060
事实上，理解信息在网络中的传播方式是网络科学现在面临的最重要的问题。到目前为止我们讨论的都只是网络的结构——例如，静态的度分布——还没有讨论网络中信息传播的动态行为。
1701068061
1701068062
“网络中的信息传播”指的是什么呢？这里的信息一词指的是节点之间的所有交流。信息的传播包括例如谣言、流言、流行时尚、思想、流行病（通过病毒传播）、电流、万维网上的数据包、神经递质、卡路里（在食物网中传递），以及一种更普遍的网络传播现象——“连锁失效（cascading failure）”。
1701068063
1701068064
连锁失效现象的存在促使人们关注网络中的信息传播以及其如何受网络结构影响。网络中的连锁失效是这样一个过程：假设网络中每个节点都负责执行某项工作（例如传输电力）。如果某个节点失效了，它的工作就会转移到其他节点。这有可能会让其他节点负荷过重从而失效，又将它们的工作传递到其他还未失效的节点，这样不断发展。结果是失效如同加速的多米诺骨牌一样扩散，从而让整个网络崩溃。
1701068065
1701068066
连锁失效的例子在现实网络世界中很常见。下面是新闻里最近报道的两个例子：
1701068067
1701068068
◆2003年8月：美国中西部和东北部发生大规模断电，是由俄亥俄州一家发电厂发生故障引发的连锁失效导致的。据报道，由于天气过于炎热， [258] 导致电线负荷过高，引起线路下垂，碰到了树枝，触发了线路自动断路，负载被转移到电网其他部分，使得其他部分也因过载而失效。过载失效迅速传播，最后导致加拿大和美国东部5000万居民断电，有些地区断电长达3天。
1701068069
1701068070
◆2007年8月：美国海关计算机系统崩溃了近10个小时， [259] 导致17000多名旅客滞留在洛杉矶国际机场。事故是由一台计算机的网卡故障引起的。这个故障很快导致其他网卡也连锁失效，不到1个小时，整个系统都崩溃了。海关职员无法处理到达的国际旅客，其中一些人不得不在飞机上等了5个多小时。
1701068071
[
上一页 ]
[ :1.701068022e+09 ]
[
下一页 ]