原創(chuàng) Schweitzer 集智俱樂部
導(dǎo)語
社會學(xué)是否是一門自然科學(xué)？這一直是爭議問題。2008年諾貝爾經(jīng)濟(jì)學(xué)獎得主保羅·克魯格曼（Paul Krugman）曾寫道：“經(jīng)濟(jì)學(xué)比物理學(xué)更難；幸運的是，它沒有社會學(xué)那么難。[1]” 復(fù)雜科學(xué)家Doyne Farmer等人曾提問：“經(jīng)濟(jì)學(xué)是一門自然科學(xué)嗎？”在某種程度上，只要個體以特定方式相互作用，他們的集體行為就可以被建模和分析。而捕捉社會經(jīng)濟(jì)復(fù)雜系統(tǒng)中的現(xiàn)象和機(jī)制，則不應(yīng)僅僅依靠社會學(xué)，更應(yīng)該團(tuán)結(jié)物理學(xué)、統(tǒng)計學(xué)、數(shù)據(jù)科學(xué)、計算機(jī)科學(xué)等多個領(lǐng)域。本文發(fā)表于Physics Today雜志，文章梳理了社會物理學(xué)（sociophysics）對于理解社會經(jīng)濟(jì)復(fù)雜系統(tǒng)所做的種種嘗試以及研究歷程。作者Frank Schweitzer是瑞士蘇黎世聯(lián)邦理工學(xué)院的系統(tǒng)設(shè)計教授。
研究領(lǐng)域：社會物理學(xué)，復(fù)雜網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，計算社會科學(xué)
Frank Schweitzer | 作者
Murkyy | 翻譯
劉培源 | 審校
鄧一雪 | 編輯
對這兩個領(lǐng)域的交叉持合理的懷疑態(tài)度，可能確實比對當(dāng)今一些物理學(xué)刊物持有不合理的樂觀態(tài)度要好。但物理學(xué)和社會學(xué)之間有著富有成果的融合，其中大部分與計算社會科學(xué)等的新興領(lǐng)域有關(guān)。這一趨勢是由工程師和計算機(jī)科學(xué)家提供的新的社會數(shù)據(jù)所驅(qū)動的，工程師制造的傳感器越來越多地記錄我們的日常生活，而計算機(jī)科學(xué)家則利用程序收集數(shù)據(jù)。為了闡明這些逐漸發(fā)展中的聯(lián)系，從歷史的角度出發(fā)是很有幫助的。
在《人性論》中，蘇格蘭哲學(xué)家大衛(wèi)·休謨（David Hume, 1711-1716）提議以數(shù)學(xué)和物理學(xué)的精神建立一門關(guān)于人類的新科學(xué)。19世紀(jì)，新的物理理論出現(xiàn)了。電磁學(xué)表明，兩種看似不同的現(xiàn)象可以從一個普遍的視角理解。而熱力學(xué)的發(fā)展則引入了一個新的、相當(dāng)抽象的“系統(tǒng)”概念，法國哲學(xué)家奧古斯特·孔德（Auguste Comte，1798-1857）提出，社會和物質(zhì)世界一樣遵循一般規(guī)律。為了確定這些定律的經(jīng)驗基礎(chǔ)，比利時統(tǒng)計學(xué)家阿道夫·凱特勒（Adolphe Quetelet，1796-1874）將概率論應(yīng)用于人類數(shù)據(jù)。在他于1835年發(fā)表的關(guān)于社會物理學(xué)的文章中，他根據(jù)正態(tài)分布推導(dǎo)出了普通人的統(tǒng)計定律，例如，他定義了體重指數(shù)來量化肥胖。他還分析了犯罪和公共衛(wèi)生。在發(fā)現(xiàn)凱特勒將“社會物理學(xué)”（social physics）一詞用于其統(tǒng)計方法后，孔德決定將“社會學(xué)”（sociology）一新詞用于他的關(guān)于人與社會的新科學(xué)。
進(jìn)入20世紀(jì)，物理學(xué)再次成為了新的基礎(chǔ)理論的核心角色。相對論修正了空間和時間的概念，量子力學(xué)引入了不確定性原理，都為觀測者的角色和觀測過程賦予了新的視角。現(xiàn)代物理學(xué)對哲學(xué)和社會科學(xué)產(chǎn)生了如今看來令人驚訝的廣泛影響。到了20世紀(jì)下半葉，物理學(xué)的影響不再是通過基礎(chǔ)理論，而是通過普遍抽象的建模方法。早在20世紀(jì)40年代，格點模型（后來被推廣為元胞自動機(jī)）就已經(jīng)被用于研究社會隔離。這些模型中有許多可調(diào)參數(shù)，比如遷移距離，以及一個人所在社區(qū)中可容忍和不可容忍居民的比例。
元胞自動機(jī)的價值在于其模擬和可視化社會動力學(xué)的能力。然而，一些元胞自動機(jī)也使得進(jìn)行正式分析成為可能。1924年，恩斯特·伊辛（Ernst Ising）提出一個抽象的自旋系統(tǒng)來解釋鐵磁性，現(xiàn)在被稱作伊辛模型（Ising model），他令一維或二維晶格上格點的自旋是+1或-1，根據(jù)相鄰自旋之間耦合常數(shù)的強度，給出的伊辛模型的解包括自旋在同一方向排列的鐵磁相，或相鄰自旋反平行的反鐵磁相。雖然伊辛模型后來成為觀點動力學(xué)的典范，正自旋和負(fù)自旋分布代表不同觀點。但伊辛模型對于理解社會現(xiàn)象的見解相當(dāng)有限。在觀點動力學(xué)中，人們往往感興趣的是達(dá)成共識的條件（鐵磁性階段）或觀點如何穩(wěn)定共存[1]。投票模型和其他簡化模型將這種分析形式化，并將其擴(kuò)展到各種拓?fù)浣Y(jié)構(gòu)，包括網(wǎng)絡(luò)。但選民們并沒有按照這些模式投票。相反，他們復(fù)制隨機(jī)選擇的自旋的“觀點”。
雖然伊辛模型讓社會學(xué)家感到滿意，但并沒有給他們留下深刻印象。直接應(yīng)用物理中的模型和結(jié)論，如相變和標(biāo)度律，可能會揭示很多關(guān)于統(tǒng)計物理的信息，但這些結(jié)論很少涉及社會動力學(xué)。僅僅使用物理隱喻和類比并不能使物理定律適用于社會學(xué)。只有在物理學(xué)家關(guān)注現(xiàn)有社會理論的少數(shù)情況下才有明顯的例外。其中一個例子是社會影響理論，它是由社會心理學(xué)家在20世紀(jì)80年代建立的，用來描述個人如何作為社會影響的來源和目標(biāo)。這一理論的基礎(chǔ)是一種社會力量的概念，它的作用非常類似于一種物理力量。個人能夠說服持相反觀點的人并支持持相同觀點的人，但他們的影響力隨著社會距離的增加而增加。當(dāng)模擬這種相互作用時，人們?nèi)匀豢梢杂^察到一定范圍內(nèi)觀點相同的個體聚集在一起，但這種現(xiàn)象比類伊辛模型要豐富得多[3]。
另一個在社會物理學(xué)中成功采用社會理論的例子是文化傳播模型，該模型最初于1997年由政治學(xué)家羅伯特·阿克塞爾羅德（Robert Axelrod）提出（見圖1）。它的社會物理學(xué)版本[4]可以被看作是Potts模型中觀點動力學(xué)的推廣，其自旋可以有兩個以上的值。文化傳播模式旨在整合社會機(jī)制，如同化現(xiàn)象（個體在互動時變得更相似）和同質(zhì)性（個體在相似時互動更頻繁）。
圖1. 文化動力學(xué)。規(guī)則二維晶格上的每個主體（agent）都有一個表示其文化的特征向量，它可以是美食或宗教，主體不同的概率（比如粵語或佛教）被稱為特色。這里用不同的顏色表示不同的文化。與相鄰個體互動的概率隨著特征的重疊而增加。因此，如果主體已經(jīng)擁有許多共同的特征，他們就更有可能進(jìn)行互動，這種互動會導(dǎo)致主體變得更加相似。如果在模擬開始時將隨機(jī)特征分配給主體（左），大多數(shù)情況下會導(dǎo)致共享相同文化的主體共存域（右），而其他模擬會導(dǎo)致單一文化。[4]
另一類社會物理學(xué)模型在20世紀(jì)70年代全面展開，當(dāng)時自組織（self-organization）這一概念被形式化，它是如今復(fù)雜系統(tǒng)理論的先導(dǎo)概念。自組織被視為一個普遍的概念：對系統(tǒng)動力學(xué)來說，重要的不是系統(tǒng)的元素，而是它們之間的動態(tài)交互。因此，對B-Z反應(yīng)（Belousov–Zhabotinsky reaction）和其他物理化學(xué)系統(tǒng)中結(jié)構(gòu)形成原理的見解可以推廣到生物或社會系統(tǒng)。社會物理學(xué)中確實應(yīng)用了自組織理論，主要是作為社會動力學(xué)的形式化方法[5]，其應(yīng)用包括遷移和觀點動力學(xué)。但是，正如它所處時代的典型特征，它缺乏與社會數(shù)據(jù)的聯(lián)系。
在1995年至2005年的十年間，隨著用于模擬的計算能力的逐漸提高，物理學(xué)界興起了對社會物理學(xué)的討論。物理學(xué)家對幾乎所有社會學(xué)概念都進(jìn)行了建模和模擬：觀點動力學(xué)、婚姻不忠、有性生殖、語言演化、等級制度的出現(xiàn)——所有這些以及更多的現(xiàn)象都受到了社會物理學(xué)家的關(guān)注[6, 7]。對現(xiàn)實的簡化既是這些模型的優(yōu)點也是缺點。例如，在對兒童如何習(xí)得語言進(jìn)行建模時，生成機(jī)制（generative mechanisms）——即產(chǎn)生效果的過程——是假設(shè)的，而不是現(xiàn)實的。這樣就可以研究機(jī)制的影響以及某些反饋過程對系統(tǒng)動力學(xué)的作用，而無需考慮手頭問題的所有細(xì)節(jié)。
1. 計算社會科學(xué)
物理學(xué)家最近對社會經(jīng)濟(jì)問題的興趣部分是由大數(shù)據(jù)的可用性驅(qū)動的。20世紀(jì)90年代中期，物理學(xué)家們開始分析金融市場的大數(shù)據(jù)，與20世紀(jì)80年代中期對高能物理實驗中的大數(shù)據(jù)的興趣相同。經(jīng)濟(jì)物理學(xué)（econophysics）的發(fā)展就是結(jié)果。在21世紀(jì)中期，物理學(xué)家們開始對通過互聯(lián)網(wǎng)，尤其是通過在線社交網(wǎng)絡(luò)獲得的大數(shù)據(jù)感興趣。就像經(jīng)濟(jì)物理學(xué)中的情況一樣，早期的嘗試主要是尋找數(shù)據(jù)中的特征模式和普遍的統(tǒng)計規(guī)律。
這一對經(jīng)濟(jì)物理學(xué)的探索很好地呼應(yīng)了奎特萊特（Quetelet）早期確定統(tǒng)計規(guī)律的嘗試，并得出了一些有趣的發(fā)現(xiàn)。例如，在人類交流方面，即兩條連續(xù)消息之間的時間間隔，被證明是由冪指數(shù)分布描述的（見圖2）。這個冪指數(shù)在不同的傳播媒體中似乎普遍存在。其他普遍存在的冪律分布例子還包括使用比例代表制的選舉投票和科學(xué)刊物的引用[7]。
圖2。人類交流近似一種無標(biāo)度現(xiàn)象。同一個人發(fā)送的兩條連續(xù)消息之間的時間間隔，也稱為活動間時間間隔τ，遵循冪律分布P（τ）∝ τ-α其中α≈ 32[13]。無論分析何種媒介，不管是信件、電子郵件還是在線聊天（如圖所示），該發(fā)現(xiàn)都非常可靠。曲線中103分鐘位置的輕微隆起，代表大約一天。（改編自A.Garas et al.，Sci.Rep.224022012。）
這些發(fā)現(xiàn)說明了英國經(jīng)濟(jì)學(xué)家尼古拉斯·卡爾多（Nicholas Kaldor，1908-1986）所說的“程式化事實”——社會世界中的規(guī)律性，這些規(guī)律在不同的觀察中都很穩(wěn)定。物理學(xué)家們發(fā)現(xiàn)了可以復(fù)制這種規(guī)律的動力學(xué)機(jī)制，但并沒有聲稱這些機(jī)制抓住了社會互動的要點。盡管如此，經(jīng)濟(jì)學(xué)家和社會學(xué)家被物理學(xué)家所強調(diào)的普遍性所激怒，并對其重要性和起源提出了質(zhì)疑。如果社會現(xiàn)象屬于物理普遍性的范疇，那么它對人類意味著什么？如果他們不這么做，這意味著什么？
當(dāng)前社會物理學(xué)的發(fā)展趨勢與現(xiàn)在所謂的計算社會科學(xué)（computational social science）密切相關(guān)，計算社會科學(xué)指的是一種以數(shù)據(jù)為導(dǎo)向的社會現(xiàn)象研究方法。這些數(shù)據(jù)表明了人類在使用手機(jī)、在線社交網(wǎng)絡(luò)、搜索引擎、在線銀行等電子產(chǎn)品時的行為。以往的社會學(xué)沒有對大量數(shù)據(jù)對要求，即使將以前的實證分析的數(shù)據(jù)范圍擴(kuò)大了幾個數(shù)量級也完全不足。這個空白現(xiàn)在由制造和安裝更多傳感器的工程師和收集處理越來越多海量數(shù)據(jù)的計算機(jī)科學(xué)家填補。
亞歷克斯·彭特蘭（Alex Pentland）的書《社會物理學(xué)》（Social Physics，中譯本《智慧社會）[8]和其他該主題的著作與物理學(xué)關(guān)系不大，更多與大數(shù)據(jù)分析相關(guān)。在這方面，他們分享孔德哲學(xué)（Comte’s philosophy）的初衷，即在觀察和實驗的基礎(chǔ)上建立知識。但大數(shù)據(jù)分析師的重點不是理解一種現(xiàn)象背后的生成機(jī)制，而是監(jiān)控流量等流程，開發(fā)利用大數(shù)據(jù)的優(yōu)步（Uber）等應(yīng)用程序，以及解決預(yù)測客戶在線訂單數(shù)量等問題。
盡管缺乏對現(xiàn)象的理解，但大數(shù)據(jù)科學(xué)的最新趨勢為完全基于數(shù)據(jù)處理的新型社會科學(xué)帶來了希望。2008年，《連線》雜志的前物理學(xué)家兼主編克里斯·安德森（Chris Anderson）寫道，“面對海量數(shù)據(jù)，這種科學(xué)假設(shè)、模型和測試的方法正在變得過時。”他預(yù)測的是一個數(shù)據(jù)量達(dá)到千萬億字節(jié)（PB）級的時代：“無處不在的傳感器。無限的存儲空間。處理器云集。我們獲得、存儲和理解海量數(shù)據(jù)的能力正在改變科學(xué)……隨著我們收集的事實和數(shù)據(jù)的增長，找到基本問題答案的機(jī)會也將增加。因為在大數(shù)據(jù)時代，更多不僅僅是更多。多則不同（More is different）。”[9]
安德森所說的新科學(xué)是由數(shù)據(jù)和技術(shù)驅(qū)動的，這一點沒有錯。但一直以來科學(xué)最重要的組成部分是對具體問題的研究。數(shù)據(jù)科學(xué)可能有助于回答一些基礎(chǔ)研究問題，但它無法自行解決這些問題。先收集數(shù)據(jù)，然后看看可以提取什么樣的模式，這種做法將識別出新的相關(guān)性（盡管這些相關(guān)性大多是假的），但它不會引導(dǎo)我們理解因果關(guān)系。在社會學(xué)中，問題不僅在于如何，還在于為什么。因此，我們需要的新的推理系統(tǒng)類型。
2. 復(fù)雜系統(tǒng)數(shù)據(jù)驅(qū)動模型
開發(fā)這樣的模型不僅是一項技術(shù)挑戰(zhàn)，也是對物理學(xué)概念的挑戰(zhàn)。物理學(xué)家可以建立在與其他學(xué)科研究人員合作開發(fā)的復(fù)雜系統(tǒng)的一般理解之上。復(fù)雜系統(tǒng)由大量強相互作用的元素組成，通常被稱為主體（agent）。在統(tǒng)計物理學(xué)的傳統(tǒng)中，復(fù)雜系統(tǒng)中的方法旨在預(yù)測主體相互作用產(chǎn)生的集體效應(yīng)。物理學(xué)家貢獻(xiàn)了兩種形式化方法，例如，推導(dǎo)系統(tǒng)宏觀動力學(xué)的隨機(jī)方程，以及對此類系統(tǒng)建模的計算方法。事實上，計算物理中使用的基于粒子的模擬方法與不僅在社會學(xué)和經(jīng)濟(jì)學(xué)中，而且在計算機(jī)科學(xué)中發(fā)展的基于主體的模型有很多共同之處。
如上所述，過去的大多數(shù)社會物理學(xué)模型都旨在揭示普遍的見解。這些模型的有限復(fù)雜性并沒有反映出任何特定社會系統(tǒng)的復(fù)雜性，所以它們無法根據(jù)實際數(shù)據(jù)進(jìn)行校準(zhǔn)和驗證。因此，我們需要明確開發(fā)模型，解決大數(shù)據(jù)無法驗證的問題，并根據(jù)實際數(shù)據(jù)進(jìn)行校準(zhǔn)和驗證。
另一個問題，在以前的社會物理學(xué)模型中，主體本身的復(fù)雜性也大多被忽略。聲稱代表人類的主體幾乎無法完全由物理學(xué)中的上下自旋來簡單描述。人類的決定反映了個人偏好、社會規(guī)范和他人的影響。適應(yīng)這些因素不僅僅是增加自由度的問題。社會經(jīng)濟(jì)系統(tǒng)中的主體也是異質(zhì)的——它們在相似情況下的互動方式差異很大。他們也具有適應(yīng)性，這表現(xiàn)在他們可以通過學(xué)習(xí)經(jīng)驗來應(yīng)對激勵和制度的變化。與此同時，他們還通過消耗資源或進(jìn)行創(chuàng)新等方式改變制度。異質(zhì)性和適應(yīng)性使預(yù)測社會經(jīng)濟(jì)系統(tǒng)變得困難。
成功的社會物理學(xué)模型往往與經(jīng)驗數(shù)據(jù)和社會理論相結(jié)合。沒有其他的學(xué)科交叉時，人們?nèi)匀豢梢园l(fā)現(xiàn)有趣的現(xiàn)象和新的結(jié)果。但它們與現(xiàn)有學(xué)科知識的關(guān)系尚不清楚，對研究結(jié)果的影響也可能很小。第一個交叉面有助于定義模型要解決的問題，通常是需要解釋甚至創(chuàng)建的新數(shù)據(jù)。盡管機(jī)器學(xué)習(xí)方法本身可以對相同的數(shù)據(jù)進(jìn)行分類和預(yù)測，但它們?nèi)狈撛谏蓹C(jī)制建模的能力。
成功的社會物理學(xué)模型也在微觀和宏觀之間架起了橋梁。也就是說，它們將小規(guī)模、局部規(guī)模上的有相互作用的主體與大系統(tǒng)范圍內(nèi)的動態(tài)變化聯(lián)系起來，并以具體且可測試的方式實現(xiàn)。理想情況下，此類社會物理學(xué)模型遵循數(shù)據(jù)驅(qū)動建模的原則：根據(jù)相關(guān)學(xué)科（如語言學(xué)或人類學(xué)）的標(biāo)準(zhǔn)對主體進(jìn)行建模，基于主體的模型允許根據(jù)經(jīng)驗數(shù)據(jù)校準(zhǔn)交互機(jī)制。然后，通過將模擬的系統(tǒng)動力學(xué)與觀測值進(jìn)行定量比較，最后對模型進(jìn)行驗證。
該方法的一個應(yīng)用是行人動力學(xué)[10]。主體模型考慮了行人之間的社會力量、首選移動方向和障礙物。其結(jié)果是對行人集體動力學(xué)的真實模擬，然后可用于模擬恐怖襲擊或其他恐慌情況下的逃生動力學(xué)，或優(yōu)化建筑物和街道的設(shè)計。類似的模型描述了動物王國不同分支的生物群集現(xiàn)象。
數(shù)據(jù)驅(qū)動建模的另一個成功例子是預(yù)測流行病通過全球航空交通的傳播[11]。根據(jù)校準(zhǔn)后的模型，科學(xué)家提出了流行病控制策略。第三個例子是集體情緒動力學(xué)的建模（見box），關(guān)于主體情緒互動的假設(shè)已經(jīng)根據(jù)數(shù)據(jù)進(jìn)行了測試。校準(zhǔn)后的模型正確地再現(xiàn)了各種在線平臺上的大規(guī)模集體情緒的影響。
Box：情緒影響
當(dāng)人們在亞馬遜上閱讀書籍和其他產(chǎn)品的評論時，他們可以選擇將評論評為有用或無用。他們也可能會受到啟發(fā)，撰寫并提交自己的評論，除了獲得0到5顆星的評級外，評論的情緒可能會從負(fù)面到正面。亞馬遜客戶在情感上相互影響的程度如何？
為了回答這個問題，我的同事戴維·加西亞（David Garcia）和我分析了亞馬遜對16個網(wǎng)站的180萬條匿名評論?670種產(chǎn)品[14]。我們使用情緒檢測器自動對評論進(jìn)行評分，評分標(biāo)準(zhǔn)為10分-5（高度負(fù)）到+5（高度正）。零被省略。然后，我們給自己設(shè)置了一個挑戰(zhàn)，用布朗主體框架復(fù)制集體情緒分布。
該框架如左圖所示，包含了一個成熟的情緒影響心理模型，即迂回模型。主體的情緒狀態(tài)由v來量化，它代表與情緒相關(guān)的快樂，范圍從-5（高度負(fù)）到+5（高度正）。覺醒（a）代表由情緒引起的活動，如購買或評價評論。當(dāng)a超過某個閾值時，主體會以某種程度的情緒表達(dá)自己。主體通過社交媒體和其他方式傳遞和接收情感信息（h），他們受到外部情感影響（I），例如主流媒體對產(chǎn)品的報道。
右邊的圖表顯示了在《哈利波特與死亡圣器》（2007）一書中運行該模型的結(jié)果。藍(lán)條是評論的真正情感價值。紅色值是基于主體的模擬。我們的研究表明，除其他外，個體評論者確實受到其他人的影響。
3. 復(fù)雜網(wǎng)絡(luò)
行人、流行病和情緒動力學(xué)的模型似乎與電磁學(xué)、熱力學(xué)和其他物理學(xué)分支相去甚遠(yuǎn)。然而，這些模型和傳統(tǒng)物理學(xué)一樣，使我們更接近于理解現(xiàn)實世界中的現(xiàn)象，比如社會現(xiàn)象。雖然物理概念可能無法推廣到其他學(xué)科，但物理方法可以在社會科學(xué)中以一種普遍的方式對系統(tǒng)建模做出貢獻(xiàn)，并帶來巨大益處。方法論上的貢獻(xiàn)并不局限于交互式系統(tǒng)，其中基于主體的模型就是突出案例。相反，它們還擴(kuò)展到所謂的統(tǒng)計模型，用于測試有關(guān)數(shù)據(jù)生成過程的假設(shè)。
這種模型屬于機(jī)器學(xué)習(xí)領(lǐng)域。隨著大量數(shù)據(jù)分析能力的提高，機(jī)器學(xué)習(xí)變得更加重要。盡管有效地處理TB級的數(shù)據(jù)是一項技術(shù)挑戰(zhàn)，但由于數(shù)據(jù)集包含關(guān)系信息，因此處理大小適中但結(jié)構(gòu)復(fù)雜的數(shù)據(jù)集也帶來了另一項科學(xué)挑戰(zhàn)。例如，朋友和家人的在線社交網(wǎng)絡(luò)、科學(xué)論文的引用網(wǎng)絡(luò)，以及通過專利數(shù)據(jù)庫和其他知識庫的導(dǎo)航模式。物理學(xué)家們提出的信息提取方法超出了計算機(jī)科學(xué)或社會科學(xué)的范疇。這些方法屬于社會物理學(xué)的另一個領(lǐng)域，即復(fù)雜網(wǎng)絡(luò)，接下來將對其進(jìn)行更詳細(xì)的討論。
復(fù)雜網(wǎng)絡(luò)是表示復(fù)雜系統(tǒng)的一種方式。主體由節(jié)點表示，它們的交互由網(wǎng)絡(luò)中的鏈接表示。然后，系統(tǒng)屬性由交互結(jié)構(gòu)（即網(wǎng)絡(luò)拓?fù)洌﹣斫忉尅Ｅc基于主體的模型相比，網(wǎng)絡(luò)模型有不同的優(yōu)點和缺點。網(wǎng)絡(luò)節(jié)點（主體）的內(nèi)部動態(tài)沒有明確建模。此外，所有類型的交互都被分解為兩個主體之間的二進(jìn)制交互。如果主體以不止一對的群體形式行動，則該方法的適用性是有限的。
另一方面，利用拓?fù)鋵W(xué)對復(fù)雜系統(tǒng)進(jìn)行建模，在社會科學(xué)領(lǐng)域產(chǎn)生了適用的、有影響力的見解。一個例子是小世界網(wǎng)絡(luò)[12]，當(dāng)一個節(jié)點與其本地鄰居之間的一些鏈路重新連接到遠(yuǎn)程節(jié)點時，它出現(xiàn)在規(guī)則的晶格拓?fù)渖稀Ｖ匦虏季€會產(chǎn)生較短的路徑長度（任意兩個節(jié)點之間的連接）和較高的聚類系數(shù)（三個相鄰節(jié)點之間的鏈接形成三角形）。因為社會學(xué)家已經(jīng)獨立地討論了類似的性質(zhì)，他們可以將自己的理論基礎(chǔ)與一種明確的生成機(jī)制——重新布線聯(lián)系起來。
另一個拓?fù)淅邮枪雀璧腜ageRank。該算法根據(jù)鏈接到某個網(wǎng)頁的其他網(wǎng)頁的數(shù)量和重要性來量化該網(wǎng)頁的重要性。從形式上講，該算法體現(xiàn)了一個在物理學(xué)中廣為人知的特征值問題的解，其重要性的度量與特征向量的中心性有關(guān)。由于特征值問題的一般性質(zhì)，PageRank根據(jù)網(wǎng)站的相互聯(lián)系而不是內(nèi)容來評估網(wǎng)站間的相關(guān)性。
這種拓?fù)浞治鲂枰W(wǎng)絡(luò)的知識，而網(wǎng)絡(luò)必須從數(shù)據(jù)中重建。默認(rèn)情況下，網(wǎng)絡(luò)是時間聚合的。比如說，它們沒有考慮用戶在到達(dá)給定網(wǎng)頁之前訪問的其他網(wǎng)頁的順序。然而，如果包含這種時間相關(guān)性，重要性排序會發(fā)生劇烈變化，可以捕捉到上下文相關(guān)的行為（見圖3）。形式上，使用高階馬爾可夫（Markov）模型計算時間條件，其中階數(shù)表示導(dǎo)航路徑中內(nèi)存的持久性。從馬爾可夫模型中，我們還可以確定在什么條件下，在重建網(wǎng)絡(luò)時可以安全地忽略時間相關(guān)性。時態(tài)網(wǎng)絡(luò)的最新發(fā)現(xiàn)大大增強了現(xiàn)有的描述人們?nèi)绾螢g覽維基百科和其他社會知識空間的方法。
圖3：高階網(wǎng)絡(luò)模型可以提高信息在網(wǎng)絡(luò)上的排名。這可以通過分析瀏覽維基百科以查找歷史文章的用戶的點擊流數(shù)據(jù)來說明。這兩個數(shù)字顯示，30篇維基百科文章在PageRank中排名最高，PageRank是最初為谷歌搜索引擎提供動力的算法。這兩個數(shù)字都來自相同的數(shù)據(jù)，但有兩個網(wǎng)絡(luò)模型。一階模型只考慮維基百科文章圖表的拓?fù)浣Y(jié)構(gòu)；其結(jié)果是模糊的。二階模型添加了隱藏在用戶瀏覽圖形的序列中的時間信息。結(jié)果是：更好地匹配用戶認(rèn)為最重要的文章和更準(zhǔn)確的語義上下文。[13]
長期以來，社會學(xué)家一直使用社會網(wǎng)絡(luò)分析來描述靜態(tài)網(wǎng)絡(luò)中節(jié)點的拓?fù)湮恢谩Ｎ锢韺W(xué)的貢獻(xiàn)主要來自于系綜方法。與統(tǒng)計力學(xué)一樣，這些集合定義了哪些拓?fù)浣Y(jié)構(gòu)與特定約束相容，它們發(fā)生的可能性，以及網(wǎng)絡(luò)的預(yù)期屬性。例如，使用這些方法，我們可以確定哪些節(jié)點特征（如性別、共同的朋友和愛好）會影響鏈接的形成。這些結(jié)果可以用來形成關(guān)于因果機(jī)制的假設(shè)，社會科學(xué)家可以在實地進(jìn)行測試。
4. 超越學(xué)科間界限
進(jìn)一步推進(jìn)社會物理學(xué)和計算社會科學(xué)的研究，使所有涉及物理學(xué)、社會科學(xué)、計算機(jī)科學(xué)和工程學(xué)的學(xué)科都能受益，有哪些挑戰(zhàn)和障礙？
當(dāng)然，還有制度上的必要性。大學(xué)教育的發(fā)展必須使課程和學(xué)位反映社會物理學(xué)所需的專業(yè)知識。網(wǎng)絡(luò)科學(xué)和復(fù)雜系統(tǒng)領(lǐng)域的現(xiàn)有課程可以作為起點。但社會物理學(xué)也需要圍繞主題和問題（而非方法和學(xué)科）的高質(zhì)量期刊。這類期刊將成為科學(xué)成果的家園，否則這些成果將落入不同學(xué)科之間的裂縫中，無法獲得廣泛認(rèn)可。招聘機(jī)構(gòu)和終身教職委員會還應(yīng)該認(rèn)識到具有多學(xué)科背景的科學(xué)家的價值。
必須鼓勵和發(fā)展對每個學(xué)科提供的不同科學(xué)貢獻(xiàn)的相互尊重，為此，我們可以從承認(rèn)目前沒有一門學(xué)科擁有真正理解人類社會這樣復(fù)雜領(lǐng)域所需的所有工具、方法、理論和知識開始。數(shù)據(jù)挖掘、自然語言處理、機(jī)器學(xué)習(xí)和人工智能的其他應(yīng)用目前不在物理學(xué)的核心方法之列。但它們應(yīng)該受到物理學(xué)家的歡迎，因為它們讓物理學(xué)家能夠得到他們通常無法獲得的數(shù)據(jù)并進(jìn)行分析。
對社會現(xiàn)象感興趣的物理學(xué)家應(yīng)該對社會科學(xué)積累的大量工作有更深入的了解。事實上，社會學(xué)家在面對社會物理學(xué)家的論文時，對其工作缺乏認(rèn)識和理解是主要的批評之一。就社會學(xué)家而言，他們應(yīng)該比過去更多地認(rèn)識到，需要與其他學(xué)科的研究人員合作，以使計算科學(xué)深深嵌入社會科學(xué)。社會學(xué)家對程式化事實和冪律分布的厭惡可以通過共同開發(fā)的正式的模型來克服，該模型基于學(xué)科理論解釋此類發(fā)現(xiàn)。
在合作開始之前應(yīng)該建立多學(xué)科合作的現(xiàn)實預(yù)期。如果僅僅是假設(shè)來自不同學(xué)科的科學(xué)家互相填補彼此的知識空白，然后共同創(chuàng)造出定義其合作領(lǐng)域最先進(jìn)水平的結(jié)果，這是非常天真的。因為永遠(yuǎn)無法保證這種做法會取得成功，許多合作最終會失敗，因為它們的科學(xué)語言之間存在障礙，科學(xué)文化存在差異，在哪里發(fā)布和公布結(jié)果方面也存在分歧。促進(jìn)多學(xué)科合作應(yīng)該包括提高對不可避免的障礙的認(rèn)識。
科學(xué)家個人的期望也應(yīng)該是現(xiàn)實的。面對從方法驅(qū)動轉(zhuǎn)向問題驅(qū)動的挑戰(zhàn)，許多社會物理學(xué)家最終發(fā)現(xiàn)，他們真正的動機(jī)在于基于物理的方法，而不是社會現(xiàn)象或數(shù)據(jù)處理。因此，潛在的社會物理學(xué)家可能會放棄從社會科學(xué)和計算機(jī)科學(xué)中收集必要的知識。這種努力風(fēng)險很大，而且可能得不到社會科學(xué)家、物理學(xué)家或機(jī)構(gòu)的贊同。明智的決定至關(guān)重要。
然而，隨著物理學(xué)越來越多的成功應(yīng)用于社會學(xué)，那些愿意做出努力的物理學(xué)家會受到更多的激勵和指導(dǎo)。他們可以從迷人的發(fā)現(xiàn)、復(fù)雜的方法和現(xiàn)實問題中獲得靈感。它們可以為計算社會科學(xué)的基礎(chǔ)做出貢獻(xiàn)，這一領(lǐng)域基礎(chǔ)仍在奠定之中。
參考文獻(xiàn)
1. P. Krugman, Peddling Prosperity: Economic Sense and Nonsense in the Age of Diminishing Expectations, W. W. Norton (1994).
2. S. Galam, Sociophysics: A Physicist’s Modeling of Psycho-Political Phenomena, Springer (2012).
3. M. Lewenstein, A. Nowak, B. Latané, Phys. Rev. A 45, 763 (1992). https://doi.org/10.1103/PhysRevA.45.763.
4. K. Klemm, V. M. Eguíluz, R. Toral, M. San Miguel, Phys. Rev. E 67, 045101 (2003). https://doi.org/10.1103/PhysRevE.67.045101.
5. W. Weidlich, Phys. Rep. 204, 1 (1991). https://doi.org/10.1016/0370-1573(91)90024-G.
6. S. Moss de Oliveira, P. M. C. de Olivera, D. Stauffer, Evolution, Money, War, and Computers: Non-traditional Applications of Computational Statistical Physics, Teubner (1999).
7. C. Castellano, S. Fortunato, V. Loreto, Rev. Mod. Phys. 81, 591 (2009). https://doi.org/10.1103/RevModPhys.81.591.
8. A. Pentland, Social Physics: How Good Ideas Spread—The Lessons from a New Science, Penguin Press (2014).
9. Wired staff, “The petabyte age: Because more isn’t just more—more is different,” Wired, 23 June 2008.
10. D. Helbing, I. Farkas, P. Molnár, T. Vicsek, in Pedestrian and Evacuation Dynamics, M. Schreckenberg, S. D. Sharma, eds., Springer (2002), p. 21.
11. L. Hufnagel, D. Brockmann, T. Geisel, Proc. Natl. Acad. Sci. USA 101, 15124 (2004). https://doi.org/10.1073/pnas.0308344101.
12. D. J. Watts, Am. J. Sociol. 105, 493 (1999).
13. I. Scholtes, in KDD ’17—Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, ACM (2017), p. 1037.
14. D. Garcia, F. Schweitzer, in 2011 IEEE Third International Conference on Privacy, Security, Risk and Trust, and IEEE Third International Conference on Social Computing, CPS (2011), p. 483.
（參考文獻(xiàn)可上下滑動查看）
原文地址
https://physicstoday.scitation.org/doi/10.1063/PT.3.3845
復(fù)雜科學(xué)最新論文
集智斑圖頂刊論文速遞欄目上線以來，持續(xù)收錄來自Nature、Science等頂刊的最新論文，追蹤復(fù)雜系統(tǒng)、網(wǎng)絡(luò)科學(xué)、計算社會科學(xué)等領(lǐng)域的前沿進(jìn)展。現(xiàn)在正式推出訂閱功能，每周通過微信服務(wù)號「集智斑圖」推送論文信息。
原標(biāo)題：《?社會物理學(xué)：探索社會經(jīng)濟(jì)復(fù)雜系統(tǒng)的百年歷程》
