涌现

你好，欢迎每天听本书。本期音频为你解读这本书，是一本非常畅销的科普书《预知社会》。从这个标题来看，好像这本书是在讲关于社会学的问题，但其实这本书最大的特色就在于，它在尝试用物理学知识来理解和分析各种社会现象。

物理学和社会学看起来是完全不同的两个主题，有人可能会想，把它们联系起来能靠谱吗？你看，处理物理问题，那方程都是确定的，但社会科学的问题常常比自然科学要复杂得多，因为我们每个人都有自由意志，而且在人与人之间还存在着复杂的互动。大物理学家牛顿股票投资失败之后，曾经有一句名言，他说：“我能计算出天体运行的轨迹，却难以预料到人们的疯狂。”可见社会系统有多复杂。这本书却告诉我们，尽管个体的行为难以预测，但如果这些个体组成了集体，那就有可能产生出大量可预测的模式。这就类似于在物理学中，大量分子的随机运动聚集在一起，我们不能预测单个分子的运动，但在宏观世界中形成的温度、压强这些宏观的物理量就是可预测的。借用这样的物理学分析方法，或许可以帮助我们认识和预测各种社会集体行为。

这本书就向我们展示了，物理学在社会问题分析中的应用。作者菲利普·鲍尔，在物理学和社会科学这两方面都很在行。他在科学方面是个专家，是物理学博士，还曾经担任世界顶级科学期刊《自然》杂志的主编。而且，他在人文社会科学方面也有很深的造诣。他出版过很多本科普书，尤其擅长从社会和文化的角度切入，介绍科学发展背后的历史背景。读这本书，不但可以帮助我们重新认识各种社会现象，也可以帮助我们更好地把握社会发展的未来趋势。不过，需要特别提醒的是，尽管这本书为我们提供了分析社会问题的许多新思路，但这并不是说物理学分析可以取代传统的社会学分析。就像作者所提到的那样，这本书中所展示的方法只是提供了一种眼界。这种新的眼界可以与传统的社会学分析方法互相补充，相信一定对你有所启发。

这本书是本大部头，非常厚，不过别怕，其中的主要内容，我已经为你概括为以下四个问题：

第一个问题是，为什么我们可以用物理学的方法来研究社会科学问题？

第二个问题是，一个社会的集体行为跟我们每个人的个体行为之间的关系是怎样的？

第三个问题是，怎样借助物理学的分析方法来预知社会？

最后，我们还要回答的一个问题就是，怎样通过预知社会的方法，让我们的世界变得更美好、更安全？

第一部分

先来说第一个问题：为什么我们可以用物理学的方法来研究社会科学问题？

其实在历史上，已经有无数的思想家、科学家都曾经尝试过，用自然科学的研究方法来分析我们所生活的社会。在《预知社会》这本书的开头部分，鲍尔就带我们回顾了科学家们建立社会科学理论的过程。这些尝试很多都失败了，究其根源，主要是因为人类的行为是高度复杂的。我们很难像解物理方程一样，精准预测每个人到底会做出怎样的选择。的确，我们没法把社会中的每个个体看成木偶，用一套僵硬的数学规律，计算每个人未来的命运和选择，再来预测社会未来的演化，但是这本书提出，就算我们不知道每个个体的行为，当个体数量达到一定程度，群体的行为模式就会表现得有章可循。在每个个体看似随机和混乱的各种选择中，整个社会作为一个整体，却可以表现出规律和秩序。

比如，我们非常熟悉的“乌合之众”现象，它就是在群体中常见的跟风行为。当你加入到一场狂欢会的时候，虽然你不是很想跳舞，但如果会场里有一些特别活跃的人，他们开始唱歌跳舞时，你可能也会被现场的气氛渐渐带动起来。这个社会现象和许多物理现象有相似之处。比如，在原子弹里，随着裂变的发生，原子核会放出中子，这些中子又会轰击其他原子核，导致其他原子核裂变放出中子……如此循环，形成链式反应，就会放出巨大的能量，原子弹的蘑菇云就这么产生了。

个体的规律没法预测，怎么群体的规律就能预测了呢？鲍尔给了我们两个原因。

第一个重要的原因就是“大数定律”。这是统计学里的一个定律，告诉了我们一个很朴素的事实：如果进行多次随机试验，样本数量越多，它们的平均值就越趋近一个值，这个值在数学上叫期望值 。把这个放在社会现象当中，它就在告诉我们：大量的随机事件中隐藏着必然的统计规律。一旦有了统计规律，就算不确定个体会有怎样的行为，也不影响我们分析系统整体的统计行为。这其实很好理解，比如，我们不能预测一对夫妇会生男孩还是女孩，但我们能很准确地预测一个地区新出生的男女婴儿的比例。统计规律的存在让世界变得可预测。

另一个重要的原因就在于“量变导致质变”。虽然我们每个人的行为是难以预测的，但每个人的这种微观行为累积在一起，可能会影响宏观尺度上的社会系统。我们平时经常看到的各种社会运动，或者社会流行风潮的改变，其实都是微观变化累积，最终量变导致质变的结果。当系统已经发生质变时，微观状态的细节就变得不那么重要了。比如，这本书中介绍的堵车这种现象。堵车是非常常见的一种集体行为，当车流的密度增大到了一定程度，公路上就必然会发生拥堵，而当发生拥堵的时候，个体行为的一些细节特征，比如你的驾驶水平、是不是倾向于开快车或者汽车的品牌等等因素，其实就已经完全不重要了。

简单总结一下第一部分的讨论。为什么我们可以用物理学的方法来研究社会科学问题呢？这是因为两个原因：首先，根据大数定律，样本数量越多，统计平均值就越准确，所以集体行为会比个体行为更好预测；其次，虽然我们每个人的行为难以预测，但每个人的行为累积在一起，可能会对社会系统产生重大的影响，当系统已经发生质变的时候，微观状态的细节就变得不那么重要了。

第二部分

我们现在知道了，就算不能预测个体的行为，也可以预测群体的行为，那反过来，如果群体有某个特征，是不是这个群体当中的个体也都有这个特征呢？这就到了我们要回答的第二个问题：社会的集体行为跟我们每个人的个体行为之间的关系是怎样的？

刚刚我们提到，每个个体的微观行为累积在一起，就形成了社会的集体行为。根据直觉，你可能会觉得，既然集体是由许多个体所构成，那么集体的性质大概也都是由个体的性质所决定的吧。传统的社会学研究，的确是按照这样一种思路在进行研究的。比如，社会学家们常常把研究对象按照他们的年龄、性别、职业、国籍或者社会地位等分成不同的集合，他们认为属于同一个集合的不同个体会有类似的行为模式。这种分类统计方法是传统的社会学研究方法，但这本书的作者鲍尔，却尖锐地批评了这种研究方法。

这是为什么呢？鲍尔用了一个非常经典的例子来解释。这个经典的例子，就是诺贝尔经济学奖得主托马斯·谢林的“族群隔离模型”。人们会更愿意和自己相似的人待在一起，比如文化相似、语言相似的人聚集在一起，这就是一个族群。在美国很严重的种族问题，很多人会认为，出现种族歧视，肯定是因为很多人都对不同种族的人有偏见，对他们很排斥，所以就出现了地理上的划分，比如美国就有“黑人区”。事实真的是这样吗？

谢林的族群隔离模型就证明，事情不是这样。他发现，就算社会中的每个人都没有种族偏见，都能包容跟自己不同族群的邻居，社会中也可能出现自发的族群隔离。为什么呢？在我们的社会中，极端的种族主义者总是少数，大多数人并不排斥其他的族群，不过，虽然我们不排斥他人，却很有可能会害怕自己成为社区中的少数人。比如说，我们自己一个人来到国外某个城市开始新的生活，身边全是语言不通的外国人，就算我们没有任何种族偏见，也总不免还是会有些紧张。很多人的选择就是搬家到当地的一些唐人街，或者其他中国人聚集的地方去生活。

谢林就注意到了这一点，于是，他提出了一个非常简单的模型用来描述这种现象。他是这样设定的：在一个棋盘格子上，每个人会看看周围格点的邻居们都属于哪个族群，是跟自己一样还是不一样。一旦他在自己的社区中成为少数派，比如在一个棋盘格子上，他的八个邻居中有五个跟自己不属于同一个族群，他大概率就会选择搬家。有意思的是，根据模型计算，这样一个简单的规则就会导致种族隔离。最终，同一个族群的小群落不断生长、合并，只剩下几个大的群落。这个时候，绝大多数个体都被和自己相同族群的邻居包围。但是这个时候，每个人还是没有种族偏见的，他们对新来的邻居还是非常包容的。

谢林模型非常简单，但它的背后却蕴含着深刻的道理。这个模型告诉我们，集体行为不是个体行为的简单相加，社会系统中的宏观现象与微观机制之间没有简单的对应关系。比如上面的例子里，城市的种族隔离程度高，不代表这个城市的种族主义倾向就严重。不过，这其实是我们常常会犯的一类错误。

还拿堵车这个现象来说，当分析堵车问题时，我们可以找来一大堆汽车，对这些汽车以及它们的驾驶员做统计。但就算这样，我们还是没法知道关于堵车的任何信息，因为在这种研究思路中，我们把堵车这种现象直接看成是每辆汽车本身的性质，比如说，黑色的汽车容易堵车，蓝色的汽车不容易堵车等等。这种分析显然是错误的，整个研究的前提就是荒谬的。鲍尔认为，统计学可以帮助我们描述集体行为，但没有办法帮我们找到集体行为的真正机制。如果研究的前提是错误的，不管你的统计做得多么好，最终只能得到错误的结论。

这些例子都告诉我们，在研究许多社会现象时，我们不能简单地把集体行为的特征放到个体身上去，反过来也同样，个体的倾向也不会外延到群体之中 。比如在西方经济学中，大家普遍相信，每个人都是只在为自己的利益考虑，但这样一群“自私自利”的人所组成的群体，却让整个社会的福祉提高了，大家都通力合作。

总结一下这部分的讨论，集体行为与个体行为之间有着复杂的关系。从谢林模型的例子中我们看到，种族隔离现象未必是由种族歧视造成的。社会系统中的宏观现象与微观机制之间没有简单的对应关系。在分析社会现象的时候，我们需要特别注意，不能把集体行为的特征强行放到个体的身上去，也不能把个体的意愿随意扩展成群体的意愿。

第三部分

鲍尔批判了传统社会学的做法，那物理学到底是怎么来预知社会的呢？这是我们要说的第三个问题，也是这本书所讨论的核心问题。在书中，鲍尔通过大量的实例，介绍了用物理方法预测社会现象的一些思路，这些思路总结起来就是下面三点：把握互动关系，关注幂律分布，重视突变现象。

咱们首先来介绍第一点，把握互动关系。鲍尔认为，传统社会学研究中存在的问题，就是以前的许多社会学家常常忽略了对互动的研究。比如我们刚刚提到过很多次的堵车，就是一种集体行为。如果公路上只有一辆车，那不管它怎么开，根本就不会有堵车这种现象，堵车是由于汽车与汽车之间的互动所导致的。如果前面的汽车突然减速，那么后面的汽车为了避免相撞也不得不减速，然后越来越多的车跟着减速，个体间互动所导致的这种连锁反应，才最终引发了堵车的出现。如果缺乏对个体间互动的了解，只对个体进行分析，我们就很难得到有意义的结论。在一个社会系统中，这种互动可能表现为很多不同的形式，它有可能是各种各样信息的传播，也有可能是各种复杂的博弈，还有可能是社交网络上的相互关注。

当我们想要分析这些互动关系的时候，就要透过各种表象，深入系统内部，把群体中所有的关系挖掘出来。这些关系明确了这个社会系统的组织方式。比如，在一个公司内部，有不同的人或者不同的部门之间的复杂互动关系，把这种关系抽象出来，我们就得到了公司的组织结构。在一个市场中，买方和卖方之间可以通过交易产生相互作用，如果把这种交易关系抽象出来，我们就得到了市场的结构。在社交网络上，一条谣言的传播反映的是网络上人与人之间的社交关系，将这种社交关系抽象出来，我们就得到了社交网络的结构。只有理解社会系统的组织形式、整合方式，我们才能真正对社会的发展做出正确的预测。

了解了社会的结构，接下来我们准备来真的预知社会了。这时候，我们需要用到一种特殊的统计分布，这个统计分布就是非常著名的“幂律分布”。在这本书的中文译本中，把它翻译成了“乘方律”，其实是同一个意思。幂律分布这个词听着吓人，其实你应该听过，就是“二八定律”。在19世纪的时候，意大利经济学家帕累托，在研究英国的财富分配状况时就发现，20%的人群拥有着社会80%的财富，这样的概率分布可以用一个幂函数，也就是乘方函数来描述。从表面上来看，它反映的是一种不公平性，但从本质上来看，它其实代表着一种增长法则，就是经济学上的“马太效应”。

马太效应代表着让富者更富、贫者更贫。之所以在财富分配中会出现幂律分布，其实是因为财富本身就有某种聚集效应。有了更多的资金，就可能会有更多的投资机会，更高的收益率，认识其他更多的有钱人。这是一种非常强大的正反馈，可以让金钱在短时间内大量增加而不受限制。在社会现象中，这种马太效应比比皆是。比如，书中提到互联网的网络结构也满足统计规律：在绝大多数的网页上都没有太多的链接，而少数的网页却有很多的链接。另外，在互联网的社交网络上，我们也可以观察到类似的特征：绝大多数的用户只有很少量的关注，而只有那些明星、名人或者一些新闻事件的当事人才有可能会有很多关注。

这些统计规律并不是从一开始就产生的，而是因为在网络结构的形成过程中，每个新网页会倾向于链接到一些有影响力的旧网页，每一个新用户会倾向于去关注那些本来就有很多关注的人、转发那些转发数很高的帖子，这种效应不断累积，最终在整个社会中表现为幂律分布。当面对这些现象的时候，幂律分布可以成为一个有效的统计工具，帮助我们预测很多社会现象。比如，每年会有多少张超级畅销的唱片？一个社会中特大型的公司大概会有多少个？一个城市人口的增加，会为城市里的人们增加多少财富？这些问题看起来都各不相同，但它们的背后都与幂律分布和马太效应有关。

最后一个预测的思路，是在预知社会时，需要特别注意突变现象。在物理学中，有一种变化被叫作“相变”。在相变现象中，系统的状态有可能会从一个状态突然变成另一种状态，比如，磁铁的磁性在温度的影响下突然消失。这种变化不是渐渐发生的，而是到了某个时候，我们好像找到了压垮骆驼的最后一根稻草，骆驼突然就被压垮了。

在人类社会中，这种突然发生的变化也会常常出现。比如一个地区可能会突然发生大规模的停电，金融市场突然从牛市变成了熊市，甚至一个国家或者地区突然会发生政治或者军事上的动荡。如果我们可以预测这种突然发生的转变，那么我们就能尽最大可能降低损失，甚至避免灾难发生。有趣的是，这种突变的现象往往会伴随着出现幂律分布。这是因为当系统处在即将突变这个状态附近的时候，往往会有巨大的波动，而伴随着这种巨大的波动，马太效应也会出现。比如市场上扩散开的恐慌情绪，会导致股票市场的波动，而市场波动又会反过来造成更大的恐慌。这种现象一旦形成，股票价格就会发生巨大波动，市场就有可能突然从牛市变成熊市。

好了，咱们刚刚主要介绍了用物理学原则预测社会现象的一些思路，这些思路可以概括为三点：把握互动关系，关注幂律分布，重视突变现象。互动关系可以揭示社会组织到底具有怎样的结构，幂律分布可以为我们提供定量计算的统计规律，而物理学的相变理论，则可以启发我们理解社会中各种突然发生的重大转变到底为什么会发生。

第四部分

在前面的讨论中，我们都是站在研究者的角度，希望可以预测社会的发展和变化，找到社会发展的一些规律等等，既然我们已经认识到物理学可以帮助我们理解与解释社会，很自然地我们就会想到，一个跟我们每个人更加息息相关的问题：能不能用通过预知社会得出的结论指导我们改造社会，让我们的世界变得更美好、更安全？

在这本书中有许多非常具体的实例都在回答这个问题。比如在介绍交通流问题时，在讨论完马路上的堵车现象之后，鲍尔又延伸讨论了在电影院、剧场等公共场所的逃生出口处可能出现的堵塞情况。这些公共场所一旦发生火灾，如果观众们不能及时地撤出来，就有可能酿成不可挽回的悲剧，然而在设计逃生出口的时候，传统上设计师们只能根据相关法规设计一些安全出口，但是没有人知道这些设计到底是不是最好的。要知道，当火灾发生的时候，人们并不是均匀地分布在每个出口，而是有可能会非常集中，甚至可能会有一些非理性的恐慌。这时候，预知社会就派上了大用场。通过计算机模拟的方法，我们能更好地预测人们的逃生路线和经过路线所需的时间，研究在出口附近是不是会出现堵塞的现象。相关的理论和模拟对于安排疏导、设立交通引导标志、在适当的位置设计合理大小的安全出口等，都可以起到非常重要的参考作用。这些无疑会让我们的世界变得更安全。

另外，值得一提的是，因为这本书的英文版出版于2003年，当时还没有我们现在常用的各种大数据和人工智能技术，所以这本书中的介绍，仍然集中于怎样通过建立物理模型来对社会进行预测。我来补充一下最近一些年来的发展。随着数据的收集变得越来越简单，再加上人工智能技术的发展突飞猛进，用计算和统计方法研究集体行为，已经成了社会科学中的一个主流方向。在现在，当研究者们再来面对堵车的问题时，可能最流行的做法是这样的：机器不断收集行人和车辆的定位数据，然后根据路况情况进行实时分析，预测不同路段的堵车情况，最终给出避免堵塞的导航路线。这样的应用已经改变了我们的生活，为我们节省了时间，让我们的世界变得美好了一些。

不过，鲍尔也很深刻地意识到了从预知社会到改造社会之间的不同。在这本书里，鲍尔举了一个有趣的例子：假如有一个经济学家可以洞察人类集体行为中的规律，真的可以精确预测经济危机，可能会出现怎样的后果呢？

鲍尔说，这可能会有三种结果，不过三种结果都不能说是个好结果。第一种结果是：没人相信经济学家的预测，而市场也真的出现了崩溃。虽说这时候经济学家的预测成真了，但这种预测并没有让我们的世界变得更美好。第二种结果是，有很多投资者相信这个预测，结果抛售的狂潮造成了市场的巨大波动，最终导致暴跌。这时候，与其说经济学是在“预测”经济危机，反倒不如说是在“制造”经济危机。还有一种情况就是，大家都相信这个预测，然后做出了恰当的防范措施，避免了经济危机的发生。这看起来是一个很好的结果，但这时候可能又会有人出来质疑：经济学家的预测真的是正确的吗？经济危机根本就没有发生过嘛。也就是说，由于大家都相信了正确的预测，反而导致预测结果出现了偏差。

从这个例子里，我们看到了社会科学研究不同于自然科学的地方。即便我们可以用模型和数学推导各种社会现象的发展趋势，但预知社会到改造社会之间，依然隔着遥远的距离。在改造社会的时候，社会系统常常没法像自然科学一样做精确控制的对照实验，更别说做大规模的重复实验了。而在技术和理论以外，由于人性的复杂性，我们总会发现很多的悖论。这也是为什么古往今来许多思想家凭借理性建构出来的乌托邦社会，在实践中却被证明是失败的或者低效的。

总结一下最后这部分的讨论。通过对社会中各种集体行为进行预测，的确有可能让世界变得更美好更安全，但在预测世界和改造世界之间仍然有很远的距离，这是因为社会系统仍然还是有它自己独有的复杂性。

总结

到这里为止，这本《预知社会》的主要内容也就介绍完了。总结一下本期音频的主要内容，我们说这本书总共回答了四个问题：

第一个问题是，为什么我们可以用物理学的方法来研究社会科学问题。这是因为，首先，根据大数定律，样本数量越多，统计平均值就越准确，所以集体行为会比个体行为更好预测；其次，虽然我们每个人的行为难以预测，但每个人的行为累积在一起，可能会对社会系统产生重大的影响，当系统已经发生质变的时候，微观状态的细节就变得不那么重要了。

这本书回答的第二个问题是，个体行为跟集体行为之间的关系到底是怎样的。 其实，集体行为与个体行为之间的关系非常复杂，个体的倾向不会外延到群体之中，因此，在分析社会现象的时候，我们需要特别注意区分个体的选择与集体的倾向，不能把集体行为的特征强行放到个体的身上去。

第三个问题是关于怎样预知社会的，这也是这本书所回答的核心问题。我们把这些内容概括为三个要点：把握互动关系，关注幂律分布，重视突变现象。

这本书回答的第四个问题就是，能不能用通过预知社会得出的结论指导我们改造社会。生活在现在这样一个数字化的时代，其实我们身边已经到处都是对社会系统的预测，基于这些预测，我们的世界的确有变得更美好更安全。但这也并不是说我们已经解决了所有的问题，由于社会系统独有的复杂性，在预测世界和改造世界之间，我们仍然有很远的距离。