智慧社会：大数据与社会物理学 (财富汇)-（美）阿莱克斯·彭特兰
书名:智慧社会：大数据与社会物理学 (财富汇)
作者:（美）阿莱克斯·彭特兰
格式:EPUB, HTMLZ, PDF
路径:点击打开
出版:浙江人民出版社
排序作者:（美）阿莱克斯·彭特兰
排序书名:智慧社会：大数据与社会物理学 (财富汇)
日期:08 12月 2018
uuid:cf826fb0-d606-4140-aef4-a3f7f6160f0f
id:464
出版日期:3月 2015
修改日期:08 12月 2018
大小:4.51MB
语言:中文
我工作的麻省理工学院（MIT）是创新世界的中心，世界上几乎所有的新想法或新技术都会从MIT公之于世。而且，MIT也是世界上新兴公司分布最稠密的地区（尽管硅谷的占地面积更大）。MIT媒体实验室既是我的“智力之家”，也是世界上最前沿的“未来之地”。15年前，我加入了世界上第一个电子人团队，团队中的每个人都在工作和生活中随身携带无线连接的计算机和具有计算机显示的眼镜。当时大家提出的许多想法如今已经逐渐推向世界：我以前的学生现在正领导着世界上最顶尖的商业项目，包括Google眼镜和Google+。
我所处的特殊环境让我拥有得天独厚的机会，能够在第一时间了解创造性文化是如何孵化出新想法，帮助这些想法发展和成长，并最终付诸实践的。也许更为重要的是，我也看到了如何改变创造性文化以使之在MIT这种超连接、以星际航速发展的环境中得以蓬勃发展——这种环境正在逐渐覆盖整个世界。
我从这些经历中学到，许多关于我们自身以及社会如何运行的传统想法都是错的。拥有最好想法的并不是最聪明的人，而是那些最擅长从别人那里获取想法的人。推动变革的并不是最坚定的人，而是那些最能与志同道合者相处的人。最能激发人的并不是财富和声望，而是来自同伴的尊重和帮助。
这些想法对于MIT媒体实验室、我的研究小组以及我所指导的企业家精神项目的成功都是至关重要的。我并不讲授传统课程，而是为学生们提供新想法并让他们彼此产生互动。在我担任媒体实验室学术负责人的这段时间里，在我的推动下，媒体实验室放弃了传统的评分体系，转而尝试建立同伴社区，并把在实际项目上的相互尊重与合作当作成功和获得更大支持的标准。毕竟，我们生活在社会网络，而不是课堂或实验室里。
我写作本书的动机来自我在MIT媒体实验室的做事方式与世界上其他地方的人的做事方式之间的显著冲突。例如，我曾创建了亚洲媒体实验室，这是协助印度几个大学相互联系的分布式组织。当时我遇到的最大问题之一，就是研究人员的疏离导致他们的研究既滞后又低效。同一领域的研究人员即使任职于同一所大学也几乎从不见面，因为大学管理人员和研究基金管理部门认为，研究人员阅读彼此的论文就足够了，不需要与人面谈或参加会议。而事实上，只有当他们在非正式的时间见面并一起讨论时，新想法才会开始涌现，处理问题的新方法才能开始传播。
我在世界经济论坛中主持了“超连接的世界”（hyperconnected world）的论坛，该论坛旨在寻求大数据的应对之道，并对私人信息的不可控传播带来的挑战进行了特别关注。在交流中，我发现许多高层政府领导和跨国企业CEO对创新和合作同样缺乏理解。我清楚地看到，大多数政府领导和CEO思考创新和集体合作的方式与我在MIT看到的存在着巨大的差异。大多数人想的仍然是一些较为静态的术语，例如竞争、规则以及偶尔被提及的复杂性。而我则倾向基于一些更为动态、更具有进化性的术语进行思考，着眼于网络中想法的流动、社会规范的产生以及复杂性的产生过程。大多数人在思考时使用的框架是以个人和渐近稳定性结果为中心的，而我采用的则是“网络中的增长过程”这种社会物理学的思考方式。
为了理解这种思维差异，我开始了一项长达10年的研究，试图建立一个严谨的智力框架。该框架通过社会互动来扩展现有的以个人为中心的经济和政策思维，把社会学习和社会压力作为推动文化发展、支配超连接的世界的多个方面的主要力量。
从学术上看，这一研究项目取得了惊人的成功，社会物理学框架中每个部分的研究者都在世界顶尖的科学期刊上发表了论文。我希望这些论文能够进一步深化对复杂性和网络科学领域的研究，并为进化动力学提供新视野。
但是，正如大家所知，学术论文毕竟是学术性的。因此，我努力把这些想法付诸实践，创建了几家创业公司。我们通过使用这些学术成果让企业变得更高效、更富有创新力，让移动社交网络变得更智能，让一个普通人也有可能成为成功的投资者，让整个社会在社交和精神方面的“健康”取得进一步的发展。这些实际行动同样取得了惊人的成功，这在很大程度上也得益于我以前学生的远见卓识——如今他们已经成为这些公司的CEO。
本书开启了一场更大范围的讨论，这场讨论的目标是促使社会物理学的语言能够为大众使用，为传统的市场竞争和调控语言提供必要的细微差别的表述。在一个超连接的世界中，社会动力学对结果的影响非常重要，因此更好地理解社会物理学已经变得至关重要。
快、慢和自由意志
两位诺贝尔奖得主——心理学家丹尼尔·卡尼曼和人工智能先驱赫伯特· 西蒙都支持一个具有两种思维的人类心智模型1。在卡尼曼的描述中，一种是快速、自动并且以潜意识为主的模式，另一种是慢速、基于规则并且以有意识为主的模式。简单的描述就是，快思考主要使用我们从自身经验和观察他人中习得的想法的关联，来驱动我们的习惯和直觉；相比之下，思考的慢模式使用推理，结合我们的信仰以得出新结论。
快思考：快思考是一个更古老的系统，并且在即时得到答案方面表现优秀，即使是那些需要权衡的复杂问题也是如此。快思考也善于发现模式和关联。快思考擅长通过我们自身的经验和与他人经验的接触来学习；然而，它只限于形成关联而无法利用抽象推理。快思考是我们从猿类祖先那里继承来的某种东西，也许早期人类的心智能力很大程度上就是基于这一系统。
快思考基于选取看上去有用的想法（要采取的行动、采取行动的情境以及可能的结果）并使其成为未来行为的模板。由于快思考是高度自动和无意识的，因此在选取哪些想法作为行为的基础方面，快思考是非常保守的。这也导致我们在学习新的行为习惯时较为缓慢。要把一个想法植入我们的习惯，通常需要先有关于这一想法的许多成功的例子。因此，与正在体验相同想法的人的互动就是我们学习新习惯的一种典型方式2。观察他人的体验为我们提供了所需要的例子，让我们决定一个新想法对我们而言是否会成功。
慢思考：快思考非常有效，它似乎可以追溯到上亿年之前，并且是所有哺乳动物都具有的一种特征。当然，快思考也有一些缺陷，因为使用关联作为选择当前情形下正确行动的机制具有内在的局限性。事实上，卡尼曼和其他学者推测这些局限性也许刺激了慢思考的演化。
慢思考是基于通过个体推理获得的信仰和似乎有趣的观察——也许某一天会被证明是有用的事实。由于慢思考是基于规则和思辨的，考虑新的、不确定的信仰是安全的，因为通过与它们“打交道”，我们将逐渐确定它们是否与我们相信的其他东西相符。然后，我们快速学习新事实并且持续参与探索行为就是有意义的。正如我们在第2 章看到的那样，探索行为提升了我们做出好决策的能力。
语言和慢思考是紧密耦合的。当我们通过特别难忘的故事把他人的经验集成到我们的快思考习惯库中的时候，语言的实际力量就在于它使得慢思考的信仰结构可以在人群中传播。超越当下的、熟悉的经验的约束的能力也许是慢思考对人类的适应性作出的关键贡献，尽管为了得到答案通常需要相当缓慢而艰苦的努力3。
对于许多任务而言，快思考要好于慢思考，大部分人在意识到这一点时都会感到惊讶4。当我们遇到一个复杂的问题并且涉及不同目标之间的权衡时，快思考中的关联机制通常要优于慢思考中的推理机制，在决策时间有限时尤为
如此。因此，很多科学家认为我们绝大部分的日常行为都源于快思考——我们几乎没有时间用慢思考来仔细推敲5。最能体现我们生活高度自动化特征的情形是在进行我们擅长的某个活动的时候，在紧急状况下最能看到快思考的威力，这个时候人们经常说：“我根本就没想过，我只是本能反应”。我们在处理单调的日常事务时也是如此，人们经常会一边空想或闲聊，一边整理文档或驾车。
因此，虽然我们参与某种活动的决定可能是高层次和有意识的，但是很多活动本身是高度熟练和自动的，这些活动由快思考驱动，并且很大程度上不在我们的注意力范围内。我们往往很难解释自己到底做了什么，或者自己为什么有这些习惯性的行为，因为我们只是处于自动模式。
快慢结合：我们通常难以区分快思考和慢思考之间互动的细节，因为进化已经把它们非常紧密地捆绑在一起了。我认为，我们在“社会演化”和“朋友与家庭”实验中看到的主要是快速、习惯或直觉的思考模式的作用。这一模式用类似的方式从不同的人群和情景中学习新行为。相比之下，在选择要加入哪一条想法溪流的时候，我们的慢推理思考模式过于分散和复杂，因此不能成为这些实验中的单个因素。然而，我们可以通过诸如第3章介绍的大数据实验来研究快思考和慢思考是如何一起工作的。
我们的研究表明，人类的持续探索行为通常是有意识的慢思考过程，并且是由通过与不同沟通渠道的社会接触引导的，例如，同伴压力是告知性的，而不是规范性的。
尽管广泛的社会接触引导了探索的慢思考过程，它与快思考的学习过程并非紧密相关。某种新发现的行为是否会集成到快思考的习惯和行为库中，与该行为和同伴社区中长期形成的常识的相符程度有很大关系。
一个最好的概述就是：习惯和直觉是基于快思考的，它使用与他人的互动来集成他人与自己的经验，从而形成我们的行动习惯。探索和引导我们的注意力以帮助把事情弄明白似乎是慢思考的核心功能，它基于的是对事件和情景的观察以及经由个人感知和语言表达习得的相关性6。
人类具有两种非常不同的思考系统这一认识改变了心理学、人类学和社会学中许多经典的争论7。位于这场学术战争一边的是克劳德·列维–斯特劳斯（Claude Lévi-Strauss）[1] 这样的人类学家，以及包括卡尔· 马克思和亚当· 斯密等在内的哲学家、经济学家，他们强调社会结构如何塑造个体行为。位于这场战争另一边的是像让–保罗·萨特（Jean-Paul Sartre）[2]这样的哲学 家、博弈理论家和认知科学家，他们强调自由意志以及个体认知过程如何塑造个体行为。
关于人类具有两种思考模式的现代发现产生了如下结论：这场自由意志与社会情境争论的两方都是对的，但是两方都不能描述所有时刻的所有人类行为。例如，我们在关于政治信仰的“社会演化”研究中发现，人们显然在使用慢思考工具来决定他们是对自由党还是保守党更满意。但是，在他们做出选择之后，快思考的自动学习工具使得他们吸纳自己所选择的团队的直觉和习惯。
然而，从定量的观点看，应该是社会影响这一方赢了。我们行为的绝大部分是习惯性的而不是推理性的，这有悖于我们很多人看待自己的方式8。正如卡尼曼所言，我们的大部分行为都是基于直觉和习惯的快速判断，而不是推理的慢思考。但是，正如自由意志一方会指出的那样，我们最重要的决策绝大部分可能来自推理的慢过程。
[1] 克劳德·列维–斯特劳斯（1908—2009）是著名的法国人类学家，他所建构的结构主义与神话学不但深深影响了人类学，对社会学、哲学、语言学等学科也有深远的影响。——译者注
[2] 让–保罗·萨特（1905—1980），法国思想家、作家，存在主义哲学大师，其代表作《存在与虚无》是存在主义的巅峰作品。1964年，萨特获得诺贝尔文学奖，但是他主动回绝，成为第一位拒绝奖项的诺贝尔奖得主。——译者注
数学
我们如何在互动网络都不知道的情况下，建立社会系统中个体之间的影响、社会现象和同伴压力的模型？本附录包括：（1）综述影响模型，它利用独立时间序列来估计系统中一个参与者的状态对另一个参与者的状态的影响；（2）阐述如何把这种一般的构架用于建模几种不同模态的社会学习；（3）说明如何预测社会网络中行为变化（想法流）的传播；（4）解释如何使用社会网络激励来改变这一流动。
“影响”这一概念在自然科学中是极端重要的。影响的基本想法是：一个实体的结果能够成为另一个实体的结果的原因。推翻第一块多米诺骨牌，第二块也会倒下。如果我们精确理解两块多米诺骨牌是如何互动的（一个骨牌如何影响另一块），并且知道骨牌的初始状态以及它们之间的相对位置，那么我们就能预测整个系统的结果。
社会科学家几十年来也对分析和理解社会系统中谁影响谁的问题十分感兴趣。但是，与物理世界的类比是有行为特征的，特定互动的情景语境可以改变一个参与者对另一个参与者的影响。更具挑战性的是，参与者可以选择与谁互动，这会混淆从参与者之间的相关行为推断影响的努力。因此，人们一直对找到方法以更好地理解网络化互动对于社会行为和结果的传播如何影响怀有巨大的兴趣。
社会科学家仔细研究了诸如团队讨论之类的交流场景以更好地理解影响的因果机制，但是近期在现代感知系统方面的进展（包括社会计量标牌和手机等）提供了来自每个个体的，在时间和空间上都具有很高分辨率的有价值的社会行为信号。但是，挑战在于如何使用这些数据以更好地推断社会系统中的影响。
在本附录中，我将首先介绍影响模型。该模型目前的形式最先是由我的学生董文在他的硕士论文中建立的，后来我所在实验室的潘巍、曼纽尔· 赛布莱恩和泰米· 金，以及加州大学圣迭戈分校的社会学家詹姆斯· 福勒一起对该模型做了改善1。本附录中采用的模型是由潘巍等人描述的形式2。其他文献中对于“影响”的类似定义包括物理中的投票模型、流行病学中的级联模型、心理学中的态度影响和经济学中的信息交换模型等。
然而，先前关于影响的模型难以甚至不可能用于从实际观察中预测行为变化。诸如格兰诺维特（Granovetter）的工作之类的经典扩散模型可用于模拟，但是缺乏数据拟合和预测能力3。社会科学家使用的统计分析，例如配对样本估计，仅能用于识别网络效应和机制4。计算机科学领域近期关于网络结构推断的研究，假设存在一个简单的扩散机制并且仅可用于实际网络上的人工模拟数据5。
正如本书中的一些例子阐明的那样，我们的工作考虑了上述每一个问题。当然，我们的影响模型并非模拟社会互动动力学的唯一方式，并非社会物理学的唯一模型。然而，它是一个可扩展的、有效的方法，能处理异质的个体、改
变的社会关系、丢失的或有噪声的数据，并已被证明适用于许多不同情景的任务。
影响模型基于的是“影响”的一个显式的抽象定义：一个实体的状态受到它的网络邻居的影响并会发生相应的改变。网络中的每一个个体对于其他个体都有特定的影响强度，每段关系都可以按照这一强度进行加权。
我们在“朋友和家庭”、“社会演化”以及其他一些研究中的实验结果已经表明，至少对于那些行动和结果都是可见的行为而言，与已经采取某种行为的同伴的接触量能够很好地估计一个个体将会采取该行为的概率，这就是社会物理学有用的原因。如果没有这些强大的社会学习和社会压力效应，我们就必须模拟每个个体详细的思想模式。
因此，通过把影响模型和与同伴行为接触的衡量或社会纽带强度的衡量相结合，我们就能预测一个个体将会做出某种行为的可能性。典型结果是这种方式可以预测行为采用40%的变动，也就是说，我们的影响预测作为行为结果预测器的效果几乎与智商或遗传组合一样有效。
我认为影响模型对于社会科学家而言是一个独特的工具，因为它可用于广泛的社会系统（包括那些诸如组织、国家和机构之类的聚合体本身也可被视为网络参与者的情形）。影响模型也可以让研究人员在未知网络结构的情况下推断互动和动力学——所需要的只是基于个体观察得到的时间序列信号。
尽管这种建模方法也受到与任意网络观察研究一样的限制，但是行为在时间和社会空间中的排序使得由该模型揭示的影响模式，不太可能通过诸如选择效应和语境异质性之类的其他机制来解释。
近年国内出版了许多关于大数据的书，给人一种“忽如一夜春风来，千树万树梨花开”的感觉。相比而言，彭特兰的这本书选取了一个看似独特，实则触及本质的视角：大数据如何有助于理解人们之间的交流而导致的想法的传播，以及这种理解如何有助于提升从小团体到大企业甚至整个城市和地区的创新能力。在当前这样一个鼓励万众创新的新时代，这本书中文版的出版也算是恰逢其时。
由于在翻译这本书之前我就读过并引用过彭特兰的一些文章，因此当湛庐文化邀请我翻译这本书时，我就欣然接受了并请在香港大学商学院国际商务与全球管理专业（IBGM）就读的女儿汪容和我一起翻译。汪容翻译了前7章的初稿，我翻译其余部分并对整本书的翻译进行校对和统一。下面想通过选取几个例子与读者分享一下我们的感受。
网络新机遇：构建社交网络
我在介绍网络科学时经常会引用彭特兰的MIT 团队获得“红气球挑战赛”冠军的例子（详见书中第6 章的介绍）。这个比赛是为了纪念互联网诞辰40周年而发起的，要求参赛队伍定位出放置在美国大陆不同位置的10只红色的气球，所花时间最短者获胜并赢得4 万美元的奖金。MIT 团队采用递推激励机制在社交网站上征集了几千名志愿者，不到9个小时就定位出所有气球而夺冠。该团队还在顶级期刊《科学》和《美国科学院院报》上介绍了他们的策略。这一策略的核心就是既使用传统的个体经济奖励来动员人们搜寻并提供气球信息，也使用社会网络奖励让人们动员他人参与。尽管几千人组成的网络中只有极少的人是真正找到气球的，但是其余人的贡献也是不可或缺的。这个例子的启示是：在网络时代，我们有可能在很短时间内构建大规模社交网络，从而在很短时间内实现以前无法完成的任务。
管理新方式：校正沟通网络
在翻译这本书的过程中，趁着汪容回家过春节的时间，我们父女俩在大年夜聊起了非洲一些国家出现的“资源的魔咒”（resource curse）现象，即这些国家发现了更多的资源但人民反而更加贫困。汪容和我分享了《国家为什么会失败》（Why Nations Fail）这本书中的一些观点。彭特兰的书则提供了另一个视角：一个地区的繁荣与这个地区的人们之间的沟通程度密切相关。如何提升群体的智慧、效率和创新能力？彭特兰给出了一个传统商学院也许不会讲授的解决方案：校正这个群体成员之间的想法流，以便在独自行动和羊群效应之间取得合适的平衡。书中列举了证券交易员之间的沟通网络的例子，发现可以通过为个体提供少许激励来塑造想法的流动，让孤立的交易员和他人更多地交流，并使那些联系过于紧密的人们之间减少交流而寻求与圈子范围之外的人交流。彭特兰还成立了专门的公司，用于帮助校正世界各地的金融和决策网络。基于数据分析和理论指导的更为有效的网络校正方案今后有可能会受到更多的关注并带来新的机遇。
隐私新挑战：呼唤数据新政
彭特兰在书中花了相当篇幅介绍他近年力推的“数据新政”。英国作家乔治· 奥威尔的传世之作《1984》描绘了一个令人感到窒息和恐怖的极权主义社会，其三大口号是：战争即和平，自由即奴役，无知即力量。在翻译彭特兰的这本书的时候，恰好看到了美国科幻作家大卫· 埃格斯（DaveEggers）面世的小说《The Circle》，其中介绍的一家名为“Circle”的全球最大网络公司可以看作当今Google-Amazon-Facebook-Twitter 的混合体。这家“技术至上”的企业的每一个工程师都希望通过自己的创新让世界更美好，但其结果却是使得所有人都变成不再有任何隐私的透明人，整个世界更像是21 世纪的1984：不再是少数人监控大多数人，而是每一个人监控每一个其他的人。正如该公司的三大口号所言：共享即关怀，秘密即谎言，隐私即盗窃。
尽管《The Circle》只是一本科幻类的小说，它所引发的却是目前全球都很关注的网络时代的隐私保护挑战。随着网络时代、信息时代、数据时代的不断发展，越来越需要有关数据的收集与使用的社会规范与法律框架，实现“数据，让人类更美好”的愿景。
最后，我想谈一下这本书的“学术味”。书中的大量内容都来自彭特兰和合作者的研究成果，书中在介绍这些成果时列出了所有合作者的名字以及成果发表的期刊等信息，这是对合作者的尊重，但是可能会对读者阅读的流畅感有所影响。此外，书中通过专栏和附录的形式介绍了一些相关的理论知识，普通读者在阅读时如果难以理解的话不妨略过。
感谢湛庐文化赠予我的许多好书，并特别感谢编辑们在翻译过程中的多次沟通。汪容和我还要感谢刘红作为一位母亲和妻子的无私而伟大的奉献。
汪小帆
2015 年1月于上海
来源：我是码农，转载请保留出处和链接！
本文链接：http://www.54manong.com/?id=1168
扫一扫
4237
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
