网络与复杂系统（三）

胖车库将持续翻译Albert-László Barabási的「网络」一书及其课程^[1]。今天来第一章5-6节。

第1.5节 社会影响

衡量一个新研究领域的影响，既要看它的智力成果，也要看它的社会影响，即它的应用范围和潜力。虽然网络科学是一个年轻的领域，但它的影响却无处不在。

21世纪最成功的公司，从谷歌到 Facebook、Twitter、LinkedIn、思科、苹果和Akamai，其技术和商业模式都基于网络。事实上，谷歌不仅经营着人类有史以来最大的网络地图业务，生成了一个全面的、不断更新的WWW地图，而且其搜索技术与网络的网络特性有着深刻的联系。

随着Facebook的出现，网络获得了特别的青睐，这家公司雄心勃勃地要绘制出整个地球的社会网络。Facebook不是第一个社交网站，它也可能不是最后一个。一个令人印象深刻的社交网络工具的生态系统，从Twitter到LinkedIn都在争夺数百万用户的注意力。网络科学家构思的算法为这些网站提供了动力，从朋友推荐到广告都有帮助。

健康：从药物设计到代谢工程

2001年完成的人类基因组计划提供了人类所有基因的第一个全面清单[5, 6]。然而，为了充分了解我们的细胞如何运作，以及疾病的起源，一个完整的基因清单是不够的。我们还需要一张关于基因、蛋白质、代谢物和其他细胞成分如何相互作用的准确地图。事实上，大多数细胞过程，从食物加工到感知环境的变化，都依赖于分子网络。这些网络的破坏是导致人类疾病的原因。

对分子网络重要性的日益认识导致了网络生物学的出现，这是生物学的一个新的分支领域，旨在了解细胞网络的行为。医学中的一个平行运动，称为网络医学，旨在揭示网络在人类疾病中的作用（图1.5）。哈佛大学在2012年成立了网络医学部，雇用研究人员和医生应用基于网络的理念来理解人类疾病，这一事实说明了这些进展的重要性。

网络在药物开发中发挥着特别重要的作用。网络药理学[7]的最终目标是开发出能够治愈疾病且无明显副作用的药物。这个目标在很多层面上被追求，从投资数百万美元绘制细胞网络图，到开发工具和数据库来存储、整理和分析病人和基因数据。

一些新公司利用网络为健康和医学提供的机会。例如，GeneGo从科学文献中收集细胞相互作用的地图，Genomatica利用代谢网络背后的预测能力来确定细菌和人类的药物目标。最近，主要的制药公司，如强生公司，已经在网络医学方面进行了大量的投资，认为它是通往未来药物的道路。

《自然-评论-遗传学》（Nature Reviews Genetics）的两期封面，该杂志是遗传学领域领先的评论杂志。该杂志对网络的影响给予了特别的关注：2004年的封面侧重于网络生物学[8]（上），2011年的封面讨论了网络医学[9]（下）。

神经科学：绘制大脑地图

人脑由数千亿个相互联系的神经元组成，从网络科学的角度来看，它是最不被理解的网络之一。 原因很简单。我们缺乏告诉我们哪些神经元是联系在一起的地图。唯一可用于研究的完全绘图的大脑是优雅角虫的大脑，它只由302个神经元组成。哺乳动物大脑的详细地图可能导致脑科学的革命，使人们能够理解和治愈众多的神经和大脑疾病。有了这些，大脑研究可以将其变成网络科学最丰富的应用领域之一[16]。在这种地图潜在的变革性影响的驱动下，2010年美国国家卫生研究院启动了Connectome项目，旨在开发能够提供准确的哺乳动物大脑神经元水平地图的技术（图1.4）。

管理：揭示组织的内部结构

虽然管理层倾向于依赖官方的指挥系统，但越来越明显的是，非正式的网络，捕捉到谁与谁之间的真正沟通，在一个组织的成功中起着最重要的作用。这种组织网络的准确地图可以暴露出关键单位之间可能缺乏的互动，帮助识别那些在将不同部门和产品结合在一起方面发挥重要作用的个人，并帮助更高管理层诊断出不同的组织问题。此外，管理学文献中越来越多的证据表明，员工的生产力由其在这种非正式组织网络中的位置决定[17]。

因此，许多公司，如Maven 7、Activate Networks或Orgnet，都提供工具和方法来绘制组织的真实结构。这些公司提供了一系列的服务，从识别意见领袖到减少员工流失，优化知识和产品传播，以及设计具有多样性、规模和专业知识的团队，以便最有效地完成特定任务（图1.8）。从IBM到SAP的老牌企业，都在其业务中加入了社交网络功能。总的来说，网络科学工具在管理和商业中是不可缺少的，它可以提高生产力，促进组织内的创新。

匈牙利一家公司的员工，有三个主要地点（紫色、黄色和蓝色）。管理层意识到，到达工人手中的关于高层管理意图的信息往往与他们的真实计划无关。为了加强公司内部的信息流动，他们求助于Maven 7，一家将网络科学应用于组织环境的公司。

Maven 7开发了一个在线平台，询问每个员工，当涉及到影响公司的决策时，他们向谁寻求建议。该平台提供了(b)所示的地图，如果一个人提名另一个人作为他/她在组织和专业问题上的信息来源，那么这两个人就有联系。该地图确定了几个非常有影响力的个人，作为大的枢纽出现。

领导层在公司非正式网络中的地位，节点根据他们在公司中的级别而着色。请注意，红色显示的董事没有一个是枢纽。高层管理人员也不是，显示为蓝色。枢纽来自于较低的级别：他们是经理、小组长和同事。最大的枢纽，也就是最有影响力的个人，是一个普通的雇员，在中间显示为一个灰色节点。

最大枢纽的链接（红色）和离这个枢纽两个链接的链接（橙色），表明相当一部分员工离这个枢纽最多有两个链接。但这个中心是谁呢？他是负责安全和环境问题的员工。因此，他定期访问每个地点并与员工交谈。除了最高管理层之外，他与所有人都有联系。由于对管理层的真实意图知之甚少，他把沿途收集到的信息传递出去，有效地运行一个八卦中心。

他们应该解雇还是提升这个最大的中心？解决这个问题的最佳方案是什么？

第1.6节 科学影响

在科学界，网络科学的影响是最明显的。从《自然》到《科学》《细胞》和《美国科学院院刊》等最知名的科学期刊都有专门的评论和社论，讨论网络对从生物学到社会科学等各种主题的影响。例如，《科学》杂志出版了关于网络的特刊，纪念无标度网络发现十周年[18]（图1.8）。

在过去的十年中，每年都有十几个国际会议、研讨会、暑期和冬季学校集中在网络科学方面。自2005年以来，一个非常成功的网络科学系列会议，即Net- Sci，吸引了该领域的从业者。几本通俗读物在许多国家都登上了畅销书排行榜，将网络科学带给了普通大众。大多数主要大学都开设了网络科学课程，吸引了不同的学生群体，2014年，波士顿的东北大学和布达佩斯的中欧大学都推出了网络科学的博士生项目。

为了了解网络对科学界的影响，检查复杂系统领域中被引用次数最多的论文的引用模式是非常有用的。这些论文中的每一篇都是引文经典，报告了蝴蝶效应、重正化组、自旋玻璃、分形和神经网络等经典发现，并累积了2000至5000次的引文。为了了解对网络科学的兴趣与图1.9中这些基础性论文的影响相比，我们将它们的引用模式与两篇引用率最高的网络科学论文的引用情况进行比较：1998年关于小世界现象的论文[19]和1999年报告发现无标度网络的《科学》论文[18]。可以看出，这两篇论文每年引用量的迅速上升在复杂系统领域前所未有。

复杂性和网络科学

通过引用模式看到的网络科学的科学影响，与复杂性方面被引用最多的论文的引用情况相比。60年代和70年代对复杂系统的研究主要由Edward Lorenz 1963年关于混沌的经典工作[20]、Kenneth G. Wilson的重正化组[21]以及Samuel F. Edwards和Philip W. Anderson关于自旋玻璃的工作[22]主导。在20世纪80年代，继Benoit Mandelbrot关于分形的书[23]和Thomas Witten和Len Sander提出的扩散有限聚集模型[24]之后，该社区已将其重点转移到模式形成。同样具有影响力的还有John Hopfield关于神经网络的论文[25]和Per Bak, Chao Tang和Kurt Wiesenfeld关于自组织临界的工作[26]。这些论文继续定义我们对复杂系统的理解。该图将这些里程碑式的论文的年度引用率与网络科学中引用率最高的两篇论文--Watts和Strogatz关于小世界网络的论文以及Barabási Albert报告发现无尺度网络的论文的引用率进行了比较。[18, 19].

其他一些指标表明，网络科学正以一种决定性的方式影响着众多学科。例如，在一些研究领域，网络论文成为其主要期刊中被引用最多的论文。

1998年Watts和Strogatz在《自然》杂志上发表的关于小世界现象的论文[19]和1999年Albert Barabási在《科学》杂志上发表的关于无尺度网络的论文[18]被汤普森路透社认定为发表后十年内物理科学中被引用次数最多的十篇论文之一。目前（2011年），Watts-Strogatz的论文是1998年《自然》杂志发表的所有论文中被引用次数第二多的，Barabási-Albert的论文是1999年《科学》杂志发表的所有论文中被引用次数最多的论文。

马克-纽曼（Mark Newman）撰写的关于网络科学的SIAM评论在发表四年后成为工业与应用数学学会出版的所有期刊中被引用次数最多的论文[27]。

《现代物理学评论》（Reviews of Modern Physics）自1929年出版，是影响因子最高的物理学期刊。直到2012年，该杂志被引用次数最多的论文是诺贝尔奖得主Subrahmanyan Chandrasekhar写的，他在1944年写的经典评论《物理和天文学中的随机问题》[28]。在发表后的70年里，这篇论文收集了超过5000次的引用。然而，在2012年，它被2001年发表的第一篇网络科学评论《复杂网络的统计力学》[29]所取代。

Pastor-Satorras和Vespignani[30]的论文报告了在无标度网络中流行病阈值消失的发现，是《物理评论通讯》2001年发表的论文中被引用最多的论文，与一篇关于量子计算的论文共享。

Michelle Girvan和Mark Newman关于网络中社区发现的论文[31]是《美国国家科学院院刊》2002年发表的被引用次数最多的论文。

2004年题为《网络生物学》的评论[8]是遗传学领域顶级评论期刊《自然评论-遗传学》历史上被引用次数第二多的论文。

在科学界这种非凡的热情的推动下，美国国家研究委员会（NRC）对网络科学进行了研究，该委员会是美国国家科学院负责向美国政府提供政策建议的机构。NRC成立了两个小组，在两份NRC报告[32, 33]中总结了一些建议，定义了网络科学的领域（图1.10）。这些报告不仅记录了一个新研究领域的出现，而且强调了该领域对科学、国家竞争力和安全的作用。 继这些报告之后，美国国家科学基金会（NSF）成立了一个网络科学局，陆军研究实验室也在美国大学资助了几个网络科学中心。

国家研究委员会

美国国家研究委员会关于网络科学的两份报告记录了这门新学科的出现，并强调其对研究和国家竞争力的长期影响[32, 33]。他们建议为该领域提供专门的支持，促使美国大学建立了网络科学中心，并在国家科学基金会内设立了网络科学项目。

网络科学也让公众感到兴奋。一些普通读者的书籍，比如《链接》、《关系》、《六度》和《连接》（图1.11）的成功，对此起到了推动作用。澳大利亚电影制片人Annamaria Talas拍摄的获奖纪录片《Connected》将这一领域带到了我们的电视屏幕上，在全世界范围内播放，并赢得了多个著名奖项（视频1.2）。

连接

获奖纪录片《连接》的预告片，由Annamaria Talas执导，提供了对网络科学的介绍。该片的主角是演员凯文-培根和几个知名的网络科学家。

网络也启发了艺术家，导致了一系列与网络有关的艺术项目，以及一个将艺术家和网络科学家聚集在一起的年度研讨会系列[38]。在《社交网络》或《六度分隔》等成功电影以及一系列利用网络范式的科幻小说和短篇小说的推动下，如今网络已经深深扎根于大众文化之中。

网络的崛起

自1880年以来，进化、量子和网络等词在书籍中的使用频率。该图显示了20世纪最后几十年社会对网络认识的爆炸性增长，为网络科学的出现奠定了基础。这些图是由谷歌的ngram平台生成的，计算出一年中出版的书籍中提到进化、量子或网络的部分。

虽然网络科学的出现似乎是一个相当突然的现象（图1.3和1.9），但该领域是对社会对网络的作用和重要性的广泛认识的回应。图1.12说明了这一点，它显示了过去两个世纪中两个重要的科学革命的词汇的使用频率：进化论和量子，前者是指达尔文的进化论，后者是指量子力学时最常使用的术语。正如所料，1859年达尔文的《物种起源》出版后，进化论的使用有所增加。量子这个词在1902年首次使用，直到20世纪20年代，量子力学在物理学家中获得认可并进入公众的意识，这个词几乎没有。

该图将这些词与网络的用法进行了比较，后者在20世纪80年代后获得了惊人的增长，超过了进化和量子。虽然网络这个词有很多用途（就像进化论和量子一样），但它的急剧上升反映了社会对网络的认识越来越深刻。

进化论、量子力学和网络科学所促进的进步之间有一些共同点。它们不仅是重要的科学领域，有自己的知识核心和知识体系，而且也是有利的平台。事实上，当前的遗传学革命是建立在进化论之上的，而量子力学为当代科学的广泛进步提供了一个平台，从化学到电子。同样，网络科学也是一个有利的平台，为从社交网络到药物设计等广泛的科学问题提供了新的工具和视角。

鉴于网络在科学和社会中的这种特殊影响，我们必须掌握研究和量化网络的工具。本书的其余部分专门讨论这个有价值的主题。

参考资料

[1] 「网络」一书及其课程: http://networksciencebook.com/chapter/3#small-worlds

[5]  International Human Genome Sequencing Consortium. Initial sequencing and analysis of the human genome. Nature, 409: 6822, 2001.

[6]  J. C. Venter et al. The Sequence of the Human Genome. Science, 291: 1304, 2001.

[7]  A. L. Hopkins, Network Pharmacology. Nature Biotechnology, 25: 1110-1111, 2007.

[8]  Z. N. Oltvai and A.-L. Barabási. Network Biology: Understanding the cell’s functional organization. Nature Reviews Genetics, 5: 101, 2004.

[9]  N. Gulbahce, A.-L. Barabási, and J. Loscalzo. Network medicine: A network-based approach to human disease. Nature Reviews Genetics, 12: 56, 2011.

[16]  O. Sporns, G. Tononi, and R. Kötter. The Human Connectome: A Structural Description of the Human Brain. PLoS Computional Biology, 1: 4, 2005.

[17]  L. Wu , B. N. Waber, S. Aral, E. Brynjolfsson, and A. Pentland. Mining Face-to-Face Interaction Networks using Sociometric Badges: Predicting Productivity in an IT Configuration Task. Proceedings of the International Conference on Information Systems, Paris, France, December 14-17, 2008.

[18]  A.-L. Barabási and R. Albert. Emergence of scaling in random networks. Science, 286: 509, 1999.

[20]  E. N. Lorenz. Deterministic Nonperiodic Flow. Journal of the Atmospheric Sciences, 20: 130, 1963.

[21]  K. G. Wilson. The renormalization group: Critical phenomena and the Kondo problem. Reviews of Modern Physics, 47: 773, 1975.

[22]  S. F. Edwards and P. W. Anderson. Theory of Spin Glasses. Journal of Physics, F 5: 965, 1975.

[23]  B. B. Mandelbrot. The Fractal Geometry of Nature. W.H. Freeman and Company. 1982.

[24]  T. Witten, Jr. and L. M. Sander. Diffusion-Limited Aggregation, a Kinetic Critical Phenomenon. Physical Review Letters, 47: 1400, 1981.

[25]  J. J. Hopfield. Neural networks and physical systems with emergent collective computational abilities. PNAS, 79: 2554, 1982.

[26]  P. Bak, C. Tang, and K. Wiesenfeld. Self-organized criticality: an explanation of 1/ƒ noise. Physical Review Letters, 59: 4, 1987.

[27]  M. E. J. Newman. The structure and function of complex networks. SIAM Review. 45: 167, 2003.

[28]  S. Chandrasekhar. Stochastic Problems in Physics and Astronomy. Reviews Modern Physics, 15: 1, 1943.

[29]  R. Albert and A.-L. Barabási, Statistical mechanics of complex networks. Reviews Modern Physics, 74: 47, 2002.

[30]  R. Pastor-Satorras and A. Vespignani. Epidemic spreading in scalefree networks. Physical Review Letters, 86: 3200, 2001.

[31]  M. Girvan and M. E. J. Newman. Community structure in social and biological networks. PNAS, 99: 7821, 2002.

[32]  National Research Council. Network Science. Washington, DC: The National Academies Press, 2005.

[33]  National Research Council. Strategy for an Army Center for Network Science, Technology, and Experimentation. Washington, DC: The National Academies Press, 2007.

[38]  M. Schich, R. Malina, and I. Meirelles (Editors). Arts, Humanities, and Complex Networks [Kindle Edition], 2012.