1月选书《龙蛋》05-明明没有交通事故，为什么会发生堵塞

书腾鉴书，第一时间为你解读最精彩的外文新书。

听众朋友们大家好，我是蔡书腾。今天继续解读《龙蛋》一书。这一集，我们暂时不谈公司的创新机制，而是集中探究相变的本质，所以内容相对来说可能比较烧脑，如果听不大懂的就权当听个乐子吧。

相变研究的是群体而不是个体。水分子有三个原子，氨有四个原子，巴克敏斯特富勒烯有60个原子，但它们在高温下会表现出相同的流体动力学，在低温下会表现出相同的固体动力学，这种集体的表现叫做涌现。

涌现的一个基本特征是，它是可以突然发生改变的。比如，随着温度的微小变化，液体突然变成固体。从一种涌现状态到另一种涌现状态的突然转变就是我们所说的相变。

与不同的分子会呈现一样的涌现类似，尽管所有人都是不同的，所有团队也是不同的，但由人组成的网络——比如金融系统或恐怖主义网络——发生相变的可能性是具有高度可预测性的。

关于涌现的科学之所以强大就在于，一旦我们理解了相变，就可以开始进行管理。我们可以设计更好的公路、创造更安全的森林、降低恐怖事件发生的概率，以及这本书的主题——打造出更多的创新团队与公司。下面让我们从交通堵塞入手了解相变。

让我们来想象一个很常见的场景：今天下班后你开车回家，一开始交通很顺畅，过了一会儿，整条路突然就堵塞了，成了停车场。你说：不对啊，我也没有看到什么交通事故，怎么会产生交通堵塞呢？

答案是：你刚刚经历了一个相变。如同水变成冰一样，平稳流变成了堵塞流。

想象一下高速公路上几乎空无一人。前面一辆车距离你上百米，车的司机可能看到一只小动物，于是轻轻踩了踩刹车。你看到那辆车的刹车灯短暂地闪了一下，但由于距离很远，你没有必要减速。

而在拥挤的公路上，前车距离你只有几米远。他一踩刹车，你就赶紧得猛地踩刹车。你前面的刹车灯可能只亮了两秒钟，但是，一旦你前面的司机松开刹车，你也松开刹车，你需要超过两秒钟的时间来加速回到正常速度，比如四秒钟。你后面的司机则可能需要八秒钟才能恢复到原来的速度。再往后16秒。一个刹车的动作耗费的时间呈指数级增长，直到变成交通堵塞。

上世纪90年代初，两位物理学家发现，当高速公路上的汽车密度低于临界密度时，交通是稳定的。小的干扰——比如当小动物跑过时，司机轻踩刹车——不会造成堵塞。这种状态可以称为平稳流。但是高于这个临界密度，小的干扰带来的影响就会成倍增长，进入堵塞流的状态。

随着上下班高峰时间的临近，汽车的密度会渐渐增加。但密度越过临界密度时，如同温度降到0度以下时水凝结成冰块，交通系统发生相变，出现没有明显原因的堵塞。

关于相变，我们需要知道两个要点：

1.每种相变的核心都是两股相互竞争的力量之间的拔河；

2.相变是在系统特性——比如密度或温度——发生微小变化时触发的，从而导致这两种力量之间的平衡发生变化。

高速公路上两股相互竞争的力量是速度和安全。一个司机为了达到正常速度而加速，但是为了避免撞上前面的车而刹车。汽车之间的间距也就是车流的密度是这个系统的特性，也可以称为一个控制参数。

但这并不是唯一的参数。当你看到前车的刹车灯闪烁时，你是否要猛踩刹车不仅取决于两辆车的距离，还取决于你开得有多快。如果你的车速是每小时30英里，那么停车的距离大约是六辆车的长度。如果每小时80英里，则大约是30辆车的长度。在你决定是否刹车时，你的大脑会直观地估计你停车的距离，并与前面那辆车的距离进行比较。总之，车流的密度和速度都可能触发相变。

麻烦大家浏览一下播放页面的文字稿，里面的第一张图一目了然地展示了车辆平均速度和车辆平均距离这两个控制参数是如何触发相变的。

交通工程师利用这一认知来设计更好的高速公路。在繁忙的交通时段要求车辆降低车速似乎违反了直觉，但它可以让图中的第3点移动到第1点，有效降低交通堵塞的概率。

有些高速公路则采用匝道流量控制。当车流的密度和速度开始接近图中的相变分界线时，匝道的交通信号可以暂时减少新进入高速公路的车流量，避免平稳流变为堵塞流。另外，禁止卡车超车的政策可以减少卡车后面的车辆堆积，这些堆积会在短时间内增加车流的密度，从而使系统越过相变分界线，造成交通堵塞。

正如我们从交通系统的例子中所看到的，确定相变的控制参数有助于我们管理相变。同理，我们也可以识别出组织里有哪些控制参数，然后通过调节这些参数以培养更有利于龙蛋孵化的组织，这个留待下一集再讲。

下面让我们来看看另外一种类型的相变。1957年，两位英国数学家发现了一种新的相变类型，它帮助我们了解森林火灾的蔓延。

假设森林一头的某一棵树着火了，那么最后整片森林都会着火吗？

其中一个显而易见的因素是树与树之间的距离，如果隔了大老远，那火苗也没法跑到另一棵树上。换句话说，如果树木的密度低于某个临界值，火灾就不会蔓延到整片森林；反之，大火将吞噬整片森林。

但树木的密度并不是唯一的控制参数。假如风刮得很大，那么即使树木之间的距离比较远，系统也可能会越过相变的分界线，从局部小火变成森林大火。这就像车速太快，即使车的距离比较大，也容易造成交通堵塞一样。

你不妨看一下文稿里的第二张图，它清晰地展示了风速和树木的密度这两个控制参数如何在相变的过程里发生作用。

当然，现实世界里，还有许多因素影响到森林火灾的蔓延，比如空气的湿度、地面的湿度、树的种类以及土地的坡度等。这些因素加上风速，可以说共同构成了火灾的“传染性”。把图里的横轴由“风速”换成“传染性”，纵轴依然是“树木的密度”，这个模型就更加贴近现实了。干燥的地面、易燃的树种、很高的风速，都会增加火灾的“传染性”。

今天，护林人员会根据这一模型来控制森林大火。例如，他们不会试图扑灭每一场火灾，只要这场火灾发生时的“传染性”和所处位置的树木密度没有越过临界值，那么就不必担心它会蔓延，而且适度的燃烧还会降低树木的密度，防止大型火灾的发生。有时候，当森林过于接近相变的分界线时，护林人员还会故意放火，通过降低密度帮助森林远离临界值。

数学家把相关的理论称为“渗透理论”。它不仅能用于预防森林火灾，还能用于分析某种传染性疾病会不会发展成为大规模的流行病。与森林火灾相似，人口的密度和某种疾病的传染性是两个控制参数，它们共同组成了相变的分界线，当实际参数低于分界线时，某种传染病会在小范围内自行消失，反之则会爆发大规模疫情。

此外，根据渗透模型，当一个森林十分接近相变临界线、即将发生蔓延整片森林的大火时，火灾发生的频率会遵循某种特定的形式，也就是与森林的面积成反比，20英亩的森林发生火灾的频率是10英亩的一半，40英亩的是10英亩的1/4，100英亩的是10英亩的1/10，以此类推。这种模式被称为幂律。根据这一模型，可以预测森林大火是否即将发生，甚至还可以预测恐怖事件将何时发生。

牛津大学教授尼尔·约翰逊(Neil Johnson)善于利用物理学的技术在看似随机的数字中寻找隐藏的模式。当2003年第二次伊拉克战争开始时，每天的死亡人数不断成为新闻头条，约翰逊开始思考一个问题：这些悲惨的每日死亡人数是否存在某种模式？

约翰逊获得了哥伦比亚内战伤亡人数的详细数据。他发现，这些数据遵循了一种在股市中常见、但从未得到解释的模式。

主流的金融教科书喜欢宣扬有效市场理论，大意是：市场会将所有信息都纳入价格，股价已基本反映了供求关系，偏离有效价格是完全随机、没有任何规律可循的。按照这一理论，股价的波动是不可预测的。

然而，真正的市场似乎不是这么运作的。按照有效市场理论，衡量价格波动频率的曲线应该有一条极小的尾巴，用来解释罕见的异常值。但在现实世界中，极端结果发生的频率很高，从概率分布上会形成统计学家所说的“肥尾”。市场崩盘、对冲基金倒闭和银行突然违约，往往是与“肥尾”有关的。

物理学家喜欢肥尾，因为肥尾意味着网络里存在一些有趣的机制。火灾会在一个树木构成的网络里蔓延，而思想会在一个由交易员构成的网络里传播，金融市场就是这样一个网络。所以，包括约翰逊在内的物理学家多年来一直在研究金融市场中的肥尾现象，试图弄清它们的意义。

大多数研究人员试图通过研究个体交易者的行为来解释肥尾问题，相反，约翰逊关注的是群体。假设交易者是一个个的小集团，每个集团内的交易者会做出同样的买卖决定。这些集团不一定是永久性的，就像高中生拉帮结派一样，成员来来去去，交易者组成的小集团也会不停地形成与解散。

约翰逊证明了他建立在小集团假设上的模型似乎很好地解释了金融市场的肥尾现象。那条肥尾呈现出一种特殊的形状：幂律。10人的小集团是40人的小集团的32倍，40人的小集团是160人的32倍，依此类推。随着集团人数的上升，集团的数量以一个不同寻常的指数减少：2.5。

哥伦比亚数十年内战的伤亡数据也显示出一种近乎完美的幂律。造成10人死亡的袭击数量是40人死亡的32倍，造成40人死亡的袭击数量是160人死亡的32倍，依此类推。随着伤亡人数的上升，袭击的数量以相同的指数减少，还是2.5。

金融数据与一个国家的内战数据之间的相似性可能是一个巧合，但这是一个奇怪的巧合。如此井然有序的幂律是很罕见的。所以约翰逊开始研究其他的冲突。他发现，来自伊拉克与阿富汗战争的数据显示了相同的模式：袭击造成的伤亡遵循相同的幂律，指数也是2.5。

在接下来的三年里，他的团队分析了九场战争超过5万起暴力事件，发现模式保持不变，还是指数为2.5的幂律。

2014年，恐怖组织****崛起，这一组织的追随者在俄罗斯最大的社交网络上组建了各种小组，发布实时战斗更新、传授使用生存技能、募集资金以及招募会员。约翰逊开始对恐怖主义的集群现象进行研究。他发现，这种网络上的恐怖主义小集团很像金融市场上的小集团，会不断地分分合合。

相比于现实世界，虚拟世界的恐怖主义小集团很容易追踪。简单的计算机算法可以检测并记录新用户何时链接到一个虚拟单元，何时断开链接并离开，小集团何时形成、何时分裂、何时重新组成新集团，等等。2年内，约翰逊的团队收集了10万名****追随者在线行为每一分钟的数据，这些追随者总共与196个线上恐怖主义小集团有联系。

分析数据证实了约翰逊的猜测：线上的恐怖主义小集团的行为就像森林里的火一样生长、合并、分裂或熄灭。在森林中，两个控制参数是树木的密度，以及火灾从一棵树蔓延到另一棵树的传染性。在临界值以下，小火就会熄灭。超过这个临界值，它们就会燃遍整一片森林。

约翰逊的团队在俄罗斯的社交网站上找到了类似的控制参数。第一个参数是小集团的数量，这就像树木的密度。第二个参数是“传染性”，指的是追随者链接到节点上的速度，相当于火从一棵树跳到另一棵树的能力。

根据森林火灾的模型，约翰逊的团队可以预测什么时候这些控制参数会越过临界值，恐怖主义的网络集群会爆发式增长，后者意味着恐怖袭击发生的概率大增。

为了验证这一理论，约翰逊的团队不仅分析了来自恐怖袭击的数据，还与国家当局合作，使用相同的技术，分析了来自拉丁美洲民间抗议的网络组织的数据。他们发现，早期袭击和大规模抗议的迹象会提前数周出现。由此可以建立一个模型，提前几天预测到恐怖袭击和大规模抗议的发生。

约翰逊的这一发现也为反恐战略提供了一些新的思路。

首先，与其密切监控数以百万计的个人在线行为，不如关注一小部分线上集团的行为，这些集团的数量可能就在数十到数百之间，这样能更好地利用时间和资源。

其次，新的技术可以识别“超级传播者”，也就是影响最大的网络集群。识别并关闭这类网络集群是打击恐怖主义网络的有效策略。

第三种策略是提高碎片化的程度。就像你把一个大的森林切割成一片片的小森林，一个火灾就不可能蔓延到全部森林。

这些技术为21世纪的反恐工作带来了希望，那就是在不侵犯隐私的情况下保护民众，这就是涌现与相变的魔力。下一集，我们会看看如何将这些想法应用到团队和公司上，到时候见！

PS：关于幂律2.5的部分，书里貌似没有解释得很通透，说实话我这个文科生也没有完全理解，只能如实转述^^