格兰诺维特的暴动模型
社会学家马克·格兰诺维特（Mark Granovetter）曾用一个非常简单的数学模型强调了微观－宏观问题的重要性。这个模型描述的是一群处于暴动边缘的人。假设有100名学生聚集在A镇的一个广场上，抗议政府增加学费的提议。对于这项新政策，学生们愤怒不已，又对自己在政治决策中人微言轻的地位感到沮丧。场面面临着失控的危险，但这些学生受过教育，他们也明白比起暴力，理性和对话更可取。我们再把问题加以简化，假设人群中的每个人都在两种本能之间徘徊：一种是疯狂地打砸，另一种是保持冷静、和平抗议。无论他们是否意识到这一点，每个人都必须在两者之间做出选择。他们并不是独立做出决定的，至少在一定程度上，他们的所作所为会受到他人行为的影响。参加暴动的人数越多，就越有可能引起当权者的重视，每个人被抓到和处罚的可能性就越小。此外，暴动具有自己的原始能量，它不仅会败坏原本反对打砸、搞破坏的社会习俗，甚至会扭曲我们对风险的心理预估。在暴动中，即使是理智之人也会变得狂暴。综上原因，在保持冷静和加入暴动之间的选择取决于一个一般规则：参与暴动的人越多，一个人加入的可能性就越大。
像其他地方的人一样，这群人也有着不同的暴力倾向。也许，那些境况较好或受新政策影响较少的人，会不太愿意冒着坐牢的风险来抗议。也有人认为，暴力虽然不可取，却是一种有效的政治手段。有些人可能早就对警察、政客或社会心怀不满，而这次就成了他们的一个发泄口。或许还有人更疯狂，原因可能比你想的更多也更复杂，无论有什么原因，我们可以认为这群人中每个人都有一个应对社会影响的“阈值”。也就是说，如果超过这个“阈值”，当有足够多人加入暴动时，他们也会加入其中。但如果低于这个阈值，他们就会克制住。一些人的阈值极低，比如“煽动者”；而学生会主席等一些人则有着高阈值。每个人都有应对社会影响的阈值，一旦超过，他们将从冷静“跃升”至暴力。这种描述个人行为的方式可能看起来很奇怪。但是，使用个体阈值来描述人群中个体行为的好处是，它可以将问题集中在研究群体阈值的分布上，从阈值最低的疯狂者（“哪怕没人参与，我也会暴动”）到阈值最高的“甘地主义”者（“即使其他人都参与暴动，我也不会参与”），我们可以得出一些关于群体性行为的有趣且惊人的结论。12
为了说明可能发生的情况，格兰诺维特提出了一个非常简单的阈值分布，在该分布中，100名学生的阈值互不相同。也就是说，有一个人阈值为0，另一个人阈值为1，还有一个人的阈值为2，以此类推，最保守的那个人阈值为99，即其他99个人都参加暴动时，他才会加入。接下来会发生什么事呢？首先，“疯狂先生”，也就是那个阈值为0的人会突然开始扔东西。他的同伴，也就是阈值为1（只要有1个人暴动就会加入）的人也会加入其中。这两个闹事者触发了第三个人，也就是阈值为2的人也参与进来，接下来阈值为3的人也会加入……是的，你发现了，这个特殊的阈值分布会使人们一个接一个地加入暴动，最终暴乱爆发。
再想象一下，在邻镇B同样有100个学生因为相同的原因聚集在一起，假定他们的阈值分布和前一个群体基本一致。这两群学生非常相似，他们之间只有一个人不同：在第二群学生中，没有阈值为3的人，有两个人阈值为4。对于局外人来说，这个差异小到无法察觉，只有我们知道这两个群体的差别，因为我们是设计者，除此之外，没有任何切实可行的心理测试或统计模型能检测出这两群学生的不同。那么，这群学生的行为会如何呢？开始是相同的，“疯狂先生”率先打头，阈值为1和阈值为2的人紧随其后。但接下来意外发生了，没有阈值为3的人。最容易受影响的是两个阈值为4的人，而现在只有3名暴徒。所以潜在的暴动戛然而止了。
现在想象一下，事后两个城镇的人们会看到什么呢？在A镇中，他们将目睹一场全面暴动的后果：被打碎的商店橱窗、翻倒的汽车等；而在B镇中，他们会看到几个暴躁的人在有序的人群中推来撞去。如果观察者事后比较一下，他们肯定会试图找出这两个城镇中的人或者环境的不同。或许A镇的学生比B镇的更愤怒，或更绝望；或许A镇的商店保护得不够好；或许A镇的警察野蛮执法；又或许A镇的人群中有一个极富煽动性的领头者。这些都是由常识得出的各种解释。很显然，他们之间肯定存在什么差异，否则我们怎么解释这种截然不同的结果呢？事实上，我们都知道，除了一个人的阈值不一样外，这两群人或者两个城镇的环境没有什么不同。这一点至关重要，因为只有在两群人的一般特征之间存在关键差异，且大多数人的意图和目的相同的情况下，“代表性个体”模型才能解释出城镇A和B产生不同结果的原因。
这个问题看上去很像我的学生在探究奥地利和德国的器官捐献率差异产生的原因时面临的问题，但实际上，它们完全不同。在器官捐献的例子中，问题在于学生试图用理性激励的方式解释两者的不同，而事实上这种不同是默认选项造成的。也就是说，他们用了错误的个人行为模型。在器官捐献的案例中，只要理解了默认偏见的重要性，就能明白为什么捐献率会如此不同。相比之下，在格兰诺维特的暴动模型中，个人行为模型并不重要，因为在任何意义下，这两群人都无法区分。想要理解不同结果是如何产生的，就必须考虑个体之间的相互作用，这就需要你了解所有个体的完整决策序列，这些决策层层递进，这就是微观－宏观问题的威力。无论你假设的“代表性个体”是什么，当你为了避开这个问题，试着用“代表性个体”代替群体性行为时，就会忽略正在发生之事的本质。
累积优势，足以引发蝴蝶效应
格兰诺维特的暴动模型深刻地阐述了，在只考虑个体行为的条件下理解集体性行为的局限性。这个模型非常简单，甚至可能从各个方面看都是错误的。比如，在大多数现实世界的选择中，我们面对的潜在选项众多，而不仅仅是格兰诺维特模型中的暴动或不暴动两种。在现实世界中，人们相互影响的方式也不会像格兰诺维特提出的阈值规则那样简单。在许多日常情景中，比如当你想选一位新锐艺术家的音乐来听，选一本新书来读，或是尝试一家新餐厅时，往往会征求他人的建议，或是简单地遵循他人的选择，因为如果他们喜欢，你也很可能会喜欢。此外，你的朋友也会影响你对音乐或书籍的选择，这不仅仅是因为你认为他们已经对各种选项事先做了筛选，也因为你们会讨论和分享相同的文化元素。13
蝴蝶效应
Butterfly Effect
指在一个动态系统中，初始条件的微小变化将带动整个系统长期且巨大的链式反应，这是一种混沌的现象。
这种普遍的社会影响几乎无处不在，但与格兰诺维特模型中的阈值规则不同的是，最终的决策规则既不是二选一，也不是唯一确定的。当人们倾向于喜欢其他人都喜欢的事物时，事物的受欢迎程度就会受到“累积优势”的影响。也就是说，一旦某首歌或者某本书较其他的来说更受欢迎，它就会变得越发受欢迎。多年来，人们研究了大量不同类型的累积优势模型，它们均显示，即使是非常微小的随机波动，也会随着时间的推移变大，最终可能会形成巨大的差距。这一现象与混沌理论中的“蝴蝶效应”类似，该效应说的是，一只蝴蝶在某地扇动一下翅膀，可能几个月后会在远隔重洋的地方引发一场飓风。14
和格兰诺维特的模型一样，累积优势模型对于我们关于文化市场中的成败解释也有着颠覆性的影响。前面我们提到，常识解释专注于事物本身，比如歌曲、书籍或公司等，并将其成功归因于事物的内在特性。如果历史“重演”多次，那么基于这种将内在特性作为唯一要素的解释，我们将会得到相同的结果。相比之下，即使是相同的世界，相同的人、物和品位，累积优势也能预测出不同的文化或市场赢家。《蒙娜丽莎》在这个世界上很受欢迎，但在其他历史版本中可能只是诸多杰作之一，而另一幅我们从未听说过的画作占据了它的位置。同样，《哈利·波特》、Facebook以及《宿醉》的成功是其内在品质的结果，也是机遇和时间的产物。
我们生活在唯一的现实世界里，因此我们不可能像模型中说的那样进行“世界之间”的比较。当有人使用仿真模型的结果说明《哈利·波特》可能不像大家认为的那么特别时，“哈迷”们往往会不买账，这并不令人感到意外。常识告诉我们，《哈利·波特》这套书一定很特别，因为有3.5亿人买了它，即便起初那6个儿童图书出版商在传阅《哈利·波特》的原始手稿时，都没有意识到它的特殊性。由于任何模型都会做出一些简化的假设，所以无论何时，当我们必须在质疑常识和质疑模型之间做出选择时，我们都倾向于选择后者。
几年前，正是出于这个原因，我同我的合作者马修·萨尔加尼克（Matthew Salganik）、彼得·道兹（Peter Dodds）决定尝试一种不同的方法。我们没有采用计算机模型，而是进行了一个实验室内的可控实验。在这个实验中，实验参与者需要做出跟真实世界相同的选择——选择的内容为歌曲。我们将不同的人随机分到不同的实验条件下，以便有效地模拟出计算机模型中的“多重世界”情形。在某些条件下，人们可以知道他人的决定，但是否会受这些信息的影响或者如何受到影响，将由他们自己决定；而在另外一种条件下，参与者面临着完全相同的歌曲选择，但没有任何关于其他参与者决定的信息，因此他们将被迫独立做出选择。通过比较在“社会影响”和“独立”条件下的实验结果，我们可以直接观察到社会影响对集体行为的作用。通过同时进行多个“平行世界”的实验，我们就能衡量出一首歌的成功在多大程度上取决于其内在特性，而多大程度上取决于其累积优势的大小。
这样的实验说起来容易，做起来却很难。在第1章我们讨论的心理学实验中，每个实验都涉及多个实验个体，因此进行整个实验就需要数百个实验对象，他们通常是为了赚取报酬或课程学分的大学生。我们这里设想的实验，需要观察的是所有个体层面的“推动”是如何累积起来导致集体层面产生差异的。也就是说，我们想要在实验室里研究微观－宏观问题。为了达到良好的观察效果，每次实验都需要招募数百名实验者，而且我们需要进行多次独立实验。即使是一项实验，我们就需要数千名实验者。如果我们想在不同条件下进行多项实验，就需要数万人。
1969年，社会学家莫里斯·泽尔蒂奇（Morris Zelditch）曾在一篇论文中讲述过这个问题，该论文的名字充满挑衅——《你真的能在实验室中研究一支军队吗》。那时他给出了否定的结论。他建议社会学家首先研究小群体的运行方式，然后根据理论将实验结果推广到大群体中。换言之，宏观社会学就像宏观经济学一样，不可能成为一门实验学科，因为相关实验根本无法进行。巧合的是，1969年也是互联网的诞生之年，自此，世界发生了泽尔蒂奇无法想象的变化。数亿人开始通过网络进行社会和经济活动，也许是时候重新审视泽尔蒂奇的观点了。我们认为，通过虚拟实验来研究“军队”是可以实现的。15