原創(chuàng) Schweitzer 集智俱樂部
導語
社會學是否是一門自然科學？這一直是爭議問題。2008年諾貝爾經濟學獎得主保羅·克魯格曼（Paul Krugman）曾寫道：“經濟學比物理學更難；幸運的是，它沒有社會學那么難。[1]” 復雜科學家Doyne Farmer等人曾提問：“經濟學是一門自然科學嗎？”在某種程度上，只要個體以特定方式相互作用，他們的集體行為就可以被建模和分析。而捕捉社會經濟復雜系統(tǒng)中的現(xiàn)象和機制，則不應僅僅依靠社會學，更應該團結物理學、統(tǒng)計學、數(shù)據(jù)科學、計算機科學等多個領域。本文發(fā)表于Physics Today雜志，文章梳理了社會物理學（sociophysics）對于理解社會經濟復雜系統(tǒng)所做的種種嘗試以及研究歷程。作者Frank Schweitzer是瑞士蘇黎世聯(lián)邦理工學院的系統(tǒng)設計教授。
研究領域：社會物理學，復雜網絡，復雜系統(tǒng)，計算社會科學
Frank Schweitzer | 作者
Murkyy | 翻譯
劉培源 | 審校
鄧一雪 | 編輯
對這兩個領域的交叉持合理的懷疑態(tài)度，可能確實比對當今一些物理學刊物持有不合理的樂觀態(tài)度要好。但物理學和社會學之間有著富有成果的融合，其中大部分與計算社會科學等的新興領域有關。這一趨勢是由工程師和計算機科學家提供的新的社會數(shù)據(jù)所驅動的，工程師制造的傳感器越來越多地記錄我們的日常生活，而計算機科學家則利用程序收集數(shù)據(jù)。為了闡明這些逐漸發(fā)展中的聯(lián)系，從歷史的角度出發(fā)是很有幫助的。
在《人性論》中，蘇格蘭哲學家大衛(wèi)·休謨（David Hume, 1711-1716）提議以數(shù)學和物理學的精神建立一門關于人類的新科學。19世紀，新的物理理論出現(xiàn)了。電磁學表明，兩種看似不同的現(xiàn)象可以從一個普遍的視角理解。而熱力學的發(fā)展則引入了一個新的、相當抽象的“系統(tǒng)”概念，法國哲學家奧古斯特·孔德（Auguste Comte，1798-1857）提出，社會和物質世界一樣遵循一般規(guī)律。為了確定這些定律的經驗基礎，比利時統(tǒng)計學家阿道夫·凱特勒（Adolphe Quetelet，1796-1874）將概率論應用于人類數(shù)據(jù)。在他于1835年發(fā)表的關于社會物理學的文章中，他根據(jù)正態(tài)分布推導出了普通人的統(tǒng)計定律，例如，他定義了體重指數(shù)來量化肥胖。他還分析了犯罪和公共衛(wèi)生。在發(fā)現(xiàn)凱特勒將“社會物理學”（social physics）一詞用于其統(tǒng)計方法后，孔德決定將“社會學”（sociology）一新詞用于他的關于人與社會的新科學。
進入20世紀，物理學再次成為了新的基礎理論的核心角色。相對論修正了空間和時間的概念，量子力學引入了不確定性原理，都為觀測者的角色和觀測過程賦予了新的視角?，F(xiàn)代物理學對哲學和社會科學產生了如今看來令人驚訝的廣泛影響。到了20世紀下半葉，物理學的影響不再是通過基礎理論，而是通過普遍抽象的建模方法。早在20世紀40年代，格點模型（后來被推廣為元胞自動機）就已經被用于研究社會隔離。這些模型中有許多可調參數(shù)，比如遷移距離，以及一個人所在社區(qū)中可容忍和不可容忍居民的比例。
元胞自動機的價值在于其模擬和可視化社會動力學的能力。然而，一些元胞自動機也使得進行正式分析成為可能。1924年，恩斯特·伊辛（Ernst Ising）提出一個抽象的自旋系統(tǒng)來解釋鐵磁性，現(xiàn)在被稱作伊辛模型（Ising model），他令一維或二維晶格上格點的自旋是+1或-1，根據(jù)相鄰自旋之間耦合常數(shù)的強度，給出的伊辛模型的解包括自旋在同一方向排列的鐵磁相，或相鄰自旋反平行的反鐵磁相。雖然伊辛模型后來成為觀點動力學的典范，正自旋和負自旋分布代表不同觀點。但伊辛模型對于理解社會現(xiàn)象的見解相當有限。在觀點動力學中，人們往往感興趣的是達成共識的條件（鐵磁性階段）或觀點如何穩(wěn)定共存[1]。投票模型和其他簡化模型將這種分析形式化，并將其擴展到各種拓撲結構，包括網絡。但選民們并沒有按照這些模式投票。相反，他們復制隨機選擇的自旋的“觀點”。
雖然伊辛模型讓社會學家感到滿意，但并沒有給他們留下深刻印象。直接應用物理中的模型和結論，如相變和標度律，可能會揭示很多關于統(tǒng)計物理的信息，但這些結論很少涉及社會動力學。僅僅使用物理隱喻和類比并不能使物理定律適用于社會學。只有在物理學家關注現(xiàn)有社會理論的少數(shù)情況下才有明顯的例外。其中一個例子是社會影響理論，它是由社會心理學家在20世紀80年代建立的，用來描述個人如何作為社會影響的來源和目標。這一理論的基礎是一種社會力量的概念，它的作用非常類似于一種物理力量。個人能夠說服持相反觀點的人并支持持相同觀點的人，但他們的影響力隨著社會距離的增加而增加。當模擬這種相互作用時，人們仍然可以觀察到一定范圍內觀點相同的個體聚集在一起，但這種現(xiàn)象比類伊辛模型要豐富得多[3]。
另一個在社會物理學中成功采用社會理論的例子是文化傳播模型，該模型最初于1997年由政治學家羅伯特·阿克塞爾羅德（Robert Axelrod）提出（見圖1）。它的社會物理學版本[4]可以被看作是Potts模型中觀點動力學的推廣，其自旋可以有兩個以上的值。文化傳播模式旨在整合社會機制，如同化現(xiàn)象（個體在互動時變得更相似）和同質性（個體在相似時互動更頻繁）。
圖1. 文化動力學。規(guī)則二維晶格上的每個主體（agent）都有一個表示其文化的特征向量，它可以是美食或宗教，主體不同的概率（比如粵語或佛教）被稱為特色。這里用不同的顏色表示不同的文化。與相鄰個體互動的概率隨著特征的重疊而增加。因此，如果主體已經擁有許多共同的特征，他們就更有可能進行互動，這種互動會導致主體變得更加相似。如果在模擬開始時將隨機特征分配給主體（左），大多數(shù)情況下會導致共享相同文化的主體共存域（右），而其他模擬會導致單一文化。[4]
另一類社會物理學模型在20世紀70年代全面展開，當時自組織（self-organization）這一概念被形式化，它是如今復雜系統(tǒng)理論的先導概念。自組織被視為一個普遍的概念：對系統(tǒng)動力學來說，重要的不是系統(tǒng)的元素，而是它們之間的動態(tài)交互。因此，對B-Z反應（Belousov–Zhabotinsky reaction）和其他物理化學系統(tǒng)中結構形成原理的見解可以推廣到生物或社會系統(tǒng)。社會物理學中確實應用了自組織理論，主要是作為社會動力學的形式化方法[5]，其應用包括遷移和觀點動力學。但是，正如它所處時代的典型特征，它缺乏與社會數(shù)據(jù)的聯(lián)系。
在1995年至2005年的十年間，隨著用于模擬的計算能力的逐漸提高，物理學界興起了對社會物理學的討論。物理學家對幾乎所有社會學概念都進行了建模和模擬：觀點動力學、婚姻不忠、有性生殖、語言演化、等級制度的出現(xiàn)——所有這些以及更多的現(xiàn)象都受到了社會物理學家的關注[6, 7]。對現(xiàn)實的簡化既是這些模型的優(yōu)點也是缺點。例如，在對兒童如何習得語言進行建模時，生成機制（generative mechanisms）——即產生效果的過程——是假設的，而不是現(xiàn)實的。這樣就可以研究機制的影響以及某些反饋過程對系統(tǒng)動力學的作用，而無需考慮手頭問題的所有細節(jié)。
1. 計算社會科學
物理學家最近對社會經濟問題的興趣部分是由大數(shù)據(jù)的可用性驅動的。20世紀90年代中期，物理學家們開始分析金融市場的大數(shù)據(jù)，與20世紀80年代中期對高能物理實驗中的大數(shù)據(jù)的興趣相同。經濟物理學（econophysics）的發(fā)展就是結果。在21世紀中期，物理學家們開始對通過互聯(lián)網，尤其是通過在線社交網絡獲得的大數(shù)據(jù)感興趣。就像經濟物理學中的情況一樣，早期的嘗試主要是尋找數(shù)據(jù)中的特征模式和普遍的統(tǒng)計規(guī)律。
這一對經濟物理學的探索很好地呼應了奎特萊特（Quetelet）早期確定統(tǒng)計規(guī)律的嘗試，并得出了一些有趣的發(fā)現(xiàn)。例如，在人類交流方面，即兩條連續(xù)消息之間的時間間隔，被證明是由冪指數(shù)分布描述的（見圖2）。這個冪指數(shù)在不同的傳播媒體中似乎普遍存在。其他普遍存在的冪律分布例子還包括使用比例代表制的選舉投票和科學刊物的引用[7]。
圖2。人類交流近似一種無標度現(xiàn)象。同一個人發(fā)送的兩條連續(xù)消息之間的時間間隔，也稱為活動間時間間隔τ，遵循冪律分布P（τ）∝ τ-α其中α≈ 32[13]。無論分析何種媒介，不管是信件、電子郵件還是在線聊天（如圖所示），該發(fā)現(xiàn)都非?？煽?。曲線中103分鐘位置的輕微隆起，代表大約一天。（改編自A.Garas et al.，Sci.Rep.224022012。）
這些發(fā)現(xiàn)說明了英國經濟學家尼古拉斯·卡爾多（Nicholas Kaldor，1908-1986）所說的“程式化事實”——社會世界中的規(guī)律性，這些規(guī)律在不同的觀察中都很穩(wěn)定。物理學家們發(fā)現(xiàn)了可以復制這種規(guī)律的動力學機制，但并沒有聲稱這些機制抓住了社會互動的要點。盡管如此，經濟學家和社會學家被物理學家所強調的普遍性所激怒，并對其重要性和起源提出了質疑。如果社會現(xiàn)象屬于物理普遍性的范疇，那么它對人類意味著什么？如果他們不這么做，這意味著什么？
當前社會物理學的發(fā)展趨勢與現(xiàn)在所謂的計算社會科學（computational social science）密切相關，計算社會科學指的是一種以數(shù)據(jù)為導向的社會現(xiàn)象研究方法。這些數(shù)據(jù)表明了人類在使用手機、在線社交網絡、搜索引擎、在線銀行等電子產品時的行為。以往的社會學沒有對大量數(shù)據(jù)對要求，即使將以前的實證分析的數(shù)據(jù)范圍擴大了幾個數(shù)量級也完全不足。這個空白現(xiàn)在由制造和安裝更多傳感器的工程師和收集處理越來越多海量數(shù)據(jù)的計算機科學家填補。
亞歷克斯·彭特蘭（Alex Pentland）的書《社會物理學》（Social Physics，中譯本《智慧社會）[8]和其他該主題的著作與物理學關系不大，更多與大數(shù)據(jù)分析相關。在這方面，他們分享孔德哲學（Comte’s philosophy）的初衷，即在觀察和實驗的基礎上建立知識。但大數(shù)據(jù)分析師的重點不是理解一種現(xiàn)象背后的生成機制，而是監(jiān)控流量等流程，開發(fā)利用大數(shù)據(jù)的優(yōu)步（Uber）等應用程序，以及解決預測客戶在線訂單數(shù)量等問題。
盡管缺乏對現(xiàn)象的理解，但大數(shù)據(jù)科學的最新趨勢為完全基于數(shù)據(jù)處理的新型社會科學帶來了希望。2008年，《連線》雜志的前物理學家兼主編克里斯·安德森（Chris Anderson）寫道，“面對海量數(shù)據(jù)，這種科學假設、模型和測試的方法正在變得過時?！彼A測的是一個數(shù)據(jù)量達到千萬億字節(jié)（PB）級的時代：“無處不在的傳感器。無限的存儲空間。處理器云集。我們獲得、存儲和理解海量數(shù)據(jù)的能力正在改變科學……隨著我們收集的事實和數(shù)據(jù)的增長，找到基本問題答案的機會也將增加。因為在大數(shù)據(jù)時代，更多不僅僅是更多。多則不同（More is different）。”[9]
安德森所說的新科學是由數(shù)據(jù)和技術驅動的，這一點沒有錯。但一直以來科學最重要的組成部分是對具體問題的研究。數(shù)據(jù)科學可能有助于回答一些基礎研究問題，但它無法自行解決這些問題。先收集數(shù)據(jù)，然后看看可以提取什么樣的模式，這種做法將識別出新的相關性（盡管這些相關性大多是假的），但它不會引導我們理解因果關系。在社會學中，問題不僅在于如何，還在于為什么。因此，我們需要的新的推理系統(tǒng)類型。
2. 復雜系統(tǒng)數(shù)據(jù)驅動模型
開發(fā)這樣的模型不僅是一項技術挑戰(zhàn)，也是對物理學概念的挑戰(zhàn)。物理學家可以建立在與其他學科研究人員合作開發(fā)的復雜系統(tǒng)的一般理解之上。復雜系統(tǒng)由大量強相互作用的元素組成，通常被稱為主體（agent）。在統(tǒng)計物理學的傳統(tǒng)中，復雜系統(tǒng)中的方法旨在預測主體相互作用產生的集體效應。物理學家貢獻了兩種形式化方法，例如，推導系統(tǒng)宏觀動力學的隨機方程，以及對此類系統(tǒng)建模的計算方法。事實上，計算物理中使用的基于粒子的模擬方法與不僅在社會學和經濟學中，而且在計算機科學中發(fā)展的基于主體的模型有很多共同之處。
如上所述，過去的大多數(shù)社會物理學模型都旨在揭示普遍的見解。這些模型的有限復雜性并沒有反映出任何特定社會系統(tǒng)的復雜性，所以它們無法根據(jù)實際數(shù)據(jù)進行校準和驗證。因此，我們需要明確開發(fā)模型，解決大數(shù)據(jù)無法驗證的問題，并根據(jù)實際數(shù)據(jù)進行校準和驗證。
另一個問題，在以前的社會物理學模型中，主體本身的復雜性也大多被忽略。聲稱代表人類的主體幾乎無法完全由物理學中的上下自旋來簡單描述。人類的決定反映了個人偏好、社會規(guī)范和他人的影響。適應這些因素不僅僅是增加自由度的問題。社會經濟系統(tǒng)中的主體也是異質的——它們在相似情況下的互動方式差異很大。他們也具有適應性，這表現(xiàn)在他們可以通過學習經驗來應對激勵和制度的變化。與此同時，他們還通過消耗資源或進行創(chuàng)新等方式改變制度。異質性和適應性使預測社會經濟系統(tǒng)變得困難。
成功的社會物理學模型往往與經驗數(shù)據(jù)和社會理論相結合。沒有其他的學科交叉時，人們仍然可以發(fā)現(xiàn)有趣的現(xiàn)象和新的結果。但它們與現(xiàn)有學科知識的關系尚不清楚，對研究結果的影響也可能很小。第一個交叉面有助于定義模型要解決的問題，通常是需要解釋甚至創(chuàng)建的新數(shù)據(jù)。盡管機器學習方法本身可以對相同的數(shù)據(jù)進行分類和預測，但它們缺乏對潛在生成機制建模的能力。
成功的社會物理學模型也在微觀和宏觀之間架起了橋梁。也就是說，它們將小規(guī)模、局部規(guī)模上的有相互作用的主體與大系統(tǒng)范圍內的動態(tài)變化聯(lián)系起來，并以具體且可測試的方式實現(xiàn)。理想情況下，此類社會物理學模型遵循數(shù)據(jù)驅動建模的原則：根據(jù)相關學科（如語言學或人類學）的標準對主體進行建模，基于主體的模型允許根據(jù)經驗數(shù)據(jù)校準交互機制。然后，通過將模擬的系統(tǒng)動力學與觀測值進行定量比較，最后對模型進行驗證。
該方法的一個應用是行人動力學[10]。主體模型考慮了行人之間的社會力量、首選移動方向和障礙物。其結果是對行人集體動力學的真實模擬，然后可用于模擬恐怖襲擊或其他恐慌情況下的逃生動力學，或優(yōu)化建筑物和街道的設計。類似的模型描述了動物王國不同分支的生物群集現(xiàn)象。
數(shù)據(jù)驅動建模的另一個成功例子是預測流行病通過全球航空交通的傳播[11]。根據(jù)校準后的模型，科學家提出了流行病控制策略。第三個例子是集體情緒動力學的建模（見box），關于主體情緒互動的假設已經根據(jù)數(shù)據(jù)進行了測試。校準后的模型正確地再現(xiàn)了各種在線平臺上的大規(guī)模集體情緒的影響。
Box：情緒影響
當人們在亞馬遜上閱讀書籍和其他產品的評論時，他們可以選擇將評論評為有用或無用。他們也可能會受到啟發(fā)，撰寫并提交自己的評論，除了獲得0到5顆星的評級外，評論的情緒可能會從負面到正面。亞馬遜客戶在情感上相互影響的程度如何？
為了回答這個問題，我的同事戴維·加西亞（David Garcia）和我分析了亞馬遜對16個網站的180萬條匿名評論?670種產品[14]。我們使用情緒檢測器自動對評論進行評分，評分標準為10分-5（高度負）到+5（高度正）。零被省略。然后，我們給自己設置了一個挑戰(zhàn)，用布朗主體框架復制集體情緒分布。
該框架如左圖所示，包含了一個成熟的情緒影響心理模型，即迂回模型。主體的情緒狀態(tài)由v來量化，它代表與情緒相關的快樂，范圍從-5（高度負）到+5（高度正）。覺醒（a）代表由情緒引起的活動，如購買或評價評論。當a超過某個閾值時，主體會以某種程度的情緒表達自己。主體通過社交媒體和其他方式傳遞和接收情感信息（h），他們受到外部情感影響（I），例如主流媒體對產品的報道。
右邊的圖表顯示了在《哈利波特與死亡圣器》（2007）一書中運行該模型的結果。藍條是評論的真正情感價值。紅色值是基于主體的模擬。我們的研究表明，除其他外，個體評論者確實受到其他人的影響。
3. 復雜網絡
行人、流行病和情緒動力學的模型似乎與電磁學、熱力學和其他物理學分支相去甚遠。然而，這些模型和傳統(tǒng)物理學一樣，使我們更接近于理解現(xiàn)實世界中的現(xiàn)象，比如社會現(xiàn)象。雖然物理概念可能無法推廣到其他學科，但物理方法可以在社會科學中以一種普遍的方式對系統(tǒng)建模做出貢獻，并帶來巨大益處。方法論上的貢獻并不局限于交互式系統(tǒng)，其中基于主體的模型就是突出案例。相反，它們還擴展到所謂的統(tǒng)計模型，用于測試有關數(shù)據(jù)生成過程的假設。
這種模型屬于機器學習領域。隨著大量數(shù)據(jù)分析能力的提高，機器學習變得更加重要。盡管有效地處理TB級的數(shù)據(jù)是一項技術挑戰(zhàn)，但由于數(shù)據(jù)集包含關系信息，因此處理大小適中但結構復雜的數(shù)據(jù)集也帶來了另一項科學挑戰(zhàn)。例如，朋友和家人的在線社交網絡、科學論文的引用網絡，以及通過專利數(shù)據(jù)庫和其他知識庫的導航模式。物理學家們提出的信息提取方法超出了計算機科學或社會科學的范疇。這些方法屬于社會物理學的另一個領域，即復雜網絡，接下來將對其進行更詳細的討論。
復雜網絡是表示復雜系統(tǒng)的一種方式。主體由節(jié)點表示，它們的交互由網絡中的鏈接表示。然后，系統(tǒng)屬性由交互結構（即網絡拓撲）來解釋。與基于主體的模型相比，網絡模型有不同的優(yōu)點和缺點。網絡節(jié)點（主體）的內部動態(tài)沒有明確建模。此外，所有類型的交互都被分解為兩個主體之間的二進制交互。如果主體以不止一對的群體形式行動，則該方法的適用性是有限的。
另一方面，利用拓撲學對復雜系統(tǒng)進行建模，在社會科學領域產生了適用的、有影響力的見解。一個例子是小世界網絡[12]，當一個節(jié)點與其本地鄰居之間的一些鏈路重新連接到遠程節(jié)點時，它出現(xiàn)在規(guī)則的晶格拓撲上。重新布線會產生較短的路徑長度（任意兩個節(jié)點之間的連接）和較高的聚類系數(shù)（三個相鄰節(jié)點之間的鏈接形成三角形）。因為社會學家已經獨立地討論了類似的性質，他們可以將自己的理論基礎與一種明確的生成機制——重新布線聯(lián)系起來。
另一個拓撲例子是谷歌的PageRank。該算法根據(jù)鏈接到某個網頁的其他網頁的數(shù)量和重要性來量化該網頁的重要性。從形式上講，該算法體現(xiàn)了一個在物理學中廣為人知的特征值問題的解，其重要性的度量與特征向量的中心性有關。由于特征值問題的一般性質，PageRank根據(jù)網站的相互聯(lián)系而不是內容來評估網站間的相關性。
這種拓撲分析需要網絡的知識，而網絡必須從數(shù)據(jù)中重建。默認情況下，網絡是時間聚合的。比如說，它們沒有考慮用戶在到達給定網頁之前訪問的其他網頁的順序。然而，如果包含這種時間相關性，重要性排序會發(fā)生劇烈變化，可以捕捉到上下文相關的行為（見圖3）。形式上，使用高階馬爾可夫（Markov）模型計算時間條件，其中階數(shù)表示導航路徑中內存的持久性。從馬爾可夫模型中，我們還可以確定在什么條件下，在重建網絡時可以安全地忽略時間相關性。時態(tài)網絡的最新發(fā)現(xiàn)大大增強了現(xiàn)有的描述人們如何瀏覽維基百科和其他社會知識空間的方法。
圖3：高階網絡模型可以提高信息在網絡上的排名。這可以通過分析瀏覽維基百科以查找歷史文章的用戶的點擊流數(shù)據(jù)來說明。這兩個數(shù)字顯示，30篇維基百科文章在PageRank中排名最高，PageRank是最初為谷歌搜索引擎提供動力的算法。這兩個數(shù)字都來自相同的數(shù)據(jù)，但有兩個網絡模型。一階模型只考慮維基百科文章圖表的拓撲結構；其結果是模糊的。二階模型添加了隱藏在用戶瀏覽圖形的序列中的時間信息。結果是：更好地匹配用戶認為最重要的文章和更準確的語義上下文。[13]
長期以來，社會學家一直使用社會網絡分析來描述靜態(tài)網絡中節(jié)點的拓撲位置。物理學的貢獻主要來自于系綜方法。與統(tǒng)計力學一樣，這些集合定義了哪些拓撲結構與特定約束相容，它們發(fā)生的可能性，以及網絡的預期屬性。例如，使用這些方法，我們可以確定哪些節(jié)點特征（如性別、共同的朋友和愛好）會影響鏈接的形成。這些結果可以用來形成關于因果機制的假設，社會科學家可以在實地進行測試。
4. 超越學科間界限
進一步推進社會物理學和計算社會科學的研究，使所有涉及物理學、社會科學、計算機科學和工程學的學科都能受益，有哪些挑戰(zhàn)和障礙？
當然，還有制度上的必要性。大學教育的發(fā)展必須使課程和學位反映社會物理學所需的專業(yè)知識。網絡科學和復雜系統(tǒng)領域的現(xiàn)有課程可以作為起點。但社會物理學也需要圍繞主題和問題（而非方法和學科）的高質量期刊。這類期刊將成為科學成果的家園，否則這些成果將落入不同學科之間的裂縫中，無法獲得廣泛認可。招聘機構和終身教職委員會還應該認識到具有多學科背景的科學家的價值。
必須鼓勵和發(fā)展對每個學科提供的不同科學貢獻的相互尊重，為此，我們可以從承認目前沒有一門學科擁有真正理解人類社會這樣復雜領域所需的所有工具、方法、理論和知識開始。數(shù)據(jù)挖掘、自然語言處理、機器學習和人工智能的其他應用目前不在物理學的核心方法之列。但它們應該受到物理學家的歡迎，因為它們讓物理學家能夠得到他們通常無法獲得的數(shù)據(jù)并進行分析。
對社會現(xiàn)象感興趣的物理學家應該對社會科學積累的大量工作有更深入的了解。事實上，社會學家在面對社會物理學家的論文時，對其工作缺乏認識和理解是主要的批評之一。就社會學家而言，他們應該比過去更多地認識到，需要與其他學科的研究人員合作，以使計算科學深深嵌入社會科學。社會學家對程式化事實和冪律分布的厭惡可以通過共同開發(fā)的正式的模型來克服，該模型基于學科理論解釋此類發(fā)現(xiàn)。
在合作開始之前應該建立多學科合作的現(xiàn)實預期。如果僅僅是假設來自不同學科的科學家互相填補彼此的知識空白，然后共同創(chuàng)造出定義其合作領域最先進水平的結果，這是非常天真的。因為永遠無法保證這種做法會取得成功，許多合作最終會失敗，因為它們的科學語言之間存在障礙，科學文化存在差異，在哪里發(fā)布和公布結果方面也存在分歧。促進多學科合作應該包括提高對不可避免的障礙的認識。
科學家個人的期望也應該是現(xiàn)實的。面對從方法驅動轉向問題驅動的挑戰(zhàn)，許多社會物理學家最終發(fā)現(xiàn)，他們真正的動機在于基于物理的方法，而不是社會現(xiàn)象或數(shù)據(jù)處理。因此，潛在的社會物理學家可能會放棄從社會科學和計算機科學中收集必要的知識。這種努力風險很大，而且可能得不到社會科學家、物理學家或機構的贊同。明智的決定至關重要。
然而，隨著物理學越來越多的成功應用于社會學，那些愿意做出努力的物理學家會受到更多的激勵和指導。他們可以從迷人的發(fā)現(xiàn)、復雜的方法和現(xiàn)實問題中獲得靈感。它們可以為計算社會科學的基礎做出貢獻，這一領域基礎仍在奠定之中。
參考文獻
1. P. Krugman, Peddling Prosperity: Economic Sense and Nonsense in the Age of Diminishing Expectations, W. W. Norton (1994).
2. S. Galam, Sociophysics: A Physicist’s Modeling of Psycho-Political Phenomena, Springer (2012).
3. M. Lewenstein, A. Nowak, B. Latané, Phys. Rev. A 45, 763 (1992). https://doi.org/10.1103/PhysRevA.45.763.
4. K. Klemm, V. M. Eguíluz, R. Toral, M. San Miguel, Phys. Rev. E 67, 045101 (2003). https://doi.org/10.1103/PhysRevE.67.045101.
5. W. Weidlich, Phys. Rep. 204, 1 (1991). https://doi.org/10.1016/0370-1573(91)90024-G.
6. S. Moss de Oliveira, P. M. C. de Olivera, D. Stauffer, Evolution, Money, War, and Computers: Non-traditional Applications of Computational Statistical Physics, Teubner (1999).
7. C. Castellano, S. Fortunato, V. Loreto, Rev. Mod. Phys. 81, 591 (2009). https://doi.org/10.1103/RevModPhys.81.591.
8. A. Pentland, Social Physics: How Good Ideas Spread—The Lessons from a New Science, Penguin Press (2014).
9. Wired staff, “The petabyte age: Because more isn’t just more—more is different,” Wired, 23 June 2008.
10. D. Helbing, I. Farkas, P. Molnár, T. Vicsek, in Pedestrian and Evacuation Dynamics, M. Schreckenberg, S. D. Sharma, eds., Springer (2002), p. 21.
11. L. Hufnagel, D. Brockmann, T. Geisel, Proc. Natl. Acad. Sci. USA 101, 15124 (2004). https://doi.org/10.1073/pnas.0308344101.
12. D. J. Watts, Am. J. Sociol. 105, 493 (1999).
13. I. Scholtes, in KDD ’17—Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, ACM (2017), p. 1037.
14. D. Garcia, F. Schweitzer, in 2011 IEEE Third International Conference on Privacy, Security, Risk and Trust, and IEEE Third International Conference on Social Computing, CPS (2011), p. 483.
（參考文獻可上下滑動查看）
原文地址
https://physicstoday.scitation.org/doi/10.1063/PT.3.3845
復雜科學最新論文
集智斑圖頂刊論文速遞欄目上線以來，持續(xù)收錄來自Nature、Science等頂刊的最新論文，追蹤復雜系統(tǒng)、網絡科學、計算社會科學等領域的前沿進展。現(xiàn)在正式推出訂閱功能，每周通過微信服務號「集智斑圖」推送論文信息。
原標題：《?社會物理學：探索社會經濟復雜系統(tǒng)的百年歷程》
