作者：Justin
@Justin Liu斯莱特林学院魔药学博士
武汉封城的第九天，病毒依然肆虐，而上次的文章（《超级传播者与自组织网络》）却触发了微信封杀的阈值（知乎上还有，原文链接也有），看来某些人在“信息疾控”方面，比“卫生疾控”更为娴熟。这几天还在继续忙，先给大家一个好消息，在海外领队的帮助下，我们募捐的700套防护服已通过包机运抵武汉。
期待这次，他们同样能穿越红十字会的封锁线，避开缺乏监管的“资金池”，实现更优化的“P2P”分配。上次的文章（点击阅读原文索取）聊到超连接的网络结构促进了病毒的传播，而自组织网络能让我们更敏捷地应对疫情，我们提出了问题，却没有提出太多方法。所以，我们能不能阻断传播网络呢？。1 解耦：降维打击上次说到，病毒在无尺度网络上是没有传播阈值的，但是这句话如果继续推演一下，就意味着医生们熟悉的群体免疫（herd immunity）在无尺度网络上是无效的，你无法靠着给部分人随机免疫来阻止疫情，而只有所有人都获得免疫后（被感染或接种疫苗），病毒才能够消失。Satorras 2002的论文里对此有所证明。也就是说，任何全新的“人传人”病毒，一旦进入连接度足够大的网络，我们能做的只有拖延时间，最终靠气候和疫苗把病毒抑制在不死不活的状态。埃博拉之所以被扑灭，应该感谢非洲的落后和遥远，WHO的严防死守，以及病毒本身的烈度过大，最终烂死在一个独立的本地网络中，而且随时都可能重来。假如埃博拉是在中国或欧美首先传播，后果不堪设想。中国所承受的这一切，美国在2009年的H1N1流感中已经经历过一次了：我们有世界上最大的高铁网络，他们有世界上最大的民航网络，我们有春运常回家看看，他们有感恩节和复活节的团聚。而这些硬件和软件的网络结构，就构成了病毒传播的最佳姿态。不同的是，美国还有奥司他韦这样的流感特效药。但特效药并不能阻挡疫情，两个月内流感席卷全美，美国游客在全世界被关禁闭。在统计了3000例死亡案例后，美国最终放弃了精确的防控措施。流行病学模型显示，一年内6000万美国人被感染，超过1万人死亡，疾控失败，不过守住了治疗效果。十年后，我们是否能做的更好呢？也许答案是:不能。
2009年后，H1N1爆发成为了美国季节性流感的一部分，年年见回想1月份发生的事件，我愈发感到，这次疫情并非黑天鹅，而是一个灰犀牛事件：圈内人在12月底就知道了新病毒的发现，但几乎所有人都低估了病毒传播的网络效应，也高估了（和盲目相信了）我们虚假的控制力：骨子里，我们都习惯了一切皆有安排的太平世道，都以为即便灰犀牛撞击过来，国家也会发射核弹把它炸掉。试想一下，如果决策者穿越到1月初，这场疫情能否控制成茶杯里的风暴？我觉得不能，因为至今都没搞清最初的传播路径（华南海鲜市场并非初始病源），也不能在春运前强行锁住中国最核心的铁路枢纽。08年Tomba的一篇文章指出，即便降低90%的城际交通流量，也只会让疫情延后爆发2周左右，那也躲不过春运返程的高峰。在春运这一超大规模的网络重构面前，任何逐步添油的防疫措施，都会被直接碾压，对疫情扩散的影响会很小。除非，你让传播网络彻底消失。而这就是我们目前的处境：武汉封城，湖北冻省，听钟南山的话，全国人民都在家隔离14天。如果所有潜在的感染者，都被分割在一个个独立的集群里去zoom in，病毒就只能在小规模网络里腾转挪移，无从扩散，逐渐消亡。网络被降维到近邻连接的状态，再也没有弱连接，能够让超级传播者跨越山海，隔山打牛。这不是最优解，但在复盘无数次后，这可能是唯一解。但问题是，在解耦了正常的协作网络后，每一个小规模网络是否拥有足够的组织能力去运行？承平日久的时候，网络中每一个闭环都维持在够用就好的程度，每个人都依赖于系统的力量，只需要老成持国就能期待安全退休的未来。但当灰犀牛踏过，协作解耦，上面也无暇和无法发出指令时，谁能担负起阿特拉斯的臂膀？到了打仗的时候，方能见英雄本色。一问三不知的黄冈卫健委主任，究竟是一个代表样本，还是抽样误差？很多人指责500万人在封城前离开了武汉，但我觉得应该庆幸：封城发生在春运后期，否则在那种组织能力下，武汉将会是大型人道主义灾难现场。千里逃城和木盆渡江的这些人，做出了囚徒悖论下必然的选择：集体的悲剧，个体的聪明。此刻我的窗外，上海的社区防疫正做的有声有色，令人赞叹。但有没有可能，只要有一个地方hold不住，病毒就会没完没了地传播下去，直到春暖花开？虽然此刻我们还在第一波疫情的最高峰，但这个国家的“超大规模网络”无法承受更长时间的解耦。在2月10日之后，我们势必要面对社会重启后，第二波冲击的风险。
SARS在中国之外，出现过多轮的传播。我们能不能更具有选择性地解耦一个网络呢？异质性的复杂网络能够抵挡随机攻击，但如果对网络中的超级节点加以控制，它反而会变得更可控。所以，重要的是避免网络节点成为超级传播者的温床。但问题是，我们是否真的知道中国这个“超大规模网络”的动态分布，而不是满足于液晶大屏幕上静态的数据可视化。我曾经相信这个国家在大数据监控方面有着强大的经验和能力，但现在我觉得，要么是这个能力被用在歪点子上了，要么这个能力的反应速度，依然不能突破哈耶克“社会主义计算”的诅咒。如果我们并不知道传播网络的细节，还有什么方法去寻找并控制住传播网络中的超级节点呢？2 规则：自下而上你并不需要知道整个网络的结构才能够去控制它。我们无法预先看见传播网络的全貌，但这对病毒也是一样，如果他们只会用进化算法去随机探索，人类是不是能比这些“零细胞”生物更聪明一点？病毒的传播并不是中央控制的，我们同样能通过个体层面的行动，去控制病毒的传播。我们无需期待自上而下全知全能的指令，你需要的是一个分布式的交互规则，能够利用网络的局部特征，自下而上地控住网络中的传播行为。举个例子，你有没有想过，你和你的朋友相比，谁的朋友更多？答案是：你的朋友比你拥有更多的朋友。在真实的社交网络中，朋友的平均好友数一定高于你自己，这就是Scott Feld提出的友谊悖论。为什么会这样呢？因为人际关系不是随机网络，而是更偏向无尺度网络：少数人获得了绝大多数社会关系，拥有通向更广阔世界的链接。你总是会有几个特别来事的朋友，而他们则会交往有更多社会关系的人，逐层向上富集。
一个典型的人际网络地图这个原理还可以推广到更多的地方，比如，你的朋友平均来说也比你更有钱，因为资产的分布也遵循相似的二八定律，呈现出幂律分布的状态。对病毒传播来说这又意味着什么？意味着病毒更可能沿着社会关系感染上你的朋友，人缘好是有代价的。如果随机选择100个人，然后在这群人的朋友圈里再随机选择100个人，这100个人平均来说，会比随机选取的100个人有更多的社会关系。如果再选取100个朋友的朋友，朋友的朋友的朋友，反复循环下去，重复出现最多的就会是超级节点。如果让这些最活跃的人加强隔离或者免疫，是否就能起到阻断网络传播的作用，控制住疫情的发展呢？2009年H1N1流感大流行时，Nicolas Christakis在哈佛做了一个实验：他随机选了400个学生，让他们报出首先想到的那个朋友，然后他发现，这些朋友比一开始随机挑的400人，平均早13天患上流感，也就是说，他们是流感传播中的早期节点。因此，如果这些“人缘更好”的朋友及时戴上口罩，其他学生就可能避免感染。[Christakis 2010]
流感在哈佛学生关系网络中的传播那些一开始就提醒周边人戴口罩的年轻人，你们做的很对。如果你说服了圈子里最会玩的朋友戴上口罩，这几天你就会更加安全。因为活跃的人，更可能是“行走的感染源”的人，让他们戴上口罩，保护自己，也保护他人。从这个简单的方法出发，还有很多改进的方法更高效地寻找“关键传播节点”，这都是在不知道网络结构的情况下，从局部的节点出发，自下而上获取网络结构的信息，并用这种信息指导行动，积沙成塔，改变网络的效果。本质上，这就是分布式计算的过程，而这个过程的产出，就是一些“本地规则”：微观上小的特定行为，或是习惯。遵循良好的本地规则，在群体的结构作用下，会汇聚成相当大的作用。从天而降的指令无法微操每一个节点该做什么，但是好的规则，会自动指引，发现最有效的行动逻辑。你不能指望红十字会那二十几个公务员个个都是超人，把全国人民的救援物资都安排的妥妥当当。拥有相应社会资本的志愿者，会接力填上救援货源和一线医生之间的结构洞，用重复博弈和共同目标的方式进行协同，最终收敛到足够高效和信任的供应模式中。红十字会不应该占着茅坑不拉屎，非要在民间自组织的救援里插一脚，雁过拔毛。有些人没有老爷的德性，却很有老爷的架子，德不配位，必有灾殃。所以我觉得，中央计算系统可能无法把每件交易都分配到最优解，但他们最该做的，是通过信息传播的方式培育起合适的本地规则，或者讲得俗套一点，激发人民群众的力量，而不是越俎代庖想要把任何事情都“管起来”。当规则被调配到合适的状态，美好的事情就会自然发生。同样，如果规则已经被侵蚀到扭曲的状态，那么在大灾大难面前，丑陋的事情也会依次暴露。也许这是我的一厢情愿，但这次的疫情是一次解耦，同时也是一次重启的机会。我们在2020年这个节点，再思考什么是真正的“稳定”，“效率”又真正来自哪里。群体的态度被改变，新的规则带来新的行为（比如春节社交习惯的强行更改，远程办公的元年），新世界会更好吗？我不知道，但它一定不一样。Ref:Pastor-Satorras, Romualdo, and Alessandro Vespignani. "Immunization of complex networks." Physical review E 65.3 (2002): 036104.Tomba, Gianpaolo Scalia, and Jacco Wallinga. "A simple explanation for the low impact of border control as a countermeasure to the spread of an infectious disease." Mathematical biosciences 214.1-2 (2008): 70-72.Christakis, Nicholas A., and James H. Fowler. "Social network sensors for early detection of contagious outbreaks." PloS one 5.9 (2010).
