跳转到内容

社会物理学

维基百科,自由的百科全书

社会物理学是一门科学领域,利用在物理学启发的数学工具来了解人类的群体行为。现代商业用途中,也可以指利用大数据来分析社会现象。

研究目标

[编辑]

找出那些人类社会独有或其与物理学相关的定理、现象。

研究城市

[编辑]

目标是找出城市的扩增、改变的定律。这样就可知道未来与古代的居住地地图。

研究交通

[编辑]

让交通都顺畅,例如壅塞学就有在研究

量子动力学应用于驾驶人视觉流刺激与驾驶反应行为研究

研究市场

[编辑]

目标是能知道未来各国的经济、资源,和让所有人都够有钱。

当贫富差距部分不断扩大之后,市场坡动也增加。

研究社群

[编辑]

目标是要知道未来各国的行动与思考,且能改变。人分解成为单子,每个分别有自己的原则,分别的目标,原子的世界就在这里达到极至。

人的合作性很强,容易跟随群体,但每个人的跟随性分等级,例如一件事要去做,有人会就算没人做过还是去做,这位人的跟随级是0人,而一旦有一人去做,跟随级1的就会也开始做,接下来跟随级分数越高的就会一一加入,跟随级也成常态分布;很多行动就是这样引起的,例如革命暴动等,人可能会因为从众而不理性,所以发起人很重要,他会引想这群人未来的行为。

一群人是有规则性的行动的,就像气体分子在单体时没有规则,但一群气体却可有。

人不一定是理性的。

目前研究成果:六度分隔理论从众效应

通则

[编辑]

在真实世界中,受到常态分布尾端控制的部份,就跟受到平均值控制的部分一样多。相对的数量一样。

研究成果:无尺度网路群聚效应

商业应用

[编辑]

现代商业上的社会物理学是指利用“大数据”分析和数学规律来了解群众的行为。[1]其核心思想是,人类活动的数据(例如电话记录、信用卡购买、出租车撘乘、网络活动等)包含数学模式,这些数学模式是社交互动如何传播和收敛的特征。然后,这些数学上的不变性可以用于行为变化分析和检测新兴行为模式。[2]

最近,麻省理工学院艾力克斯•潘特兰英语Alex Pentland亚尼弗•阿特舒勒英语Yaniv Altshuler的研究结合了社会物理学与机器学习,以提高机器学习应用的性能。[3] “Endor”是由阿特舒勒共同创立的公司,利用社会物理学介绍一个预测智能平台,可以自动化回答预测的业务问题。

网络安全领域,另外由亚尼弗•阿特舒勒英语Yaniv Altshuler领导的团队展示了社会物理学概念如何表现为嵌入大型资料库中的数学不变性,可用于产生针对行为资讯(behavioral information)的新型高效攻击。[4]

近期相关著作

[编辑]

科幻小说中的社会物理学

[编辑]

"社会物理学"是一门近几年(21世纪初)新兴的学科,正在发展中。它是指用物理的作风研究社会、都市、交通、组织、企业、政治、资源、大众心理、市场......的科学。相对于物理,它把人当成原子,也就是社会原子,社会原子可以是人也可以是人群;然后把社会当成宇宙,主要研究社会原子相对运动的模式。在多粒子系统中,研究单一粒子本身难以解释它的行为(研究地球并不能解释它为何会公转),但是研究大量粒子的互动是可以找出规律的(研究太阳系很容易发现恒星、行星、卫星间的运动模式)。

社会物理学的极至可以发展到研究社会中一切群体系统,甚至准确预测、改变未来的经济、人口数、重大事件、政治......,最后达到能终止贫穷、战争......的目的,然而预测未来未必是好事,股票市场所可能受到的影响就是一例。目前主要研究方法是利用现今的大量资讯配合统计学在人类社会中找出通则,进而借由研究找出其中的[模式],甚至是定理。此外,物理学中许多理论或现象套用在社会中是一样、相似或有关联的,只是我们尚未发觉。

阿西莫夫将这个概念应用到银河帝国上,其人口以百兆计,达到了统计学的数量级。预测一个人或者少数人的未来是没有可能的,但是对于如此数量级的人类社会动向就完全可以通过统计科学的计算而预知到,可知道未来的各国[经济]、[国界]、兵力、人口数、[事件]、[科技]、[资源]、人的思考。在小说中,该学科由小说人物哈里·谢顿创立,他提出了两个假定前提:[9]

  • 作为研究对象的人类,总数必须达到足以用统计的方法来加以处理
  • 研究对象中必须没有人知晓本身已是心理史学的分析样本。即须保证研究对象的随机性和自发性

参考资料

[编辑]
  1. ^ GEORGE, Gerard; HAAS, Martine R.; PENTLAND, Alex. Big Data and Management: From the Editors. Academy of Management Journal. 2014, 57 (2): 321–326 [2017-06-23]. doi:10.5465/amj.2014.4002. (原始内容存档于2017-04-17). 
  2. ^ Predictive Analytics. (原始内容存档于2017-07-15). 
  3. ^ Tuning Social Networks to Gain the Wisdom of the Crowd | MIT Media Lab. www.media.mit.edu. [2016-10-21]. (原始内容存档于2016-10-18). 
  4. ^ Altshuler, Yaniv; Aharony, Nadav; Pentland, Alex; Elovici, Yuval; Cebrian, Manuel. Stealing Reality: When Criminals Become Data Scientists (or Vice Versa) (PDF). IEEE Intelligent Systems. 2011, 26 (6) [2017-06-23]. (原始内容存档 (PDF)于2013-06-03). 
  5. ^ Barabási, Albert-László. Linked: The New Science of Networks. Perseus Books Group. 2002. 
  6. ^ Buchanan, Mark. The Social Atom - why the Rich get Richer, Cheaters get Caught, and Your Neighbor Usually Looks Like You. Bloomsbury USA. 2007: x – xi. 
  7. ^ Ball, Philip. Why Society is a Complex Matter: Meeting Twenty-First Century Challenges with a New Kind of Science. Springer. 2012. 
  8. ^ Pentland, Alex. Social Physics: How Good Ideas Spread—the Lessons from a New Science. Penguin. 2014. 
  9. ^ 叶李华译.基地.四川出版集团,2005.1.ISBN 7-80624-942- 7