“黑天鹅”和“不确定性”是一回事吗？

冯媛

通常，黑天鹅飞行的轨迹是呈幂律分布的，拖着一条长长的尾巴，然而越是小概率，越是极具冲击性。

很多时候人们常会把“黑天鹅”和“不确定性”混淆，比如有人会把美国大选的结果视为“黑天鹅”，特别是各种机构的报告里“黑天鹅”这个字眼用得太多，以至于让人们神经渐渐麻痹而忽略了真正的风险。当真的黑天鹅来的时候，立时慌了手脚。通常，黑天鹅越是小概率，越是极具冲击性。而我们常说的“不确定性”是一种随机游走的曲线，而随机性的最大熵分布是钟形的正态分布，可以通过均值和方差来进行预测。说的再直白些，不确定性是可以预测和管理的，而“黑天鹅”是不可预测也难以预先管理的。

被高估的“黑天鵝”和被低估的“黑天鹅”

纳西姆·尼古拉斯·塔勒布在他所著的《黑天鹅》一书里指出，“黑天鹅”是无法避免的，因为“我们所不知道的事，比我们所知道的事更重要，这才是黑天鹅事件出现的真正原因”。他用了三个特征去描述“黑天鹅事件”：稀有性、极大的冲击性、事后的貌似可预测性。黑天鹅是太罕有的小概率事件，即便有一些蛛丝马迹，也常常会被忽略。一旦过了临界点爆发在所难免，而那冲击性就异乎寻常的难以抗拒。

在塔勒布眼中有两种“黑天鹅”：“无人提及的黑天鹅现象”和“叙述中的黑天鹅现象”。现实中，叙述中的黑天鹅现象的发生概率通常被高估，而真正的黑天鹅的风险常常被低估。真正的 “黑天鹅”之所以“无人提及”，是“因为它（们）不符合任何模式，在公共场合谈论它们会让你觉得羞愧，因为它们看上去不合理”。

然而伴随着小概率恶性事件产生的舆情就成了“叙述中的黑天鹅”， 塔勒布把这只黑天鹅称为“叙述谬误”，而“事后”（而非事前）和“貌似可预测”恰恰是叙述的动因。似是而非的信息、夹杂着复杂情绪的评论和各种事后诸葛亮的批判迅速把人的注意力和情感反应全部调动起来，因为人类的天性就是热衷于把现象、想象、认知、记忆、情绪和感受混在一起，人们通常更喜欢传播自己不完全确认的信息，包括更夸张的描述，特别是佐以一些看似深奥的专家论证和有限的数据支撑。

世界卫生组织传染病危害管理部门主管毕莱安德（Sylvie Briand）博士将重大灾害后的舆情称之为 “信息疫情”（Infodemic）。信息疫情是指过多的信息（有的正确，有的错误）反而导致人们难于发现值得信任的信息来源和可以依靠的指导，甚至可能对人们的健康产生危害。“信息疫情”由来已久，历史上，伴随着每个传染病的爆发，“信息疫情”都会同时爆发。尤其在传染病爆发的初期，由于对新的疾病威胁很多信息未知，导致大量谣言和不实信息的出现。万物互联的时代，借助网络和社交媒体，“信息疫情”以迅雷不及掩耳之势传遍世界的每个角落。然而，“信息疫情”并非横空出世，它出现的原因是人们内心各种各样真实的忧虑甚至恐慌。而在疫病爆发之初，相关真实信息严重匮乏，信息“真空”让窒息的人们急不可待通过各种渠道捕获信息，于是谣言和不实的信息就会乘虚而入。疫病的扩散和信息疫情传播有着相似之处，又有些不同，但不管怎样，其路径都是植根于现代的社会人际网络结构。

朋友圈、随机朋友和超级传播者

1967年美国社会心理学家斯坦利· 米尔格兰姆（Stanley Milgram）在《今日心理学》杂志上提出了著名的“六度分隔”理论。通过六度分隔理论我们知道，在现代社会，每个人都可以利用关系网与陌生人搭上关系，而路径长度约等于六。在小世界网络中包括两类朋友，“朋友圈”（Clique friends）和“随机朋友”（Random friends），尽管随机朋友是一种“弱关系”，而能够将地球上任何两个人在六度内建立联系，恰恰是因为这些随机朋友的存在。

接下来我们看看传染病和信息疫情如何利用社会网络在人际之间传播和扩散。首先，我们把全部人口划分为两类：知道或拥有某样事物（比如，疫病和信息）的人与不知道或不拥有该事物的人。随着时间的推移，该事物会在这两类人之间迁移，其发展的曲线往往是凹性（R形）或S形的，而这个分布曲线的形状是由人们通过怎样途径获得信息或染上疫病决定的。假如人们是从某个单一来源知悉信息或罹患疫病，就呈R形，而这之后通过随机接触传播使疫病扩散就呈S形曲线。

来自流行病学的关于传染病传播采用的是SIR模型（S表示易感者、I表示感染者，R表示痊愈者，如图2）。如果将SIR模型嵌入到网络中，就会观察到度的分布对传染病传播至关重要。通常SIR模型会产生一个临界点，流行病学定义其为“基本再生数R0”，也就是接触概率乘以扩散概率与痊愈概率之比。某种传染病，如果R0大于1，那么这种传染病就可以传遍整个人群，而R0小于1的传染病则趋于消失。通常疾病控制中心正是依据对R0的估计来指导政策制定（图3）。

在临界点上，传染病性质的微小变化，就意味着失败与成功之间巨大分野。只要R0超过1，其扩散就会表现出凸性，呈指数级增长。当第一个感染者感染了之后，他作为中心节点首先通过中心辐射型网络连接到所有其他节点。假设传染病会随机发生在某个节点上，在下一个时期，传染病可能以一个与传染病毒力相对应的给定概率，独立地扩散给每个邻居。通过邻居随机进入到新的中心辐射型网络，可能作为中心节点，也可能是外围节点。如果作为中心节点就可以将传染病传播到任何一个其他节点。如果是外围节点染病，他将可能感染中心节点。一旦新的中心节点被感染，传染病也会不可避免地蔓延开去。流行病学家们将位置很高的中心节点（高度数节点）上的人称为“超级传播者”（Superspreaders）。对于传染病而言，超级传播者不一定是社交明星或“人脉”特别广的人，而可能是从事“一对多”的某种特定的职业，比如收银员、老师、医生等，这类职业使他会随机与属于不同社交网络的人接触。高度数节点不但能够更快地传播传染病，而且会更快地患上传染病。如果一个人朋友的数量是另一人的3倍，那么他染病的几率也是后者的3倍，同时传播疾病的可能性也是后者的3倍。因此，他对传染病传播的总贡献就将是另一个人的9倍。

比病毒传播还要迅速的是信息疫情

认识、理解和控制“信息疫情”有助于人们对疾病疫情的响应。现代社会信息首先以R形广播，接着以S形扩散，而和病毒的扩散最大的不同是信息扩散可以不需要通过接触。世界卫生组织提出，病毒之外，“信息疫情”同样会危害健康。首先，是大量令人悲傷的信息会带来“共情伤害”，让人们过度被情绪左右，丧失理性和逻辑。其次，是在信息中混杂着大量的谣言，谣言作为未经证实的信息可以影响我们的道德判断，也可以让我们受到欺骗而付出有形或无形的成本。互联网逐渐代替传统媒介成为信息传播的主要路径，这让信息疫情更加防不胜防。

社会人际网络以小世界网络为主，而互联网更像是无标度网络。小世界网络与随机网络的度分布相似，点与点之间的连接是随机的。小世界网络具有大的聚类和小的Hub（中心节点），随着密度增加，小世界网络迁移进入高度聚类网络，而无标度网络迁移进入高度Hub网络，使无标度网络具有大的Hub和小的聚类。无标度网络是具有少量高度节点和大量低度节点构成的网络，具有高度的少量节点称为Hub，是呈现幂律分布的复杂网络。大的Hub的传播模型首先是广播模型。一个信息源通过政府、组织、企业或媒介甚至有影响力的个体传播信息的过程，仍然是R形曲线。当广播模型遇上幂律分布，大Hub的广播会在极短的时间导致知情者的人数快速增加，而扩散概率（Diffusion probability）是接触概率（Contact robability）和分享概率（Sharing probability）的乘积。打个比方，流行歌星贾斯汀·比伯（Justin Bieber）作为大Hub的R0估计为24，也就是说，他的传染“毒力”比病毒更强。当知情人在人际网络中产生随机混合（Random mixing）（相关群体中任何两个人接触的可能性都相同），信息就开始以S形扩散模型继续传播，一定时间内，相关人群中的每个人都会掌握信息，而网络传播的速度让扩散极速完成。直到几乎每个人都成了知情者时，新知情的人数才减少，从而形成了S形的顶部（临界点）。

传播与控制

在社交领域，由于接收本身也是一种选择，面对“信息疫情”，人是有知情选择权的。现代社会面对的挑战是有太多的信息，值得信赖的传播渠道在信息流通中可以起到“放大器”的作用，在很多与瘟疫相关的信息未知的时期，也是控制疫病爆发的关键时期，如果等到信息完备时才与大众沟通，通常为时已晚。媒体需要澄清的是哪些方面是科学研究已经证实的，哪些还是未知的，并且基于证据提供帮助人们保护自身和家人的建议。

从人类的历史上看，世界从未因为“黑天鹅”的到来而真的停下脚步，可以想见的是当黑天鹅飞走的时候，太阳依旧照常升起，而人们比平时更加忙碌了。黑格尔说：人们从历史中得到的唯一教训是，人们无法从历史中得到任何教训。