智慧社會：大數據與社會物理學

想法流：如何驅動行爲、創新與社會進步 人類社會的學習、創新和行爲改變，並非主要源於獨立的個體思考，而是由一種名爲“想法流”（Idea Flow）的社會學習過程所驅動。通過大數據分析，我們可以像研究自然現象一樣，定量地測量和優化想法流，從而提升組織智慧、加速創新並解決複雜的社會問題。 一、想法流是什麼？—— 社會學習的引擎 1.想法流（Idea Flow）：即行爲模式、信念和想法在社交網絡中的傳播與擴散，類似於城市中的人流或車流。它是集體智慧形成的過程。 2.兩大核心動力： （1）社會學習（Social Learning）： 通過觀察和模仿他人的成功行爲來學習，這是最有效、風險最低的學習方式。（例如：看到朋友去的網紅餐廳不錯，自己也去嘗試）。 （2）社會壓力（Social Pressure）： 爲了獲得羣體認同和接納而遵從羣體規範。（例如：因爲同事都在健身，自己也感到需要去健身的壓力）。 3.想法流是人類文明的基石： 人類區別於其他物種的關鍵在於集體學習的能力。想法流使得好的經驗和技術（如石器改進）能夠跨越時空進行傳播和迭代，形成“文化演化”，其速度遠快於生物演化。 二、想法流如何催生創新？—— 探索與參與 1.創新 = 探索（Exploration） + 參與（Engagement）： （1）探索： 到外部社交圈去尋找和吸收新的、多樣化的想法和信息（如喬布斯參觀施樂）。 （2）參與： 在內部社交圈中進行頻繁的互動，協調行動並將新想法轉化爲共同的信念和行爲規範（如團隊內部討論）。 （3）一個健康的組織必須在探索和參與之間保持平衡。只探索不參與，會失去焦點；只參與不探索，會陷入僵化和“迴音室”效應。 2.“魅力型連結者”（Charismatic Connector）： 尼奎斯特的案例表明，這些人通常是信息樞紐，而非最高領導者。他們通過頻繁的、跨羣體的互動，能加速想法流的流通，將不同領域的“想法碎片”連接起來，從而催化創新（如貝爾實驗室的例子）。 3.多樣性優於能力： （1）eToro交易員實驗和紅氣球挑戰賽完美證明了這一點。最具創新性和智慧的羣體，不是由個別天才組成的，而是由背景多樣、具有良好社會連接的普通人組成的。 （2）羣體智慧（Collective Intelligence） 的關鍵因素是社會感知能力和想法的平等流動，而非個體的平均IQ。 三、如何優化想法流以驅動合作？—— 超越傳統經濟激勵的“社會網絡激勵”模型。 1.Funfit實驗的啓示： 第三組（獎金與隊友表現掛鉤）的成功證明，基於同伴互惠和社會聲譽的激勵（“我爲團隊做貢獻”），遠比單純的個人經濟激勵或社會比較（“我不能比別人差”）更有效。這構建了信任和合作規範。 2.紅氣球挑戰賽的勝利祕訣： 彭特蘭團隊的“遞歸激勵”模式（介紹人也能分錢）本質上是一種病毒式想法的傳播模型。它利用並激活了現有的社交信任網絡，將尋找氣球的任務變成了一個龐大的、自組織的社交運動，其效率遠超傳統的自上而下的組織方式。 四、用數據測量想法流—— 社會物理學的未來 這是彭特蘭最具前瞻性的部分：利用大數據讓“想法流”變得可見、可測量、可優化。 1.從“數據足跡”到社會感知： 通過手機、信用卡、可穿戴設備等產生的**“數據足跡”**，我們可以定量分析想法流的模式： （1）探索行爲： 通勤距離、訪問新地點的頻率、消費多樣性（如您的信用卡案例）。 （2）參與行爲： 與不同人羣的互動頻率、模式（如MIT的社交感知系統）。 （3）健康狀況： 睡眠、心率、活動量等（如Ginger.io的例子）。 2.建設“數據公地”（Data Commons）： 就像過去的公共圖書館一樣，我們應該建立開放、匿名化、保護隱私的數據共享平臺（如virusMED病毒數據庫）。這將最大化想法流的潛力，讓全社會都能從中受益，加速科研和創新（如Foldit遊戲）。 3.隱私與安全的解決方案：PDS（個人數據商店） - 這是應對數據倫理挑戰的核心方案。PDS將個人數據的所有權和控制權交還給用戶本人。用戶可以選擇將哪些數據、在什麼條件下、分享給哪些機構用於何種用途。這爲實現“數據公地”提供了既能保護隱私又能促進創新的技術路徑。 五、社會物理學的願景 彭特蘭預言，我們正從一個以市場交換爲基礎的社會，轉向一個以網絡化合作爲基礎的社會。在這個新社會中，想法流是最重要的資源，是“信息時代的石油”。 （1）對於個人： 要主動管理自己的“想法食譜”—— 增加探索（接觸多樣化的信息源），優化參與（融入高質量的討論圈），避免“信息繭房”。 （2）對於組織： 要設計物理和社交空間來促進偶然的相遇和跨部門的交流，要獎勵那些“魅力型連結者”，並建立基於社會激勵的合作機制。 （3）對於社會： 應投資於連接性基礎設施（如蘇黎世的公共交通），並推動建設開放、安全、可信的“數據公地”，讓全社會都能從想法流中獲益，共同應對複雜的挑戰。 最終，社會物理學提供了一套基於數據的、科學的框架，幫助我們理解並駕馭那些隱藏在社會互動之下的深層規律，從而構建更具韌性、創新力和人性的社會。

一句話概括 這本書試圖用手機、GPS、消費和麪對面互動留下的“數字面包屑”，測量想法在人羣中的傳播規律，並以此改善團隊協作、組織創新、城市規劃和公共治理；它的核心結論是：社會智慧主要不取決於少數人的聰明程度，而取決於想法能否在多樣化探索與充分參與之間健康流動。 核心邏輯 全書圍繞“想法流”逐層展開。個人並非完全依靠獨立理性決策，大量行爲、習慣與偏好來自社會學習。好的羣體既要向外“探索”，接觸陌生、多樣的新信息；又要向內“參與”，通過平等、密集的互動建立信任和共識。探索不足會造成封閉和僵化，參與過強則可能形成迴音室與羣體迷思。 互動模式可以通過可穿戴設備、手機和行爲數據被測量，並用來預測團隊生產率、創意產出和城市活力。測量之後，可以通過空間設計、信息反饋和社會網絡激勵調整想法流。但這種能力也可能形成全面監控，因此智慧社會必須以數據權利、動態隱私和多方治理爲前提。全書由個人和小羣體，逐步擴展到組織、城市和整個社會。 核心內容 第一部分討論從想法流到行動力。“探索”是尋找新信息和不同經驗。真正有效的個人和羣體，並不是聯繫越多越好，而是既擁有可靠的強關係，又能跨越熟人圈接觸外部信息。作者研究發現，表現優異者通常提前建立多樣化的信息網絡，在需要時可以快速向不同領域的專家學習。 社會學習可以提高決策質量，但前提是信息來源足夠多樣。當網絡中的人都互相模仿，想法流就會過快、過密，最終形成迴音室。此時需要降低內部影響，引入獨立信息和“特立獨行者”。 “參與”負責把想法轉化爲共同習慣。羣體成員之間反覆而平等的互動能夠形成信任、合作壓力和一致行動。作者強調，最有效的激勵不一定是直接給個人錢，而是利用其社會關係：當一個人的收益與朋友的改進行爲相關時，他會主動勸說和幫助朋友，改變能夠沿着網絡擴散。 因此，一個健康羣體需要在探索和參與之間保持平衡：探索負責引入多樣性和新可能，參與負責篩選、整合並落實想法；只有探索沒有參與，羣體難以行動；只有參與沒有探索，羣體容易陷入共識幻覺。 第二部分討論數據驅動的智慧組織。作者用“社會計量胸卡”等工具測量談話頻率、話輪轉換、身體活動和麪對面接觸。研究顯示，預測團隊表現時，互動方式經常比成員的個體智力、性格和技能更加重要。 高集體智能團隊具有幾個特徵：發言權相對平等，而不是由少數人壟斷；有大量簡短、快速的反饋和回應；每個人都貢獻並檢驗想法；團隊內部參與密集；成員也持續與外界進行探索。 優秀團隊不是擁有一位滔滔不絕的天才，而是建立了高質量的交流結構。擁有較多女性的團隊有時表現更好，也主要與更高的社會敏感度和更均衡的話輪轉換有關，而不是性別本身決定能力。 作者還指出，茶水間、走廊、餐廳等非正式交流空間，可能比正式會議更能影響生產率。很多工作依賴難以寫進流程手冊的隱性知識，這些知識主要在日常接觸中傳播。組織設計因此不只是調整崗位和彙報關係，也應主動設計想法流。 “魅力型連接者”是組織中的重要角色。他們不壟斷討論，而是詢問、傾聽、連接不同團隊，讓想法跨越部門邊界。他們的核心價值不是輸出最多觀點，而是改善整個網絡的交流質量。 “紅氣球挑戰賽”證明，藉助同時獎勵發現者和信息傳播鏈條的社會網絡激勵，可以在數小時內組織起一個跨地域的大型協作網絡。作者稱這種模式不是普通衆包，而是迅速建立具有行動能力的“速成組織”。 第三部分把社會物理學擴展到城市。手機定位、交通、消費和通信數據共同構成城市的“數字神經系統”。這些數據能夠幫助研究者觀察人口移動、交通擁堵、商業需求、社會聯繫、疾病傳播和社區分化。 作者認爲，城市活力取決於兩種力量：本地參與，即鄰里之間穩定而頻繁的互動，形成信任與行爲規範；跨區域探索，即居民能夠方便地前往不同區域，接觸陌生人和新經驗。 探索更廣的城市通常具有更高的創新能力和經濟產出，但如果只有流動而缺少社區凝聚，也可能出現犯罪和失序。反過來，社區過於封閉雖然穩定，卻容易失去創新。 這對城市規劃有直接啓示。僅僅提高人口密度並不會自動增加想法流；如果交通擁堵嚴重，超大城市可能實際被分割成許多互不連接的小城市。嚴格的功能分區也會削弱本地互動：住宅區、商業區和辦公區完全分離，使人們必須遠行才能完成日常活動，卻難以形成穩定社區。 健康城市需要完整、混合、彼此連接的生活區域，同時以高效交通連接不同社區。面對面接觸仍然重要，因爲數字媒介擅長傳播信息和謠言，卻較難傳遞細膩的社會信號、信任和行爲規範。 第四部分討論數據驅動的智慧社會。作者提出“數據新政”：個人行爲數據既具有公共價值，又關係隱私、自由和公平，不能完全由收集數據的企業控制。 數據新政包括三項基本權利：數據擁有權，知道與自己有關的數據在哪裏；數據使用權，決定誰能在什麼範圍內使用；數據處置權，能夠修改、轉移或撤回授權。 作者建議建立個人數據商店PDS，將數據保存在由個人控制的安全空間。外部服務不必獲得全部原始數據，而是把程序送入安全環境，只取回問題的答案。例如，服務可以得知某區域的人數，卻不獲得每個人的完整位置軌跡。 這就是“動態隱私”：授權不再是註冊時一次性勾選的寬泛條款，而應隨着用途、時間和對象變化，能夠被查看、限制和撤銷。 作者也主張建立數據公地，將經過保護和聚合的就業、交通、疾病、犯罪等數據用於公共研究。科特迪瓦的D4D項目表明，通信數據可以幫助優化公共交通和分析疾病傳播；但公共價值不能成爲無限制收集個人數據的藉口。 智慧社會的最終設計原則包括社會效率，讓資源得到更合理的分配；運行效率，讓交通、能源和公共服務快速可靠；系統彈性，避免把全部決策集中在單一系統，保留多樣性和局部自主能力。 反對的觀念 本書反對把人視爲孤立、完全理性的決策者；反對認爲團隊表現只是成員智商和專業能力的總和；反對由少數天才或領導者壟斷討論；反對“聯繫越多、傳播越快就一定越好”；反對只靠直接經濟獎勵改變行爲；反對認爲提高人口密度就能自然產生城市創新；反對認爲線上交流可以完全替代面對面互動；反對依靠一次性匿名化徹底解決數據隱私；反對企業因爲收集了數據便自然擁有數據；也反對用統一的中央最優方案消滅系統的多樣性和局部彈性。 本書最值得關注的核心觀點 集體智能首先是一種關係屬性，而不是個體能力的簡單相加。一個由聰明人組成但交流失衡、彼此封閉的團隊，可能不如能力普通卻能平等交流、接觸多樣信息的團隊。真正決定表現的，是想法能否跨越邊界進入羣體，又能否通過充分互動被理解、檢驗並轉化爲行動。 由此可以得到一個實用公式：集體智能≈多樣化探索×平等參與×可信任的關係。任何一項接近於零，羣體智慧都會顯著下降。創新不是無限增加信息，而是調節想法流，使新信息和共同執行保持動態平衡。 個人啓示 第一，個人需要主動管理自己的信息環境。如果所有消息都來自相似的人，判斷力會在不知不覺中被迴音室削弱。第二，會議質量不取決於時長，而取決於參與是否均衡、反饋是否充分、是否有人把外部信息帶入團隊。第三，組織中的連接者常被低估，能夠讓不同部門彼此理解的人，可能比單點能力最強的人更能提升整體表現。第四，激勵制度不應只獎勵最終成果，也可獎勵幫助他人、傳播信息和建立協作網絡的行爲。第五，城市規劃除了建築與交通，還應關心空間如何促進鄰里互動、跨區域探索和偶然相遇。第六，數據服務的便利不應以永久交出控制權爲代價，個人應關注數據被誰收集、用於什麼目的以及能否撤回授權。 觀點評價 本書最突出的貢獻，是把“大數據”從商業預測工具提升爲研究社會互動的基礎設施。它不只關注人們說了什麼，還關注誰與誰接觸、互動是否平等、想法怎樣傳播。這種從行爲模式研究組織和城市的方法，極具啓發性。 “探索—參與”的框架尤其有解釋力，可以同時理解團隊創新、組織僵化、社區信任、城市活力和網絡迴音室。“數據新政”、個人數據商店和動態隱私等提議，也明顯早於當時主流討論，至今仍具有現實意義。 侷限同樣重要。首先，從行爲數據發現相關性，不等於已經證明因果關係。互動多可能提升績效，也可能是高績效團隊本來就更願意互動。其次，社會物理學容易滑向數據決定論。可測量的行爲只是人的一部分，意義、情感、權力、制度和歷史背景未必能被網絡指標充分解釋。第三，對員工互動、位置和情緒進行持續測量，即使不記錄談話內容，也可能造成嚴重的職場監控。所謂“不分析內容，只分析模式”並不意味着沒有隱私風險，因爲行爲模式本身就能揭示身份、關係、健康和心理狀態。第四，本書出版於2015年，部分技術案例和對數字媒介的判斷已有時代侷限，但社交平臺的算法推薦、迴音室、城市數據治理和個人數據權利的發展，反而進一步證明了它所提出問題的重要性。 總體而言，這是一部非常有啓發性的社會科學與數據科學跨界著作，但應把社會物理學視爲觀察社會的一種有力工具，而不是能夠替代心理學、政治學、倫理學和歷史分析的萬能理論。 一段話總結 《智慧社會》提出“社會物理學”：通過手機、GPS、消費和麪對面互動留下的行爲數據，研究想法如何在人羣中流動，並據此改善團隊、組織、城市和公共治理。作者認爲，集體智能並非個體智力的簡單相加，而來自“探索”與“參與”的平衡——羣體既要跨越熟人圈接觸多樣的新信息，也要通過平等、密集的互動形成信任和共同行動；探索不足會導致封閉，參與過強則會製造迴音室。大數據可以讓這種互動模式變得可見，也能幫助改善生產率、交通、公共健康和城市規劃，但同樣可能成爲全面監控工具。因此，真正的智慧社會不僅需要數據和算法，還必須建立個人數據所有權、動態隱私、公共數據公地和多方治理機制：技術的目標不應是把人變成可操縱的粒子，而應幫助人們建立更自由、更公平、更富有創造力的社會關係。

最初吸引我閱讀《Social Physics》的，是我對“集體智慧”的長期興趣：在一個由不同角色、不同技能組成的團隊中，如何真正提升協作效率，併產生有價值的創新？ 這本書給出的核心答案，是一個看似簡單卻極具穿透力的概念——想法流（Idea Flow）。 作者通過大量研究指出，一個團隊是否高效，關鍵不在於個體是否足夠聰明，而在於成員之間的互動密度與質量。面對面交流、頻繁的信息交換、以及由此產生的相互啓發，構成了想法流的基礎。這種流動，讓想法不斷被修正、組合和放大，最終形成超越個體能力的集體智慧。 這點對我觸動很大。很多組織把問題歸因於“人才不夠強”，但這本書提醒我們：問題往往不在個體，而在連接。 更讓我印象深刻的，是作者對傳統經濟學“人性假設”的挑戰。 以Adam Smith爲代表的經典理論，往往建立在“人是理性且自利的，會追求自身利益最大化”的前提之上。但作者提出，從人類早期社會開始，協作與羣體利益最大化同樣是驅動行爲的重要力量，甚至在很多情境下更爲關鍵。 換句話說，人不僅是“自利的個體”，也是“合作的節點”。 這一視角讓我產生了強烈共鳴。現實中的高效團隊、優秀組織，往往不是依靠個體競爭，而是通過信任、交流和協作，實現“共贏”的放大效應。 從這個角度看，《Social Physics》不僅是在解釋社會行爲，更是在提出一種新的組織設計邏輯： > 如果想提升效率與創新能力，就必須有意識地設計“想法流”，而不是隻優化個體績效。 這對當下企業尤其重要。在AI和自動化快速發展的背景下，個體能力的邊界正在被不斷拉高，但真正拉開差距的，可能是團隊之間“連接與流動”的能力。 總結來說，這本書帶給我的最大啓發是： 創新不是天才的產物，而是互動的結果 組織效率不只是流程優化，更是關係結構優化 人性不止於競爭，更深層的是協作 相比傳統以“個體最優”爲出發點的經濟學框架，這種基於“集體最優”的視角，更貼近我對人性的理解，也更契合未來組織的發展方向。 如果你也在思考團隊協作、組織創新，或者“AI時代人類該如何發揮獨特價值”，這本書值得認真讀一遍。 它不會給你一個簡單的工具答案，但會幫你重新看清：真正重要的，從來不是人，而是人與人之間的連接。

這本書是一部在計算社會科學領域具有開創意義的著作。它核心提出了 “想法流”這一理論框架，試圖用量化模型解釋社會網絡中思想的傳播如何塑造個體行爲、羣體智能乃至社會結構。 彭特蘭基於海量行爲大數據，通過嚴謹的實證分析，揭示了幾個關鍵機制： 1、個體認知的社會性： 個體效能差異的關鍵並非僅源於先天智力，更在於其社會探索的廣度，即主動接觸並整合異質性信息源的能力。高效的決策往往依賴於社會學習形成的“快思考”模式。 2、集體智慧的形成條件： 羣體的表現高度依賴於互動模式。研究發現，互動平等性是核心要素，成員間發言機會的均衡分佈顯著提升集體智能。高創新性團隊則需同時滿足：觀點多樣性、高互動強度、低溝通壁壘。 3、社會分化的信息基礎： 社會經濟地位差異部分可歸因於信息獲取網絡的差異。優勢羣體往往擁有更廣泛的“弱連接”網絡，促進了多元化“想法流”的輸入，形成潛在的知識與機會優勢。 彭特蘭的貢獻在於率先大規模運用現實世界行爲大數據進行社會科學研究，推動了社會物理學這一交叉學科的發展。挑戰了傳統經濟學“理性人”假設，強調社會互動和模仿學習在行爲塑造中的基礎作用。提出了利用“想法流”優化組織與社會的願景，同時強調 “數據新政”的重要性，以平衡數據驅動的效率提升與個人隱私、公平性等倫理關切。 總之，這書以實證科學的方法，揭示了社會網絡中信息流動的深層規律，爲理解數字時代的個體決策、羣體協作、創新湧現及社會運行提供了極具洞見的新範式，其理論價值和實踐啓發性都相當顯著。

這本書的價值也許被低估了。我認爲作者的觀點涉及了真正的創新本質，比同類書中的該類觀點都深刻。 作者的核心觀點是“想法流”（ideas flow）纔是創新的本質，特別對於一個團隊來說，如果他們的想法流是暢通與多元的，這個團隊的創新肯定不錯，他可能在想法流的基礎上“湧現”出非常高品質的創新。 一個大城市之所以生生不息，就是因爲這個城市裏的“想法流”在生生不息。大數據之所以有用，就是因爲數據上承載着“想法流”。 想法流這個概念很高級……

文中提到社會物理學這個概念，其實整篇和物理學看不到有太大關係，倒是附錄的數學運算能看出是多麼硬核。而結論更像社會行爲學和心理學，只是作者是利用大數據的方式，數據的規模更大和人收集方式更爲客觀 作者主要是關注想法流，也就是想法的流動帶來的現象。這些現象有點耳熟能詳又有點啓發： 1，你不能過於孤立，這樣你的想法會太偏門，但是你也不能太合羣，因爲這樣會造成羊羣效應或者是圈子內的迴音壁裏自嗨。文中提到的是最好找多樣化的獨立思考的人想法，這些人的共同想法，往往都是好的。其實更重要的就是多樣化，所以我們要有意思的注意我們的信息來源時候多樣，我們認識的人的職業或地區時候多樣，這樣是有助於我們獲取多樣化的信息。 2，最好的學習策略是什麼，我們通常理解是費曼學習法，以教爲學，但是作者在這裏提醒我們，最近的學習策略是花90%的精力來搜索和小方做的好的人，然後10%的精力來試驗和思考。這個確實敲醒我了，我們有很強大的迷走神經，就是用來模仿的，關鍵是我們模仿的人時候足夠優秀，這也是榜樣的力量，其實我們天性就是用着這樣的方法，只是我們是潛意識這麼做，沒有把這個方法提升到思維高度。 3，如果要改變一個人的行爲，不是去勸說他，更有效的是他身邊熟悉的朋友的行爲。所以近朱者赤近墨者黑，我們讓自己和優秀的人一起，並且和他們熟悉起來，就更能夠幫助自己優秀。其中作者是想說，比起個體的激勵，社會的激勵能發揮更大的作用，也就是說，是整個社會的氛圍會驅動你的行爲變化。而且，我們的個人意志，真的是個人的嗎？作者不認爲，因爲其實我們很多意識和想法，其實是有羣體的共識部分的，個人的意志會被組織和社會羣體所限制。 4，比起網絡的交流，線下見面能帶來效果意義非凡。這讓我想起人與人的交流中的信息傳遞，除了文字以外，其實還有語氣，表情，肢體語言，氣味，視覺，甚至觸覺，線上交流會少了很多這些部分，所以很難差生多維記憶和信任，這是我對他們這個數據結果的另一個解讀。所以社羣還是需要線下的面對面碰面。 5，組織和效率和創意部分，作者提到，如果要提高組織的效率，那麼簡短的發言+密集的討論比起長髮言甚至一言堂會更有效，因爲這樣每個人都能貢獻想法更好的讓組織產生共識。而要提高創意，則需要有人做組織外的探索。所以向組織外探索+對內平等的討論式交流，是能讓組織的效率與創意都能發揮出來。 6，爲了獲得新想法，要去沒去過的地方，更好的就是遠距離社交。因爲人的社交還是近距離爲主，所以遠距離的人你接觸得少，他的想法和你差異的可能性就越大，你就越有可能獲得新想法。而從一個國家和社會的角度，就是提高遠距離交通的便利性，就能大大促進新想法的誕生，所以國家真的很偉大。

我對本書的感覺一般，單單就大數據的書而言，這本書的角度確實和其他的不一樣，它不是講技術和思辯的，更多的是運用大數據這個工具來說明一些推動個人，公司，甚至城市發展的方法。 我對想法流這個提法很感興趣，不過這也並非一種多麼大的獨創，因爲我們談創新的時候也總是難以避免講一個地區，一個人創新的積聚與思想的交流能夠更進一步推動想法的聚變，進而產生偉大的革新。這裏，我產生了一個新的想法，我想就技術的角度，社會創新發展的本質作一種探討。這是我未來三年內要着重花心思探討的一個問題，如果有可能這會成爲我的一本著作問世。 還是覺得彭特蘭是一個偉大的學者，近來思及學術與教育，總覺得缺失好多，爲什麼學不像學，術也無術，在根本上他們都對學術沒感覺，這禍害了自己，也禍害了求學的人。

隨閱通覽整體綱要到局部的論述，就生起一股優先推薦的能量驅動。才發現這麼硬核的內容它的分挺低的。 就這本書提供的社科認知的信息增量架構的內容價值而言，它是被大大低估了。 從內容角度來看，提供了從微觀節點到宏觀的框架； 從知識的結構來看，每個部分框架層次分明有序，每個子目標的小節的概括清晰又精煉。 ps： 這本書對我來說太有信息增量，不會像平常那樣15-30分鐘就能刷完的。近期抽時間閱讀它，估計要讀一陣子。

社會物理學，一個新名詞。本書企圖通過機械論的哲學基礎，把社會網絡及其信息流動進行物理建模，以反映社會網絡的變化和各種因素的相互影響。提出了研究方法和一些研究事例、模型，意圖對個體或羣體的行爲或想法流的演變進行描述和預測。包括個體和羣體行爲或想法流的相關數據進行收集、處理、保護等問題。從社會學的角度，本書的研究是非常有意義的。

《人類簡史》中，赫拉利將人類的發展脈絡歸結爲三次革命： 1）7萬年前的認知革命，人類擁有了虛構故事的能力，超越其他物種； 2）1.2萬年前的農業革命，人類由狩獵採集走向定居生活，發展出社會組織能力； 3）500年前開啓的科技革命，人類成爲神一樣的“造物主”，獲得整個地球的統治地位。 本書則是最近30年互聯網與人的深度融合後後對社會現狀的思考。 作者認爲，互聯網讓世界第一次變成一個人類與技術共存的聯合體，打破了幾百年來的亞當·斯密和約翰·洛克的思想框架，即由競爭和交換決定物品分配和政府政策的多元化社會。 互聯網帶來的更廣泛的參與和快速的信息傳遞讓世界處於失控的邊緣，因爲一個社交媒體上的帖子就能引發股市崩潰和政府垮臺。 這些思考統籌在社會物理學的概念下，作者的核心目標是揭示想法流是如何轉化爲行爲的改變，類比傳統物理學旨在瞭解能量的流動是如何轉化爲運動的改變的。