智慧社会：大数据与社会物理学

想法流：如何驱动行为、创新与社会进步 人类社会的学习、创新和行为改变，并非主要源于独立的个体思考，而是由一种名为“想法流”（Idea Flow）的社会学习过程所驱动。通过大数据分析，我们可以像研究自然现象一样，定量地测量和优化想法流，从而提升组织智慧、加速创新并解决复杂的社会问题。 一、想法流是什么？—— 社会学习的引擎 1.想法流（Idea Flow）：即行为模式、信念和想法在社交网络中的传播与扩散，类似于城市中的人流或车流。它是集体智慧形成的过程。 2.两大核心动力： （1）社会学习（Social Learning）： 通过观察和模仿他人的成功行为来学习，这是最有效、风险最低的学习方式。（例如：看到朋友去的网红餐厅不错，自己也去尝试）。 （2）社会压力（Social Pressure）： 为了获得群体认同和接纳而遵从群体规范。（例如：因为同事都在健身，自己也感到需要去健身的压力）。 3.想法流是人类文明的基石： 人类区别于其他物种的关键在于集体学习的能力。想法流使得好的经验和技术（如石器改进）能够跨越时空进行传播和迭代，形成“文化演化”，其速度远快于生物演化。 二、想法流如何催生创新？—— 探索与参与 1.创新 = 探索（Exploration） + 参与（Engagement）： （1）探索： 到外部社交圈去寻找和吸收新的、多样化的想法和信息（如乔布斯参观施乐）。 （2）参与： 在内部社交圈中进行频繁的互动，协调行动并将新想法转化为共同的信念和行为规范（如团队内部讨论）。 （3）一个健康的组织必须在探索和参与之间保持平衡。只探索不参与，会失去焦点；只参与不探索，会陷入僵化和“回音室”效应。 2.“魅力型连结者”（Charismatic Connector）： 尼奎斯特的案例表明，这些人通常是信息枢纽，而非最高领导者。他们通过频繁的、跨群体的互动，能加速想法流的流通，将不同领域的“想法碎片”连接起来，从而催化创新（如贝尔实验室的例子）。 3.多样性优于能力： （1）eToro交易员实验和红气球挑战赛完美证明了这一点。最具创新性和智慧的群体，不是由个别天才组成的，而是由背景多样、具有良好社会连接的普通人组成的。 （2）群体智慧（Collective Intelligence） 的关键因素是社会感知能力和想法的平等流动，而非个体的平均IQ。 三、如何优化想法流以驱动合作？—— 超越传统经济激励的“社会网络激励”模型。 1.Funfit实验的启示： 第三组（奖金与队友表现挂钩）的成功证明，基于同伴互惠和社会声誉的激励（“我为团队做贡献”），远比单纯的个人经济激励或社会比较（“我不能比别人差”）更有效。这构建了信任和合作规范。 2.红气球挑战赛的胜利秘诀： 彭特兰团队的“递归激励”模式（介绍人也能分钱）本质上是一种病毒式想法的传播模型。它利用并激活了现有的社交信任网络，将寻找气球的任务变成了一个庞大的、自组织的社交运动，其效率远超传统的自上而下的组织方式。 四、用数据测量想法流—— 社会物理学的未来 这是彭特兰最具前瞻性的部分：利用大数据让“想法流”变得可见、可测量、可优化。 1.从“数据足迹”到社会感知： 通过手机、信用卡、可穿戴设备等产生的**“数据足迹”**，我们可以定量分析想法流的模式： （1）探索行为： 通勤距离、访问新地点的频率、消费多样性（如您的信用卡案例）。 （2）参与行为： 与不同人群的互动频率、模式（如MIT的社交感知系统）。 （3）健康状况： 睡眠、心率、活动量等（如Ginger.io的例子）。 2.建设“数据公地”（Data Commons）： 就像过去的公共图书馆一样，我们应该建立开放、匿名化、保护隐私的数据共享平台（如virusMED病毒数据库）。这将最大化想法流的潜力，让全社会都能从中受益，加速科研和创新（如Foldit游戏）。 3.隐私与安全的解决方案：PDS（个人数据商店） - 这是应对数据伦理挑战的核心方案。PDS将个人数据的所有权和控制权交还给用户本人。用户可以选择将哪些数据、在什么条件下、分享给哪些机构用于何种用途。这为实现“数据公地”提供了既能保护隐私又能促进创新的技术路径。 五、社会物理学的愿景 彭特兰预言，我们正从一个以市场交换为基础的社会，转向一个以网络化合作为基础的社会。在这个新社会中，想法流是最重要的资源，是“信息时代的石油”。 （1）对于个人： 要主动管理自己的“想法食谱”—— 增加探索（接触多样化的信息源），优化参与（融入高质量的讨论圈），避免“信息茧房”。 （2）对于组织： 要设计物理和社交空间来促进偶然的相遇和跨部门的交流，要奖励那些“魅力型连结者”，并建立基于社会激励的合作机制。 （3）对于社会： 应投资于连接性基础设施（如苏黎世的公共交通），并推动建设开放、安全、可信的“数据公地”，让全社会都能从想法流中获益，共同应对复杂的挑战。 最终，社会物理学提供了一套基于数据的、科学的框架，帮助我们理解并驾驭那些隐藏在社会互动之下的深层规律，从而构建更具韧性、创新力和人性的社会。

一句话概括 这本书试图用手机、GPS、消费和面对面互动留下的“数字面包屑”，测量想法在人群中的传播规律，并以此改善团队协作、组织创新、城市规划和公共治理；它的核心结论是：社会智慧主要不取决于少数人的聪明程度，而取决于想法能否在多样化探索与充分参与之间健康流动。 核心逻辑 全书围绕“想法流”逐层展开。个人并非完全依靠独立理性决策，大量行为、习惯与偏好来自社会学习。好的群体既要向外“探索”，接触陌生、多样的新信息；又要向内“参与”，通过平等、密集的互动建立信任和共识。探索不足会造成封闭和僵化，参与过强则可能形成回音室与群体迷思。 互动模式可以通过可穿戴设备、手机和行为数据被测量，并用来预测团队生产率、创意产出和城市活力。测量之后，可以通过空间设计、信息反馈和社会网络激励调整想法流。但这种能力也可能形成全面监控，因此智慧社会必须以数据权利、动态隐私和多方治理为前提。全书由个人和小群体，逐步扩展到组织、城市和整个社会。 核心内容 第一部分讨论从想法流到行动力。“探索”是寻找新信息和不同经验。真正有效的个人和群体，并不是联系越多越好，而是既拥有可靠的强关系，又能跨越熟人圈接触外部信息。作者研究发现，表现优异者通常提前建立多样化的信息网络，在需要时可以快速向不同领域的专家学习。 社会学习可以提高决策质量，但前提是信息来源足够多样。当网络中的人都互相模仿，想法流就会过快、过密，最终形成回音室。此时需要降低内部影响，引入独立信息和“特立独行者”。 “参与”负责把想法转化为共同习惯。群体成员之间反复而平等的互动能够形成信任、合作压力和一致行动。作者强调，最有效的激励不一定是直接给个人钱，而是利用其社会关系：当一个人的收益与朋友的改进行为相关时，他会主动劝说和帮助朋友，改变能够沿着网络扩散。 因此，一个健康群体需要在探索和参与之间保持平衡：探索负责引入多样性和新可能，参与负责筛选、整合并落实想法；只有探索没有参与，群体难以行动；只有参与没有探索，群体容易陷入共识幻觉。 第二部分讨论数据驱动的智慧组织。作者用“社会计量胸卡”等工具测量谈话频率、话轮转换、身体活动和面对面接触。研究显示，预测团队表现时，互动方式经常比成员的个体智力、性格和技能更加重要。 高集体智能团队具有几个特征：发言权相对平等，而不是由少数人垄断；有大量简短、快速的反馈和回应；每个人都贡献并检验想法；团队内部参与密集；成员也持续与外界进行探索。 优秀团队不是拥有一位滔滔不绝的天才，而是建立了高质量的交流结构。拥有较多女性的团队有时表现更好，也主要与更高的社会敏感度和更均衡的话轮转换有关，而不是性别本身决定能力。 作者还指出，茶水间、走廊、餐厅等非正式交流空间，可能比正式会议更能影响生产率。很多工作依赖难以写进流程手册的隐性知识，这些知识主要在日常接触中传播。组织设计因此不只是调整岗位和汇报关系，也应主动设计想法流。 “魅力型连接者”是组织中的重要角色。他们不垄断讨论，而是询问、倾听、连接不同团队，让想法跨越部门边界。他们的核心价值不是输出最多观点，而是改善整个网络的交流质量。 “红气球挑战赛”证明，借助同时奖励发现者和信息传播链条的社会网络激励，可以在数小时内组织起一个跨地域的大型协作网络。作者称这种模式不是普通众包，而是迅速建立具有行动能力的“速成组织”。 第三部分把社会物理学扩展到城市。手机定位、交通、消费和通信数据共同构成城市的“数字神经系统”。这些数据能够帮助研究者观察人口移动、交通拥堵、商业需求、社会联系、疾病传播和社区分化。 作者认为，城市活力取决于两种力量：本地参与，即邻里之间稳定而频繁的互动，形成信任与行为规范；跨区域探索，即居民能够方便地前往不同区域，接触陌生人和新经验。 探索更广的城市通常具有更高的创新能力和经济产出，但如果只有流动而缺少社区凝聚，也可能出现犯罪和失序。反过来，社区过于封闭虽然稳定，却容易失去创新。 这对城市规划有直接启示。仅仅提高人口密度并不会自动增加想法流；如果交通拥堵严重，超大城市可能实际被分割成许多互不连接的小城市。严格的功能分区也会削弱本地互动：住宅区、商业区和办公区完全分离，使人们必须远行才能完成日常活动，却难以形成稳定社区。 健康城市需要完整、混合、彼此连接的生活区域，同时以高效交通连接不同社区。面对面接触仍然重要，因为数字媒介擅长传播信息和谣言，却较难传递细腻的社会信号、信任和行为规范。 第四部分讨论数据驱动的智慧社会。作者提出“数据新政”：个人行为数据既具有公共价值，又关系隐私、自由和公平，不能完全由收集数据的企业控制。 数据新政包括三项基本权利：数据拥有权，知道与自己有关的数据在哪里；数据使用权，决定谁能在什么范围内使用；数据处置权，能够修改、转移或撤回授权。 作者建议建立个人数据商店PDS，将数据保存在由个人控制的安全空间。外部服务不必获得全部原始数据，而是把程序送入安全环境，只取回问题的答案。例如，服务可以得知某区域的人数，却不获得每个人的完整位置轨迹。 这就是“动态隐私”：授权不再是注册时一次性勾选的宽泛条款，而应随着用途、时间和对象变化，能够被查看、限制和撤销。 作者也主张建立数据公地，将经过保护和聚合的就业、交通、疾病、犯罪等数据用于公共研究。科特迪瓦的D4D项目表明，通信数据可以帮助优化公共交通和分析疾病传播；但公共价值不能成为无限制收集个人数据的借口。 智慧社会的最终设计原则包括社会效率，让资源得到更合理的分配；运行效率，让交通、能源和公共服务快速可靠；系统弹性，避免把全部决策集中在单一系统，保留多样性和局部自主能力。 反对的观念 本书反对把人视为孤立、完全理性的决策者；反对认为团队表现只是成员智商和专业能力的总和；反对由少数天才或领导者垄断讨论；反对“联系越多、传播越快就一定越好”；反对只靠直接经济奖励改变行为；反对认为提高人口密度就能自然产生城市创新；反对认为线上交流可以完全替代面对面互动；反对依靠一次性匿名化彻底解决数据隐私；反对企业因为收集了数据便自然拥有数据；也反对用统一的中央最优方案消灭系统的多样性和局部弹性。 本书最值得关注的核心观点 集体智能首先是一种关系属性，而不是个体能力的简单相加。一个由聪明人组成但交流失衡、彼此封闭的团队，可能不如能力普通却能平等交流、接触多样信息的团队。真正决定表现的，是想法能否跨越边界进入群体，又能否通过充分互动被理解、检验并转化为行动。 由此可以得到一个实用公式：集体智能≈多样化探索×平等参与×可信任的关系。任何一项接近于零，群体智慧都会显著下降。创新不是无限增加信息，而是调节想法流，使新信息和共同执行保持动态平衡。 个人启示 第一，个人需要主动管理自己的信息环境。如果所有消息都来自相似的人，判断力会在不知不觉中被回音室削弱。第二，会议质量不取决于时长，而取决于参与是否均衡、反馈是否充分、是否有人把外部信息带入团队。第三，组织中的连接者常被低估，能够让不同部门彼此理解的人，可能比单点能力最强的人更能提升整体表现。第四，激励制度不应只奖励最终成果，也可奖励帮助他人、传播信息和建立协作网络的行为。第五，城市规划除了建筑与交通，还应关心空间如何促进邻里互动、跨区域探索和偶然相遇。第六，数据服务的便利不应以永久交出控制权为代价，个人应关注数据被谁收集、用于什么目的以及能否撤回授权。 观点评价 本书最突出的贡献，是把“大数据”从商业预测工具提升为研究社会互动的基础设施。它不只关注人们说了什么，还关注谁与谁接触、互动是否平等、想法怎样传播。这种从行为模式研究组织和城市的方法，极具启发性。 “探索—参与”的框架尤其有解释力，可以同时理解团队创新、组织僵化、社区信任、城市活力和网络回音室。“数据新政”、个人数据商店和动态隐私等提议，也明显早于当时主流讨论，至今仍具有现实意义。 局限同样重要。首先，从行为数据发现相关性，不等于已经证明因果关系。互动多可能提升绩效，也可能是高绩效团队本来就更愿意互动。其次，社会物理学容易滑向数据决定论。可测量的行为只是人的一部分，意义、情感、权力、制度和历史背景未必能被网络指标充分解释。第三，对员工互动、位置和情绪进行持续测量，即使不记录谈话内容，也可能造成严重的职场监控。所谓“不分析内容，只分析模式”并不意味着没有隐私风险，因为行为模式本身就能揭示身份、关系、健康和心理状态。第四，本书出版于2015年，部分技术案例和对数字媒介的判断已有时代局限，但社交平台的算法推荐、回音室、城市数据治理和个人数据权利的发展，反而进一步证明了它所提出问题的重要性。 总体而言，这是一部非常有启发性的社会科学与数据科学跨界著作，但应把社会物理学视为观察社会的一种有力工具，而不是能够替代心理学、政治学、伦理学和历史分析的万能理论。 一段话总结 《智慧社会》提出“社会物理学”：通过手机、GPS、消费和面对面互动留下的行为数据，研究想法如何在人群中流动，并据此改善团队、组织、城市和公共治理。作者认为，集体智能并非个体智力的简单相加，而来自“探索”与“参与”的平衡——群体既要跨越熟人圈接触多样的新信息，也要通过平等、密集的互动形成信任和共同行动；探索不足会导致封闭，参与过强则会制造回音室。大数据可以让这种互动模式变得可见，也能帮助改善生产率、交通、公共健康和城市规划，但同样可能成为全面监控工具。因此，真正的智慧社会不仅需要数据和算法，还必须建立个人数据所有权、动态隐私、公共数据公地和多方治理机制：技术的目标不应是把人变成可操纵的粒子，而应帮助人们建立更自由、更公平、更富有创造力的社会关系。

最初吸引我阅读《Social Physics》的，是我对“集体智慧”的长期兴趣：在一个由不同角色、不同技能组成的团队中，如何真正提升协作效率，并产生有价值的创新？ 这本书给出的核心答案，是一个看似简单却极具穿透力的概念——想法流（Idea Flow）。 作者通过大量研究指出，一个团队是否高效，关键不在于个体是否足够聪明，而在于成员之间的互动密度与质量。面对面交流、频繁的信息交换、以及由此产生的相互启发，构成了想法流的基础。这种流动，让想法不断被修正、组合和放大，最终形成超越个体能力的集体智慧。 这点对我触动很大。很多组织把问题归因于“人才不够强”，但这本书提醒我们：问题往往不在个体，而在连接。 更让我印象深刻的，是作者对传统经济学“人性假设”的挑战。 以Adam Smith为代表的经典理论，往往建立在“人是理性且自利的，会追求自身利益最大化”的前提之上。但作者提出，从人类早期社会开始，协作与群体利益最大化同样是驱动行为的重要力量，甚至在很多情境下更为关键。 换句话说，人不仅是“自利的个体”，也是“合作的节点”。 这一视角让我产生了强烈共鸣。现实中的高效团队、优秀组织，往往不是依靠个体竞争，而是通过信任、交流和协作，实现“共赢”的放大效应。 从这个角度看，《Social Physics》不仅是在解释社会行为，更是在提出一种新的组织设计逻辑： > 如果想提升效率与创新能力，就必须有意识地设计“想法流”，而不是只优化个体绩效。 这对当下企业尤其重要。在AI和自动化快速发展的背景下，个体能力的边界正在被不断拉高，但真正拉开差距的，可能是团队之间“连接与流动”的能力。 总结来说，这本书带给我的最大启发是： 创新不是天才的产物，而是互动的结果 组织效率不只是流程优化，更是关系结构优化 人性不止于竞争，更深层的是协作 相比传统以“个体最优”为出发点的经济学框架，这种基于“集体最优”的视角，更贴近我对人性的理解，也更契合未来组织的发展方向。 如果你也在思考团队协作、组织创新，或者“AI时代人类该如何发挥独特价值”，这本书值得认真读一遍。 它不会给你一个简单的工具答案，但会帮你重新看清：真正重要的，从来不是人，而是人与人之间的连接。

这本书是一部在计算社会科学领域具有开创意义的著作。它核心提出了 “想法流”这一理论框架，试图用量化模型解释社会网络中思想的传播如何塑造个体行为、群体智能乃至社会结构。 彭特兰基于海量行为大数据，通过严谨的实证分析，揭示了几个关键机制： 1、个体认知的社会性： 个体效能差异的关键并非仅源于先天智力，更在于其社会探索的广度，即主动接触并整合异质性信息源的能力。高效的决策往往依赖于社会学习形成的“快思考”模式。 2、集体智慧的形成条件： 群体的表现高度依赖于互动模式。研究发现，互动平等性是核心要素，成员间发言机会的均衡分布显著提升集体智能。高创新性团队则需同时满足：观点多样性、高互动强度、低沟通壁垒。 3、社会分化的信息基础： 社会经济地位差异部分可归因于信息获取网络的差异。优势群体往往拥有更广泛的“弱连接”网络，促进了多元化“想法流”的输入，形成潜在的知识与机会优势。 彭特兰的贡献在于率先大规模运用现实世界行为大数据进行社会科学研究，推动了社会物理学这一交叉学科的发展。挑战了传统经济学“理性人”假设，强调社会互动和模仿学习在行为塑造中的基础作用。提出了利用“想法流”优化组织与社会的愿景，同时强调 “数据新政”的重要性，以平衡数据驱动的效率提升与个人隐私、公平性等伦理关切。 总之，这书以实证科学的方法，揭示了社会网络中信息流动的深层规律，为理解数字时代的个体决策、群体协作、创新涌现及社会运行提供了极具洞见的新范式，其理论价值和实践启发性都相当显著。

这本书的价值也许被低估了。我认为作者的观点涉及了真正的创新本质，比同类书中的该类观点都深刻。 作者的核心观点是“想法流”（ideas flow）才是创新的本质，特别对于一个团队来说，如果他们的想法流是畅通与多元的，这个团队的创新肯定不错，他可能在想法流的基础上“涌现”出非常高品质的创新。 一个大城市之所以生生不息，就是因为这个城市里的“想法流”在生生不息。大数据之所以有用，就是因为数据上承载着“想法流”。 想法流这个概念很高级……

文中提到社会物理学这个概念，其实整篇和物理学看不到有太大关系，倒是附录的数学运算能看出是多么硬核。而结论更像社会行为学和心理学，只是作者是利用大数据的方式，数据的规模更大和人收集方式更为客观 作者主要是关注想法流，也就是想法的流动带来的现象。这些现象有点耳熟能详又有点启发： 1，你不能过于孤立，这样你的想法会太偏门，但是你也不能太合群，因为这样会造成羊群效应或者是圈子内的回音壁里自嗨。文中提到的是最好找多样化的独立思考的人想法，这些人的共同想法，往往都是好的。其实更重要的就是多样化，所以我们要有意思的注意我们的信息来源时候多样，我们认识的人的职业或地区时候多样，这样是有助于我们获取多样化的信息。 2，最好的学习策略是什么，我们通常理解是费曼学习法，以教为学，但是作者在这里提醒我们，最近的学习策略是花90%的精力来搜索和小方做的好的人，然后10%的精力来试验和思考。这个确实敲醒我了，我们有很强大的迷走神经，就是用来模仿的，关键是我们模仿的人时候足够优秀，这也是榜样的力量，其实我们天性就是用着这样的方法，只是我们是潜意识这么做，没有把这个方法提升到思维高度。 3，如果要改变一个人的行为，不是去劝说他，更有效的是他身边熟悉的朋友的行为。所以近朱者赤近墨者黑，我们让自己和优秀的人一起，并且和他们熟悉起来，就更能够帮助自己优秀。其中作者是想说，比起个体的激励，社会的激励能发挥更大的作用，也就是说，是整个社会的氛围会驱动你的行为变化。而且，我们的个人意志，真的是个人的吗？作者不认为，因为其实我们很多意识和想法，其实是有群体的共识部分的，个人的意志会被组织和社会群体所限制。 4，比起网络的交流，线下见面能带来效果意义非凡。这让我想起人与人的交流中的信息传递，除了文字以外，其实还有语气，表情，肢体语言，气味，视觉，甚至触觉，线上交流会少了很多这些部分，所以很难差生多维记忆和信任，这是我对他们这个数据结果的另一个解读。所以社群还是需要线下的面对面碰面。 5，组织和效率和创意部分，作者提到，如果要提高组织的效率，那么简短的发言+密集的讨论比起长发言甚至一言堂会更有效，因为这样每个人都能贡献想法更好的让组织产生共识。而要提高创意，则需要有人做组织外的探索。所以向组织外探索+对内平等的讨论式交流，是能让组织的效率与创意都能发挥出来。 6，为了获得新想法，要去没去过的地方，更好的就是远距离社交。因为人的社交还是近距离为主，所以远距离的人你接触得少，他的想法和你差异的可能性就越大，你就越有可能获得新想法。而从一个国家和社会的角度，就是提高远距离交通的便利性，就能大大促进新想法的诞生，所以国家真的很伟大。

我对本书的感觉一般，单单就大数据的书而言，这本书的角度确实和其他的不一样，它不是讲技术和思辩的，更多的是运用大数据这个工具来说明一些推动个人，公司，甚至城市发展的方法。 我对想法流这个提法很感兴趣，不过这也并非一种多么大的独创，因为我们谈创新的时候也总是难以避免讲一个地区，一个人创新的积聚与思想的交流能够更进一步推动想法的聚变，进而产生伟大的革新。这里，我产生了一个新的想法，我想就技术的角度，社会创新发展的本质作一种探讨。这是我未来三年内要着重花心思探讨的一个问题，如果有可能这会成为我的一本著作问世。 还是觉得彭特兰是一个伟大的学者，近来思及学术与教育，总觉得缺失好多，为什么学不像学，术也无术，在根本上他们都对学术没感觉，这祸害了自己，也祸害了求学的人。

随阅通览整体纲要到局部的论述，就生起一股优先推荐的能量驱动。才发现这么硬核的内容它的分挺低的。 就这本书提供的社科认知的信息增量架构的内容价值而言，它是被大大低估了。 从内容角度来看，提供了从微观节点到宏观的框架； 从知识的结构来看，每个部分框架层次分明有序，每个子目标的小节的概括清晰又精炼。 ps： 这本书对我来说太有信息增量，不会像平常那样15-30分钟就能刷完的。近期抽时间阅读它，估计要读一阵子。

社会物理学，一个新名词。本书企图通过机械论的哲学基础，把社会网络及其信息流动进行物理建模，以反映社会网络的变化和各种因素的相互影响。提出了研究方法和一些研究事例、模型，意图对个体或群体的行为或想法流的演变进行描述和预测。包括个体和群体行为或想法流的相关数据进行收集、处理、保护等问题。从社会学的角度，本书的研究是非常有意义的。

《人类简史》中，赫拉利将人类的发展脉络归结为三次革命： 1）7万年前的认知革命，人类拥有了虚构故事的能力，超越其他物种； 2）1.2万年前的农业革命，人类由狩猎采集走向定居生活，发展出社会组织能力； 3）500年前开启的科技革命，人类成为神一样的“造物主”，获得整个地球的统治地位。 本书则是最近30年互联网与人的深度融合后后对社会现状的思考。 作者认为，互联网让世界第一次变成一个人类与技术共存的联合体，打破了几百年来的亚当·斯密和约翰·洛克的思想框架，即由竞争和交换决定物品分配和政府政策的多元化社会。 互联网带来的更广泛的参与和快速的信息传递让世界处于失控的边缘，因为一个社交媒体上的帖子就能引发股市崩溃和政府垮台。 这些思考统筹在社会物理学的概念下，作者的核心目标是揭示想法流是如何转化为行为的改变，类比传统物理学旨在了解能量的流动是如何转化为运动的改变的。