物理学家能预言枪击案吗？​

一位物理学家将研究多体物理的方法应用于社交网络平台，通过对仇恨言论的监测和建模，希望能预知并防止极端事件的发生。研究发现，社交平台用户群组的急剧增长，类似发生相变的物理系统中关联长度发散。在微观上，用户群组的增长过程与凝胶的形成过程相似。

撰文 | 瞿立建

美国发生枪击案不稀奇，近日连续发生两次惨烈的枪击案。5月14日，美国纽约发生的枪击案13人中枪，10人死亡。更严重的是，这次枪击案的性质，是一次种族主义大屠杀。白人青年金德伦在白人至上主义思想的感召下，穿越了半个纽约州，来到黑人为主的社区的超市，他想尽可能夺去更多黑人的生命。

对于如此极端的事件，我们能否通过科学手段预先发觉端倪，进而预防甚至阻止悲剧降临？有位物理学家正在做这方面的努力，他是华盛顿大学的约翰逊（Neil Johnson）教授。

尼尔·约翰逊（Neil Johnson）

与恐怖主义缘分非浅

约翰逊于1961年出生在英国，伴随着爱尔兰共和军此起彼伏的恐怖活动长大。

约翰逊于1989年获得哈佛大学博士学位。1991年，他去哥伦比亚最顶级的大学安第斯大学做了一年教授。在这里，他目睹了游击队肆意滥杀无辜。

随后他回到英国做教授，2007年又来到美国做教授。在最文明富足的社会里，大规模枪击案成为新闻头条的频率却越来越高。

约翰逊开始思考，能不能应用物理学来弄明白暴力是怎么回事，并预判何时会发生暴力事件。

约翰逊从事多体物理研究，研究相互作用的粒子的集体行为。比如，导体里定向移动的电子形成电流，电流会受到阻碍作用；但是，如果电子能协同起来，两两成对，便可以对阻碍免疫，这就是超导电性。

约翰逊把多体物理的思维方式用于思考人的群体行为。

人不是粒子，但人的行为确实会形成显著的模式。每个人各自对美的追求汇聚成流行时尚，每个人各自的思想认识汇聚成汹涌的社会思潮，个体交易者的买进和卖出汇聚成金融走势……

约翰逊感觉，他处理多体物理的诸多原理可以用于思考社会问题，并且在这方面取得了许多成果。

约翰逊开始思考一个迫切的现实问题，在暴力事件上头条之前，我们是否能觉察到一些蛛丝马迹。

可提前预言出暴力事件吗？

2014年，约翰逊开始研究极端主义暴力活动。

他让一组学生追踪俄罗斯社交媒体VKontakte（简称VK，类似美国Facebook的社交网络服务网站）上亲伊斯兰国（ISIS）的群组信息。约翰逊团队发现，VK上亲ISIS的群组的成员数一直大致不变，但是在2014年9月群组数目突然大涨。随后发生了ISIS武装围攻叙利亚城市科巴尼的事件。

这种模式也曾发生在巴西。2013年巴西抗议运动在6月达到高潮之前，社交媒体Facebook上巴西政治话题群组也出现激增现象。

群组成员数随时间演化如下图所示，这种图物理学家会比较熟悉，物理系统在临界点附近，关联长度就是图中的特点。

群组增长速率急剧增长，类似发生相变的物理系统中关联长度发散。

约翰逊和他的团队分析了约200个亲ISIS的群组精确到秒的变动，涉及约10万成员账号，得到了群组演化的规律。群组的兴衰非常类似物理和化学中分子聚集体的聚合与分解，所得数学方程与实际观测非常吻合。

社交媒体上群组成员数的演化及其动力学规律

约翰逊所得结果对预判极端事件有指导意义。反ISIS机构不必监控数以百万计的亲ISIS账号，主要监测几百个群组就够了，极大减轻了工作量。反ISIS机构注意不要让群组做大，就可防止亲ISIS大范围传播。如果发现群组成员数急剧飙升，意味着大规模袭击即将发生，类似物理系统中相变发生之前关联长度的发散趋势。

看到极端事件即将发生，能不能提前把极端分子找出来，以避免悲剧？

群组的微观物理

前面得到的是宏观层面的“热力学”理论，那么我们能构建出微观层面的“统计”理论吗？

一个显著的困难是，人不是分子。所有的分子都是一样的，而人不一样，千人千面，各不相同。

物理学家研究分子的集体行为，发展了多体理论；极端分子的集体行为，该用什么样的“多人”理论来描述呢？

约翰逊和合作者从凝胶形成的模型获得了启发。

凝乳就是一种凝胶，性质均匀的牛奶先结成很多大小不一的块，这些凝块最后聚合成一个整块，即形成了凝胶。

约翰逊和合作者发展了一个极端分子在线群组增长的理论模型。与凝胶形成的理论模型类比，约翰逊还考虑了“人分子”的特异性。

约翰逊把人处理成“介观”人，不管细节，而是直接给人赋予一个特点参数，这个参数处于0到1之间。

理论发现，人的特点参数差异对于群组的增长和多样性（即分布）有显著的影响，极端分子群组数量与群组大小成-5/2的幂律关系，理论预言与社交网站上采集的数据一致。

2015年1月，俄罗斯社交网站VK上亲ISIS群组突然急剧增长。小白圈为个人用户，小黄圈为被封杀个人用户，大红圈为被封杀群组，大绿圈为未被封杀群组。

这个简单的理论粉碎了反恐当局的一个愿望，即在恐怖活动之前，将实施恐怖袭击的“独狼”识别出来，提前拿下。根据约翰逊的理论，这几乎是不可能完成的任务，就像水要开了，不可能识别出哪个分子将第一个气化。

不过，约翰逊的理论给出了一个极端事件即将发生的前兆。

就像牛奶中凝块数量按幂律关系急剧增长的时候，我们就知道凝乳就要出现了。社交网站上，当极端分子群组的数量和群组人数开始呈现近似-5/2的幂律关系的时候，意味着有极端分子可能要搞事了。极端事件由个别分子实施，但起因可能是极端分子的集体行为。

为什么要这么麻烦，直接干掉极端分子账号和他们的群组不是简单粗暴有效吗？

约翰逊研究发现，简单粗暴，但并不有效。

如何干掉在线仇恨网络

Facebook在柏林的删帖员在删除宣扬仇恨的帖子。

干掉仇恨言论有两种方式。一是微观方法，找出坏分子，直接灭掉；二是宏观方法，相关言论，只要沾边，立即封杀，宁可错杀一千，不可放过一个。

两种方法都不可行。前一种方法，如同大海捞针，根本捞不着。后一种方法，妨碍言论自由。

约翰逊和他的合作者研究了社交网络上仇恨言论的全球动力学，发现仇恨言论聚集成团簇，团簇之间也结成网络结构。这个网络之网络跨越国界、洲界、网络平台、语言和文化差异，并且是去中心化的。这些特点让仇恨言论难以被消灭。被删掉的极端分子账号和群组会换个马甲重新出现，在一个平台被灭，会在另一个平台复生。更糟糕的是，极端言论被打草惊蛇后，会变得更隐蔽，比如用黑话代替敏感词，更难以打击。

上图显示了仇恨言论在平台内部和跨平台的传播

如何才能有效打击社交网站上的仇恨言论呢？

约翰逊和他的同事们根据自己发展的理论模型，按照干预方式和干预粒度这两个维度，给出四种应对方式，如下图所示。

干预网上仇恨言论策略

策略1和2是平台直接出手，策略3和4要水军参与。

策略1，直接封杀，针对小的、较孤立的群组。

策略2，随机封杀，不要贪多，还要神不知鬼不觉。

策略3，鼓励社交媒体上反仇恨用户壮大组织化程度与仇恨用户对抗。可以投放机器人水军，起到“成核位点”的作用，引发反仇恨用户结成群组。

策略4，利用仇恨言论之间的矛盾，搅动仇恨用户和群组之间进行对抗，在极端分子头脑中播下怀疑的种子。

这些策略距离落地实施可能还有很长的距离，但可以为监管政策提供参考框架。

实践出真知

这些学术研究对于理解仇恨言论的传播规律非常有意义，能不能用来压制仇恨言论、预防极端事件呢？

约翰逊与美国联邦调查局（FBI）等机构合作，努力将学术上的洞察应用于实战中。只不过，实施方法未见报道。美国本土的极端枪击案件有增无减，甚至发生白人至上种族主义枪击案，并随着网络发展他们开始进行网上直播。这足以说明，这些学术成果还没有明显的应用效果。

希望学术界与公共安全机构早日找到预防极端事件的方法。

参考资料

https://www.aps.org/publications/apsnews/200611/backpage.cfm

https://physics.aps.org/articles/v11/76

https://www.aps.org/publications/apsnews/201611/backpage.cfm

https://physicsworld.com/a/the-dark-side-of-social-media/

Johnson, Neil F., et al. "New online ecology of adversarial aggregates: ISIS and beyond." Science 352.6292 (2016): 1459-1463.DOI: 10.1126/science.aaf0675

Manrique, Pedro D., et al. "Generalized gelation theory describes onset of online extremist support." Physical review letters 121.4 (2018): 048301. DOI: 10.1103/PhysRevLett.121.048301

Johnson, Neil F., et al. “Hidden resilience and adaptive dynamics of the global online hate ecology.” Nature 573.7773 (2019): 261-265. DOI: 10.1038/s41586-019-1494-7

特 别 提 示

1. 进入『返朴』微信公众号底部菜单“精品专栏“，可查阅不同主题系列科普文章。

2. 『返朴』提供按月检索文章功能。关注公众号，回复四位数组成的年份+月份，如“1903”，可获取2019年3月的文章索引，以此类推。

版权说明：欢迎个人转发，任何形式的媒体或机构未经授权，不得转载和摘编。转载授权请在「返朴」微信公众号内联系后台。

本文链接：https://www.bjjcc.cn/kepu/44589.html，文章来源：科普之家，作者：返朴，版权归作者所有，如需转载请注明来源和作者，否则将追究法律责任！