冪律 選擇比努力更重要
2026年11月16日
AI 生成·可能包含錯誤
視頻概述
AI 生成This video examines the fundamental differences between normal distributions and power laws, exploring how \"scale-free\" systems operate. While normal distributions cluster around an average, power laws describe systems where extreme outliers dominate, governing everything from wealth and earthquakes to the structure of the internet and the nature of extraordinary success.
有些事情並不正常。我的意思是,如果你走進現實世界,開始測量各種事物,就會發現……
人類的身高、智商,或是樹上蘋果的大小,你會發現,對於這些事物中的每一項,大多數情況下
數據會聚集在某個平均值周圍。這種情況非常普遍,我們稱之為常態。
分佈。但生活中有些事物並非如此。自然界中隨處可見功率定律的蹤影。
這看起來很奇怪。難道自然正在自我調節至臨界狀態嗎?如果你用一個粗略的指標來衡量如何
第二次世界大戰造成的死亡人數極其龐大,你會發現其死亡人數的分布遵循幂律。結果是
規模將在一億到十億之間波動,真正大型事件發生的可能性要大得多。
遠高於常態分佈所預期的值。它們將完全扭曲平均值。該系統
你所看到的並沒有任何固有的物理尺度,很難判斷什麼是
接下來會發生什麼。你測量得越多,平均值就越大,這實在太奇怪了。
聽起來不可能。非常重要的一點是,你得試著弄清楚,你知道的,你在玩什麼遊戲。
長期來看,回報會是什麼呢?19世紀末,義大利工程師維弗雷多
帕累托偶然發現了前所未見的事物。要知道,他懷疑其中可能存在某種隱藏的規律。
人們收入的模式。因此,他收集了義大利和英格蘭的所得稅紀錄。
法國及其他歐洲國家。針對每個國家,他繪製了收入分配的圖表。
他所觀察的每個國家,都看到相同的模式,而這種模式至今仍普遍適用於大多數國家。
至今仍如此。而且這並非常態分佈。如果你仔細想想常態分佈
分佈類似於身高,有明確的平均值,極端的異常值幾乎從不出現。
發生。我的意思是,你永遠不會找到一個身高是平均值五倍的人。那
在物理上是不可能的。但帕累托的收入分配情況則不同。請看這一點
英國的曲線顯示了收入超過某一金額的人數。該曲線
起初大幅下降,大多數人的收入相對較低,然後逐漸下降。
遠比常態分佈來得緩慢,並且涵蓋了數個數量級。
有些人賺取的金額是別人的五倍、十倍,甚至一百倍。
如果所得分配呈常態分配,這種差距根本不會出現。
現在,為了縮小這龐大的數據範圍,帕累托計算了所有數值的對數。
改為繪製這些數據。換句話說,他使用了雙對數圖。當他這麼做時,廣泛的
曲線轉化為一條直線。斜率約為負1.5。這表示每
當你的收入翻倍,例如從200英鎊增加到400英鎊時,收入至少達到這個水平的人數會是
該數量會減少為原來的 2 的 1.5 次方分之一,約為 2.8。而這種模式
對每一份收入翻倍的情況都成立。因此,帕累托能夠用此來描述收入的分配狀況。
一個簡單的方程式。收入大於或等於 x 的.populate 人數為
與 1/x 的 1.5 次方成正比。這正是帕累托觀察到的英國情況。但他在
對義大利、法國、普魯士以及其他一連串國家的數據進行了相同的分析。
他一次又一次地看到了同樣的景象。每次,數據都轉化成一條直線。
而且這些梯度非常相似,這意味著帕累托能夠描述收入分配情況。
在每個國家,使用相同的方程式,即收入的某次方的倒數,其中該次方僅是
對數圖形的絕對梯度。這種關係稱為冪律。
當你從常態分佈的世界轉向幂律分佈的世界時,
情況會劇烈改變。為了說明這一點,讓我們到賭場去玩一玩。
三場不同的遊戲。在第一張桌面上,你有 100 次擲硬幣的機會。每次你擲出硬幣,
如果擲出正面,你就能贏得1美元。因此問題是,你願意花多少錢來玩這遊戲?
遊戲?嗯,我們需要算出在這場遊戲中你預期能贏得的金額,然後支付少於這個金額。
期望值。因此,擲出正面的機率是二分之一。乘以1美元
並將其乘以100次投擲,這將得出預期回報為50美元。因此,你應該願意
花不到50美元就玩這款遊戲。當然,你未必每次都能贏,但如果你
玩這遊戲上百次,平均值兩側的微小差異會
抵消掉,你便有望獲利。最早研究此類問題的人之一
問題出在18世紀初的亞伯拉罕·德·莫弗雷。他指出,如果你繪製機率圖,
每種結果都會產生一個鐘形曲線,這後來被稱為常態分配。
常態分佈的傳統解釋是,當存在許多影響因素時
那些是隨機的,累加起來的時候,你才會預期出現常態分佈。就像我有多高這樣。
取決於許多與我的營養相關的隨機因素,以及我父母的遺傳基因。
各種各樣的事情。但如果這些隨機效應是可加的,那往往就會導致正態分佈。
在二號桌,有一個稍有不同的遊戲。你仍然有100次投擲硬幣的機會,
但這次,你獲勝的金額不是每次翻轉都可能贏得一美元,而是會被乘以某個倍數。
某個因子。因此,你一開始有 1 美元,每次擲出正面時,你就將自己的金額乘以
如果你的硬幣正面朝上,你的獎金將乘以1.1;如果硬幣反面朝上,你的獎金將乘以0.9。然後
100次投擲,你帶回家的總金額為初始金額乘以一連串的1.1。
0.9 秒。那麼,你應該願意付多少錢來玩這個遊戲呢?畢竟,每次翻牌時,你的回報可能是
增長或縮小。每次擲硬幣時,兩者出現的機率相等。因此,期望的倍數是
每回合僅為 1.1 加上 0.9 除以 2,也就是 1。因此如果你一開始有 1 美元,那麼你的
預期回報僅為1美元,這表示你應該願意支付低於一美元的金額來參與。
玩這遊戲,對吧?嗯,如果你觀察一下獎金的分配情況,就會發現你
有可能贏大錢。如果你連續擲出100次正面,你將贏得1.1的100次方,這幾乎是14,000美元。
儘管這種情況發生的機率約為十的三十次方分之一,你更有可能發生的狀況是
連續三次中獎。另一方面,中獎金額的中位數約為61美分。因此,如果
你只玩一次遊戲,並且希望獲得盈利的機會均等,那麼你
應低於61美分。無論如何,如果你玩這項遊戲上百次,你的總支出
賠付金的平均值將為1美元。現在請觀察,當我們將x軸從線性改為其他形式時,會發生什麼情況。
轉換為對數尺度。那麼,你會發現這條曲線轉變為常態分佈。
這就是為什麼這種類型的分佈被稱為對數常態分佈。
當隨機效應相乘時,假如我原本擁有一定財富,之後我的財富增加了某個比例,
明年因為我的投資而獲得的百分比,然後在接下來的一年,它又會變化另一個數值。
隨機因素。與逐年累加不同,我是逐年相乘。如果你有一筆龐大的
隨機數的乘積,當你對乘積取對數時,等於各數對數的和。
那麼,隨機數產生的產品又會被轉換成
隨機數的對數之和,這就是所謂對數常態分佈的來源。
對數常態分佈會產生巨大的不平等。你看到的不只是平均值。
你看到一隻尾巴又長又大的動物。這種情況下,出現重大事件的可能性要大得多。
所獲得的巨額財富遠超常態分佈所預期的水平。
這條曲線如此不對稱的原因在於,下跌空間被封頂在零。
因此,最多你最多只會損失1美元。但上漲空間卻可以持續增長,最高接近14,000美元。
現在讓我們繼續看第三張表格。同樣地,你仍需擲硬幣。但這次,
你一開始有1美元,每次投擲硬幣,獎金就會翻倍。
而且你會一直擲下去,直到出現正面為止。然後遊戲結束。所以如果你第一次擲就出現正面,
如果你擲出正面,你會得到2美元。如果你第一次擲出反面,第二次擲出正面,
如果你擲出兩個反面,然後在第三次擲出正面,你將獲得8美元,以此類推。
如果你擲到第 n 次才出現正面,你將獲得 2 的 n 次方美元。
那麼,你應該付多少錢來玩這個遊戲呢?嗯,正如我們之前舉的例子一樣,
我們需要計算期望值。假設你第一次投擲就出現正面,
回報是2美元。那種結果的機率是二分之一。因此,該結果的期望值是
擲硬幣的賭注是1美元。如果你擲了兩次才出現正面,那麼獎金就是4美元。而其機率是
發生這種情況的概率是四分之一。因此,再次說明,期望值是1美元。我們還需要加上
你第三次擲出正面的機率。在這種情況下,獎金為8美元。而機率是
發生這種情況的概率是八分之一。因此,再次說明,期望值是1美元。我們必須持續
重複此計算以涵蓋所有可能的結果。我們必須為每一個結果持續加上1美元。
拋硬幣的不同選擇,例如連續拋10次直到出現正面,或連續拋100次
在你獲得頭獎之前。我知道這幾乎不可能,但獎金如此巨大,以至于……
該結果的期望值仍為1美元,因此仍會提高整體的期望值。
遊戲。這意味著從理論上來說,這個遊戲的總期望值是無限大。這
被稱為聖彼得堡悖論。如果你觀察獎金的分佈情況,就會發現
它沒有上限,涵蓋所有數量級。你可能獲得1,000美元的獎金。
10萬美元,甚至一百萬美元或更多。雖然獲得百萬美元的獎金機率極低,
這並不太可能。機率大約是一百萬分之一。現在,如果你將兩個軸都進行變換,那麼
以對數尺度觀察,你會看到一條斜率為負一的直線。聖彼得堡的賠付金額
悖論遵循�一边率。在此情況下,特定的邊率為:某事件發生的概率與其dü
支付金 X 等於 X 的負一次方,或 1 除以 X。在之前的遊戲中,當
如果你有常態分佈,甚至對數常態分佈,都可以測量其寬度。
該分布的標準差。在常態分佈中,95% 的資料
落在平均值兩個標準差範圍內。但對於幂律分佈,如聖路易斯的情況。
聖彼得堡悖論中,無法測量其寬度,標準差為無限大。
這使得幂律成為一種本質上截然不同的奇特現象,具有許多非常奇怪的特性。
想像一下,你隨機抽取一組樣本,然後對它們求平均值,接著再抽取更多的隨機樣本。
將樣本取出來並求平均值,你會發現平均值持續上升,並不會收斂。
你測量得越多,平均值反而越大,這實在太奇怪了,聽起來根本不可能。
但這是因為它的尾部非常厚重,意味著發生極端巨大事件的機率很高
如此重要,以致於如果你持續測量,偶爾總會測到其中一個。
極端的異常值會完全扭曲平均值。這有點像是說,你知道,
如果你站在一個房間裡,身邊有比爾·蓋茨或伊隆·馬斯克,那個房間裡的平均財富會變得極高,
你知道的,會達到一千億美元左右,因為平均值是這樣。
由一個極端異常值主導。那麼,為什麼簡單的聖彼得堡問題會產生幂律分佈呢?
如果你觀察賠率 X,就會發現它隨著每次擲硬幣而呈指數增長。
X 等於 2 的 N 次方。但如果你觀察投擲硬幣這麼多次的機率
要得到正面,你可以看到這個機率呈指數縮小。因此,得到正面的機率是
擲一枚硬幣 N 次的機率是二分之一的 N 次方。但我們真正關心的並不是這個數字。
的拋擲次數。我們感興趣的是賠付金額。現在我們知道 X 等於 2 的 N 次方。因此
在我們的機率方程式中,將 2 的 N 次方寫成 X 即可。因此,我們最終得到
某筆X美元的支付概率等於1除以X,換句話說,
X 的負一次方。你把它們合在一起,指數項便串通起來形成一個
冪律。這在自然界中非常常見,有時我們會看到冪律。
在這些法則之中,有兩個指數函數彼此共舞,共同構成了幂律。
一個例子就是地震。如果你查看地震的數據,
你會發現小規模的地震非常常見,但震級逐漸增加的地震則變得較少imos
呈指數級稀少。但地震所造成的破壞並不成比例於其發生頻率。
規模。它與釋放的能量成正比。當地震的規模增大時,
那股能量呈指數級增長。因此,存在一種指數衰減以及地震的頻率。
對於給定的規模,以及釋放能量的指數級增長
當地震達到某個特定規模時。因此,當你將這兩個指數函數結合起來時
要消除量級,你會發現一個冪律。
但幂律也揭示了系統底層結構的某種更深刻的特質。
要實際觀察這一點,讓我們回到第三個硬幣遊戲和聖彼得堡悖論。
imos now you can draw all the different outcomes as a tree diagram where the length of each branch
等於其機率。因此,從長度為一的一條線開始,然後是二分之一的線
前兩個分支,接下來的四個分支各佔四分之一,依此類推。現在,當你放大時,你會發現
看到相同的結構在越來越小的尺度上重複出現。它具有自相似性,就像分形一樣。
這絕非巧合。我們在一片葉子的葉脈上也能看到相同的分形類似圖案。
河流網絡、肺部的血管,甚至閃電。在所有這些情況中,
我們可以用冪律來描述這種模式。冪律與分形之間有著本質的聯繫。
這是因為冪律揭示了系統結構中一些根本性的特徵。
所以我有一塊磁鐵,還有一顆螺 unethical。你會發現,如果我把它們靠近,
然後螺絲會被磁鐵吸引。這是因為其中含有大量的鐵。
這是一種鐵磁性材料。但請注意,如果我開始加熱它,會發生什麼情況。試著……哦,
你看到了嗎?啊,它走了!它走了!你瞧,你把它加熱一下,它突然就變成……
非磁性。要了解發生了什麼,讓我們來放大觀察這塊磁鐵。在磁鐵內部,
每個原子都有其自身的磁矩,這意味著你可以把它想像成一個小小的磁體。
磁鐵或指南針。如果一個原子的磁矩指向上方,其鄰近原子也傾向於朝同一方向排列。
由於這降低了系統的總體勢能。因此,在低溫時,
你會得到一些稱為「區域」的大片區域,在這些區域中,所有的磁矩都對齊。當許多這樣的區域出現時
同時,它們各自的磁場相互協調,增強形成周圍的整體磁場。
磁鐵。但如果加熱磁鐵,每個原子會激烈振動,磁矩會翻轉向上。
向下,因此排列可能會遭到破壞。當所有磁矩相互抵消時,便什麼也沒有了
不再具有淨磁場。現在,如果你擁有合適的設備,便可以平衡任何磁場。
材料正好位於磁性與非磁性之間的轉換點上。這稱為
臨界點,它發生在稱為居里溫度的特定溫度。我問道
卡斯珀和團隊正在建立一個模擬,以展示磁鐵內部正在發生的情況。
關鍵點。每個像素代表單個原子的磁矩。假設紅色代表向上。
藍色已下降。當溫度較低時,我們會出現這些較大的區域,其中磁場
所有磁矩都對齊時,就會產生整體的磁場。但若我們真的將其強度大幅提升,
溫度升高時,所有這些瞬間開始上下翻轉,因此彼此抵消。
磁鐵就會失去磁性。這正是我們示範中發生的情況。但如果我們
將溫度調節到恰到好處,正好達到居里溫度,那麼圖案就會變得截然不同。
更有趣了。這看起來像一張地圖。像地圖嗎?是的,它幾乎像地中海。
或某種東西。幾乎是穩定的。例如,朝向同一方向的原子往往會繼續朝向那個方向。
那樣持續了一段時間,但明顯也存在波動,因此域名不斷變化。
來來去去。它既包含了一些穩定的元素,也具備隨時間持續存在的特質。
一些特徵是穩定的,但並非一成不變,因為你會注意到其中的變化。
隨著時間的推移,如果你不斷放大,會發現這些模式在所有尺度上不斷重複。你會看到
數十個原子、數百個、數千個,甚至數百萬個的範圍。根本不存在什麼與生俱來的技能。
系統。也就是說,它沒有技巧性,就像分形一樣。如果你繪製尺寸分佈圖
在這些領域中,你會得到一個冪律。底層的幾何結構突然顯現出分形特性。
在相變點上,它在相變的任一側都沒有這種特性。
你會觀察到分形行為,而這種行為會表現為幂律。事實上,每當你發現幂律時,
這表示你正在處理一個沒有內在尺度的系統。而這正是其特徵標誌。
一個處於臨界狀態的系統,結果卻產生了巨大的後果。要知道,通常在磁體中,
在居里溫度以下,每個原子僅影響其鄰近原子。若某一原子的磁矩
向上翻轉,那就表示其鄰居也稍微更有可能向上指。
但這種影響是局部的,僅在幾原子的距離內便消失。然而,當磁鐵逐漸接近時
臨界溫度時,這些局部影響開始相互連結。一個自旋推動其鄰近自旋,
而那位鄰居又推了推下一位,如此接連不斷,彷彿流言在人群中傳播。結果
那就是影響力的有效範圍持續擴大。而在關鍵時刻,它
變得幾乎無限。一邊的翻轉會在整個材料中產生連鎖反應。
因此,你會得到這些微小的起因,僅僅一次小小的翻轉,便會在整個系統中產生廣泛的迴響。
而且它正好進入系統最不穩定的狀態。任何事情都可能發生。
這在某種意義上也極具吸引力。這意味著系統的不可預測性達到最大。
最難以預測。真的很難知道接下來會發生什麼。
這似乎是在世界上許多不同系統中自然發生的一種程序。
其中一個系統便是森林火災。1988年6月,一場閃電擊中附近地區,引發了一場小型火災。
黃石國家公園。這並非什麼不同尋常的事。每年,黃石公園都會經歷
數以千計的閃電擊中。大多數不會引起火災,即使引起火災,通常也只會燒毀幾棵樹。
甚至可能達到數英畝,然後逐漸熄滅。四分之三的火災燃燒面積不到四分之一。
一英畝。該公園近期歷史上最嚴重的火災發生於1931年。那場火災蔓延而過
18,000英畝,面積略大於曼哈頓。但1988年的火災卻有所不同。
那最初的火苗逐漸蔓延,起初緩慢地擴展,覆蓋了數千英畝的土地。隨後,在
接下來的幾個月裡,這些小型火災合併成了一個巨大的複雜火災群。
那場火勢蔓延了140萬英畝的土地,面積大致相當於整個州的大小。
特拉華州。這比之前的紀錄大了70倍,也相當於所有其他地區面積的50倍。
過去15年來火災的總和。那麼,1988年的火災究竟有什麼特別之處呢?
要弄清楚這一點,我們製作了森林火災模擬器。
那很棒。那是一場不錯的小火。哇哦。哇哦。不可能吧。
哇,這也太瘋狂了。你還沒調整參數,對吧?就這樣……還沒,還沒。
僅從這場火勢的規模來看,這似乎就已經是一個非常緊急的情況了。
這種系統會自我調節至臨界狀態,你可以看到它開始……
發生。所以現在,我想這是一個很好的時機,你幾乎擁有許多領域的資源。
不同的尺寸。然後,一種思考方式是,如果其中某些領域變得過於龐大,
然後你就會得到一次單一的火焰,就像那一次一樣,精準地時機恰到好。它只會持續蔓延
整個過程都這樣做,並稍微把它燒下去一點。但如果火勢太猛,那就現在……
你有許多沒有樹木的區域,因此它會再次生長,你知道的。
將其恢復到那個關鍵狀態。我能理解這是一種反饋機制,對吧?就是那種
火災會燒光所有的樹木,什麼也沒剩下來可燒,之後又得重新生長。
是的。但若沒有發生過火災,森林就會過於茂密,進而變得極易引發火災。
這種規模的火災。對於磁鐵來說,你必須 painstakingly 調整到臨界點,
但森林會自然地驅動自身到那裡。這種現象稱為自組織臨界性。
是的,如果你讓它持續運行,你得到的仍然是平行分佈。因此這是
雙對數圖上,應該是一條直線。這種東西看起來完全隨機,實在是……
不可預測,從某個角度來說是如此,但同時它又遵循某種模式。有一種一致性
這些災難背後存在著某種數學模式,令人震驚。難道真的有什麼……
這與分形有什麼關係呢?主要是指當你處於那個層面時,樹木所處的領域,我想大概是這樣。
臨界狀態。因此,你會得到非常密集的區域,也會出現非密集的區域。結果,當單一
閃電擊中時,可能會引發各種規模的火災。大多數情況下,會產生面積為10英畝左右的小型火災。
較少的樹木被焚燒。較少出現燃燒不到一百棵樹的小型火災。然後,
有時你會遇到這些大規模的火災,它們會在整個系統中產生廣泛的影響。
現在,你可能會認為,由於火勢如此龐大,必定發生了某件重大事件。
導致的。但情況並非如此,因為每場火災的起因完全相同。這是因為
一次閃電擊中。唯一的區別在於擊中的位置以及其精確的組成成分。
當時的森林。因此,在某種非常真實的意義上,大規模的火災不過是被放大的結果。
小型版本的。更糟糕的是,它們是不可避免的。因此我們學到的是,對於
在系統處於關鍵狀態時,並無特殊事件引發大規模火災。什麼都沒有。
黃石公園火災的特別之處。1935年,美國森林服務局建立了所謂的上午10點原則。
政策規定,所有火警必須在接獲報告的次日上午10時前全部撲滅。
現在,從直覺上來看,這種策略是合理的。我的意思是,如果你能嚴格控制所有火災,那麼就不會有
永遠都可能失控。但事實證明,這種策略極其危險。所以假設我們……
將降低閃電發生的概率,因此目前概率非常低,僅為一百萬分之一。
我們還會稍微提高一下樹木生長的速度。現在,你覺得怎麼樣?
會發生什麼事?我想我們會遇到一些大火,就像有很多地方不會起火一樣。
然後是一場場巨大的火災。是的。沒錯。天啊。如今,消防部門的作法已經大不相同了。
他們承認,某些火災是必要的,以降低大型火災發生的機率。
因此,他們讓大多數小型火災自然燃燒,僅在必要時才介入。在某些情況下,他們甚至
故意點燃小火,燒掉部分積聚的物質。儘管這可能需要數年時間
恢復森林在百年防火抑制後的自然狀態。但這不僅僅是……
只有地球的森林處於這種關鍵的平衡狀態。每天,地球的地殼都在
移動並重新排列自身。當構造板塊相互摩擦時,壓力會逐漸累積。
大多數情況下,你只會看到幾塊岩石崩落。地面可能僅僅移動了幾微米。
毫米。但這些應力會以微型地震的形式消散,你甚至不會察覺到。
此刻,你的腳下正發生著真正微小的地震。
你只是感覺不到它們,因為它們非常微小。但它們確實是地震,是由於驅動力所引起的。
由地球地殼的微小滑動所引起。但有時,這些隨機的移動會引發
一次強大的連鎖反應。在日本神戶,1995年1月17日的早晨,看似平常。
其他。這是一座安靜的城市。儘管日本這個國家對地震並不陌生,
科比數百年來未曾遭受過強烈地震。幾代人成長起來,都相信腳下的大地穩固無虞。
他們是穩定的。但那天早上,在地下深處,附近的一處應力釋放了。
野島斷層。應力傳播到斷層的下一個區段,接著又傳到下一個區段。
幾秒鐘內,斷裂沿著地殼蔓延了40公里,使地面發生位移。
達到兩米,並釋放出相當於數枚原子彈爆炸的能量。 resulting quake
摧毀了數以千計的房屋,以及通往該城市的大多數主要道路和鐵路。
它造成六千多人死亡,並迫使三十萬人離開家園。
它能走多遠,很大程度上取決於運氣以及所有壓力因素的組織方式。
地殼中的磁場。而且它似乎以一種特定的方式組織,使得這種現象成為可能。
地震有時會引發雪崩,沿著長距離緩緩蔓延,並造成極大的破壞。
一次規模巨大且非同尋常的地震。但如果你仔細觀察這次地震背後的過程,就會發現它正是
相同的物理過程。只是地震產生的過程自然會產生
從極小到極大尺度的各種事件。而我們其實並不習慣這樣去思考。
我們有著一種根深蒂固的假設,認為我們可以利用過去來預測未來。
但當涉及到地震或其他處於臨界狀態的系統時,這種假設可能就不成立了。
會造成災難,因為它們以難以預測而聞名。那麼,你又如何能開始呢
模擬地震行為的現象?1987年,丹麥物理學家佩爾·巴克和他的
同事們認為這只是一個簡單的思想實驗。拿一粒沙子,把它掉落在一個網格上。
然後繼續在上方不斷掉落沙粒,直到某個時刻,沙堆變得如此陡峭,以致於沙粒
跌落到不同的方格上。他们所关注的是這些方格的大小,以及它們的樣子。
呼喚雪崩,這些沙粒數量的重組。他們詢問的是如何
你經常會看到某種特定規模的雪崩嗎?這就是沙堆模型最簡單的版本。
幾乎可以想像得到的模擬器。我們將先放下一粒沙塵。
始終在中心,然後它就會不斷往上攀升。對於一粒穀物來說,這沒問題。
兩粒沒問題,三粒也沒問題,但已經到了即將傾倒的邊緣。而且
當它達到四個或更多時,基本上就會直接結束。感覺有點像,我不太知道,
一種脈動的物體,彷彿有什麼東西正試圖逃脫似的。非常像電子遊戲中的畫面。那樣的感覺似乎
相當瘋狂。而且它是對稱的。是的,漂亮的幾何特徵。所以這可能會很有趣
因為現在我們暫停在這個點,這個中間的會往那個方向移動,然後你再看
圍繞著它,你會發現,基本上你可以把這些棕色的,或者你懂的,這三根高高的
穀物堆疊處於極度不穩定的狀態。它們即將倒塌,因此你可以將它們視為
這些不穩定的指頭。只要有任何東西觸碰到它們,整個系統就會立刻崩潰,就像這樣……
走吧。我看到它正在向外擴散。看著它緩慢地擴展,感覺很酷。我覺得你能看到好幾道波浪。
同時傳播。有些人推論,地殼會變得千瘡百孔。
類似不穩定的指狀結構,隨著應力不斷累積,直到某一塊岩石
碎裂時,裂縫會沿著這些裂口擴展,可能引發大規模地震。
如果你查看這些數據,會發現一些更有力的證據,將其聯繫起來。
沙堆模擬與地震的關係。假設我們不是將沙子放在中心位置,而是……
在中央掉落實在太不現實了。我會隨機掉落。
這太瘋狂了。你真的能看見它自我咀嚼,直到達到臨界狀態。
一開始,你只看到那些極小的雪崩,現在卻變成了一切。這必須如此。
建立起來。我們可以稍微放慢一點速度。哦,這是一個非常乾淨的功率定律。各種事件都有
尺寸。一粒沙子可能只推倒幾粒其他沙子,也可能引發雪崩。
數以百萬計的顆粒在整個系統中傾瀉流動。如果你觀察一下幂律
從沙堆模擬中得到的結果,與釋放能量的冪律極為相似。
由真實的地震所引起。但如果你更仔細地觀察沙堆實驗,就會發現它並非如此。
只是類似於地震。這讓你想到什麼?森林大火,對吧?感覺就像是完全一樣的。
相同的行为。這才是真正令人驚訝之處。這就是為什麼這篇小論文會有
沙堆模型發表於世界頂尖期刊,因為它做了一件人們根本無法理解的事。
真的認為是可能的。現在,諷刺的是,如果你觀察真正的沙堆,它們並不會這樣表現。
像這樣。好,你說的是沙子。我要對真正的沙堆做一個實驗。當然,這
完全不符合雪崩的冪律分佈。這完全是錯誤的。
巴赫自然有機會回應這項批評。他說,
我幾乎可以原封不動地引用,他說,自組織臨界性僅適用於
適用的系統。因此他並不關心。他的理論與現實無關的事實。
沙堆而已,那又怎样?滾開,別在我面前晃。他想抓的可是 bigger fish to fry,你懂的,不是這種小事。
沙堆。你的理解太字面了。我在談論的是一種普遍的機制。
用於產生幂律。而且它並不受真實沙子的影響,無法在真實沙子中運作。
對他來說毫無興趣。我以為那需要一些真正的膽量。你可以想想地球,
而地球繞著太陽轉動,這是一個非常複雜的系統。你會發現其中包含所有這些,
你擁有熔融的內核,所有物質不斷翻騰,還有海洋,甚至還有
看到月亮繞著地球轉,理論上來說,這些因素都應該會影響到精確度。
地球繞太陽的運動。但牛頓忽略了所有這些。他只關注了其中的
一個參數,本質上來說,就是地球的質量。憑藉這個參數,他就能準確地,
在大多數情況下,預測地球如何繞著太陽運行。同樣地,在這裡也是如此。
有些人研究過這些趨向臨界狀態的現象。在這種情況下,
在這種情況下,這是自組織臨界性,因為它自身會達到那種狀態。而他們
發現有一種普遍的行為,即使實際上並不重要什麼
子部分是。你所得到的只是完全相同的行為。在那個關鍵時刻,當所有
力量正蓄勢待發,系統處於一種微妙的平衡狀態,既井然有序,又隨時可能失衡。
高度有條理,或完全混亂,結果幾乎沒有任何物理因素
那個系統的細節關係到其行為方式。僅存在一種普遍的行為。
無論你談論的是哪種物理系統,這個術語都適用。所使用的術語稱為
普遍性。這有點像奇蹟。這意味著你可以在不依賴具體細節的情況下,建立極其強大的理論。
涉及任何技術細節或材料的實際細節。這意味著你能夠
這些系統表面上看起來完全不同,但當你深入探討關鍵之處時,就會發現它們其實有著某種共通之處。
點,它們全都以完全相同的方式運作。你還可以做的一件事是,將此處改為
樹木,你會想像它們是人。而正在蔓延的,是疾病。就是疾病。
是的。在這些關鍵時刻,你幾乎可以不花任何代價就得到某樣東西。你看,這些情況中有很多
系統會落入所謂的普適性類別之中。其中一些系統需要經過調節才能達到所需狀態。
那裡,就像磁鐵在居里溫度時,或水或二氧化碳等流體在它們的臨界點時一樣。
關鍵點。但某些其他系統似乎會自行組織至臨界狀態,例如
森林大火、沙堆,或是地震。但更瘋狂的是,如果你成功理解了
只要了解同一類別中的一個系統,你就能知道該類所有系統的行為。而這一點
甚至包括最粗糙、最簡單的玩具模型,就像我們之前看過的模擬一樣。因此你可以
用最基礎的模型來模擬極其複雜的系統。有些人認為這一點
批判性思維的應用更為廣泛。當我們環顧世界時,會發現存在著許多系統。
顯示出與這些臨界系統中所見相同的冪律行為。它出現在方方面面之中。
從DNA定序,到生態系統中物種的分布,再到大規模滅絕的規模
歷史上一直如此。我們甚至能在人類系統中看到相同的行為,例如城市的人口。
股票價格的波動、科學論文的引用次數,甚至死亡人數
在戰爭中。因此,有些人主張,這些系統,或許我們世界中的許多部分,也以類似的方式組織。
他們自己來到這個關鍵點。因此,所有這些被稱為自然災害的現象,事實上
洪水、野火和地震都遵循幂律分佈,這意味著這些極端事件
事件比你根據常態分佈思維所認為的要常見得多。
如果你處於一個由幂律所支配的情況或環境中,
你應該如何改變自己的行為?如果你遇到其中一種權力分配的情況,
你大多時候看到的都是小事件。這可能會讓你產生一種錯誤的安心感。
安全問題。你以為你了解事情的發展狀況。例如洪水,就有很多
小型洪水時有發生,而偶爾也會出現規模巨大的洪水。對此的一種回應是
保險。這種保險正是為了保護您免受重大且罕見事件的影響而設計的。
否則情況會非常糟糕。但這幅圖像的另一面是,你卻是
一家需要為人們提供保險的保險公司。他們的工作尤其艱難,因為
他們必須能夠說出應收取多少費用,以便在需要支付時擁有足夠的資金。
一個巨大的災難悄然降臨。2018年,一場森林大火橫掃了加州帕拉迪斯。這場大火成為了
該州歷史上最致命且破壞性最大的火災。但保險公司梅塞德斯財產
而且《急症室》也沒想到會出現這麼大的事件。當理賠申請陸續送來時,他們簡直無法應付。
擁有足夠的儲備金來支付。因此,公司就這樣破產了。但當極端事件發生時
可能使一些公司陷入困境,但也有整個產業建立在幂律分佈之上。
從1985年到2014年,私募股權公司霍斯利橋共投資了七千家不同的初創企業。
而且他們一半以上的投資實際上虧損了。但最頂尖的6%,價值增長了十倍以上。
並貢獻了公司整體利潤的60%。事實上,表現最佳的風險投資公司通常擁有
更多的投資會虧錢。它們僅有幾個瘋狂的例外情況,顯示出非凡的增長。
一些異常值承擔了整個表現的重擔。2012年,Y Combinator 計算出,他們的75%
回報僅來自他們投資的280家初創企業中的兩家。因此,風險投資是一個世界
這取決於承擔風險,寄望於能獲得少數這些極端的異常值。
表現優於其他所有投資的總和。書籍出版商的運作方式也類似。
時尚。大多數書名都乏善可陳。但1997年,一家名為布盧姆斯伯里(Bloomsbury)的英國小型獨立出版社卻推出了……
一個關於一位少年巫師的故事的機會。這位少年的名字,當然就是哈利·波特。而現在,布盧姆斯伯里出版社
是一個全球知名的品牌。我們在串流平台上也看到類似的現象。在Netflix上,
平台上頂尖的6%節目佔據了超過一半的觀看時數。在YouTube上,
不到4%的影片能獲得10,000次觀看,但這些影片卻佔了所有觀看次數的93%以上。
所有這些領域都遵循帕累托一百多年前所發現的同一原則,
大多數財富都流向了少數最富有的人。整個遊戲正是由這一點所定義的。
罕見的爆紅作品。但並非每個產業都能玩這遊戲。例如,如果你在經營一家餐廳,
你必須一晚接一晚地填寫表格,不可能在一個特別忙碌的夏日夜晚完成。
這能吸引數百萬的顧客,以彌補幾晚的冷清。一年下來,
繁忙的夜晚與安靜的夜晚相互抵消,最後得到的是平均值。航空公司也是如此。
航空公司需要填滿每趟航班的座位。你無法把百萬名乘客塞進一架飛機裡。
因此,決定航空公司成功与否的是全年平均乘客數。
我們習慣生活於這個常態分佈的世界,你便以某種特定的方式行事。
但一旦你轉入由幂律所支配的這個領域,你就必須開始採取行動。
截然不同。真正了解你所處的世界或所玩的遊戲類型,實在是大有裨益。
很好。很好。是的。你應該上鏡頭,就這樣直接說出來。
你剛剛就做到了。
如果你處於一個隨機的加性變異隨時間相互抵消的世界中,
然後你就會得到一個常態分佈。在這種情況下,是平均表現。
因此,一致性至關重要。但如果你處於一個由幂律所支配的世界中,
你的回報可能會成倍增長,並在多個數量級上擴大。
那麼,冒一些較大的風險,期望其中某一次能帶來巨大的回報,或許就合乎邏輯了。
換句話說,堅持比一貫更重要。
雖然,正如我們在第二個硬幣遊戲中所見,
完全隨機的乘法收益會導致對數常態分佈,而非幂律分佈。
要得到幂律分佈,必須有其他機制在起作用。
在2000年代初期,艾伯特·拉斯洛·巴拉巴西正在研究互聯網。令他驚訝的是,
他發現並沒有任何普通的網頁會包含一些平均數量的連結。相反地,
分佈遵循冪律。少數網站如雅虎的流量是其他網站的數千倍。
比大多數其他情況更具關聯性。巴拉巴西好奇究竟是什麼因素導致了這種冪律現象。
互聯網。因此他做出了一个簡單的預測。隨著新網站不斷加入互聯網,
他們更有可能連結到知名頁面。為了驗證這一預測,他與他的同事
雷卡·艾伯特進行了一次模擬實驗。他們從僅包含幾個節點的網絡開始,並逐漸地進行下去。
在網絡中新增了節點,每個新節點更有可能與節點數最多的節點連接。
連結。隨著網路擴展,出現了冪律分佈。指數約為負二,幾乎正好
完全符合互聯網上的真實數據。看看那個。真有趣。還是這麼令人滿足。
這基本上也會分佈一種冪律。這裡的一個想法是,你知道,
這可能是個人,甚至是公司。因此,如果你更有可能變得更加成功。
或更為人所知的是,你越出名或越成功,你就越會遇到這種情況。
失控效應,也就是說,會有少數幾個因素在某種程度上主導了整體的分STYPE。
我想,其中一個啟示或許是,如果你正在玩某種遊戲
如果某事遵循幂律分佈,那麼你最好盡可能早地完成大部分工作。
因此,你實際上能享受到滾雪球效應的好處。是的,roupon,這似乎acie。
我不確定你是否能控制它,但人類總喜歡認為自己有點
特殊,也許因為我們具有智慧和自由意志,我們能夠逃脫
物理法則、秩序與組織的來源。但我認為這大概就是
並非如此。因此,如果你觀察世界大戰的次數,並以粗略的方式進行衡量,
第二次世界大戰造成了多少人死亡?雖然這個問題有點令人不安,但還是想了解一下。
你會發現,再次出現的情況與你所發現的幂律幾乎完全相同
因此,如果世界是由幂律所塑造的,那麼我們似乎正處於一種臨界狀態。
狀態中,兩個相同的沙粒、兩個相同的行为,可能產生截然不同的結果。
效果。大多數事物對結果的影響微乎其微,但少數罕見的事件卻完全超越其他所有因素。
而我认为,這是最重要的一課。如果你選擇追求那些受制於
常態分佈,你幾乎可以確保得到平均結果。但如果你選擇那些受制於特定規則的追求,
根據幂律法則,目標並非避免風險,而是持續下出明智的賭注。其中大多數
會失敗,但你只需要一次成功就能彌補所有其他失敗的損失。而事實是,
事前,你無法知道會是哪一場投注,因為這個系統具有最大的不可預測性。
你的下一次投注可能什麼也沒產生,可能產生一點效果,也可能改變你的命運。
一生。事實上,大約三年前,我正在讀這本小書,書銮,有
這句短短的話是在說,一個想法可能改變你的一生。所以,對吧
在那下面,我寫道:寄一封電子郵件給Veritasium。幾天後,我給德里克發了一封電子郵件。
嘿,德里克,我是卡斯珀,我學物理,我可以幫你研究影片。我沒收到回覆。
連續四週,所以我感到非常鬱悶,只想忘掉這一切,繼續向前走。
但幾天後,我收到一封回信,內容是:嘿,卡斯珀,我們無法提供實習機會。
目前是這樣,但你希望如何以自由職業者的身份進行研究、撰寫並製作影片呢?
所以,我這麼做了,也就從此開始了我在 Veritasium 的旅程。嘿,就再快速說幾件最後的事。所有的
我們在本影片中使用的模擬程式,將會免費提供給您使用,請點擊連結下載。
說明。還有,我們剛推出了官方的 Veritasium 遊戲。它是一款
稱為《真相元素》,是一款包含八百多個問題的桌面遊戲。這是最完美的方式
挑戰你的朋友,看看誰能脫穎而出。現在,在 Veritasium,我們大家都非常
競爭激烈,所以每次我們比賽時,氣氛都會變得稍微緊張一些,但這其實正是其中一大樂趣。
的樂趣。現在,我們在 Kickstarter 上推出時,收到許多詢問,問我們是否能進行運送
特定國家。最初,我們並未啟用此功能,這是我們的錯誤,責任在於我們。
我們完全理解您的感受。但很高興地告訴您,目前我們已啟用全球配送服務。
因此,無論你身在世界何處,都能擁有屬於自己的那一本。立即預訂你的那一本,並
參與其中,掃描此二維碼或點擊說明中的連結。我想向您致謝
感謝您所有的支持,最重要的是,感謝您觀看。

