如今，仇恨的言行越来越多，比如暴力的川普支持者冲进美国国会大厦，试图拖延2020年总统大选结果的认证。骚乱未能达到目的，数十人被捕并被起诉。为什么那么多人冒着生命危险和工作危险去玷污自己的犯罪记录为了伤害别人？
怨恨是一种令人费解的人类行为。这是一种损人不利己的行为。虽然这对所有参与者来说都是昂贵的，但一项新的研究发现，它也具有高度传染性。在2001年1月发表在《自然通讯》上的一篇论文《动态网络中恶意行为的传播》中，美国东北大学的研究人员对恶意行为如何产生和传播提供了一种新颖的解释。研究人员使用模拟人类交互的计算模型，观察恶意在整个动态网络中的传播，直到每个“代理”都变得恶意，合作完全停止。论文链接:https://www.nature.com/articles/s41467-020-20436-1对恶意的既定解释与比较优势有关。在比赛中，如果你的对手表现更差，你可以通过不太差的表现赢得比赛。这种解释可以解释为什么恶意个体不成比例地针对非恶意个体。具体来说，在为个体之间的恶意交互选择策略时，需要更频繁的随机交互。这种类型的互动模式被称为负相关，而它描述的是相反的情况，即相似类型之间的互动——使用相同策略的个体——更有可能发生。波士顿的瘦房子。据传说，当一个兄弟在继承的房产上盖房子，而另一个兄弟在内战期间外出打仗时，另一个兄弟回来了，在仅有的一小块土地上盖了一个不切实际的房子，就是为了报复他的兄弟。传统上，人类行为的数学模型缺少一个重要的组成部分:它们不是动态的，这意味着模拟的演员不会像真实社交圈中的真人一样行事。旧的模型是基于一个具有随机相互作用的统一群体。这让数学变得简单，却让网络互动变得不现实。这项研究中使用的新动态模型不同于以前的恶意涌现模型，后者依赖于群体中相关水平的固定假设，允许网络中的个体选择与谁交往，就像人们在现实生活中一样。在这个模型中，个体被置于一个动态网络中，通过简单的强化学习与他们偏好的伙伴进行互动。这种内生的方法为产生相关的相互作用提供了现实的机制，并使动态网络和行为策略能够共同进化。在之前的一项研究[1]中，人们还使用强化学习来更新他们与他人互动的可能性。在此基础上，我们用计算机模拟和分析的方法探讨了各种参数和初始条件。图1:策略是合作和恶意个体以相似和不相似方式交互的相关性，虚线是恶意个体的比例。在计算机集群上运行模拟使我们能够有效地探索许多不同的参数组合。由于我们的每个数值模拟都是随机的，我们需要多次运行每个模拟，以获得“平均行为”的可靠发现。在新的模型中，恶意比以前认为的更容易传播，总体相关性很小。当恶意个体主动以非恶意个体为目标时，这种行为似乎会通过动态网络传播。上图显示了我们的一个重要发现:虽然群体中策略之间的整体相关性较低，但恶意个体之间的负相关性较高。这是因为恶意的个体可以——也确实——用他们的恶意行为攻击社会个体。因此，模型中的“恶意”策略不需要满足恶意入侵和稳定性的标准条件。图2:恶意和善意游戏的利润该模型表明，恶意个体以非恶意个体为目标，耗尽其资源，使恶意个体的收入看起来更好。这就导致一开始没有恶意的个体意识到自己的处境更糟，让恶意继续得逞。研究人员发现，恶意继续传播，直到合作的个体消失。图3本地网络学习过程随时间改变每个可能的成对交互的可能性。恶意个体学会以合作个体为目标，与他们互动以提供最高回报，而不是相互互动。类似的，但恰恰相反，合作的个体学会相互交往，避开恶意的个体。
结果惊人的稳健:恶意会在大范围的初始条件和种群规模参数下出现并传播。该模型不仅为行为恶意的产生和传播提供了新的解释，也对以往研究的普适性提出了挑战。人口结构的人口水平统计不能反映当地个体行为的重要影响。类似的发现也出现在其他领域，如基于网络的流行病学:鉴于网络结构的复杂和动态的全局参数，如R0，描述病原体是否会在人群中传播并不总是准确的。图4:即使在线学习非常慢，但恶意仍然可以出现在人群中。与标准学习速度1相比，相关交互的形成有所延迟，但最终结果是一样的。“我们在模拟中发现的网络结构与我们知道的人类社交网络相似，”论文作者之一Christoph Riedl说。“动态模型不是随机的，它有实际意义。它似乎注意到了人类的实际行为。”Rory Sead是东北大学社会科学和人文学院的副教授，也是这篇论文的合著者。他说，“对每个人来说，怨恨是一种净损失，但它改变了个人的相对地位。”正是这种感知到的比较优势使得恶意在人际网络中如此具有传染性。这也是政治中恶意盛行的原因。“政治往往是一场零和游戏。为了让你赢，其他人必须输，”Sead说。“一些政治家可能认为这些政治互动是不可能合作的情况，他们可能愿意付出代价以确保另一方遭受更多的痛苦。正是这些相对的取舍，让怨恨找到了归宿。”在政治选举中，总共投多少票并不重要。重要的是一个政党比另一个政党获得更多的选票。这是一个充满怨恨的环境。Sead说，“如果选民被压制，每个人得到的选票都会减少。只要我的票数比你多，那对我来说未必是坏事。”考虑到这种行为的传染性，对于一个被怨恨感染的社会来说，结果可能看起来很黯淡。最近的实证研究也表明[2]，在人类中，反社会行为比亲社会行为更容易在同伴中传播。然而，了解破坏合作的障碍将有助于我们更接近实现合作。这是我们如何更好地处理这个更广泛问题的一个重要部分。裁判员https://royal society publishing . org/doi/10.1098/rsif . 2017.0835
同龄人中亲社会和反社会行为的传染以及社会邻近性的作用。经济学博士。心理学。73, 66–88 .
https://ecoevocolyment . nature . com/posts/paint-is-infective-in-dynamic-networks
https://news . northeast . edu/2021/01/11/heres-why-dance-spread-in-people-and-prospers-in-politics/
阅读更多
棋盘与网络:在网络化的世界里，博弈论已经不能适用于很多问题。互联网真的知道我们所有的秘密吗？“没人看的时候我们是谁”札记
