认识网络：世界是一个大网
你有没有想过，你和好朋友之间是怎么联系的呢？是靠打电话、发消息，还是面对面聊天？不管用什么方式，你们之间都有一条看不见的“线”把两个人连在一起。这条看不见的线，就是我们今天要探索的“网络”的开始。
从一张全家福说起
让我们先来看一张你家的全家福吧。在这张照片里，有你的爸爸、妈妈、爷爷、奶奶，还有你。在现实生活中，你和爸爸妈妈每天都会说话、一起吃饭；爷爷奶奶可能住在另一个城市，但你们会经常视频通话。现在，我想请你拿出一张纸和一支笔，我们来做一个小实验。
在纸的中间画一个大大的圆圈，写上“家庭”。然后，在这个大圆圈的周围，画上几个小圆圈，每个小圆圈里写上家里每个人的名字。用线条把这些小圆圈和大圆圈连起来。接下来，再用线条把家里互相认识的人连起来。比如，你和妈妈连一条线，爸爸和妈妈连一条线，爷爷奶奶之间连一条线，爷爷奶奶和你连一条线……
画完之后，你会看到一张很有趣的图。这张图就像一张蜘蛛网，也像一棵大树的枝杈。你看，所有的人都在这张图上，而且人和人之间都有线连着。这就是我们今天要认识的“网络”。
什么是网络？网络长什么样？
网络（Network）这个词，看起来好像很高深，其实一点都不复杂。简单来说，网络就是由很多“小点”和连接这些小点的“线”组成的大家庭。如果把网络比作一座城市，那么“小点”就是城市里的每一座房子，“线”就是连接这些房子的道路。
在网络科学中，我们给这些“小点”和“线”起了专门的名字：
节点（Node）是指网络中的每一个独立的个体。就像你家庭网络里的每一个人，或者学校里每一个同学，甚至互联网上每一台电脑、每一个网站，都可以是一个节点。节点是网络的基本组成部分，没有节点，网络就不存在。
连边（Edge）是指连接两个节点的线。在家庭网络中，连边可能代表着亲情关系；在朋友网络中，连边代表着友谊；在互联网中，连边代表着数据可以传输的通道。连边说明了节点和节点之间是有关系的。
如果我们把节点画成小圆点，把连边画成线条，那么任何一个网络都可以用这种简单的图形表示出来。数学家和科学家们给这种图形起了一个名字，叫做图（Graph）。注意哦，这里的“图”不是指照片或者图画，而是指一种由点和线组成的数学结构。
身边的网络：发现隐藏的连接
现在你已经知道了节点和连边，接下来让我们一起发现身边的网络吧！
学校的同学圈
想象一下你们班的教室。班级里的每一个同学就是一个节点。如果两个同学是好朋友，经常一起玩、一起聊天，那就在他们之间画一条线。很快，你就会发现，班级里会形成好几个“小团体”：
- 男生们可能形成一个小团体，他们之间都有线连着。
- 女生们可能形成另一个小团体。
- 那些喜欢打篮球的同学可能会形成一个圈。
- 那些喜欢画画的同学们又会形成自己的圈。
但是，不同团体之间也不是完全隔离的。说不定班里的某个同学，既是篮球社团的成员，又是绘画小组的成员。这样，他就像一座桥，把两个小团体连在了一起。
如果我们把全校的同学都画成节点，把朋友关系画成线，那就会得到一张超级大的网络图。在这张图里，你可能一眼看不出谁和谁是朋友，但是你可以发现很多有趣的事情：哪些同学是“社交明星”（他连了很多条线，有很多人和他是朋友）？哪些同学比较“内向”（他只和很少几个人有连线）？哪些同学是连接两个团体的“桥梁”？
科学家们对这样的网络做过很多研究。他们发现，在真实的朋友网络中，大约80%的友谊连线都集中在一些小团体里，也就是说，大多数人的朋友都是自己小团体里的人。但同时，总会有一些人像“桥梁”一样，把不同的小团体连接起来。这些“桥梁人物”在信息的传播中起着非常重要的作用。
动物园的生存网络
网络不仅仅存在于人与人之间。想象一下大草原上的生态系统：狮子吃斑马，斑马吃草，老鹰吃小鱼……如果把每种动物都画成节点，把“谁吃谁”的关系画成线，那我们就得到了一个食物链网络。
在这个网络中，如果某个物种消失了，会发生什么呢？比如，如果所有的蜜蜂都消失了，那么依靠蜜蜂传播花粉的植物就会减少；以这些植物为食的昆虫会减少；以昆虫为食的小鸟会减少；以小鸟为食的老鹰也可能受到影响……你看，一个节点的消失，可能会通过网络影响到很多很多其他的节点。
这就是网络的连通性特点：网络中的各个部分不是孤立存在的，而是相互联系的。就像你在家庭网络中，如果奶奶生病了，全家人都会关心；如果你考了好成绩，全家人都会开心。
互联网：连接全世界的大网
说到网络，你最熟悉的可能就是互联网了。互联网是世界上最大的网络。每一台电脑、每一部手机、每一个网站，都是互联网上的一个节点。当你用手机刷视频的时候，你的手机就是一个节点，视频网站是另一个节点，而它们之间有很多很多的“线”连接着——这些线可能是光纤电缆，也可能是看不见的无线电波。
互联网的发展速度是非常惊人的。1990年，互联网上的网站还不到一千个。到2000年，已经有超过一千万个网站了。现在，全球有超过50亿人使用互联网，有超过17亿个网站。想象一下，如果在纸上画一个包含17亿个节点的图，那得有多大！
但互联网不仅仅是一个巨大的网络，它还是一个网络的网络。什么意思呢？就是说，互联网是由无数个小网络组成的：你们家的WiFi是一个小网络，你学校的电脑教室是一个小网络，你爸爸的公司是一个小网络……所有这些小网络又通过特殊的方式连接在一起，形成了全球大网络。
互动实验：绘制你的社交网络图
好了，说了这么多理论，是时候动手实践一下了！让我们来做两个有趣的实验。
实验一：我的朋友圈网络图
材料准备：
- 一张大白纸
- 彩色笔（至少5种颜色）
- 尺子
步骤：
1. 在纸的中央画一个大圆圈，标注“我的朋友圈”。
2. 仔细想想，在过去的一个月里，你和哪些人说过话、一起玩过或者一起做过事情？把这些人的名字写在小纸片上，围着大圆圈放好。
3. 看看这些人之间是否也认识。如果两个人互相认识，就用笔画一条线连起来。
4. 根据连线的数量，给每个人分类：
- **超级明星**：和5个以上的人都有连线（用红色笔圈名字）
- **活跃分子**：和3-4个人有连线（用蓝色笔圈名字）
- **普通朋友**：和1-2个人有连线（用绿色笔圈名字）
- **独行侠**：只有和你连线的（用黄色笔圈名字）
5. 仔细观察你的网络图，问自己几个问题：
- 谁是你朋友圈的“超级明星”？他为什么有这么多朋友？
- 有没有一个人，他是连接你和另一个人的“桥梁”？如果没有你，这两个人还会认识吗？
- 你的朋友们之间，是不是也互相认识？还是有的人只认识你？
延伸思考： 试着把时间往前推一个月，想一想那时候你的朋友圈和现在一样吗？如果不一样，是什么让你认识了新朋友，或者和某些朋友疏远了？
实验二：六度空间游戏
材料准备：
- 小纸片若干
- 一个盒子
规则介绍： 六度空间（Six Degrees of Separation）是一个很有意思的理论。它说的是，地球上任何两个人之间，最多只需要通过6个中间人，就能相互认识。
步骤：
1. 每个人在一张小纸片上写下一个名人的名字（必须是大家都知道的名人，比如科学家、演员、运动员等），把纸片折好放进盒子里。
2. 随机抽取一张纸片，假设抽到的是“马云”。现在你要想办法通过你的朋友，最终联系到马云。
3. 写下第一个问题：马云可能认识谁？比如，马云可能认识其他企业家。
4. 再问：这些人可能认识谁？你爸爸可能认识某个企业家，这个人可能认识马云的朋友……
5. 试着找出从“你”到“马云”的连接链，看看需要经过几个人。
真实案例： 2016年，演员林志玲发布了一条微博，说她想联系到一位普通的成都女孩。这个消息经过几个人的转发，很快就有人认识这位女孩的亲戚。通过这条“网络”，林志玲真的联系到了这位女孩，整个过程只用了不到一天时间！这就证明了，虽然世界上有几十亿人，但我们之间的距离其实很近。
节点的秘密：不同的节点，不同的作用
在任何一个网络中，不是所有节点都一样重要的。有些节点“影响力”很大，有些节点“影响力”很小。科学家们用很多方法来衡量节点的重要性，下面我们来认识几个最重要的概念。
度（Degree）
度是一个节点拥有的连边数量。在朋友网络中，一个人的度就是他有多少个朋友。
假设你们班有30个同学。其中，小明有28个朋友（他和班里大多数人都认识），小红只有3个朋友（她比较害羞，只和几个固定的朋友玩）。那么，小明的度是28，小红的度是3。在网络中，小明就是一个“高度节点”。
在一个班级里，高度节点往往是那些很受欢迎的同学。他们认识很多人，是班级里的“社交中心”。而在互联网上，度最高的节点就是那些访问量最大的网站，比如搜索引擎、社交媒体平台等。
中心性（Centrality）
中心性是衡量一个节点在网络中“位置”重要性的指标。度只是看一个节点有多少条连线，但中心性看的是这个节点在网络中的“战略位置”。
举个例子：假设有三个小团体，每个小团体内部的人都很熟悉，但三个小团体之间基本没有来往。这时候，如果每个团体里都有一个人，他们同时认识另一个团体里的某个人，那么这些“桥梁人物”的中心性就非常高。因为虽然他们的朋友数量可能不多，但他们占据了连接不同团体的关键位置。
在真实的世界里，一些看似不起眼的人物往往有很高的中心性。比如，一个社区里的快递员，他每天要接触很多不同的家庭，所以他对这个社区的信息流通非常关键。
聚类系数（Clustering Coefficient）
聚类系数描述的是一个节点的邻居之间互相认识的可能性。
想象一下：你有三个好朋友A、B、C。如果A和B是朋友，B和C是朋友，那么A和C也很有可能是朋友。这种“你朋友的朋友也可能是我的朋友”的现象，就叫做聚类。
在真实的社会网络中，聚类现象是非常普遍的。研究表明，在Facebook的用户网络中，两个人如果有10个共同好友，那么他们成为朋友的概率会大大提高。
连边的秘密：关系也有强弱
知道了节点的重要性之后，我们再来看看连边。是不是所有的连边都一样呢？当然不是！
强关系和弱关系
社会学家格兰诺维特（Mark Granovetter）在1973年发表了一篇著名的论文，题目叫《弱关系的力量》。他指出，人与人之间的关系可以分为强关系和弱关系。
强关系是指那些很亲密、很频繁的联系，比如家人、很好的朋友。你们之间联系很多，互相了解很深，危难时刻会互相帮助。强关系的连边在网络图中往往用粗线表示。
弱关系是指那些不太亲密、联系不太频繁的关系。比如你的邻居、你参加兴趣班时认识的同学、或者朋友的朋友。你们平时联系不多，可能只是在某些场合碰面打个招呼。弱关系的连边在网络图中往往用细线表示。
格兰诺维特发现，找工作的时候，那些弱关系反而更重要！为什么呢？因为你的强关系（家人、好朋友）认识的人和你差不多，你们在同一个圈子里。而弱关系（不太熟的朋友）认识的人往往是另一个圈子的。通过弱关系，你能够接触到完全不同的信息和机会。
这个发现对我们的生活很有启发：不要只和熟悉的人交往，适当地拓展弱关系，可能会给你带来意想不到的惊喜！
有向边和无向边
到目前为止，我们讨论的连边都是无向边，也就是说，连边没有方向，A连B和B连A是一样的。但有时候，关系是有方向的。
比如，在微博或者微信朋友圈里，你关注了一个人，这代表一种关系；但对方不一定也关注你。这就是有向边。在有向网络中，我们用箭头来表示方向。
还有一种常见的有向关系是“信息传递”。比如，你从A那里听到了一个消息，然后告诉了B。信息是从A流向了B。虽然A和B都参与了这次信息传递，但方向是从A到B的。
网络的形态：不同的网络长得不一样
世界上有各种各样的网络，它们的形状和特点都不一样。科学家们发现，虽然不同的网络看起来很不一样，但它们往往有一些共同的特征。
规则网络
规则网络是指节点的连接方式很有规律的网络。比如，把全班同学排成一个圆圈，然后让每个人只和他左右相邻的两个人是朋友，这就是一个规则网络。规则网络的特点是每个节点的度都一样，连接方式很均匀。
但是，真实世界中的网络很少是规则的。你见过哪个班级的同学只和固定的几个人做朋友，完全不和其他人来往吗？
随机网络
随机网络是指节点之间的连接是随机产生的网络。如果让你随机决定哪些同学之间是朋友，那就可能产生一个随机网络。随机网络的特点是连接分布很均匀，没有特别突出的“超级明星”节点。
1959年，数学家保尔·埃rdős和阿尔弗雷德·雷尼提出了随机网络模型。他们发现，在一个随机网络中，如果连接足够多，网络就会变得连通——也就是说，任何一个节点都可以通过一系列连线到达任何其他节点。
但是后来科学家们发现，真实世界的网络既不是完全规则的，也不是完全随机的。
小世界网络
1998年，数学家邓肯·沃茨和史蒂文·斯托加茨提出了一个很重要的概念：小世界网络。
什么是小世界呢？让我们做一个思想实验。假设你想把一封信从美国送到澳大利亚。你不认识任何澳大利亚人，但你认识一些朋友。问题是，你需要通过多少个朋友的中转，才能把这封信送到澳大利亚？
按照直觉，这两个国家的人可能完全没有联系，需要很多很多中转。但实际上，沃茨和斯托加茨发现，只需要很少的中转步骤就可以了。这就是著名的六度分隔理论：世界上任何两个人之间，最多只需要六个中间人就能联系起来。
小世界网络有两个特点：第一，网络的“直径”很小，也就是说任意两个节点之间的距离很短；第二，网络的聚类系数比较高，也就是“朋友的朋友往往也是我的朋友”。
为什么真实世界的网络会呈现小世界特征呢？想象一下，如果世界上突然出现了一个新的人类社区。最开始，这个社区内部的人互相认识，但和外界没有联系。随着时间推移，社区里的人开始走出去，和外界建立联系。这些新建立的“远距离”连线，会大大缩短整个网络的距离。
无标度网络
1999年，物理学家巴拉巴西和阿尔伯特提出了另一个重要概念：无标度网络（Scale-Free Network）。
无标度网络的特点是：网络的度分布极度不均匀。少数节点拥有非常多的连线（高度节点），而大多数节点只有很少的连线。
这种网络是怎么形成的呢？巴拉巴西提出了一个叫做富者愈富（Rich Get Richer）或者优先连接（Preferential Attachment）的机制。
想象一下，一个新的社交网站上线了。最开始只有一个用户。后来来了第二个用户，他有两个选择：连接第一个用户，或者不连接。如果他选择连接，那第一个用户就有两条连线了。再后来第三个用户来了，他有两个选择：连接用户1（已经有2条连线）或者连接用户2（只有1条连线）。因为用户1更“受欢迎”，所以新用户更可能选择连接用户1。
这样发展下去，就会形成无标度网络：少数最早加入的用户成为“超级明星”，拥有大量的连线；而后来加入的大多数用户只能成为“小角色”。
有趣的是，互联网、社交网络、引用网络（论文之间的引用关系）都呈现出无标度特征。这意味着，如果你要在一个已经存在的网络中成为一个重要节点，几乎是不可能的——因为所有的优势都被那些早期加入的节点占据了。
网络的眼睛：如何看穿一个网络
学会了认识节点和连边，现在让我们学习如何“看见”网络的整体特征。
网络的密度
网络密度是指网络中实际存在的连线数占所有可能连线数的比例。
假设你们班有30个同学。理论上，如果每两个同学之间都是朋友，那总共有 $30 \times 29 / 2 = 435$ 对朋友关系。如果实际调查发现班级里只有100对朋友关系，那网络密度就是 $100 / 435 \approx 0.23$，也就是说大约23%的可能关系实际存在。
网络密度高，意味着这个群体内部联系紧密，信息传播快；网络密度低，意味着群体内部可能存在分裂，信息不容易传播。
网络的连通性
连通性描述的是一个网络是否连成一个整体。
如果在一个网络中，任意两个节点之间都存在一条路径可以连接，那这个网络就是连通的。如果网络被分成了几个互不相连的部分，那每个部分就是一个连通分量。
在社交网络中，如果出现了一个完全孤立的人（他不认识任何人，也没有人认识他），那他就形成了一个单独的连通分量。当然，这种情况在真实世界里很少见。
有时候，网络会出现一种有趣的结构：桥。桥是一条特别的连边，如果把它删除，网络就会从连通变成不连通。找出网络中的桥，对于理解网络的脆弱性很重要。
网络的聚类
前面我们提到了聚类系数的概念。从网络整体来看，聚类系数描述的是网络中小团体存在的程度。
在一个高聚类的网络中，你会看到很多“小圈子”——一群人互相都认识，但和其他人不太熟。这种结构在真实的社会网络中非常常见。
为什么人们会形成小圈子呢？原因有很多：第一，地理位置相近的人更容易成为朋友（你们班的同学）；第二，有共同兴趣的人更容易成为朋友（篮球队队友）；第三，工作或学习上有合作关系的人更容易成为朋友。
真实世界的网络例子
让我们看看几个真实世界中网络应用的例子，这些例子能帮助我们更好地理解网络的力量。
新冠疫情与社交网络
2020年开始的新冠疫情，让我们深刻认识到社交网络的重要性。
想象一下，病毒是通过人与人的接触传播的。如果把每个人都画成一个节点，把每次可能的接触画成一条连线，那就会得到一张超级大的社交网络图。在这个网络中，如果一个人感染了病毒，病毒就可能沿着连线传播给接触他的人。
基于网络的传播模型，科学家们能够预测疫情的发展趋势。模型显示，如果一个人能接触的平均人数减少一半，病毒传播的速度就会大大降低。这就是为什么各国政府会建议人们减少外出、保持社交距离。
同时，网络科学也帮助我们找到了阻断传播的关键策略：检测和隔离。如果我们能找到网络中的“超级传播者”（那些度特别高的人）并对他们进行重点检测，就能事半功倍地控制疫情。
互联网与信息传播
网络不仅连接了人，也连接了信息。在互联网上，一条新闻可以在几个小时内传遍全世界。这种传播的速度和范围，远远超过了过去任何一种信息传播方式。
科学家们发现，信息在网络上的传播也有规律可循。重要的信息通常会经过一些“中心节点”——比如大型新闻网站、知名博主、明星账号——然后再传播到普通人。这些中心节点就像信息高速公路上的“枢纽站”。
有趣的是，在信息传播网络中，弱关系再次发挥了重要作用。研究表明，很多爆款新闻都是从不太熟悉的人那里得知的，而不是从最好的朋友那里。这是因为最好的朋友和你拥有差不多的信息源，而弱关系能给你带来完全不同的信息。
交通网络与城市规划
我们每天出行的交通系统也是一个网络。地铁站是节点，地铁线路是连边；公交站是节点，公交线路是连边；机场是节