摘要：在社交媒体时代，谣言的传播更加容易，它们往往能在人群中快速传播。虽然谣言的广泛传播会带来很多负面影响，但我们可以研究它的快速传播方式，让这种传播方式给我们带来好处。
一、前言
没有腿的谣言却可以通过其他方式日行千里。——John Tudor
谣言无处不在，它们可以穿梭于校园里，传播不正确的政治消息，在最糟糕的情况下，它们还会给人们带来致命的误导。在社交媒体时代，谣言的传播更加容易，它们往往能在人群中快速传播。除此之外，谣言已经导致了无数的死亡恶作剧，几乎每个为人所知的名人都曾受此遭遇。更险恶的谣言应该是安德鲁·韦克菲尔德著名的关于MMR疫苗的不灵通的错误研究报告，这导致了未接种疫苗的儿童人数的巨额增长。
图1：谣言传播的速度之快、范围之广有多惊人呢？
虽然谣言的广泛传播会带来很多负面影响，但我们可以研究它的快速传播方式，让这种传播方式给我们带来好处。研究谣言的传播能使我们明白错误的消息是如何传播的，反过来又能帮助我们对抗这些影响。另外，谣言如何工作的原理可以被用来在紧急情况下迅速传播信息，或者创造有效的具有传染性的政治营销活动。
二、、不做敲铃之人
如果你曾经是恶意八卦的受害者，那么你就会知道它的传播速度有多快。即使消息几乎没有时间可以在整个学校或者工作场所传播，也很难让人相信每个人都会被蒙在鼓里，对此不知情——更何况我们都会有谣言证据或者想办法证实它。
数学模型是一个很好的工具，可以用来解释反直觉现象并见证事实真相，在这样的情况下就会有给出的一些模型。SIR模型曾应用于研究流行病的传播，现在也被应用于描述谣言讹传。如果有人告诉你，某条新闻的传播方式如流行病一般，那么他们可能已经接近事实的真相，而且已经超出了他们的想象之中。
假想你正处于一场政治选举之中。为了让选民对候选人B投反对票，候选人A一直在告诉选民人候选人B看重的是他自己的社会地位而不是谋求大家的共同利益。假设这种策略面向心计不深的学生，所以不会有人对他所说的话产生怀疑。我们将学生分为3类：知道且传播谣言的学生（传播者）；知道但不传播谣言的学生（止传者）；不知道这个谣言的学生（无知者）。其实每个组里的人在谣言面前的表现形式可能千差万别，但是为了简单起见，我们做出了如下假设：
1. 刚开始只有无知者和传播者；
2. 所有的无知者在接触到谣言之后都会变成传播者；
3. 传播者在遇到另一个传播者或止传者之后会变成止传者，这时候传播者才能停下散播谣言的脚步；
4. 当只剩下止传者和无知者的时候，谣言不再传播。
通过上述所示的简单定义和规则，将其转化成数字、符号和方程，同时通过方程描述某类人转化成另一类人的速率，并估计究竟有多少学生为谣言的传播做出贡献。令人惊讶的是，80%的人都是贡献者（如果有一半的人知道谣言，那么这个数据会变成85%）。其中的细节，你可以在报通过阅读Ray Watson 的论文“On the size of a rumour ”或者在Plus文章“The mathematics of diseases.”中了解SIR模型。
图2：一个SIR模型的数据图（纵轴表示的是随着时间发展，各类人群的人数变化。）
这对于受到恶意诽谤的受害者来说，可能是一个好消息吗？如果那是一个听起来比较“可信”的谣言，那么大概不会有1/5的人保持公正。通过上面的例子，我们可以知道，要尽可能的损害候选人的利益，应该尽可能多地将谣言告知更多的同学。所以你能在谣言面前保持清醒吗？也许有时你只需等待谣言慢慢的成为旧闻，但是你应该清楚，谣言可能在传播过程中就被会被辟谣或者停止传播的脚步。
三、传遍全球仅需45.4天
SIR模型给出了一些关于谣言可能如何传播的想法，但是对于任何想要迅速传播信息的人来说，更加合适的问题是速度有多快？如果我们知道这一点，我们就能对模型和现实生活进行改进，从而更快地获得消息。
为了解决上述问题，我们可以暂时不考虑止传者，并且想象最终每个人都会知道这个谣言。我们可以假设一个理想的人群，如某个村庄，这个村庄里的人彼此互相认识且谣言的传播如森林大火一般。
从数学上来说，这可以通过一个完备图来建模。该图是由一系列的线（边）将一系列的点连接在一起的集合。在一个完整的图形中，每个节点都连接到其他的每个节点。
图3：一张有7个节点的完备图
图中的每个点代表一个村民，这些线描绘了每对村民之间的联系。在任一网络中的相关联的点集合（如在一个完整的图中）称为一个集团。
首先假设只有一个人知道这个谣言。知道了这个假设，你就可以想象如果两个村民在街上碰巧相遇将会发生什么，他们中的一个就有机会将谣言告知另一个人：如果他们知道谣言，他们就把它传播给其他村民；如果他们不知道，一切就风平浪静。
为了计算出谣言传播所需的时间，你需要估计两个村民之间发生任何潜在信息交换的可能性。正如你知道的那样，数学家喜欢把事情（相对地）简单化，在这种情况下，这意味着考虑村民之间的联系，而不是单独考虑每个个体。换言之，我们可以考虑一个村民遇到另一个村民并传播谣言的概率，综合考虑两个村民的概率看待问题。
我们考虑两个人“发生相互作用”的概率（两两之间发生的概率是一样的），这是由A.J. Ganesh提出的理论，“对于n个人来说，每个人2log(n)的时间单元之后就会知晓某个消息。这个时间单元取决于消息在人与人之间传播的速度，如在酒店过道的传播速度可能比街道上的传播速度快（2log(n)是平均值，点此阅读Ganesh的文章）。
所以如果你想知道经过多长时间才能让世界上所有人都知道你最近在迷恋什么，而你只保守了一天的秘密，那么过了约2log(7,260,711,000)天，或者说45.4天，全世界就知道了（鱼塘我不承包=。=）。这是建立在你和地球上的每个人之间的距离一样的基础上，而且每个人也都紧密相连。如果你想知道消息在你的同龄人之间传播的速度有多快，你也可以用那个方程估算。
图4：互联网确实很复杂，但互相认识的人往往可以形成一个“派系”。
针对许多数学模型的常见（往往也是有效的）的批评是数学模型的过分简单化，以至于无法良好地描述现实生活。尽管可以为这里给出的例子辩护，但事实并非只有一种情况，或者只有一个问题。虽然这些特定的模型是因为其简化性而被选用，但他们同时也给出了对于谣言传播方式的构想。同样，每天都有许多更加复杂的模型被用来阐述一切, 从广告宣传到所谓的能让大量计算机快速共享信息的八卦算法。
作为一个从来没有真正考虑过这个问题的人，我很惊讶地发现，当你在互联网上搜索“谣言散播”的时候，就连在咨询网站上，你都会看到数学，感受到数学研究的冲击。最近，这些研究甚至开始考虑检测谣言的来源。即使你没有从我这里了解到，但有洞察力的人，甚至是网络无政府主义者可能都不得不注意他们的网络发言。
声明：文章转自微信公众号【中科院物理所】，版权归原作者所有，转载仅供学习使用，不用于任何商业用途，如有侵权请联系删除，谢谢。
