古希腊掌管成功的神在哪儿？王大顺等人综述成功的集体动力学

论文题目：

Collective dynamics behind success

论文地址：

https://www.nature.com/articles/s41467-024-54612-4

1. 众人拾柴火焰高： 成功的集体属性

众多社会和经济系统中的成功，源于集体动力学。例如数百万相互关联的消费者决定了歌曲、书籍和企业的成功；公民的集体决策决定了亲社会行为 （如助人为乐） 的广泛传播；在线用户的分享选择推动了特定内容的病毒式传播；员工和招聘人员的网络影响了求职者的成功；团队成员之间的互动塑造了团队在执行复杂任务中的成功与失败。

正是由于不同领域的成功背后都包含集体动 力学 ，无论是涉及一个想法、产品、行为、个人还是团队，成功都不是孤立的事件；相反，它是不同规模上相互关联的参与者做出的选择和行动的结果。因此可通过将其视为复杂网络来进行研究。而大数据捕捉了海量的个体行为，为探索成功背后集体动 力学 的定量模式带来了新机遇。此外，复杂科学、网络科学、人工智能、计量经济学和实验社会学的快速发展提供了强大的实证工具和方法，为成功背后的集体动力学提供了更深入的见解。

2. 个人从集体获得的四种影响

个人是如何受到集体影响，从而决定哪些想法能获得成功？该文将这种影响分为四类，分别是 反馈，时序，网络和身份 。而这四种影响又相互关联，例如，身份效应涉及个人网络结构中的性别差异，会通过网络效应影响女性的机会。而在需要创意的职业中，通过网络效应，可以从相关社会网络中的中心位置产生积极反馈。此外，创作和接收过程本身也相互关联，因为创作过程中所做的选择会影响产品的接收程度，而个人产品的接收会影响个人未来创作的资源获取。例如，考虑学者作品的影响力对其未来资金和就业机会的影响。这种多效应类型，以及创作与接收过程之间的相互关联表明了社会经济系统中成功的复杂性。

3. 反馈效应：

能否从失败中学习，决定了谁能成功

成功往往会带来更多的成功，形成“成功孕育成功”的正向循环 。例如，早期与知名人士或机构建立联系，可以获得更多资源和回报，进而提高未来的成功概率。这就是广为人知的马太效应，也是反馈中最基础的一种。

然而现实中并非只存在前述的先发者优势，后来居上的案例也不少。为了解释后来者的成功，研究人员借鉴了生态学中的“适应性”概念来捕捉一个想法或产品的内在吸引力。产品的适应性通常被操作化为一个影响产品积累新采用率的潜在参数。产品的适应性根源通常取决于具体情境；例如，对于一篇科学论文，适应性参数可以同时捕捉其相关性、严谨性、可见性和清晰度，这些因素共同决定了其对科学界的吸引力。一项最近的实验研究证实了适应性的重要性，即使当高适应性产品被欺骗性地呈现为不受欢迎时，它们最终也变得比那些被人为给予初始优势的低适应性替代品更受欢迎 。

van de Rijt, A. Self-correcting dynamics in social influence processes. Am. J. Sociol. 124, 1468–1495 (2019)

工程师 Theodore Paul Wright 在1936年发现，随着生产的飞机总数增加，生产飞机的劳动力成本按照幂律下降。他发现的规律之后被称为赖特定律，强调了学习带来的效率提升，组织制定第 n 次尝试所需的时间 t n 随着先前尝试次数的增加而按幂律下降：t n /t 1 ~ n -γ ，其中γ是学习率。这将影响成功的动力学， 如果能从错误中经由学习进步，那么失败就可能成为成功之母 。

然而，赖特定律也受到了一些质疑。首先，赖特定律仅适用于最终成功的人。那些未能成功的人，包括相当一部分人口，其表现和效率随时间并没有提高，而学习效率的差异，将决定谁能成功。其次， 失败的连续性比预期 更长，遵循肥尾分布，这表明个人可能会陷入次优策略中。而通过对个人学习效率的建模，可通过分析早期职业生涯中个体事件间的时间分布，对个体的成功与否进行准确预测。

Yin, Y., Wang, Y., Evans, J. A. & Wang, D. Quantifying the dynamics of failure across science, startups and security. Nature 575, 190–194 (2019).

相关文章：《 集智科学家Nature刊文阐释失败的动力学机制：原来胜败早有信号 》

“成功孕育成功”，可能将资源引导到高绩效者，但它们通常也会培养“赢家通吃”的系统，加剧不平等。因此， 理解失败与成就之间的联系不仅对资源配置有深远影响，而且对培养和扩大潜在人才库也有重要意义 。

4. 做时间的朋友，不必怕冯唐易老

成功会随着时间的推移而变化，产品的成功可能随着时间的推移而衰减，例如新产品的采用往往开始缓慢，然后迅速增加，最终达到饱和， 占领 整个市场，形成 S 形扩散曲线。该模型对扩散曲线提供了简洁的描述，但它具有不切实际的特征，这促使研究人员利用大规模、时间标记的数据来更准确地描述新产品采用时的时序特征。然而，也有一些“睡美人”会在经历一段时间的沉寂后重新获得关注，例如论文或专利——在经历了一段弱或中等的关注度长期休眠期后，经历了新的引用激增。

时间不止影响某个想法的成功与否，还关系到个人职业的成功。与职业成功相关的一个主要问题是询问 个人何时做出最伟大的工作 。这个问题对于旨在选拔和培养人才的组织具有重要意义。例如，在学术界，尚未产出最高影响力工作的早期研究人员可能会被低估，这可能导致资金减少或使他们放弃学术职业道路。

爱因斯坦曾说过的：“一个 人 在三十岁之前如果没有对科学做出重大贡献，那就永远也不会做到。 ” 然而对学术界的研究指出，对科学家的职业生涯来说，并非如此。 个人的成功与其年龄之间存在倒 U 形依赖关系 。尽管曲线峰值的确切位置取决于背景和历史时期，但这一规律在各个领域普遍存在。

早期职业生涯可能由于缺少经验，人脉不如后期职业生涯成功，但每个阶段的成功概率是相等的。 是生产力——而不是年龄驱动着作品的成功 ：只要他们继续生产，熟练的个人随着年龄的增长创造热门作品的概率可能仍然很高。

Liu, L. et al. Hot streaks in artistic, cultural, and scientific careers. Nature 559, 396 (2018).

此外，运气也能部分解释个人的成功。个人在科学、电影行业、艺术和社交媒体中最具影响力的作品往往紧密相连，让人觉得一个人在特定的年份仿佛如开挂了般无所不能，这种现象可称为“奇迹年”。研究指出：这些成功的创意活动爆发往往在职业生涯中均匀分布，符合随机影响规则。更值得注意的是，奇迹年是可以预测的。一项针对歌手等娱乐圈创业工作者的研究可以85%的准确度预测演员的奇迹年。

对成功背后的时序效应的研究揭示： 创作者成功的时机和可持续性可能受到他们早期探索模式的影响 。特别是，创作者在首次重大成功之前创造的产品的新颖性和多样性可能会积极影响他们实现后续成功的可能性。这些研究提醒个人不必将职业生涯当成是百米赛跑，而要从更长久的视角，去探索更多可能性，不必担心自己的年龄会成为成功的阻碍。

5. 网络效应：复杂传播中的多次社交强化

网络结构对观点的传播和接收有着重要的影响。在接收过程中，潜在采用者的相关社会网络结构会影响新思想、产品和行为的广泛采用和成功；在创造过程中，围绕个体创作者的社会网络结构会影响其职业成功，而团队的内部结构会影响其成功。

最初的研究者，使用病毒的传播来类比观点的传播，然而这两者之间存在显著差异。病毒的传播是“ 简单传染 ” ，一次接触病原体就足以发生传播，这种机制也适用于关于对话主题的信息 （例如新闻、推特标签和梗） 的传播 。通过简单传播模型可研究在线虚假信息和假新闻，但对于一种世界观，一个人必须多次接触一个想法或行为才能采纳它，这种现象被称为“ 复杂传染 ”。

复杂传染在高度聚集的网络中传播更有效 （其中节点的社交联系往往也是相互连接的） ，即使网络直径更大且包含较少的长连接。因此，低聚集度和长连接仅有利于简单传染的成功；但它们可以抑制复杂传染的传播，因为需要聚集度来形成足够宽的桥梁，以实现足够快速的社会强化。

图4：右侧低直径网络具有长连接，将原本遥远的节点连接起来（例如，红色连接）。相比之下，左侧高直径网络中没有长连接。一个想法、产品或行为在右侧网络中会由于小世界效应，更快、更远地传播。但右侧的网络不支持复杂的社交传染，即需要多次接触新行为或产品后个人才会采纳的采纳过程，例如与健康相关行为的采纳在左侧网络中传播得更有效。

简单传染与复杂 传染 的区别，还体现在个体的影响力上。简单 传染