别大意，疫情二次爆发计算公式

COVID-19，一个 幽灵，

在全世界上空游荡

隔离了近三个月，好不容易稳定下来，

灵魂都快生锈了，刚想出去踏个青。

没想到意大利告急，伊朗告急，西班牙告急，美国告急，连巴西也开始告急。

原来以为它怕热，谁知道 病毒已经从北半球晃悠到了南半球 。

许多海外学子以及华裔也回到祖国， 输入性疫情 蠢蠢欲动， 无症状疫情 境况不明。

这个时候，处于非常危险的阶段，存在 疫情二次爆发 可能，容不得丝毫大意。

特别是 上海、北京、深圳、广州、杭州 这样的一线城市。

很多 中老年人已经不戴口罩 ，在公园“相亲角”开始相互打探对方家底。

浑然不知 每一次社交都是社会风险模型的一次指数传播 ，但凡有一个感染者，带来的可能是群体性的 幂律扩散 。

未来人类风险到底有多大？

疫情二次爆发可能性有多高？

城市该采取什么样的应对措施？

面对 诡异莫测的病毒 、 不可预测的超级传播 、 密切接触的人群 ，在一个 全球化时代 ，到底该如何从 数学模型 上去研究， 抑制COVID-19在中国二次性爆发的风险？

中国疫情会不会二次反弹？

病毒只要不感染到你，很多人永远认为自己是一个幸运者。

数学可以打消你的侥幸念头 ，在一个总人口确定的复杂社会网络中，没有人可以逃出 数据的“魔掌” 。

如何控制疫情，很多专业人士会提到一个简单的 疾病传播数学模型 —— S -I - R。

S-I-R模型 将没有患过病的人称为 易感者（Susceptible）；

传染疾病者就是 感染者（Infective）；

第三类被委婉地称为 移出者（Removed） 。

S-I-R模型说明了对感染者进行 社会隔离 的重要性。如果感染者被隔离，他们可以有效地从 感染者 这一类别，转移到不会传播病毒的 移出者 类别。
这个行为能够 降低 疾病传染给易感者的机率， 缩小 疫情的规模。

所以 你的每一次“ 自我隔离 ”，就是对防疫的重大贡献 。

别低估了自己的力量，你正在修正这个数学模型。

疫情是继续扩散还是消失，很大程度上取决于 R₀这个基本再生数 。

如果疾病的 R₀小于1 ，每位感染者平均将该疾病传染少于一个其他个体时，那么该 疾病将迅速消失 ，疫情无法继续蔓延。而如果 R₀大于1 ，那么 疫情将指数增长 。

S-I-R模型教导人类要去 控制R₀这个基本再生数 。

但如何去控制R₀这个指标？

R₀到底最终成长为破坏性的“ 魔丸 ”还是乖乖宝“ 灵珠 ”？取决于两大原因。

一是 病毒本身 ：

❶病毒的 单独存活时间 ；

❷病毒的 传播方式 ；

❸病毒的 潜伏天数 ；

❹病毒 复发能力 。

二是病毒所在的 社会特点 ：

❶ 总人口和人口密度 ；

❷ 交通节点，国际化程度，外来人口比例 ；

❸ 城市管理能力、人口素质和公共卫生系统 ；

❹ 城市应急反应能力 如信息的传递和接收、避免高危人群聚集、降低医疗系统交叉感染、医疗物资的及时供应。

很明显，COVID-19这个病毒非常的狡猾，它进化出 几乎完美的传播模式 。

它在空气中和器物表面存活时间1天到3天 ； 潜伏期长达2个星期以上 ； 潜伏期还可以传染 ； 部分患者有可能重新发作 。

这些特点综合起来导致 COVID-19传染系数是2.6 ，这是非常可怕的指数增长。

病毒的特性（第一点） 人类没有办法进行控制，只能交给 科学家去对付 。

但 病毒所在的社会（第二点 ） ，也就是它生长的土壤，却是每一个人构成的，这是 我们自己可以控制 的。

纵观全球， 风险指数极高 ， 欧美疫情处于爆发期 ，该如何管制好病毒生长土壤，管控全球化风险社会，是 控制疫情 最重要的举措，需要认真思考。

全球化之双刃剑，

人类进入高风险社会

人类迁徙到哪里，传染病就传播到哪里。

古代的鼠疫，当代的艾滋，现在的COVID-19都随着人类的脚步传遍世界。

人类社会的全球化是一柄双刃剑。

全球化导致人类活动范围空前扩大，与此同时， 风险指数也越来越高 。

主要有5种巨大风险：

❶ 高科技风险 ：核污染、核战争、基因编辑造成的基因库污染。

❷ 环境污染和生态紊乱 ：空气、水污染跨国界传播，极端气候全球同时涌现。

❸ 传染病 ：艾滋、非典、中东呼吸综合征、日本脑炎、非洲埃博拉、COVID-19取代了古代的麻风、天花、鼠疫，发病频率增大、病菌种类增多、变异速度加快。

❹ 经济危机 ：经济大国的经济出现问题，全球金融市场都会紊乱甚至崩溃，失业波及全球。

❺ 难民危机和族群冲突 ：人口流动性增大，价值多元化，因为战争或移民引发的族群冲突此起彼伏。

这些统统都是 跨国界的人造风险 ，这五种风险随时又产生 连锁反应 。

现在的COVID-19疫情，就有可能导致 经济危机 ，甚至不可预测的 种族冲突 。

对比古代，主要是自然风险；全球化时代， 人为因素 越来越大。
它们有4个特点：

❶ 抽象化 ：难以通过日常感觉捕捉到，需要专业知识进行认知分析和推理。

❷ 延时性 ：风险蔓延时间相当长，难以把控全部后果，无法预测结束时间。

❸ 无国界 ：本地的小风险很容易因为蝴蝶效应扩散成全球危机。

❹ 复杂化 ：单一化的危机，扩散到全球后，引发多元的次生灾害和危机并发。

在古代，一只 亚马逊热带雨林 中的 蝴蝶扇翅膀 ，两周后在美国得克萨斯 引发 一场龙卷风 ，这可能只是 混沌定理 的一种形象比喻。

而今天，一只 滇南古窟里的蝙蝠 偷袭了一只小猪，两周后在 华尔街金融市场 引发万亿震荡，这 不再只是一种毫无理由的猜测 。

全球化的风险时代，人的行为的实际后果往往超出当事人的想象力。

COVID-19造成的全球传染已经产生许多 并发症 ，正在互相作用：

❶ 经济金融贸 易受到严重打击，恢复时间漫长。

❷粮食危机加重，一些国家减少粮食出口，缺粮国家可能爆发 饥荒 ，饥荒又引发 难民危机 。

❸处理疫情不利的 国家内部 ，可能发生 动荡 ；国际疫情防控协作不畅，导致 外交危机 。

❹ 经济危机 和政治危机反过来继续削弱疫情防控能力 。

貌似繁华似锦，其实处处危机。

看似飞速发展，其实步步惊心。

为什么会这样？因为 人类社会已经是一个极其复杂的混沌系统 。

复杂系统的“均衡博弈”

为什么行为后果远超出当事人的意图和预测？

因为 风险社会 本质是一个“ 类混沌 ”的 复杂系统 。

复杂系统涵盖几乎所有人类现象和自然现象 ，从金融、产业链、互联网、人际关系网，到细胞结构、脑神经网络、生命、生态系统、地球气候、星系团。系统内的元素之间的网络连接错综复杂，形成4种基本的网结方式： 规则网、小世界网、随机网、无标度网 。

马太效应和二八定律背后的无标度网

这个复杂系统至少有5个特点：

❶ 自发演化出有序化的均衡结构 。

❷ 自由度数量多 ，不同维度、层次因素非线性叠加后，涌现出新模型。

❸ 内部网络结构错综复杂 ，不确定因素非常多，难以把控。

❹ 存在少数关键节点 ，它的微扰会引起系统性涨落甚至彻底崩溃。

❺ 渐变和突变交替进行，系统演化会突然分叉 。

复杂系统

复杂系统不同于经典力学的线性因果结构，它是 立体镶嵌结构 ，结果和原因的位置经常互相纠缠、颠倒、循环，形成一种 拓扑混沌 。

系统的复杂均衡看起来像“ 造物主 ”设计而成，实际上由 基本元素自发协作产生， 人造的复杂系统不能自我繁殖和生长。

人工设计

社会是复杂系统的典型。面对复杂社会，人类存在三种治理共识：

❶ 计划 主 义-完全的中心化

以计划之手代替市场之手 ，强化个人英雄主义，把复杂社会的结构 单一化 。这种社 缺乏弹性 ，只要第一波打击的强度超过它的临界点，它就会崩溃。

❷ 无政府主义-完全的去中心化

把复杂社会完全 流动化、碎片化 ，只有很小的控制。这种社会像粘液，整体强度不够，容易征服和分解，但 不容易消灭 ，因为它每一个小块的生存能力很高。

❸ 法治-中心化和去中心化的均衡

法治主义综合两者的优点，避免两者的缺点，它用抽象规则整合复杂网络，同时鼓励内部多样化团体的生长和发育。 这种社会整体上像金刚石，非常硬；内部又像水，流动性、灵活性非常高，资源优化能力强。 现代法治国家能够取得社会自发生长和控制之间的平衡 。

任何一个良序运转的社会都是 人工自觉设计的组织和自发协调的市场之间的均衡 ，如果一般均衡被扭曲，就会产生“ 有组织的不负责任 ”现象，社会问题必然高发。

风险社会的典型案例：武汉

全球化时代来临之后，

越是 新崛起的城市 越高风险，

越是 人口集中的城市 越高风险，

越是 交通节点的城市 越高风险，

越是 淡漠公共卫生的城市 越高风险，

越是 缺乏现代治理经验的城市 越高风险。

武汉作为国内发展最快的城市之一，具备以上特点。

为什么COVID-19疫情在武汉如此严重？需要好好 分析与复盘 ，为全世界所有城市治理提供借鉴。

先说一个特殊存在，也就是全球存在的 野味市场。
不仅仅是中国， 印尼，缅甸，老挝 的野味市场规模也不小 。

虽然现在不能确定病毒最初源头来自哪里，但 野味交易市场的存在，就是对城市的威胁 ：不同种类的野生动物一年四季不断地集中在一个小小空间，这几乎是 天然的病毒进化实验室 。不管最终的调查结果如何，城市对野味市场一定要严加控制。

COVID-19与SARS最相似

可以摸拟一下现实情境，COVID-19病毒的祖先可能是从原始森林某只蝙蝠身上带来，一开始传染能力弱，并不传染人，但在 野味市场 千奇百怪的动物免疫系统的刺激下 ，病毒向各个方向 进化 ，借助中间宿主，一个分支逐渐 适应人体 ， 最终变异出可以攻击人体肺细胞的表面蛋白ACE2， 这是非常有可能的。

COVID-19与其它病毒的亲缘距离

全世界可能很多地方存在这个病毒，但为什么武汉成为受害者呢？

这与 武汉 这个城市有关，作为一个上 千万人口 的复杂系统，各种关系纠缠在一起，成为风险指数极高的社会，很 容易被病毒攻克 ，我们从以下核心系统来研究下这个“ 样本 ”：

❶ 决策系统

病毒传播被初期， 决策过程 缺乏医学素养和流行病学意识，忽视病毒威力，轻视一线医生的预警，高估现代医学面对病毒的快速反应能力。

❷ 法律系统

野味市场 这块天然的高密度病毒实验室存在这么久，法律的警惕性非常薄弱。

❸ 社会组织系统

社会自组织薄弱 ，缺乏大量多样化社会团体的协作，封城期间只依靠 单一化官方组织 ，很多问题解决不了。

❹ 学术系统

有研究和鉴别能力的专家保持沉默 ，专业意见没有得到重视，百姓听不到专业声音。

❺ 信息系统

本地信息体系缺乏独立性 ，一直为错误信息摇旗呐喊，导致结果愈演愈烈。

…………

整个城市只有 少数人在思考、在负责 ， 关键信息节点不能透明公开，社会缺乏自行行动的能力，城市各个子系统问题重叠起来， 很容易引发了危机。

社会非常像人体内的器官组织，人体均衡运行 既需要大脑神经的强力控制，更需要极其多样化的器官 ，彼此自发竞争和协作。

以上的分析，同样适用于 88年上海30万甲肝感染 、 03年珠三角佛山开始的非典 。

武汉只是一个样本，全世界所有城市， 如果社会的一般均衡系统发育扭曲，就有较高概率发生各种灾难 。

越复杂，越脆弱。城市越大，越脆弱。

海恩法则 通过统计告诉我们，一次严重灾难的背后，早就发生过至少 1329次轻微征兆 ，只是人们没有及时消除隐患，才酿成大祸。

永恒悖论：

现代社会的“安全-控制均衡模型”

你越想要 安全 ，那你越想 控制更多 。

但你 控制得越多 ，系统就 越脆弱 。

系统 越是脆弱 ，社会 越不安全 。

这是一个古代的“ 独裁者悖论 ”。

为了安全，城市管理者想法设法去控制社会的 细节运转 。

但天底下没有免费午餐，凡事皆有代价， 安全控制下的社会体系缺乏自我训练 ，就像一个被家长看大的孩子， 没有自我修复能力，社会会周期性崩溃。

社会在控制和安全之间，存在一个 互相试探、博弈 形成的均衡。

安全的可能性边界曲线

任何组织的规模增长，都会伴随着 内部摩擦成本 的增长，随着组织规模扩大， 控制的边际成本 也加速提高，当组织趋近于 控制社会所有资源 时， 边际成本也趋于无穷大 。全盘计划崩溃的原因也在于此。

边际均衡模型

模型告诉我们， 控制是有代价的 ，控制强度一旦超过最优点， 控制本身会反噬安全 ，原因在于：

❶什么都想控制，会导致 分不清事项的轻重缓急 。

❷控制权力增大后，会吸引投机者进入中心， 扰乱中心节点运转 。

❸控制本身会 压制被控制对象的活力 ，使得受控节点缺乏解决问题的能力。

❹ 控制对象会彻底虚化 ，放射虚假信息，层层累积之后，控制中心得到的反而是 混乱信息 。

❺控制程序有 自发的膨胀趋势 ，反噬控制程序的效率本身。

长此以往，强控制的效率会很差，应付危机的能力也会下降，直到强控制崩溃，就好像 坚硬的金属总会疲劳崩断 。

“超级智能”可以彻底控制社会风险吗？

人类是安全控制中最大的弱点。

如果引入 超级智能 （ 大数据、超级计算机、人工智能、深度学习的合体 ），引入一个AI 作为领袖，我们可以从一开始就控制住COVID-19病毒吗？

这仍然是 幻想 ，大数据并不能实现中心化的持久安全，原因是：

❶大数据和超算所使用的数，基本是 有理数 ，有理数天生适合预测。然而 连续统定理证明 ，在两个有理数之间存在无穷多无理数， 人的行为、自然界包含着许多无理数 ，如增长现象涉及的自然增长倍数e，周期循环现象涉及的圆周率π，混沌现象涉及的混沌数δ，黄金分割数Ω。

欧拉公式统一了增长现象和周期现象

❷大数据需要一个前提： 准确的数据 。然而数据的产生是个体自发抉择形成的，自愿的行为才会产生准确的数据。 大数据监控本身会扭曲初始数据的真实性 ，来自不同方向的扭曲数据反馈到系统中心线性叠加之后，数据偏离真实情况更厉害。

❸计算机大量应用和运行， 本身制造的天量数据永远跑在超算的计算能力前面 ，熵+永远大于熵-，这就像粒子速度不可能大于光速。

❹计算机、人工智能背后的程序基础是 二进制 ，非此即彼，确定无疑。然而人的行为却不是非此即彼的二元选择， 人是矛盾的 ，经常会做出自己也理解不了的行为。

❺二进制基础上的软件，遵循的是 线性运算 。把非线性问题局部简化成线性，本质都是近似运算。不管线性运算如何线性叠加， 它仍然无法模拟复杂系统的非线性本质 。

❻设计大数据、深度学习的软件的是人， 设计者会在程序参数和权重上加上自己的偏好 。

二进制、程序、大数据本身是人创新的结果 ，它们无法超出 人的理性 ，而人的理性无法超出 自然规律 。线性思维假定时空是 均匀变化 的，忽视 时空存在涨落 ， 在逻辑上存在着非逻辑的跳跃 ：

时空涨落

❶ 从局部预测全体的合成谬误

程序往往是从局部性质开始，经过统计预测全体行为，然后通过 贝叶斯动态修正 。然而，局部元素的性质与整体的性质只是 部分重合 ，整体会丧失一些元素性质，出现一些元素不具有的性质，这 一减一增 过程，正是大自然创造力的奥秘，而贝叶斯动态修正仍然是 被动等待整体涌现的新信息，并不能预测真正的变化 。

❷从过去预测未来的时间谬误

大数据收集的数据都是 已经发生的事件信息 ，然后去预测未来变化，这是有 局限性 的。如果过去有的未来一定有，过去没有的未来一定没有， 宇宙只会保持一片混沌 ，不会涌现复杂的分子、生命、星系；数学和计算机也不应该在人类社会无中生有。

凡是可以预测的变化，都不是变化。 局部和整体之间有一减一增过程，过去和未来之间有消失和创生的过程。过程里的不确定性，是事物的内禀属性，线性数学是处理不了的。当然， 这不是否认数学的应用，而是认清数学的能力：给定条件下找出最优解 。

所以，就算我们找到一位“超算”作为君王，也不能控制住COVID-19病毒。

黑客帝国建筑师

远离疫情，

寻找社会安全运行的 “计算公式”

是的，虽然我们 竭尽全力 。

可是，复杂的人类社会仍然漏洞百出。

就算 求助于AI ，但人工智能是线性思维， 不能彻底清除不确定性 。

那我们到底如何应对复杂的风险社会呢，如何应对可能二次爆发的疫情？

首先必须要接受，无论 人如何努力 ，数学如何超越，超算如何强大，绝对安全永远实现不了。

应对不确定性的唯一思路，是 压缩、分散不确定性，以小规模、小概率的形式 广泛分布在社会各个体和团体身上， 收益和风险对等捆绑在每个人身上 ，自身负责。虽然时不时会出现一些小小的事故，但 不会演变成大型灾难 。

在应对这些频繁发生的小事故中，除了要求我们每个人时刻做到“ 自我隔离 ”外，具体的建议遵循以下公式：

i表示数量

从正向看，可以把它视为 社会安全运行公式 。
激励公式中的每个要素，最大可能保证系统的安全。
从逆向看，可以将它视为 疫情二次爆发计算公式 。
没有对这些要素进行有效治理，可能再次引发灾难。

风险是复杂系统的内禀属性，而且风险总是内禀地趋于爆发。 复杂系统本身都有退化和熵增的绝对趋势 ，总是自发地趋于混乱和无序，非人力能根除。 这是人的永恒悲剧，在重建系统和系统老化之后崩溃两个极端之间轮回，永无休止。

作为个体，我们唯一能做的，就是 成为熵-的那部分 ，而不是成为 熵+ 的那部分。

别大意，疫情这个时候最值得警惕

弱小和无知不是生存最大的障碍，傲慢才是！