--- author: 北美王路飞 date: '2026-01-10' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=gbHlvR9SxZ4 speaker: 北美王路飞 tags: - thresholds - feedback-loops - systemic-risk - social-dynamics - agent-based-modeling title: 阈值模型：揭示社会现象背后的系统性逻辑与个体选择 summary: 本内容深入探讨了‘阈值模型’，解释了为何微观层面的个体善意和理性选择，在宏观层面可能导致意想不到的负面结果，如社会隔离和市场崩盘。通过分析正反馈与负反馈机制、个体行为的分布而非平均值，以及系统同质化的风险，揭示了理解复杂社会现象和金融市场波动的底层逻辑，并强调了多样性在系统稳定中的关键作用以及个体在集体狂热中做出理性负反馈选择的重要性。 insight: '' draft: true series: '' category: ai-ml area: tech-engineering project: [] people: [] companies_orgs: - Airbnb products_models: - Investment Portfolio Insurance Strategy - High-Frequency Trading Algorithms - Schelling Model media_books: [] status: evergreen --- ### 微观善意与宏观隔离的悖论 想象一下，一个城市里的居民，我们都认为他们是好人：温和、理性、宽容，并且发自内心地反对种族歧视。他们对邻居的要求极低，只要周围有30%的人与自己相似就感到满足。这听起来非常合理，没有人要求将“异类”赶尽杀绝，大家仅仅需要一点点归属感。然而，当你将成千上万这样宽容的人聚集在一起，并赋予他们自由迁徙的权利时，你会得到一个完全融合的乌托邦吗？数学模型告诉我们，答案是错误的，你得到的是完全的隔离。即使每个人内心都怀揣着宽容，但宏观的结果却如同冰冷的种族隔离制度。为什么微观的善意会导致宏观的灾难？这就是我们今天要分享的模型所要揭示的核心问题。 将视角从虚拟城市拉回到现实街头，我们经常听到这样的新闻：一场本应和平的集会突然演变成打砸抢；一个本应火爆的产品突然无人问津。这时，专家们会分析说这是因为民众愤怒了，或是某人极具号召力。然而，社会学家**马克·格兰诺维特 (Mark Granovetter)** 会告诉你，你可能看错了重点。无论推翻暴君、足球流氓的破坏行为，还是你决定是否购买被疯抢的股票，其背后的机制与你内心如何想关系不大。它取决于一个你看不见、却能控制你所有行动的数字——在模型思维中，这被称为**阈值 (threshold)**。简单来说，它就是你行动的开关。对于购买大衣的人来说，阈值可能是价格，低于100元就买；而对于社会行为，这个阈值则是“我需要先看到有多少人这样做，我才会跟着做”。 这就很有意思了。如果你是一个激进分子，你的阈值可能是0，这意味着即使没有人带头，你也会第一个冲上去。但如果你稍微谨慎一点，你的阈值可能是99，这意味着如果有99个人在闹，你可能会站在路边看热闹，但只要看到第100个人加入，你也会立刻捡起砖头加入。这个模型冷酷之处在于，它不关心正义或道德，只关心那个数字。而这些数字在人群中的排列组合，会欺骗我们的大脑。 举个例子，假设有两个1000人的群体。群体A中的每个人都很愤怒，他们的阈值都是10，也就是说，只要有10个人带头，剩下所有人都会立即加入。听起来很危险，但结果是，什么都不会发生。因为在这个群体中找不到那个阈值为0的带头大哥，所有人都等着别人先行动，结果就没有人动。再看群体B，这个群体其实比A温和得多，但绝大多数人都是骑墙派，甚至最后一个人的阈值高达999。这里的平均人**阈值 (threshold)** 高达500。但其中有一个人的阈值是0，一个人的阈值是1，一个人的阈值是2。于是神奇的事情发生了：0号冲了出去，因为他先动了，满足了1号的条件；1号也动了，他们加起来满足了2号的条件。这就像多米诺骨牌一样，这群平均看起来更温和的人，最后却发生了全员暴乱。所以，当你预测一个事情会不会发生时，不要只看平均值，**分布 (distribution)** 才是决定生死的关键。 ### 阈值模型：驱动行为的隐形数字 这就是我们今天要讲的**带反馈的阈值模型**。它不再把人看成一个群体，而是看成一个个独立的**个体 (agent)**。它让我们看到，为什么即使是最宽容的人，也会被迫制造出种族隔离；为什么像Airbnb这样的公司，必须同时制造两场“暴乱”才能活下来；以及我们每个人，作为微小的个体，是如何在毫不知情的情况下，共同合谋了1987年的股市大崩盘。这不是关于坏人作恶的故事，而是关于系统如何劫持意志的故事。 这套理论不只是用来分析暴乱，它其实是每一家平台型公司的生死符。想象一下，你要做一个滴滴打车或Airbnb，你需要司机，同时也需要乘客。这听起来是废话，但从模型的角度看，这是一个几乎无解的死局。如果没有乘客，就没有司机愿意注册，因为赚不到钱；如果没有司机，就没有乘客愿意打开APP，因为打不到车。在硅谷，这叫做“鸡生蛋，蛋生鸡”的问题，但在模型思维里，这叫做**双重暴乱 (double riot)**。你不能只引起一场暴乱，你必须在同一时间内，让买家和卖家这两个群体同时突破他们的行动阈值。如果一边火了，另一边没跟上，那么火很快会熄灭。 当年Airbnb就差点死在这个逻辑里头。他们发布了两次，失败了两次。当年Airbnb发现，房东的**阈值 (threshold)** 实在太高了：上传房子太麻烦，还要拍照写描述，而且当时根本没有租客，谁愿意费这个劲？按照模型预测，Airbnb必死无疑。于是，两个创始人做了一件完全不可规模化的事情：他们飞到纽约，亲自去敲开房东的门，帮他们收拾房间，帮他们拍出杂志上才能见到的精美照片。这一招人为地降低了房东的参与门槛，房东这边的“暴乱”被人工点燃了。漂亮房子多了，租客的**阈值 (threshold)** 也被突破了，租客开始涌入。租客多了之后，更多房东又被吸引进来，正反馈循环终于启动了。这在模型思维中，有个专门的术语叫做“尾巴摇狗”。他们通过制造供给端的假象，最终引爆了需求端的真相。 ### 正反馈：催生隔离与平台增长的动力 但别高兴太早，正反馈能够建立帝国，也能够撕裂社会。现在，让我们离开商场，去参加一场由诺贝尔奖得主**托马斯·谢林 (Thomas Schelling)** 所举办的虚拟派对。规则很简单：有两个房间，每个人都是宽容的，但不介意混居。他们心里的**阈值 (threshold)** 是：只要这个房间里有1/3的人是“自己人”，我就待着不动。如果少于这个数，我就觉得自己是少数派，感到不舒服，然后就会搬到另一个房间去。这其实是一个非常低的门槛，没有人要求100%的纯洁性。 然后你看左边这个房间，假设这里有3个蓝人，5个黄人，比例不错，大家都相安无事。突然，一个蓝人因为想去拿点吃的，随机走到了右边房间。只是这一个随机的扰动，但灾难就从这杯酒开始。第一个人的离开改变了房间的构成比例，这导致第二个原本还能忍受的人突破了他的**阈值 (threshold)**，他也走了。他的离开又进一步恶化了环境，逼走了第三个人。这是一场没有种族主义的种族隔离，这是一场没有总指挥的大撤退。最讽刺的是，越是那些对环境敏感、稍微有点不舒服就想动的人，越是加速了整个系统的崩溃。到最后，尽管每个人都只想要30%的同伴，系统却自动把所有人都变成了100%的纯色方阵。这就是谢林模型最冷酷的预言：宏观的现象隔离，并不需要微观的动机歧视来解释。只要有**阈值 (threshold)**，只要有**正反馈 (positive feedback)**，系统就会自动滑向那个极端的终点。 ### 负反馈与多样性：系统的稳定基石 这就完了吗？我们生活的世界如果全是这种正反馈，那人类早就灭亡了。幸运的是，我们还有另一种力量。如果说暴乱模型统治一切，那么每一次股市下跌都会归零，每一次感冒发烧都会把人烧死。但为什么没有发生呢？因为系统里还有另一种机制，叫做**负反馈 (negative feedback)**。你可以把它想象成一种纠错机制：当温度太高时，身体就会出汗开始降温；某个慈善机构的钱太多，大家就会把钱捐给其他机构；当股票跌得太惨时，就会有一些贪婪的人进去抄底。这就是“乒乓模型”：左边多了就往右边打，右边多了就往左边打。 但是，这就安全了吗？如果这个拍子挥得太慢、太快，或者所有球拍都决定在同一秒钟挥舞，那就不再是纠错，那就会重演1987年10月19日那个万劫不复的灾难。在前面说到这个乒乓模型里头，我们发现了一个拯救世界的秘密：如果每一个负责纠错的人都拥有完全一样的**阈值 (threshold)**，比如说只要体温超过37度就立刻降温，那么你的身体会在发高烧和低温症之间疯狂摆动，直到死亡。系统之所以能够稳定，是因为我们每个人都不一样。有些人跌5%的时候抄底，有些人跌10%抄底，还有些多头要跌到50%才出手。这种**多样性 (diversity)** 把剧烈的震荡抹平了，变成了温和的波动。**多样性 (diversity)** 就是这个系统的减震器。 ### 同质化风险：算法共振下的市场崩盘 但是，如果有一天这种**多样性 (diversity)** 突然消失了呢？如果有一天，市场上几千个大脑突然被格式化成同一个大脑呢？那天真的存在——1987年10月19日，黑色星期一。道琼斯指数一天之内跌去了22%。当时经济并没有崩溃，也没有发生什么世界大战，为什么市场会突然“自杀”？事后分析发现，那个年代流行着一种叫做**投资组合保险策略 (Investment Portfolio Insurance Strategy)** 的策略。这个名字听起来很安全，它本质上就是一种自动化的止损机器。规则非常简单、极其粗暴：如果价格下跌，就卖出股票来止损。这本来是一个好策略，但问题就是，那一周有太多机构都采用了同一种策略，他们把原本千差万别的交易者变成了同质化的克隆人。于是，最恐怖的**正反馈 (positive feedback)** 开始了。 这就是我们开头所说的那个暴乱模型，只不过这一次在华尔街。当第一家机构因为微跌抛售时，价格被砸得更低。这更低的价格又瞬间击穿了第二家、第三家、第100家的**阈值 (threshold)**。如果是平时，有些捡便宜的人（也就是**负反馈 (negative feedback)**）会冲进来买。但那一天，因为投资组合保险太流行了，市场上只有想卖的人，没有想买的人，**负反馈 (negative feedback)** 消失了。仅仅有一家机构，在那一天机械性地抛出了超过10亿元的股票。这不是恐慌，这是算法的共振。这些机构就像旅鼠一样，排成整齐的队形。虽然每个角色都看着符合避险的理性，但合在一起，他们制造了完美的毁灭。 你以为这是40年前的老黄历吗？不是的。这种幽灵离我们现在更近。2010年5月6日闪崩，道琼斯指数在几分钟之内自由落体，瞬间蒸发了万亿美元市值，又在20分钟之内奇迹般地收回。这一次，连人类的反应时间都没有了。这是**高频交易 (high-frequency trading)** 算法之间的战争。起因是一个大卖家抛售了40亿美元的期货，但在毫秒级的世界里，算法们探测到这个趋势。于是，暴乱模型里那些激进分子——算法不仅没有通过低吸来稳定市场，反而立刻加入了抛售大军，试图顺势收割。市场瞬间变得有毒，买家全部“拔网线”跑路，直到20分钟后，那些反应迟钝的人类价值投资者才反应过来：“天呐，股票太便宜了！”**负反馈 (negative feedback)** 终于进场，市场才被救了回来。 ### 新视角：理解世界的长尾与个体选择 如果你问我，这两个灾难中学到了什么？那就是，在这个算法越来越同质化的世界里，我们比任何时候都更加脆弱。现在，我们回到了本期最核心的问题：我们将如何看待这个世界？传统经济学家喜欢看宏观变量，比如失业率、GDP、平均价格，就像在云端俯瞰森林。但是，斯科特·佩奇看来，这种视角太粗糙了。如果我们想理解为什么城市会隔离，为什么股市会崩盘，为什么某些产品会突然爆发，我们必须调高显微镜的颗粒度。我们要看到具体的人，看到他们的**阈值 (threshold)**，看到他们的**多样性分布 (distribution)**。 因为在临界点附近，决定历史走向的往往不是那个巨大的平均值，而是那个处于边缘的、微不足道的长尾。是那少数最激进的几个人点燃了暴乱，是那几个最敏感的邻居引发了搬家潮，是那些写进同样代码的算法制造了崩盘。模型不是水晶球，它不会精准预测未来，但它是一副眼镜，让我们看清了这混乱背后的秩序。它告诉我们，我们生活在一个充满**正反馈 (positive feedback)** 的危险世界里：情绪、偏见、算法都在不断放大我们的一举一动。但作为个体，我们也许无法改变系统的规则，但至少，当我们意识到周围的人在疯狂地奔向同一个出口时，你或许可以停下来，检查一下你心里那个**阈值 (threshold)**，不要做那个盲目跟随的第100人。在这个集体狂热中，试着做一点点理性的**负反馈 (negative feedback)**。因为有时候，拯救这艘大船的，可能就是那个唯一决定不跑的人。