主页 模型库 竞赛 学习中心 工具箱 论文库 前沿 建模空间 AI建模
学习中心 探索专题 元胞自动机与自主体模型 社会自主体模型

本页实验台

  1. 谢林隔离模型
  2. 有界信任的意见动力学
  3. 财富分配
  4. 少数者博弈
LAB 01

谢林隔离模型

把容忍度从 30% 调到 70%,看隔离指数怎么跳

问题
一座城市里不同族群高度分隔,是不是意味着大多数人都有强烈的排外倾向?谢林 1971 年给出的答案让人不舒服:即使每个人都只要求"周围别太少同类",整座城市也会自发分隔。
模型
每个个体有一个容忍阈值 τ,同类邻居比例低于 τ 就搬家。
满意 ⟺ (同类邻居数) ⁄ (邻居总数) ≥ τ,  不满意就随机迁到一个空格
τ 是容忍度。隔离指数用同类邻居比例的平均值衡量。τ=0.3 这样很温和的偏好,就能把隔离指数推到 0.7 以上。
当前隔离指数—
初始隔离指数—
搬了几轮—
这一轮有多少人想搬—
这是社会科学里最著名的一个反直觉结果,值得慢慢看。规则只有一条:如果你周围同类邻居的比例低于容忍度,你就搬到一个随机空位。初始时两种人完全随机混住,隔离指数 0.50——也就是平均每个人的邻居里刚好一半同类,这是完全融合的状态。把容忍度设成 30%,按播放。注意 30% 是一个非常温和的要求:它意味着每个人都愿意在一个自己是少数派(只占三成)的社区里生活。按任何标准这都称不上偏见。可是跑十几轮之后,隔离指数稳定在 0.755。没有人要求隔离,城市却隔离了。把容忍度提到 45%("我希望邻居里一半是同类"),隔离指数升到 0.866;提到 55%,升到 0.947——几乎完全隔离。反过来降到 25%("三个邻居里有一个同类就行"),隔离指数只到 0.574,基本还是混居的。25% 和 30% 之间,就是这个模型的相变点。谢林这个模型的意义不在于"证明了偏见有害",而在于它说明了另一件更难对付的事:宏观上极端的隔离,不需要微观上极端的偏见。所以看到一个隔离的城市,你不能反推出居民有强烈的种族偏好;同样,要消除隔离,光劝人"别那么挑"可能远远不够——因为把容忍度从 30% 降到 25% 这一小步,恰好跨过了相变点。
LAB 02

有界信任的意见动力学

只和观点接近的人交流:社会是收敛成一派还是裂成几派

问题
社交媒体上人们只和观点接近的人交流。这种"有界信任"最后会让社会收敛成一派,还是裂成互不往来的几块?答案取决于一个参数,而且转变是突然的。
模型
Deffuant 有界信任模型:随机挑一对,观点差小于阈值才互相靠拢。
|xi − xj| < ε  ⟹  xi ← xi + μ(xj − xi),  xj ← xj + μ(xi − xj)
ε 是信任半径,μ 是收敛速度。最终意见团块的个数大致是 ⌊1/(2ε)⌋——ε 一过 0.27 左右,整个社会就塌成一派。
最后形成几个派别—
理论预测 ⌊1/(2ε)⌋—
最大派别占人口—
最极端两人的观点差—
规则只有一条:随机挑两个人,如果他们的观点相差小于 ε 就互相靠近一点,否则什么也不发生。这条规则里没有任何"拉帮结派"的成分,每个人都只是在和观点接近的人交流——这甚至算不上偏见,只是"话不投机半句多"。结果却是社会裂成了几块。ε=0.05 时形成 9 个派别,ε=0.1 时 4 个,ε=0.2 时 2 个,ε=0.35 以上只剩 1 个。这个数几乎精确地等于 ⌊1/(2ε)⌋——因为每个派别要"吃掉"宽度约 2ε 的观点区间,而观点总共只有 0 到 1 这么宽。注意轨迹图上的形状:一开始所有人的观点均匀铺满 0 到 1,很快分成几束,束与束之间彻底断开,之后再也没有任何交流——因为跨束的两个人观点差已经超过 ε,连"能对话"的资格都没有了。这个模型对信息环境有一个很直接的含义:决定社会是收敛还是分裂的,不是人们有多固执,而是 ε 有多大——也就是"你愿意认真听多不一样的观点"。任何把 ε 变小的机制(只推荐你爱看的、只显示同温层的),都会机械地增加最终派别的数量。而且这个过程是不可逆的:一旦分开超过 ε,就再也合不回去了。
LAB 03

财富分配

人人机会均等的随机交易,为什么最后还是长出一条长尾

问题
假设每个人起点一样、每次交易输赢完全公平,长期下来财富会保持平均吗?不会。这一台展示一个让人不安的结果:纯粹的随机性本身就足以造出一条长尾。
模型
动理学交换模型:随机配对,把两人财富汇总后按随机比例重分。
(wi′, wj′) = ( ε(wi+wj), (1−ε)(wi+wj) ),  ε ~ U(0,1)
稳态财富分布是指数分布(玻尔兹曼-吉布斯形),基尼系数恰好收敛到 0.5。加入"储蓄率"参数可以把分布拉回更均匀。
基尼系数—
最富的 10% 占有—
最穷的 50% 占有—
最富的人是平均值的几倍—
所有人起点完全相同(每人 100),每次交易双方机会完全均等,没有任何人有优势。第一种规则:两人把钱合起来,随机切一刀分掉。跑三十万次之后,基尼系数是 0.4990,最富的 10% 占 32%,最穷的一半只占 12%,财富分布精确地是一条指数曲线。基尼 0.5 不是巧合——指数分布的基尼系数恰好等于 0.5,不管你跑多少次、有多少人,都收敛到这个数。这就是统计物理里的玻尔兹曼分布:在"总量守恒 + 随机再分配"的约束下,这是熵最大的那个分布。换句话说,纯粹的运气本身就能产生 0.5 的基尼系数。(作为参照:现实中多数发达国家的税前基尼在 0.4–0.5 之间。)现在换第二种规则:按比例对赌。每次双方拿出较穷一方财富的四分之一,抛硬币决定输赢——这依然是公平的,期望收益为 0。结果基尼系数冲到 0.9645,最富的 10% 占 99.4%,最富的人是平均值的 69 倍。同样是公平的赌局,只因为赌注与财富成比例,财富就会全部凝聚到一个人手里。原因是乘性过程:一涨一跌之后你不会回到原点(1.25×0.75=0.9375),这正是前面随机游走那一页里说的波动率拖累。第三种规则加了税:10% 的税率把基尼从 0.499 压到 0.414,30% 压到 0.336。这一页不想给出任何政策结论,只想指出一件容易被忽略的事:观察到财富高度集中,并不能推断出"有人作弊"或"能力差距很大"。运气加上乘性的交易结构,足以解释很大一部分。
LAB 04

少数者博弈

所有人都想站在少数派,结果谁也赢不了太久

问题
去哪家餐厅、走哪条路、买哪只股票——很多决策的收益是"和大多数人反着来才赢"。所有人都这么想的时候,会发生什么?这是金融市场最简化的一个模型。
模型
少数者博弈:N 个人各选 0 或 1,人少的那边赢。每人手里有 s 条策略,按历史表现挑当前最好的一条。
赢家 = argmina∈{0,1} Na,  控制参数 α = 2m ⁄ N
m 是记忆长度(看最近 m 轮的结果),N 是人数。σ²/N 在 αc ≈ 0.34 处取极小——这是一个真正的相变:信息太少时大家动作雷同,波动大;信息太多时策略太分散,也浪费。
平均出席人数 / 理想值—
波动的标准差—
σ²/N(随机选择时是 0.25)—
α = 2^m / N—
规则:奇数个人各自选 A 或 B,选的人少的那一边赢。每个人手上有几套策略(把最近 m 轮的输赢历史映射到下一次的选择),每轮用当前得分最高的那套。没有交流,没有合作,每个人都只想赢。衡量集体表现的量是 σ²/N:它是"资源浪费"的度量。如果所有人随机乱选,σ²/N 恰好是 0.25。现在看这条曲线怎么随记忆长度变化(N=101):m=2 时 σ²/N = 1.28,比随机乱选差五倍;m=3 时 0.69,m=4 时 0.139,m=5 时降到 0.0415——比随机好六倍;之后又回升:m=7 时 0.113,m=10 时 0.226,慢慢逼近 0.25。中间那个最低点就是所谓的相变点,出现在 α = 2^m/N ≈ 0.3 附近。这个 U 形有一个很实在的解释。m 太小时,可用的策略太少,大家手上的策略高度重合,于是集体行动趋于一致——过度拥挤,所有人一起猜错。m 太大时,策略空间远大于人数,每个人各玩各的,整体退化成随机。只有在中间,策略足够多样又足够重叠,人群才能自发地把自己分散开。把策略数从 2 加到 8 再看:σ²/N 从 0.04 涨到 2.10。每个人都变聪明了(选择更多),集体却变笨了——这是少数者博弈最刺人的一个结论。

这一页想说的

四个模型,四个"个体理性加不出集体理性"的例子。谢林说明温和的偏好足以造成极端的隔离;有界信任说明肯不肯听不同意见决定了社会分几块;财富交换说明纯运气就能产生 0.5 的基尼,而乘性结构能产生 0.96;少数者博弈说明每个人变聪明可能让整体变笨。这些结论有一个共同的方法论含义:看到一个宏观结果,不要急着去个体身上找对应的原因。

接着看

← 返回模块 ← 返回探索专题