不依赖意义的社会科学：只靠数数和连线

先给一个最容易懂的入口：堵车。

要预测高速公路上会不会形成堵车，你不需要知道任何一辆车要去哪儿、司机今天心情如何、他为什么出门。你只需要两个数：车流密度、和人的反应延迟。密度过了某个临界值，一个人轻点刹车就会向后传成一堵墙——"幽灵堵车"，前面根本没有事故。这是纯粹的组合式机制：它只用到"有多少"和"谁挨着谁"，完全不用"为什么"。

社会科学里真正硬的那部分，全是这个性质。

人口学：命运藏在年龄结构里。 假设从今天起，全世界每对夫妇正好生 2.1 个孩子——刚好替代水平。人口会停止增长吗？不会，还会继续涨五六十年。因为现在处于育龄的人特别多，他们是过去高生育率的产物。这叫人口惯性。反过来也一样：一个国家今天的出生数暴跌，二十年后的劳动力短缺、四十年后的养老金缺口，现在就已经锁死了，任何政策都改不了——因为那些人没被生出来。人口学预测之所以在社会科学里精度独一档，就是因为它算的是"人怎么变老"这件不需要理解人的事。

网络：几个反直觉但纯属数学的事实。

为什么你的朋友总比你朋友多？ 这不是你的错觉，是友谊悖论：随机抽一个人问他朋友数，和随机抽一条友谊关系问其中一端的人朋友数，是两个不同的抽样。社交广的人出现在更多人的朋友名单里，所以你"作为别人的朋友"被采样时，天然更容易碰上社交明星。同一个道理，学生体验到的班级平均比学校统计的班级平均要大——因为大班里装着更多学生。这些完全是计数造成的错觉，但它们真实地塑造了人的自我感受（比如社交媒体上普遍的相对剥夺感）。

为什么工作机会来自不熟的人？ 格兰诺维特的"弱连带优势"：你的密友和你活动圈重叠，他知道的你基本也知道；泛泛之交连着另一个世界，信息增量在那儿。这是拓扑事实，不是人情事实。

为什么疾病和习惯的传播方式不一样？ 传染病只要接触一次就可能中招，所以它沿着"长距离弱连带"跳得飞快。但一个行为习惯（换个新工具、参加一场运动）通常需要看到好几个人都在做才会被采纳。这就要求你的多个邻居互相也是邻居——需要"抱团"的网络结构。所以：信息喜欢稀疏网络，行为喜欢稠密网络。这一条决定了为什么谣言能病毒式扩散而真正的行为改变很难，而它只依赖网络形状。

谢林隔离模型：最震撼的一个。 在棋盘上放两种颜色的棋子，规则只有一条：如果你周围同类少于三成，你就搬家。注意，三成意味着每个人都愿意当少数派，没有任何人是种族主义者。跑一会儿，棋盘完全分成两大块。

这个模型告诉大众的道理是：你不能从结果反推动机。看到一座高度隔离的城市，不代表里面住着一群偏执狂。微弱的个体偏好经过多轮迭代会被放大成极端的宏观格局，中间那个放大器是纯几何的。

为什么这些管用，而"文化""认同""意义"那类解释不管用？

因为在这些模型里，"意义"被压缩成了一个数字——一个阈值（我需要多少同类才留下）、一个速率（多久接触一次）、一个概率。压缩完之后，剩下的全是数学，而数学不会因为你在中国还是巴西而改变。

而语义式的机制不能这么压缩："送礼"在不同关系里可能是贿赂、示好、羞辱或例行公事，同一个动作的因果后果由语境决定，你没法把它塞进一个参数。社会科学的硬核，恰好就是那些"意义可以被压缩成一个数，然后就不用再管它"的地方。

它的边界也必须说清楚：这类模型给你结果的形状，不给你结果的内容。谢林模型告诉你会隔离，不告诉你按什么维度隔离（种族？收入？口音？）——那部分恰恰是语义的。而且阈值本身可能随文化变，也可能因为被公开而变。它们是骨架，不是全身。