导言

几年前，我曾不经意间引发一次小规模传谣。那天，在上班的路上，一位在科技公司工作的朋友发给我一张新闻配图，图上一伙人戴着套头露脸帽，弓身在桌前。我俩之前曾开玩笑说，现在关于电脑黑客的新闻报道里，经常放一些把人刻画得十分邪恶的照片。但这张以网上黑市为主题的配图却更进了一步：除了套头露脸帽，图上还有一堆毒品和一个没穿裤子的男人。这看起来太离奇了，让人无法理解。

我决定把它发到推特上。我说，“这张配图在很多方面与众不同”，并将图中所有的诡异之处都指了出来。网友们很赞同我的看法，几分钟之内便有好几十人转发了我的推文并点“赞”，其中包括几名记者。然而，正当我好奇究竟有多少人会看到这条推文时，有网友指出我犯了一个错误。这压根不是一张新闻配图，而是一部讲述在社交媒体上进行毒品交易的纪录片里的截图。这样看来，我之前觉得诡异的地方就合理多了（除了不穿裤子这点以外）。

我觉得有点儿尴尬，赶紧发了更正帖，大家的兴趣这才渐渐消退。但在这么短的时间里，已经有接近5万人看了我的推文。因为我的工作和分析疾病的暴发有关，我当时便对此事充满了好奇。为什么我的推文会在一开始的时候传播得那么快？更正帖真的降低了原帖的热度吗？如果大家再晚一些发现这个错误的话，将会是怎样的一种情况？

诸如此类的问题在各个领域都会出现。一提到传染，我们通常会想到传染病或者疯传的网络内容。但实际上传染暴发的形式很多，既可能像恶意软件、暴力行为或金融危机那样带来危害，也可能像创新活动或文化那样带来好处。有的暴发是以病原体或电脑病毒等有形的形式出现的，有的则是以抽象的观点和信念的形式出现的。暴发有的时候发展迅速，有的时候则需要较长的时间。有的暴发呈现的模式超乎想象，能引起人们的兴奋、好奇甚至恐惧。那么，为什么各种暴发的发生和消退会表现出不同的模式呢？

第一次世界大战爆发一年半之后，人类遇到了一种新的威胁。当时德军正在法国发动“春季攻势”，而在大西洋的对岸，美国堪萨斯州繁忙的芬斯顿军营（Camp Funston）里却不断有人死去。引发死亡的是一种新型流感病毒，这种病毒很可能是从附近农场的动物传给人的。在1918年和1919年两年里，这场疫情演变成了全球大流行，并导致超过5 000万人死亡，其最终导致的死亡人数则是“一战”死亡人数的两倍。

在接下来的一个世纪里，会出现4次全球性流感大流行。人们不禁要问，下一次的流感暴发会是什么样子？不幸的是，这个问题很难回答，因为之前的几次流感大流行彼此间都略有不同：不仅病毒株不同，而且疫情在有的地方严重一些，在有的地方轻微一些。事实上，我所在的领域有一句名言：“就算你见识过一次全球大暴发，那你也仅仅是了解这一次全球大暴发而已。”

不管是研究疾病传播、网络趋势还是其他事物，我们都面临一个同样的问题：某一次暴发并不一定与其他暴发相同。我们需要找到一种方法来区分特定暴发的特点与驱动传播的基本原理。这种方法要超越简单的解释，揭示暴发模式背后的关键信息。

这便是我写作本书的目的。在本书中，通过研究生活中各个领域事件的传播，我们将找出事件传播的驱动力和暴发模式形成的原因。接着，我们会找出表面上毫不相干的问题之间的联系：从银行危机、枪支暴力、虚假新闻，到疾病演化、阿片类药物成瘾和社会不平等。除了阐释有助于应对疫情暴发的观点外，我们还会涉及一些不同寻常的情景，这些情景正在改变我们对感染、信仰和行为模式的看法。

我们先来看看一场疫情暴发的趋势。当得知新的疫情暴发后，疾病研究人员首先要做的便是画出疫情的流行曲线，以此来呈现病例数量随时间变化的情况。虽然不同疫情的曲线形状不尽相同，但它们通常都会包含4个主要阶段：散发期（spark）、扩散期（growth）、暴发期（peak）、下降期（decline）。在很多案例中，这几个阶段可能会多次出现。以2009年的猪流感为例，疫情于4月到达英国，在初夏迅速发展，并在7月达到峰值。疫情随后继续发展，并在10月下旬再次达到高峰（后续章节会再次提到这个案例）。

虽然疫情有不同的阶段，但我们经常将关注的重点放在散发期上。人们想要了解一场疫情为什么会迅速发展，是如何开始的，责任又在谁。暴发过后，总有人会想出各种解释和说辞，就好像疫情是不可避免的，并且还会以相同的方式再次发生一样。但如果只是将流行病或流行趋势的特点简单地罗列出来，我们并不能对暴发的机制形成全面深入的理解。大多数事物并不会成功经历散发期：每当有一种流感病毒成功从动物传到人身上并引发全球大流行，就有数百万种病毒没能成功感染人类；每一条火爆的推文背后，肯定会有更多的推文被淹没在网络信息的海洋中。

即使真的出现疫情，这也仅仅是开始。我们可以试着画出某场暴发（可以是疾病暴发，也可以是某个新观点的传播）的发展趋势，然后回答以下几个问题：这场暴发的发展速度有多快？为什么会这么快？何时会到达顶峰？只会出现一个顶峰吗？下降期会持续多久？

我们不仅需要评估会不会出现暴发，还需要考虑如何对暴发进行测量和预测。以2014年西非的埃博拉疫情为例，该病从几内亚传到塞拉利昂和利比里亚之后，病例数量急剧上升。我的团队的分析显示，在疫情最严重的地区，发病人数每两周就会增加一倍。这意味着，如果现在有100个病人，14天以后患病人数将超过200人，一个月后将会达到400人。因此，卫生部门需要快速响应：应对疫情花的时间越长，所付出的防控代价就会越大。本质上讲，马上开设一家新的治疗中心的效果与一个月后开四家的效果相同。

有些暴发发展得甚至更快。2017年5月，WannaCry电脑病毒袭击了全球很多计算机，其中包括英国国民医疗服务系统（National Health Service，缩写为NHS）。在该病毒暴发早期，被攻击的计算机的数量几乎每小时增长一倍，最终导致150个国家超过20万台计算机受到影响。其他类型的技术传播则需要更长的时间。20世纪80年代录像机刚流行时，拥有量大约每480天才会翻一倍。

除了速度外，还有规模的问题：较快的传播并不一定能引发大规模的全面暴发。那到底是什么导致“疫情”达到高峰的呢？高峰过后又会怎样？这个问题对金融、政治、技术和医疗等很多行业都有影响。然而，不同的人对暴发可能会持不同的态度。我的研究目标是阻止疾病传播，而我妻子在广告行业工作，她希望尽力将观点和信息传播出去。虽然不同的人的出发点不尽相同，但我们可以借鉴其他领域的观点，帮助我们对不同行业中的传播现象进行衡量和比较。在接下来的章节中，我们会明白为什么金融危机会与性传染病的传播类似，为什么疾病研究人员会轻而易举地预测“冰桶挑战”这类活动的发展趋势，以及根除天花的思路是如何帮助我们减少枪支暴力的。我们还将讨论采用何种策略来减缓疾病的传播或者改善营销的效果。

近年来，我们对传染的理解取得了突飞猛进的发展，而且这种理解并不限于我所在的疾病研究领域。在获取了详细的社交互动数据后，研究者发现了信息是如何获取更强的说服力和可分享性的，为什么像2009年流感这样的全球流行病能够不断传播蔓延，远方朋友之间的小圈子如何帮助或阻碍某些观点迅速传播。同时，我们对谣言的出现和传播也有了更深的了解，知道了为什么有的暴发比其他暴发更难以解释，以及网络算法是如何影响我们的生活，侵入我们的隐私的。

正因为如此，传染病学的很多观念正在帮助我们解决许多其他领域的威胁。例如，各国的中央银行正在利用传染病学方法阻止未来发生金融危机，科技公司也在制作新的防御系统以对抗有害软件。在这一过程中，研究人员对长时间以来人们关于疫情暴发机制的认识发起了挑战。谈到传染，历史告诉我们，我们对传染病传播途径的理解并不总是与现实情况相吻合。比如，在中世纪，人们将疫情的零星暴发归因于星象的影响，“influenza”（流感）这个词在意大利语中便是“影响”的意思。

很多流传很广的疫情解释不断地被科学发现所否定。本书的目的是揭开和传染有关的疑云，告诉大家如何避免被一些简单的传闻所蛊惑，如何避免采取无效的应对方式。虽然科学家在传染领域的研究取得了很多进步，但媒体对暴发的报道仍然非常含糊：一般只会报道某种病有传染性或者某事物正在疯传，但我们很少知道为什么它们的增长势头那么快（或者那么慢），其达到峰值的原因是什么，以及如果再次发生会怎样。不管是对观点和创新的传播感兴趣，还是对控制病毒和遏制暴力感兴趣，我们都需要弄清楚这些东西传播背后的原因是什么。有时候，这意味着重新审视我们目前对传染所持的所有看法。