2014年春天，在一间会议室。窗帘拉上，灯光熄灭，大屏幕上正在播放一段视频，一段鸟群翱翔的视频。
视频放映结束，我开始向听众问问题。
“鸟群的行为很壮观，对吧？一群鸟一起飞翔，看着就如同一个生物体一样。那么作为个体的鸟儿头脑中需要有多少条行为控制的规则，才能让群体完成这样的飞翔方式呢？”
大伙儿一下子来了兴趣。
“500条！”
“你太保守了，我觉得至少得有1000条！”
“不可能，怎么也得5000条以上！”
“我觉得没那么多。”
“不可能再少了！要不你飞个试试？”
……
积极的争论中，一片欢声笑语。
辩论逐渐止歇，我公布了参考答案的数字。
他们瞪大了眼睛，张开嘴合不拢。疑惑、震惊和不解。
“下面，我们用仿真工具Netlogo来验证一下……”
课程的节奏愈发进入掌控之中，我的心也逐渐踏实下来了。
播放教学视频的间歇，我不由得又想起了3个星期前的那个电话……
“……系庆30周年活动，本月开始系列讲座，请优秀系友回系里作报告。”
“好的，感谢告知！我调一下课，一定过去听。”
“谁让你听了？请你来讲。”
“我？！……我不是优秀系友啊。”
“（脑补画外音：上面催得紧，临时抓不到人，只好降低标准了）在我们心中，你就是优秀系友！……时间就定在本月底，好好准备啊！”
忐忑，真的是忐忑。
《老友记》里面Joey曾经说过，演员为了获得面试机会，根本不去理会剧组提出的那些条件（会跳伞、会空手道……），全都说自己符合要求。然后立即报班儿去学。
问题是，如果我打算把自己伪装成“优秀系友”，那我应该到哪里去报班儿呢？讲座面向的对象是母校系里的青年教师、博士与硕士研究生。都是青年才俊，藏龙卧虎啊。讲得不精彩倒也罢了。一旦出现硬伤，被认定为不学无术，我以后在这圈子里面还怎么混下去啊？
这时候，我真希望拥有这位老兄的超能力：
更要命的是，主办方拒绝了我讲“大数据”的灌水企图，要求我“讲讲自己的研究，尤其是特色研究方法的运用”。我一下子仿佛置身于2000多年前的坎尼会战。
谁说我是汉尼拔了？我是罗马小卒好不好？
当时我正在主持教育部人文社科青年基金项目“基于群体智慧的微博客信息可信度评价机制研究”，研究对象是社交媒体上的“老大难”——谣言。
谣言这东西大家不陌生吧？什么？你没见过？
打开你的微信朋友圈，找这样的标题：
为了您家人和朋友的健康请一定要转发！
原来……的元凶竟然是它！
或者微信群里面看这样的留言：
这下有印象了吧？什么？你的朋友圈连这样的消息都没有？太高端了！我们做朋友吧。 :-)
谣言可怕吗？它既不是枪支，又不是老虎，所以本身没啥可怕的。然而谣言一旦在人群中传播开来，有几个人可以保持镇定和无动于衷呢？小时候看过一个动画片，非常恰当地说明了这个问题。
你说那是哄小孩儿的，理智的成年人哪里有那么容易受骗？
好吧，看看这个：
这研究有重要性吧？紧迫性也有吧？多好的选题啊！讲就讲呗，为什么发愁呢？
恰恰就是因为研究方法。
谣言这事儿研究的人多了去了。Google学术和知网上面搜搜，论文成果、研究报告比比皆是。然而——
对抗病毒，人类发明了疫苗；对抗交通事故，发明了安全带和安全气囊；对抗谣言……
好像只能靠道德呼唤和谆谆劝导：
别误会啊，我不是说这个领域的学者没有实力或者不努力，实在是因为缺乏有效的研究手段。
对谣言，大部分学者所能做的事情，跟法医差不多——解剖尸体。一则谣言广泛传播之后，如果痕迹数据还都在（还没被删掉？简直是奇迹啊），学者们就得抓紧收集起来，然后用它们分析这则谣言是怎么传播开的，并且准确指出传播中的那些“关键点”，建议对他们严格防控。
然而，下次谣言汹汹袭来的时候，还是没防住。
不过大伙儿都很乐观——又有新的数据了，可以再发一篇文章嘛……
为什么会这样？因为即便你提出谣言的传播机理与防控措施，也都无法检验。
为什么无法检验？因为不能做实验！不能做实验！不能做实验啊！
真有人做过实验。
研究者找了个中学班级，冒充生物学家给学生“科普”某地水果含有“危险的微生物”，观察被试是如何甄别、认同乃至在同学间传播该谣言的，并且进行了详细的记录，收获颇丰。
作为科研道德的一个必要部分，待到实验完毕，研究者告诉学生们这是个谣言，不要外传。学生们惊呼“晚了！”，七大姑八大姨都收到他们短信紧急通知了！
那年这种水果卖得不好……
从那以后，谣言实验规模几乎没有超过20人。而且实验之前，收手机、断互联网，只能在局域网内玩儿。20人，局域网，这还叫网络谣言吗？
是不是因为咱们幅员辽阔人口众多才有这样的限制？要不咱们把实验挪到……
别动这歪脑筋，他们国家也不会批准你做这实验的。
真的没有办法了吗？
不，有一种研究方法可以突破这悖论般的研究困境。
这种研究方法其实已经存在了数十年了。它是美国Sante Fe研究所的一帮不务正业的天才鼓捣出来的。
天才就天才呗，你干嘛污蔑人家不务正业啊？
就是不务正业啊。物理学家研究经济问题，经济学家钻研生物问题，生物学家……你不是应该盯着显微镜看吗？你对着天文望远镜看什么看？！
我读硕士的时候，学院里面一位备受尊敬的教授据说就是因为这种不务正业的举动没有评上院士。流传出来的评语是“一个研究计算机的，非得鼓捣什么核聚变和光网络！成果再多、水平再高也没门儿！”
还是咱们的主流科学家们坚持原则！
可是Sante Fe在美国的新墨西哥州。这个州大家很熟悉吧？就是这部剧的发生地啊！
这种荒蛮之地，警察都去抓毒贩了，没人有闲心去管研究所里面这帮家伙是不是坚持“干一行，爱一行”、“一直往前走，别往两边看”的宝贵科研准则。结果一不小心，让这个研究所成了气候。
他们这种跨学科合作的突破是从哪里开始的呢？股市研究。
经济学家和物理学家坐在一块儿开会。
经济学家提出一个被困扰许久的问题——为何金融市场价格变动的理论推导和实践会有那么大的差别？物理学家说“听不懂，把你的理论用公式表达一下！”看到了公式，物理学家们乐得前仰后合，“你们就是这么做研究的啊？”
干嘛那么说人家？因为那时候主流经济学的最基本假设为“理性人”，即“市场中的每个参与者都掌握完全信息，每个人都理性地追逐自己经济利益最大化”。
这就意味着，股票的价格随时都完全反映了企业的经营与发展状况。大股东、小股东和内部控制人都同样清清楚楚公司的各项状况。只要经济大势和公司业务都没有问题，你在任何时间点买进，都可以坐享企业发展带来的财产性收入。你的财富将与企业共同成长。
不知道你读着怎么样？反正这段话我自己写着都快吐了。
如果你2015年炒过股，应该明白真实情况好像是——咳咳……
物理学家为何对这事儿这么敏感？其实只要你学过中学物理，就应该记得一条经常出现在考试中的神句：
“不考虑空气阻力”
如果你设计汽车，能不考虑空气阻力？别闹了。
如果你设计飞机，能不考虑空气阻力？别闹了。
如果你设计航天飞机……别！
这就是理想状态和现实生活之间的差距。
金融市场的参与者是有差别的。接触到的信息有差别，信息分析手段有差别，决策偏好有差别，风险抵御能力也有差别。别说是不同的参与者，就是同一个人，昨天晚上打麻将的输赢结果也可能会影响他今天在股市的行为。武断地认为所有人都是一样的，然后在这个假设基础上进行研究推演，就是典型的“垃圾进，垃圾出”(garbage in, garbage out)。
举个身边的例子，把全部系统参与者的特性设定为一致，就如同有人非得说你和退休多年的邻居大妈转发心灵鸡汤的频率是一样的。这回想必你感受到强烈的不满了吧。
经济学家也很苦恼——提出新的假设如此颠覆性，如何才能说服自己的同事呢？于是各个领域的专家共同研制了一套新的研究方法，叫做复杂系统仿真(Complex Adaptive System Simulation)或者智能体建模(Agent-based Modeling)。
这套方法不止改变了经济学，还为催生行为金融学做出了贡献，而且深刻影响了生物、物理、化学、数学、计算机、网络科学、地质科学与社会学等许多学科的研究方法。它尤其特别适合解决科研道德悖论。
例如艾滋病研究，你总不能真找来一群艾滋病患者和健康人，然后……
但是你可以用复杂系统仿真来研究病毒扩散的宏观趋势。
再比如你为某大型场所设置逃生通道。够不够用？你总不能招来一批志愿者，然后真的点把火，看有多少人跑出来吧？
但是你同样可以利用复杂系统仿真来观察灾害到来时的逃生效果。
回到我研究的社交媒体谣言问题。作为守法公民，咱们是不能造谣传谣的。但是可以用复杂系统仿真来刻画谣言传播的环境、速度与效果，并且检验对策的可行性。
然而，也有很多人不接受这种研究方法。不接受的原因多种多样，但最重要的一个是——
因为这种方法是需要编程的，虽然是非常简单的编程。我多次试图在研究生课程上介绍与推荐该方法。学生观看模型运行的时候感到新奇、兴奋，但是一说让读源代码，他们的求知欲便立时消散得无影无踪了。
要不要在讲座中介绍这种研究方法？以往的教训告诉我，必须准备充分的有趣材料来支持我的讲解。
问题是——往哪儿去找这些材料呢？
我突然想到了MOOC。
时间紧迫，我立即着手搜索与复杂系统仿真相关的MOOC资源。Coursera上有几门课程讲授中采用了复杂系统仿真方法与Netlogo仿真工具，但是它们并没有针对性介绍研究方法，因此不符合我的需求。
万分焦急中，灵光一闪——Sante Fe研究所自己有没有MOOC？
有的时候，一个灵感真的能够改变许多的事情。
我很快就找到了 complexity explorer 这个MOOC网站。其中一门《复杂导论》(Introduction to Complexity)让我如获至宝。
这门课程由Melanie Mitchell教授主讲。她是波特兰州立大学的教授，Sante Fe研究所客座教授。2009年，她出了一本书《复杂》（Complexity: A Guided Tour），获得了广泛赞誉。豆瓣上它的评分是这样的：
这门课就是Mitchell教授根据她这本书改编而成的。看一下课程大纲你就能估计出这门课的野心多么宏大了：
- 什么是复杂性？
- 系统动力学和混沌
- 分形
- 信息、秩序和随机性
- 遗传算法
- 元胞自动机
- 生物自组织模型
- 社会系统合作模型
- 网络
- 生物学与社会的尺度
只有11周的时间，她真的能涵盖那么宏大的主题范围？
她做到了。
Mitchell教授的授课方式非常符合我的偏好。她大量应用各种视频素材介绍问题的背景，然后一步步带领学生抽丝剥茧，对问题抽象化。之后，再动手进行编程，让研究问题变成代码，在虚拟的世界中交互碰撞。作为研究者，学生跟随者老师一起观察仿真涌现出来的模式，记录数据，并且可视化分析。
其他利用Netlogo进行教学的MOOC课程总是试图避免触碰编程这一环节，似乎这样会使得难度过高，而流失大量的学习者。问题在于，这样处理的结果是让学生一直在复杂系统模型的门外打转儿，就是不得门径而入。
Mitchell教授不是这么做的，她选择了一个非常简易的模型——蚂蚁群觅食。从零开始，她带着学生一步步用Netlogo编程实现这一模型。
因为时间限制，Mitchell教授并没有对每一个模型都采用同样详细的教学方式。然而，这一个模型带给学生的提升不只是量变，而是质变。尽管在尝试中，学生会遇到许多问题。但是随着一步步跟着老师把模型建立起来，看着一群小蚂蚁在屏幕上爬行寻食，学生获得的是满足、喜悦与成就感。这就使得他们在面对后面的模型的时候，敢于尝试、摸索与修改。
讲座之前，我在本系研究生课上展示了这段Netlogo编程教程。事先让他们带来了笔记本电脑。我坐在下面跟他们一起一行行编程，帮助他们处理遇到的障碍。上课时间不够把2段教程都放完，他们强烈要求把视频拷给他们，回家后继续完成。好久没有感受到学生这么强的求知欲和主动要求做作业的冲动了。
……
讲座当日。
原定一小时完成的讲座，我只留了5分钟问答时间。可是大家意犹未尽，许多老师和同学都不肯走，又过了半个多小时之后，我才终于可以告辞，赶紧开溜——因为根据我头脑中的模型，这个城市的晚高峰时段马上就要开始了。
哦，对了，开头那个问题的答案是吧？我一猜你就想知道。 :-P
