July 4th, 2011

Как социальные сети предсказывают...

Профессор медицины объясняет, как можно использовать соцсети для прогнозирования эпидемий, и приходит к выводу, что пандемии начинаются с самых общительных.

Лекцию читает Николас Кристакис, профессор социологии и медицины Гарвардского университета. Изучает биологические, социальные и математические законы, по которым работает общество. Написал книгу Connected: The Surprising Power of Our Social Networks and How They Shape Our Lives (На связи: как социальные сети формируют нашу жизнь).

А сейчас Николас Кристакис обнародует свое последнее открытие: социальные сети можно использовать как самый быстрый метод для обнаружения распространения любых эпидемий: от новаторских идей до социально опасного поведения или вирусов (таких, как вирус свиного гриппа).



Последние десять лет я пытаюсь понять, как и почему люди формируют социальные сети. Я сейчас говорю не о Facebook, а о тех сетях, которые создавались и создаются нами на протяжении тысячелетий. Я вступаю в дружбу с коллегой, у меня рождается ребенок, появляется приятель. Все эти люди состоят в схожих отношениях с другими людьми. Такая сеть бесконечна — она описывает отношения всех со всеми. Мы изучаем математические, социальные и психологические правила формирования этих систем — как они работают и влияют на нашу жизнь.

Недавно я задался вопросом: как можно использовать мои исследования? Первое, что пришло в голову, — эпидемии. Как сегодня работают эпидемиологи? Они сидят и собирают данные о росте или спаде определенных симптомов, которые приходят от полевых лабораторий и врачей. Им говорят: у стольких-то человек был диагностирован грипп там-то. Это помогает понять, что пару недель назад у нас была эпидемия. Google Flu Trends (google.org/flutrends) работает на этом принципе, только быстрее, — они используют в качестве входных данных поисковые запросы.

Классическая модель распространения вируса выглядит как график в форме буквы S. Допустим, у нас есть два зараженных человека, они заражают еще двух, те заражают четверых, те — восьмерых, потом — шестнадцать и т. д. В какой-то момент популяция насыщается вирусом — заражать больше некого, и график идет вниз. Эта модель применяется для оценки распространения вирусов, идей, продуктов. Но вирус не распространяется в популяции случайным образом. Он расходится по сети потому, что мы существуем в рамках системы с понятной математической структурой.

Как не получать предупреждение об уже существующей эпидемии, а предсказывать ее развитие? Это касается не только болезней, но и товаров, абстрактных идей вроде патриотизма или альтруизма, религий — всего, что распространяется от человека к человеку. Сеть в первую очередь характеризуется разными типами связей: дружественными, родственными, рабочими, соседскими. И разные вещи распространяются по разным каналам. Например, венерические заболевания — через сексуальные связи, привычки — преимущественно через дружественные и т. д.

Допустим, у нас есть графическая модель социальной сети. Если мы хотим проследить распространение вируса в этой системе, нужно начинать из центра. У двоих участников системы может быть одинаковое количество связей, но тот, кто находится в центре, быстрее передает и принимает информацию. Это видно, если посмотреть на сеть сверху. Если центральный участник сети подхватил вирус или идею, легко предположить, что скоро эта информация окажется у всех. Такой подход работает куда лучше, чем мониторинг случайных людей, который применяется сегодня.

Проблема в том, что проследить социальные связи дорого, неэтично и часто невозможно. Как понять, кто находится в центре социальной сети? Представьте, что в социальной сети есть очень популярный человек, у которого сотни друзей, и мизантроп, у которого всего один друг. Если вы случайным образом выберете людей, они с большой вероятностью будут знать того самого популярного заводилу. Таким образом, если выбрать в системе случайных людей, попросить их назвать своих друзей, затем попросить тех описать своих друзей, вы постепенно подберетесь к центру!

источник: http://f5.ru/freshf5/post/307763