本文发表于《大众科学》的前博客网络，仅反映作者的观点，不一定代表《大众科学》的观点
传统观念认为，人脉至关重要，尽管传统观念通常对实际机制等令人烦恼的细节含糊其辞。也许这就是为什么如今人们对研究社交网络的复杂性，特别是组织模式如此感兴趣的原因。
例如，与其他人相比，我与时间领主的社交联系要多得多，正如人们对配偶的期望一样，这种重叠在 Facebook 上尤其明显。但我也在通常的圈子之外有一些特定的朋友和熟人。正因如此，在某个时候，我们将会发现一个令人惊讶的共同联系的可能性非常高。这就是网络效应。当谈到社交圈时，世界真的很小，非常小。确实如此。
对于我们大多数人来说，小世界现象更广为人知的名称是“六度分隔理论”，并以流行的游戏“凯文·贝肯六度分隔”为代表，在这个游戏中，玩家尝试根据那些以某种方式与他的电影相关联的人，与演员建立一系列联系。
关于支持科学新闻业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻业 订阅。 通过购买订阅，您将帮助确保未来能够继续讲述关于塑造我们今天世界的发现和思想的具有影响力的故事。
在 1967 年心理学家斯坦利·米尔格拉姆的原始研究中，信息包被发送给内布拉斯加州奥马哈和堪萨斯州威奇托随机选择的人们，其中包含一封信，描述了实验的目的，并提供了关于马萨诸塞州波士顿目标联系人的基本信息，要求他们转发一封随附的信。如果收件人认识目标，他/她会直接转发这封信。如果不认识，他/她会将信转发给更有可能认识目标的朋友或亲戚。虽然信件到达目标所需的连接数各不相同，但平均约为 5.5 个——因此得名“六度分隔理论”。
当然，米尔格拉姆的实验存在“问题”，例如，他的结论是基于极少的数据样本。在一个实验中，在 60 封信件中，有 50 人回应了他的挑战，通过他们的社交网络转发这封信，但最终只有三封信到达了目的地。更多的人根本没有费心参与实验。
尽管如此，这项研究确实提供了有趣的证据，表明较小的社区，如演员和数学家，通过个人或专业协会的链条紧密相连。（“你的埃尔德什数是多少？”以纪念数学家保罗·埃尔德什，取代了“你的星座是什么？”成为数学和科学系的首选搭讪语。埃尔德什是数学界的凯文·贝肯。）
如果情况是这样，那么小世界类型的网络一定有一些优势，才能如此普遍。快进到 1998 年，邓肯·瓦茨和史蒂文·斯特罗加茨（他在 Twitter 上！）发表了一篇论文，详细介绍了一个简单的格子网络模型（与随机网络相对的规则网络），他们是在计算机上设计的。
该网络是“高度聚集的”——也就是说，每个单独的节点都通过一条线或一条边连接到其四个最近的邻居。
因此，存在许多、许多短程连接，这对于不关心与网络中更远处的任何节点通信的小节点集群来说可能很好。但这使得更开阔胸襟、好奇的节点与网络另一侧的节点连接变得非常复杂和耗时。
罪魁祸首：一种叫做最短路径长度的东西，它取所有可能的节点对之间路径长度的平均值来确定，例如，信号从网络一侧的节点传播到另一侧的节点可能需要多长时间。它是网络效率的指标。在这里，您有很多具有短路径长度的本地节点连接，但远处节点对之间的路径长度非常长。
将所有这些平均起来，您会得到一个相当长的最短路径长度。实际上，跨网络传输信号变得非常低效和耗时，因为它必须经过许多、许多短程连接才能到达其目标。这不是一个强大、高效网络的标志。任何在高峰时段乘坐当地 6 号线从市中心到布朗克斯的纽约客都知道我在说什么，对吧？（它在每一站都停。）如果您幸运地挤上快车，您可以将通勤时间缩短一半。
所以，好吧：我们已经确定了一个问题。瓦茨和斯特罗加茨决定看看，如果他们进行一些创造性的重新布线，用长程连接替换一些短程连接到更远处的节点，会发生什么。这并没有影响局部集群：您仍然有那些小团体。但这对网络的整体效率产生了巨大的影响，大大缩短了最短路径长度。现在，信号不必从一个相邻节点跳到下一个节点。它可以乘坐快车而不是当地火车，从而更快地到达目的地。
这就是小世界网络的本质：它定义了太规则和太随机之间的最佳点，并且回报是巨大的。此外，它的应用不仅限于社交网络——除了涉及凯文·贝肯的冷知识游戏之外。
（这仍然是我有史以来最喜欢的商业广告之一。）
美国航空业的航班网络是典型的小世界网络。当然，我们都喜欢抱怨转机的不便，但由于小世界组织，我们通常可以在两次航班内从任何城市到达另一个城市——对于稍微偏远的小镇，可能需要三次。
这是因为您有很多小的本地连接和一些主要的、高度连接的枢纽提供那些关键的长程连接。最终，您的最短路径长度因此大大缩短。想象一下，如果您必须从一个当地机场跳到下一个机场才能从洛杉矶到达纽约，那将是多么痛苦。
知道还有什么也很好地利用了小世界模型吗？您的大脑。这在基本的解剖学层面（神经元之间的连接）和功能层面（与皮层神经元的同步）上都是如此，皮层是大部分整合处理发生的地方。即使是大型神经网络，如视觉系统或脑干，也表现出小世界特征。
当您考虑一下时，这是有道理的。为了有效运行，大脑必须有局部专门的“小团体”来处理各种感官刺激，例如，但它也需要能够将这些信息广泛地分布和整合到整个大脑中。
在进化链的某个地方，大自然母亲偶然发现了小世界组织，将其作为实现高效信息处理的最佳方式——嘿，它对航空业有效——科学家们已经在几种物种（如秀丽隐杆线虫）中发现了支持这一点的证据。
这种线虫只有区区 302 个神经元，是最简单的神经系统之一，具有大约 2462 个突触连接，其结构遵循小世界模型。
根据随后的几项研究，这似乎并非巧合。2006 年的一项解剖学研究发现，猕猴和猫的皮层神经连接都显示出小世界组织的证据：高聚集性和短路径长度。
2010 年，圣母大学的科学家们在猕猴大脑中发现了类似的组织模式；这种结构在许多样本中都是一致的。它基于法国研究员亨利·肯尼迪 70 年工作所产生的数据。他的小组将墨水示踪剂注射到组织中，然后将薄片放入扫描仪中以跟踪墨水在神经细胞中的移动。
圣母大学的分析显示，大脑中彼此最接近的区域（局部集群，大量短路径长度）之间的连接数量最多，随着距离的增加而减少。但也有一些关键的长距离连接，它们似乎充当控制开关，协调信息如何在整个神经网络中交换。这在我看来就像一个小世界网络。
尽管小世界网络具有惊人的效率和稳健性，但当小世界网络出现严重问题时，结果可能会迅速变得灾难性。当然，它可以吸收这里或那里的几个局部节点的敲除；但是敲除其中一个关键枢纽——好吧，我们都知道当芝加哥奥黑尔机场发生重大混乱时，航空公司的准点航班时刻表会发生什么。
现在想象一下，大脑中发生了类似的事情。在许多方面，大脑具有惊人的适应性（“可塑性”）和稳健性；它可以吸收这里或那里的少量神经元损失，有时甚至可以重新布线自身以补偿更严重的损害。但是，随着时间的推移造成的长期损害，例如阿尔茨海默病造成的损害，会导致严重的（且往往是令人心碎的）认知衰退。如果您查看这些变化如何影响大脑的功能网络，您可能会发现——正如 2006 年的一项研究报告的那样——所述认知衰退伴随着小世界特征的破坏。
飞机、大脑和朋友圈——表面上完全不同，但都共享一个共同的底层结构。如果您想要一个紧密联系但又高效的网络，我建议模仿一个小小的世界。
图片：（顶部）六度分隔理论的艺术可视化。来源：Dannie Walker。维基共享资源。（中间右）芝加哥奥黑尔国际机场。来源：Robert Werner（2005 年，加拿大温哥华），通过维基共享资源。（中间左）秀丽隐杆线虫。来源：Bob Goldstein，北卡罗来纳大学教堂山分校，通过维基共享资源。（底部）大脑中的小世界网络。来源：圣母大学。科学日报。
参考文献:
He, Yong, Chen, Zhang J., and Evans, Alan C. (2007) “Small-World Anatomical Networks in the Human Brain Revealed by Cortical Thickness from MRI,” Cerebral Cortex 17 (10): 2407-2419.
Hilgetag, C.C. et al. (2000) “Anatomical connectivity defines the organization of clusters of cortical areas in the macaque and the cat,” Philosophical Transactions of the Royal Society of London B, Biological Sciences 355:91.
Markiv, N. T. et al. (2010) “Weight Consistency Specifies Regularities of Macaque Cortical Networks,” Cerebral Cortex 21 (6): 1254.
Masuda N., and Aihara, K. (2004) “Global and local synchrony of coupled neurons in small-world networks,” Biological Cybernetics 90:302-309.
Milgram, Stanley. "The Small World Problem," Psychology Today, 1(1), May 1967, 60- 67.
Scannell, J.W., Blakemore, C., and Young, M.P. (1995) “Analysis of connectivity in the cat cerebral cortex,” Cerebral Cortex 15:1463-1483.
Scannell, J.W. et al. (1999) “The connectional organization of the cortico-thalamic system of the cat,” Cerebral Cortex 9:277-299.
Simard, D., Nadeau, L. and Kroger, H. (2005) “Fastest learning in small-world neural networks,” Phys Lett A 336:8-15.
Smith-Bassett, Danielle and Bullmore, Ed. (2006) “Small-World Brain Networks,” Neuroscientist 12(6): 512-523.
Watts, Duncan J., and Strogatz, Steven H. (June 1998) "Collective dynamics of 'small-world' networks," Nature 393 (6684): 440–442.