随着大数据时代的到来，我们越来越多的使用电子产品，使我们的活动信息被越来越多的收集起来。我们知道，机器学习的一大目标就是利用历史数据去预测未来，那么，我们的行为会不会被预测呢？

本文是《爆发：大数据时代预见未来的新思维》的读书笔记。该书作者巴拉巴西 （Barabasi）是复杂网络研究的重要领军人物，曾经在《自然》、《科学》杂志上发表30余篇论文。在Coursera上的《Social Network Analysis》课程里，也有讲到过他的Barabási–Albert模型。可以说，他是社交网络与大数据研究的领头羊。

书中观点

本书花了很大篇幅来讲述人类的活动规律，他从最简单的模型讲起，直至得出人类活动具有爆发性的结论。

首先是由分子扩散得到的随机与扩散理论，它虽然能解释人类活动的随机性，但不能解释出其规律，比如，在钞票追踪中不能解释出为什么少数钞票的超长距离的跳跃。同时，放射性元素的半衰期理论也不能应用到人类的阅读新闻活动上。从而证明，简单的物理规律不能同样套到人类活动的预测上。

然后是泊松分布，虽然泊松分布在预测意外的发生上很准确，称为了保险业的基本理论，也是路由器设计的基本原理之一。但其仍然假设人类的活动是无规律的。事实恰恰相反，人类的活动反而是有规律可循的。

人类活动的规律就是幂律，人们口中常说的二八定律就是幂律的一种简单阐述。幂律产生的根源就是优先级模型，如何理解它呢？设想你有一个优先级清单，而且不停的有新事件添加进来，那么，每件事情等待的时间就遵循幂律分布。再形象化一点，书中举出了信件模型，爱因斯坦回信的方式是集中在一段时间回复很多信，然后长久不去回复，这样，每封信被回复的等待时间就服从幂律分布。当然，书中还提出了条件，当爱因斯坦回信的速度比信到来的速度大时，其实是服从指数分布；当回信速度小于来信速度时爆发：大数据时代预见未来的新思维，才服从幂律分布。而那个回信的动作就被称为爆发。

进一步将幂律用于人类行为活动规律上来，书中又提到了列维飞行模式。它也是随机运动模型的一种，当随机运动每次运动的距离相近时，是分子扩散模型，当每次运动的距离相差很大时，就是列维飞行模式。很多动物如信天翁、猴子等的觅食行为，都符合这一模型，这主要是因为食物的稀缺。而且，钞票追踪也符合这一模式。现在在DNA上找转录因子，也采用这一模型。

但是，列维飞行模式不能解释人类经常在某一范围内活动的现象。然后就得到了最终的结论，即人类活动有一定的重复性，这个重复性在80%以上，平均为93%，也就是说，一个人的行为活动有93%是可以预测的，剩下的7%就是爆发。而爆发似乎是生物的一个基本规律，细胞活动，生物进化都符合这一规律。

以上就是对书中理论内容的主线总结，由于简化可能说的不清楚，有兴趣的可以读原文。值得一提的是，在里面还有一个关于圣乔治的三个月爆发史的历史故事。

一些想法

人类行为真的可预测么？我想就以现在的技术来说，大部分人的大部分行为都是可以预测出来的。为什么呢？因为我们的信息已经被收集的足够多了。互联网使大家的连接更加的紧密，依赖的越重，对隐私的保持就越少。按照书中的说法，人的行为平均有93%都会被预测的到。那么，我们该怎么做呢？我觉得与其拒绝将自己的数据分享，还不如把这些数据交给机器，用预测来让我们生活的更美好，而我们则专注于那不可预测的7%。

写到这，突然有一种莫名的伤感，丫活了一辈子，居然大部分都是重复的过。而且还是一个难以打破的规律，毕竟人还是倾向于简化自己，过简单的生活。假如可以用熵来衡量人类行为的重复性的话，那就是我们的内心还是倾向于过熵比较低的生活。按照《罗辑思维》经常分析问题的方式爆发：大数据时代预见未来的新思维，这或许就是进化的原因。但对于一个不安分（这三个字不知能不能用来描述我，毕竟我通常是以一个老实人的面孔出现）的人来说，追求生活的刺激，也就是增熵，也许是生活的主调。但是逆着人类的进化规律办事情，和几百万年的惯性作斗争，该是很难吧。

再YY一下假如我们

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！