【從賽局思考到趨勢預測,全方位實戰課套書】(勝算:賭的科學與決策智慧+傳染力法則:網紅、股災到疾病,趨勢如何崛起與消長)

,

The Perfect Bet: How Science and Math Are Taking the Luck Out of Gambling The Rules of Contagion: Why Things Spread–And Why They Stop

作者:亞當·庫查司基

譯者:甘錫安, 高子璽

出版社:行路

ISBN:9786269651702

$65.25

產品號碼: 191539 貨號: 9786269651702 分類: , 標籤: , , , , , ,
《數學大觀念》作者亞瑟.班傑明與
《數學教你不犯錯》作者喬丹・艾倫伯格,專業力挺!

  ▎《勝算:賭的科學與決策智慧》
  從「賽局理論」約翰・馮紐曼到《他是賭神,更是股神》愛德華.索普,
  博奕的魔力吸引了古往今來各領域的頂尖腦袋,
  他們的研究成果,對於理解運氣和決策有何啟發?
  又點出我們解讀事物的哪些常見盲點?

  長久以來,各領域的頂尖頭腦都深受博奕吸引,他們不斷挑戰預測的極限,探究秩序與混沌的界限,以揭曉「機會」背後的學問。從賽局理論、混沌理論、統計學、心理學、物理學、經濟學乃至人工智慧,都因「賭」而拓展了探索的疆界。

  我們常用「運氣」和「技巧」截然劃分事情的成因,問題是兩者的界線沒有那麼分明。了解賭的科學,你將學會洞察普遍存在的判斷盲點,更睿智地權衡風險與報酬,從而做出優質決策,控制運氣的影響。

  ●懂博奕,你會更洞察盲點
  ○輪盤贏錢策略的演進,反映出機率科學近一世紀來的發展……
  ○賭場改用多達六副牌擾亂算牌客,為何效果適得其反?
  ○研究放射性衰變與大腦神經元活動的「卜瓦松過程」與足球比賽何干?
  ○為何有些投注公司反其道而行,樂於吸引精明賭客來投注?
  ○投注業者改變賠率不是為了符合結果的真實機率,那是為啥?

  ●懂博奕,你會更了解投資
  ○為何股票市場「大變化後面往往還會出現大變化」,反之亦然?
  ○交易機器人崛起後,金融市場的哪些現象你尤其該審慎解讀?
  ○教人拿捏投資資金比例的「凱利準則」,用於賽馬時有何弱點?
  ○購買不同產業多家公司的股票,投資組合多樣性為何仍然不夠?
  ○投資領域的「基本分析法」,要注意什麼盲點?
  ○購買擔保債券憑證時,要避免什麼錯誤假設?

  ●懂博奕,你會更善於決策
  ○機會賽局中常見的「馬可夫鏈」,如何有助於尋找隱含資訊?
  ○撲克牌是許多生活實際狀況的完美縮影,因為它試圖處理缺漏的資訊。
  ○賽局未達到最佳結果時,參與者的決定不會趨向平衡,而會大幅震盪。
  ○參與者易失誤或得在賽局中學習時,賽局理論不是找出最佳策略的好方法……

  ●懂博奕,你會更過好人生
  ○為什麼選擇最簡單的解釋,往往反而明智?
  ○為何最快的解決方法,有時像在走回頭路?
  ○人性偏誤會導致我們誤判賽事的哪些方面?
  ○優秀的機器人程式不能只有蠻力,還要懂心理學才行。

  ▎《傳染力法則:網紅、股災到疾病,趨勢如何崛起與消長》
  最符合現今時局需求的著作,讀者異口同聲:「好看到讓你想『傳』給別人」!

  一種致命病毒蟄伏多年,於人群中突然其來地爆發。一場政治運動迅雷不急掩耳地展開,隨後快速銷聲匿跡。金融體系網絡中藏著「超級傳播者」,致使乍見小小的危機擴及為全球市場崩盤。一個想法如野火燎原般傳播開來,自此改變世界的樣貌……

  說到「傳染力」,我們往往聯想到疾病傳播,然而本書並非僅僅探討疾病擴散的生物學,更是一本談趨勢變化軌跡的著作。數學家亞當・庫查司基長年從事流行病學研究,他擅長從統計、模型、演算法、因果論乃至大數據等角度著手,探究疾病於何時發源於何處、散播開來的熱點又是什麼(哪個人或事件、地點),從而預測事態的後續發展,並且建議妥適的因應之道。

  由於流行病學探究傳染力所得的成果,已廣泛應用至諸多領域,因此本書內容雖以疾病傳播起頭,以疫情控制做結,然而書中頭尾之間的篇幅,則切入相當廣泛的領域,像是:

  ●金融界普遍相信分散投資能降低風險,然而已有多項研究發現,隨著「金融傳染途徑」形成,分散投資可能會破壞大型金融網絡的穩定性。

  ●從健康、生活風格,一路到政治觀點等,我們與熟人往往具備共同特徵,科學家如何釐清這是基於同質性或共有環境?還是社會傳染所致?

  ●從疾病流行到恐怖主義與暴力犯罪,科學家發展出預測模型,除了能協助機構擬定防治對策並妥善分配資源,亦可說服民眾配合甚至協力。

  ●網際網路創造了新形態的互動,本書探究網紅崛起、情緒感染與輿情操縱等現象,也探討網路如何成為我們研究事物傳播方式的新方法。

  ●惡意軟體鑽漏洞潛入私人電腦、駭客藉電腦系統控制科技設備,乃至程式碼共享難溯源等情形,一旦出現「疫情」可能會怎麼樣發展?

  ……舉凡網紅現象、政治風向、創新傳播、金融趨勢、罪案偵察,乃至暴力事件等等,作者皆以引人入勝的故事解讀各類型「擴散現象」從出現、發展到消亡的種種線索。現今的世界比以往更加環環相扣,許多現象牽一髮動全身,「傳染力法則」能夠解釋這些具備傳播特質的事物之更迭,想要解讀眾多現象與趨勢,擬出因應之道,你不能不知道!

各界推薦

  ▎《勝算:賭的科學與決策智慧》
  ●庫查斯基以風趣的寫作,介紹必勝投注法的歷史和最新進展,讓我們了解數學和電腦如何成為強大的博奕、運動比賽、虛張聲勢和投資的輔助工具。——《數學大觀念》作者亞瑟.班傑明

  ●這本書闡述博奕、科學與數學間的交互作用,寫得趣味橫生……記敘輕鬆連貫,而且將背後的原理寫得淺顯易懂。——英國《展望》雜誌

  ●賭客和數學迷都會喜歡本書探討真實世界問題的切入角度。——《柯克斯書評》

  ●作者將博奕如何影響科學、科學又如何影響博奕的故事,寫得相當成功。本書淺顯易讀,但同時具備深厚的學術底蘊。——牛津大學教授J・杜恩.法馬

  ●這本書用許許多多的故事,敘述這些鬼才如何運用數學、統計學和科學嘗試超越機率。讀過這本書後,我開始有那麼點想賭兩把了。——劍橋大學教授大衛.史匹格赫爾特

  ▎《傳染力法則:網紅、股災到疾病,趨勢如何崛起與消長》
  ►自古至今,從聖經中的瘟疫,到當前攻占新聞頭條的新冠病毒:疾病、想法、情緒……萬事萬物都能傳播。《傳染力法則》以迷人、細膩的敘事,探索「傳染」這一門學問。讀了之後,保證你會想「傳」給你的朋友。──《數學教你不犯錯》作者喬丹・艾倫伯格(Jordan Ellenberg)

  ►本書充分展現科普魅力:筆法趣味橫生、清楚明確;主題引人入勝、緊扣脈絡。作者亞當・庫查司基為傳染病學家,涉獵心理學、醫學、網路理論以及數學,以精采權威的論據,帶領讀者從人的想法、網路迷因梗圖、暴力事件與致命病毒,了解事物傳播的潛藏法則。本書也為自身主題下了很好的註腳——內容深具感染力,所以你看完後會想要別人也讀一下。──《數字奇航》作者艾利克斯.貝洛斯(Alex Bellos)

  ►例證豐富,以務實角度切入,說明如何以數學幫助了解傳染,進而以更好的方式應對千變萬化的傳染形式。作者處理議題廣泛,既談疾病大流行,亦論槍枝暴力、金融危機與不實訊息。他啟發所有讀者以數學家的方式思考問題。想了解疫病和其他具擴散性質的危機,本書不容錯過。──倫敦衛生與熱帶醫學學院院長彼得.皮奥特(Peter Piot)

  ►以數學角度切入,精采探討有些事物何以會快速傳播,而且談的可不只是病毒。作者以旁徵博引的筆法啟迪讀者。舉例來說,他帶領讀者了解公衛模型於疾病傳播上的應用,檢視都市槍枝暴力的人際關係網絡,並使用演算法來解釋「年齡、幫派關係、逮捕紀錄」等項目……本書切合時勢、極為易讀。──《柯克斯書評》

讀者評語

  如果想多了解「傳染」擴散背後的數學邏輯,這真的是一本好書。這本書不只探討流行病學,也以更寬廣的格局談論股市、社群媒體……等,探討有些事物能快速「瘋傳」,有些卻欲振乏力,背後機制為何?作者是數學家,所以這本書不是生物學著作,但也非數學專書。這本書最精采的地方,在於呈現各統計模型中有多少未知因子,以及該如何建立穩固可靠的模型。作者在疾病管控領域具備專業經歷,這也增加了論點的說服力。整體而言,讀起來讓人大呼過癮。

 

目錄

勝算:賭的科學與決策智慧
前言 
數學家理查・愛普斯坦說:「賭徒可說是機率理論的乾爹。」其實不只是機率,長久以來,各領域的頂尖頭腦都深受博奕吸引,他們不斷挑戰預測的極限,探究秩序與混沌的界限,以揭曉「機會」背後的學問。從賽局理論、混沌理論、統計學、心理學、物理學、經濟學乃至人工智慧,都因「賭」而拓展了探索的疆界。了解賭的科學,你能學會洞察普遍存在的判斷盲點,更睿智地權衡風險與報酬,從而做出優質決策,控制運氣的影響。
 
第一章 三種程度的無知 
輪盤的小球最終落在哪一格,是隨機的嗎?數學家亨利・龐卡赫認為,這類事件看似隨機,是因為我們不知道成因;他建議我們依照對問題的無知程度來分類問題。龐卡赫還主張,簡單的物理過程可以簡化到表面看來像是隨機——這個想法構成七十年後混沌理論的重要部分。卡爾・皮爾森仰賴統計學,藉由找出數據的重覆型態,來預測球會落在哪。資訊理論先驅克勞德・夏農與後來成為「計量金融之父」的愛德華.索普則發明史上第一具穿戴式電腦,帶到賭場蒐集資料、即時預測小球的落點。輪盤贏錢策略的演進,反映出機率科學近一世紀來的發展……
 
第二章 靠蠻力賺錢的事業 
怎麼做才能讓某樣東西分布得既隨機又均衡?創立現代統計學的隆納德‧費雪研究怎麼在廣大農地上灑農藥時,面臨這個問題。今日的彩券業者設法限制中獎彩券的數量,以及避免中獎彩券過度集中時,也面臨類似挑戰。包牌買彩券要贏錢,前提是什麼?投注彩券時,你的競爭對手除了莊家,還有誰?麻省理工學院的投注團隊,比競爭對手多了解了什麼,而抱得大獎歸?這一章介紹賭徒們怎麼破解美國歷來的各種彩券,以及彩券要仰賴多大的「蠻力」……
 
第三章 從洛沙拉摩斯國家實驗室,到蒙地卡羅賭場
愛德華.索普靠著算牌狂贏「廿一點」,賭場改成用六副牌擾亂算牌客,為何效果適得其反?賭場最後索性見到專業算牌客便擋在門外,但賭香港賽馬可不用露臉。在這裡你會認識冷門偏誤、迴歸分析,了解用分析過的賽事數據來檢驗預測,其實不是好方法。奧坎剃刀原理則教你,為何選擇最簡單的解釋反而明智(想建立某真實過程的模型,就該排除不必要特徵)。研究氫彈的數學家,對於預測賭馬結果有何啟發?投資領域的「基本分析法」要注意什麼盲點?機會賽局中常見的「馬可夫鏈」,如何有助於尋找隱含資訊?為何一味求進展往往找不出最佳解決方法,最快的解方有時會像在走回頭路?教人拿捏投資資金比例的「凱利準則」,用於賽馬時又有什麼弱點?
 
第四章 博士行家
用來預測洪水、地震、森林大火和保險損失的「極值理論」,如何跨進運動賽事?研究放射性衰變與大腦神經元活動的「卜瓦松過程」,在預測足球比賽時能起什麼作用?人性偏誤會導致我們誤判賽事的哪些方面?為何有些投注公司反其道而行,樂於吸引精明賭客來投注?投注業者改變賠率不是為了符合結果的真實機率,那是為了啥?購買不同產業多家公司的股票,投資組合多樣性為何仍不夠?購買擔保債券憑證,你要避免什麼錯誤假設?買賣股票時若持股時間不長,常被比做賭博而非投資,然而已有研究指出,運動投注可達成與投資股市相仿的風險與報酬平衡。網際網路如何改變博奕活動的面貌?博奕合法化又有哪些有別於道德面的思考角度?
                                                            
第五章 機器人興起 
人需要時間處理資訊、會猶豫,而且很難同時做很多事情——這正是機器人的機會。現在有許多機器人程式四處尋找失誤賠率,藉以套利;另一些機器人功能相反,會盡可能掩蓋這些資料。另外就如《快閃大對決》一書所述,有的大券商為了比競爭對手提早幾毫秒得知新事件,甚至大費周章炸山鋪路,好鋪設自己的電纜以攔截資訊。只是機器人雖然「能人所不能」,麻煩的是它的行動未必總符合人類主人的利益。騎士資產管理公司由於更新高速交易軟體時出錯,程式自顧自不斷買進與賣出股票,鉅額損失導致該公司當年底就被收購。2013年駭客假造新聞,稱歐巴馬因爆炸而受傷,金融市場反應速度似乎並非出自人類交易員之手,這是好是壞?機器人崛起後,傳統金融理論已經遠遠不足,我們應該把投注或金融市場視為生態系,而非固定不變的經濟法則,那麼我們對生態系的理解,哪些正確、哪些有誤呢?
 
第六章 虛張聲勢闖天下
賽局理論用在資訊全部已知的賽局上效果最好,那麼若是運用在複雜到難以理解的情境時,會出現什麼狀況?西洋棋與許多種撲克牌玩法非常複雜,不論是人類或電腦都還找不出最佳策略。金融市場也有類似問題——許多重要資訊雖已隨手可得,但有更多交互作用的影響因子難以掌握。賽局沒有達到最佳結果時,參與者的決定不會趨向平衡,反而會大幅震盪,混亂難解的決策變得更加常見,就如同碎形理論之父本華・曼德博所發現違反一般直覺的現象:股票市場「大變化後面往往還會出現大變化,小變化之後往往會接連出現小變化」。在玩家容易失誤或必須在賽局中學習時,賽局理論也不是找出最佳策略的好方法……
 
第七章 機器對手 
繼電腦「深藍」於1997年打敗西洋棋王卡斯帕洛夫之後,2004年IBM又設計了「華生」參加機智問答節目,照樣電慘人類對手。不過深藍只需用電腦的方式下棋——運用大量運算能力審視接下來的可能棋步,評估可用策略。卡斯帕洛夫指出這種「蠻力」具備的智慧不多:「它不是擁有人類的創意和直覺,能以人類的方式思考和下棋的電腦。」同樣的「華生」不需假扮人類也能取勝。電腦科學家達斯・畢靈斯說:「西洋棋不夠看,那我們來試試撲克牌好了。」電腦打撲克牌時,其實是在解決一個我們十分熟悉的問題:如何處理缺漏的資訊。生活中有許多狀況都是不完全資訊賽局,撲克牌是這類狀況的完美縮影。電腦打撲克牌時不僅搜尋勝利策略困難得多,為了取勝還必須觀察對手,評估大量選擇——電腦需要有顆大腦才行……
 
第八章 超越算牌 
經營撲克牌館的迪克里斯提納被判經營非法賭場後,請來經濟學家藍道爾・希柏擔任專家證人,要務是說服法官撲克是技巧賽局,因此不是非法賭博。希柏認為最重要的問題是:技巧對牌局的影響,需要多久才能超越機率?我們很容易把賽局分成「運氣」(賭博)和「技巧」(投資)兩類,問題是兩者的界線沒有我們想的那麼分明。我們以為是隨機的過程,通常很不隨機;如果選擇正確,我們容易歸因於技巧,選擇失敗的話則偏向說運氣不好。關於成功投注的報導普遍從數學角度切入,「決定」被簡化成基本機率,但以撲克為例,賭客還要解讀對手的行為。馮紐曼發展出賽局理論來解決這問題時,發現採用虛張聲勢等詐騙策略其實是最佳方案——賭客一直都作對了,只是不知道原因。有時人性因素是影響事態的主要因素,優秀的機器人程式單單知道機率仍不夠,還要結合數學與心理學。
 
傳染力法則:網紅、股災到疾病,趨勢如何崛起與消長
▎自序
說到「感染」,浮上我們心頭的,固然往往是傳染疾病或電腦病毒,但有傳染力的擴散現象實則百百種,其中造成傷害者有之,但也不乏好的流行,前者如惡意軟體、暴力或金融危機,後者如創新發明和文化傳播。有傳染力的擴散現象不一定都長一個樣,研究這類事物的傳播現象時,我們需要有辦法釐清它們具備哪些獨有特徵,不同於使傳染擴散的基本原則。這種分析方法能跳開過於簡單的解釋邏輯,並針對觀察到的發展曲線,揭開背後的真實本質。本書的討論過程中,讀者能針對乍看風馬牛不相及的問題,觀察到一條條線索浮出,串接這種種問題。
 
▎第一章 事件發展論
羅納德.羅斯駐派印度時,發現當地蚊子猖獗,瘧疾盛行。返英後他探訪萬巴德醫師請教傳染疾病問題時,得知萬巴德判斷蚊子是瘧疾的媒介,羅斯先前便已耳聞這項關聯,但萬巴德的論點是第一個說服他的。羅斯持續研究瘧疾後出版了《瘧疾的預防》一書,其分析既顯示可能撲滅瘧疾的方法,也蘊含一項更深奧的洞見,能一舉改寫我們對於「傳播」的看法。羅斯觀察到,處理疾病分析的方法有二:「描述性分析法」和「機械性分析法」。當時多數研究都使用前者,即開始作業時使用真實數據,並往回推出可預測的模式。羅斯採用了後者,他一來沒有收集數據,二來沒有針對觀察到的趨勢找出能加以描述的模式,他一開始的做法,是概述過去影響了疾病傳播的主要過程……
 
▎第二章 恐慌與大流行
英格蘭銀行首席經濟學家安迪.霍爾丹指出,SARS疫情可堪比擬2008年金融危機的不良影響。他指出,大眾通常會以兩種方式面對疫情:逃或藏。金融界的「逃跑」之舉比如:為了停損而出清所有資產,導致資產價格崩跌;銀行的「藏身」方式則可能是囤積資金。霍爾丹早在2004年便指出,我們已經進入「超系統性風險」的時代。金融網絡在某些情況下可能很健全,而在另一些情況下卻非常脆弱。這在生態學已經是個成熟的概念,不幸的是,等到大型崩潰發生時,大家才終於聽進這樣的概念。雷曼兄弟垮台後,銀行業上上下下都開始思考傳染病學的概念。霍爾丹指出,「如果不從感染傳播的角度切入,你很難講清楚為何雷曼兄弟會拖垮金融體系。」
 
▎第三章 社會傳染「友」關係
社交互動不僅會促進社區傳播,還能將感染傳到其他地方。2009年流感大流行初期,病毒並未在各國間直線傳播。當3月份在墨西哥爆發時,迅速到達中國等遠處,但花了更長的時間才在巴貝多等附近國家現身。究其原因,如果以地圖位置來定義「近」、「遠」,代表使用了錯誤的距離觀念。感染的傳播者是人,連接墨西哥和中國的主要航線,數量多於往返巴貝多等地的航線,如果改為根據航空公司乘客流量來定義距離,則此次流感的蔓延會更容易解釋。社交連結的重要性很容易遭到低估。20世紀初羅斯和哈德森撰寫「事件發展論」論文時,認為意外、離婚和慢性疾病等事情是獨立事件,即如果某人發生了這件事,並不會影響其他人面臨同一件事的機率,也就說人際之間沒有傳播因子。在21世紀初,研究人員開始質疑是否真是如此。
 
▎第四章 事情醞釀中
犯罪演算法的侷限超出人們的想像。蘭德公司研究人員曾歸納了有關預測型警務監察的四大迷思。一是電腦能確切知道未來會發生什麼事。研究人員補充:「演算法預測的是未來事件的風險,而不是事件本身。」二是從收集犯罪數據到提出適當建議,電腦無所不能。實際上,電腦在協助人類執行警政分析和決策時的表現最佳,而無法全面取代人類。三是警力需要一個強大模型來做出優良決策,而問題往往出在是否能掌握正確數據。蘭姆解釋:「有時候你手上的那組數據裡面,並沒有你預測時所需的資訊。」第四個迷思或許最難以消滅,就是預測得準,犯罪也會自動減少。蘭德團隊表示:「預測的本質,就只是預測。要實際減少犯罪,必須根據預測採取行動。」
 
▎第五章 病毒式瘋傳
2001年1月,裴瑞帝向耐吉(Nike)下了戰帖——他訂購幾雙客製化球鞋,要求印上「血汗工廠」。耐吉以「使用不當俗稱」為由,通知他訂單無法成立。雙方以電子郵件交手數回後,耐吉不動如山,於是裴瑞帝將整串電子郵件轉寄給若干朋友。其中許多人再次轉發,沒幾天便送到數千人手上,3月時此事件躍上國際媒體。後來一家多媒體非營利機構聘用裴瑞帝擔任「傳染力媒體實驗室」主管,針對線上內容展開網路實驗。接下來數年,他著手研究網路人氣的特徵,像是搭上新聞潮流如何驅動網站流量,標題兩極化如何增加露出,內容求新求變則能增加使用者的黏著度。裴瑞帝團隊甚至新創了「轉發」功能,這項概念日後成為社群網路上內容傳播的基本功能。想像一下:如果Twitter拿掉「轉推」的選項,Facebook移除「分享」按鍵,結果會有何不同?
 
▎第六章 如何宰制網際網路
美國哥倫比亞大學與法國國家研究院合作,探討Twitter使用者提到的主流新聞報導,發現有將近60%的連結,其他使用者從未點選,但其中有些報導持續傳播。說穿了,許多人樂在分享,而不是閱讀文章。曾於Facebook擔任數據科學家的迪恩.艾克斯指出,想要讓人與社交媒體簡單互動,不用太傷腦筋。他說:「那是相對容易產生的行為。我們這邊在談的行為,是在說你的朋友會不會對貼文按讚或留言。」一旦做起來不用太費事,實際行動就容易得多。這對行銷人員形成挑戰。行銷活動或許帶來高按讚與點閱次數,但行銷人員希望的終究是消費者掏錢購買產品,或是相信行銷內容,而非只是和活動本身互動。就好比追隨者多,不見得就能大量帶動分享潮,行銷內容的點閱或分享次數再多,也無法自動轉換成獲利或支持度。
 
▎第七章 溯源追追追
施密特醫生某夜造訪外遇對象珍妮絲,為她注射一劑「維生素」。隨後數週珍妮絲出現類流感症狀,數月後確診愛滋病,她懷疑該夜施密特注射的其實是HIV病毒,便將他告上法庭。當時雖已普遍採用DNA檢測來協助辦案,但珍妮絲一案更為棘手。HIV一類的病毒演化進程相對較快,因此珍妮絲血液中的病毒不見得就是當初感染的病毒。施密特面對指控時辯稱,珍妮絲體內的 HIV病毒與遭懷疑的原患者病毒大不相同,因此說後者是感染源並不合理。演化生物學家大衛.希爾斯團隊拿珍妮絲與施密特病患兩人的病毒,與拉法葉當地 HIV患者身上的其他病毒相比較。對於施密特病患和珍妮絲身上的病毒,希爾斯在證詞中說:「兩者是分析中序列最相近的,並且是從兩個個體身上所分離出來的病毒序列中,所能找到最密切相關的。」施密特因而獲判有罪,此案為親緣關係分析首次用於美國刑事案件的例子。自此,全球各地其他審案也陸續採用此項技術。
 
▎第八章 亂中整亂
分析擴散現象時,重中之重並非做對了什麼,而是發現哪裡搞錯。認知到有東西看起來不對勁,像是注意到發展曲線很特別,或是原以為是法則,卻發生例外。隨著我們日益認識有傳染力的擴散現象,傳染病研究領域中所探討的許多想法,目前也應用於其他類型的擴散現象。2008年金融危機後,各國中央銀行開始採信網絡關係的結構會擴大傳染,這是性病研究人員在1980年代和1990年代提出的先驅概念。近年來,將暴力視為一種具傳染力的擴散現象,而非單純當作「壞人」導致的結果,這作法則呼應了1880年代和 1890年代時對「壞空氣致病論」的駁斥。目前,針對創新和網路內容的傳播,研究界透過再生數等概念加以量化,而用於研究病原體基因定序的方法,則顯示文化的傳播和演變。
 
 

作者介紹

作者簡介

亞當.庫查司基(Adam Kucharski)

  亞當・庫查司基於倫敦衛生與熱帶醫學學院擔任助理教授,是數學本科系出身的數學家,由於研究伊波拉病毒和茲卡病毒等全球性傳染病,得以親赴太平洋群島多座村落、以及拉丁美洲多間醫院,展開田野調查。庫查斯基也是TED Fellow的一員,並曾榮獲2016年羅莎琳.富蘭克林獎,以及2012年「惠康科普著作獎」等殊榮,發表作品散見於《觀察家》、《金融時報》、《科學人》和《新政治家》。

譯者簡介

甘錫安

  專職譯者。曾擔任Discovery頻道與資訊雜誌編譯,現仍為《科學人》及《BBC知識》等雜誌翻譯。書籍譯作包括《成分迷思:解讀健康新聞的10堂通識課》、《暗池:人工智慧如何顛覆股市生態》、《因果革命:人工智慧的大未來》、《決斷的演算:預測、分析與好決定的十一堂邏輯課》、《品嘗的科學》(合譯)、《天生不愛動》、《現代主義烹調》、《獵光聖經》等,熱愛吸收各類知識,正努力朝「全方位譯人」的目標邁進。
 
高子璽(Tzu-hsi KAO)

  台大翻譯碩畢,碩論探討福爾摩沙自然史文獻。中英日全職譯者,曾於翻譯社內部任職七年。主攻領域:醫藥、體育、環保,以及各類產業文件。譯有《輿情操縱:用數據操控心智的鼻祖「析模公司」運作大揭密》、《彩色圖解運動生理學導論》、《王者製造:勒布朗.詹姆斯縱橫球場與制霸商場的成王之道》、《癮,駛往地獄的列車,該如何跳下?》。現亦為《BBC知識》科普譯者。

  賜教:kao@trilintrans.com

 

出版地

台灣

出版日期

09/07/2022

印刷

單色印刷

版別

初版

裝訂

平裝

語系

繁體中文

頁數

672