跳到主要内容

13 - 网络时代的社会机制：新技术、旧逻辑、未来挑战

"The technology changes, but the game theory remains. Yet the scale and speed of digital transformation create emergent phenomena we've never seen before."

核心论点​

前面12章建立的分析框架——博弈论、系统思维、制度设计、权力机制——在数字时代仍然适用。人性没有变,策略互动的基本逻辑也没有变。

但数字技术带来的变化是:

  1. 规模效应 - 从百人到数亿人的互动
  2. 速度 - 从天/月到毫秒的反馈循环
  3. 记录性 - 从模糊记忆到永久数字痕迹
  4. 算法中介 - 从人际互动到算法调节的互动
  5. 新型网络 - 从地理邻近到全球连接

这些变化创造了:

  • 前所未有的协调能力(全球即时动员)
  • 前所未有的监控能力(数字全景监狱)
  • 前所未有的权力集中(平台垄断)
  • 前所未有的信息过载(注意力稀缺)
  • 前所未有的极化速度(算法推荐的回音室)

本章将运用前面的理论工具,分析数字时代的新机制、新挑战和新策略。

1. 网络效应与平台经济​

1.1 什么是网络效应？​

定义: 产品或服务的价值随使用者数量增加而增加。

数学表达(梅特卡夫定律):

  • 网络价值 ∝ n²(n=用户数)
  • 每个新用户不只为自己创造价值,更为所有现有用户创造价值

1.2 网络效应的类型​

1. 直接网络效应(Direct Network Effects)​

机制: 用户越多 → 我越受益

例子:

  • 电话网络: 用户越多,我能联系的人越多
  • 社交网络(Facebook, 微信): 朋友都在这里,我也得在
  • 通讯协议(Email, SMS): 标准统一,互通互联

博弈论视角:

  • 协调博弈(回顾第1章)
  • 多重均衡:所有人用A vs 所有人用B
  • 先行优势+网络效应 = 赢者通吃

2. 间接网络效应(Indirect/Cross-Side Network Effects)​

机制: 双边市场,一边用户越多 → 另一边用户越受益

例子:

  • 平台经济(淘宝, Uber, Airbnb):

    • 卖家多 → 买家选择多 → 更多买家
    • 买家多 → 卖家收入高 → 更多卖家
    • 正反馈循环

  • 操作系统(iOS, Android):

    • 用户多 → 开发者开发app
    • app多 → 吸引更多用户

鸡蛋问题: 如何启动双边市场？

  • 补贴一边(如Uber早期补贴司机)
  • 先做单边价值(iPhone初期自己开发app)

3. 数据网络效应(Data Network Effects)​

21世纪的新型网络效应:

机制: 用户越多 → 数据越多 → 算法越好 → 产品越好 → 吸引更多用户

例子:

  • 搜索引擎(Google): 搜索数据 → 改进排名算法
  • 推荐系统(Netflix, YouTube): 观看数据 → 精准推荐
  • AI产品: 训练数据 → 模型性能

为什么这是垄断护城河？

  • 数据优势难以被复制
  • 后来者无法获得同等数据
  • 马太效应:强者恒强

1.3 赢者通吃与平台垄断​

市场集中的动力学​

传统市场:

  • 规模经济有限
  • 市场可以容纳多个竞争者
  • 例子:餐饮、零售

网络效应市场:

  • 规模经济无上限(边际成本≈0)
  • 网络效应 + 转换成本 = 锁定
  • 自然垄断倾向

例子:

  • 搜索:Google(90%市场份额)
  • 社交:Facebook家族(覆盖30亿人)
  • 电商:亚马逊(美国40%在线零售)
  • 操作系统:Android + iOS(99%)

平台权力的来源​

回顾第9章权力理论,平台拥有:

1. 结构洞权力

  • 平台连接买卖双方,占据网络中心
  • 控制信息流

2. 规则制定权

  • 平台设定游戏规则
  • 算法决定可见性
  • 例子:YouTube 决定推荐谁、抖音决定上热门

3. 数据垄断

  • 用户行为数据
  • 预测和操纵能力

4. 网络效应锁定

  • 用户离开成本高(朋友都在)
  • 开发者被锁定(iOS生态)

1.4 应对平台权力的策略​

对个人:​

策略1:多平台对冲

  • 不要完全依赖单一平台
  • 跨平台建立受众(如内容创作者)

策略2:数据权利意识

  • 理解你生成了什么数据
  • 使用隐私工具
  • 支持数据可携权

策略3:网络流动性

  • 保持转换能力
  • 使用开放标准
  • 避免过度锁定

对社会:​

监管方向:

  • 反垄断: 拆分或限制平台扩张
  • 互操作性: 强制平台开放API(如欧盟数字市场法)
  • 数据所有权: 用户拥有自己的数据
  • 算法透明: 公开推荐机制

去中心化替代: (见后文)

2. 算法权力与数字治理​

2.1 算法作为新型权力形式​

回顾福柯(第9章):权力不只是禁止,更是塑造

算法权力的特征:

1. 不可见性(Invisibility)​

  • 用户不知道算法如何工作
  • 黑箱决策
  • 无法问责

例子:

  • 为什么这个视频被推荐?
  • 为什么我的帖子没人看到?
  • 为什么这个广告给我?

2. 规模化(Scale)​

  • 同一算法影响数亿人
  • 边际成本≈0
  • 前所未有的权力集中

3. 个性化(Personalization)​

  • 每个人看到不同内容
  • 无共同现实
  • 碎片化与极化

4. 反馈循环(Feedback Loop)​

  • 算法 → 行为 → 数据 → 改进算法 → 更强影响
  • 自我强化

2.2 算法如何塑造行为？​

机制1:注意力引导(Attention Engineering)​

目标: 最大化用户停留时间(参与度)

方法:

  • 推荐吸引眼球的内容
  • 利用心理触发器(愤怒、惊讶、性)
  • 设计成瘾机制(无限滚动、通知、点赞)

后果:

  • 内容质量下降(耸动>深度)
  • 心理健康问题(焦虑、抑郁)
  • 时间浪费

博弈论视角:

  • 平台的激励:广告收入 ∝ 用户时间
  • 用户的福利:不一定 ∝ 用户时间
  • 激励不相容(回顾第6、11章)

机制2:过滤气泡(Filter Bubble)​

伊莱·帕里泽(Eli Pariser)的概念:

机制:

  • 算法学习你的偏好
  • 推荐你喜欢的内容
  • 过滤掉你不喜欢的
  • 你只看到符合你观点的信息

后果:

  • 认知封闭
  • 极化加剧
  • 惊讶减少(所有内容都"合理")

实证争议:

  • 一些研究发现过滤气泡效应
  • 另一些发现人们主动选择同质信息
  • 可能是算法+人类偏好的组合

机制3:社会信用与评分​

例子:

  • 中国社会信用系统
  • 芝麻信用分
  • Uber司机/乘客评分
  • LinkedIn的连接数

权力机制:

  • 量化个人价值
  • 自动分层
  • 激励服从

福柯视角:

  • 规训权力(第9章)
  • 自我监督
  • 可度量的个体

风险:

  • 算法偏见
  • 负反馈循环(低分→更难提升)
  • 社会分层固化

2.3 算法偏见与不公​

关键问题: 算法"客观"吗？

答案:否

偏见的来源:​

1. 训练数据偏见

  • 历史数据反映历史歧视
  • 例子:招聘算法歧视女性(因为历史数据中男性被雇佣更多)

2. 设计选择偏见

  • 工程师的假设和价值观
  • 优化目标的选择(参与度 vs 福利)

3. 反馈循环偏见

  • 算法决策 → 影响未来数据 → 强化偏见
  • 例子:预测性警务(在某区域部署更多警察 → 该区域逮捕率更高 → 算法认为该区域犯罪率高)

案例:COMPAS算法(刑事风险评估)​

问题: 用算法预测再犯风险

发现: 对黑人被告的误报率远高于白人

争议:

  • 算法公司:算法不直接使用种族
  • 批评者:但使用了与种族相关的代理变量(如邮编)

伦理困境:

  • 准确性 vs 公平性的权衡
  • 如何定义公平？(机会公平?结果公平?个体vs群体?)

2.4 数字治理的挑战​

挑战1:谁来监管算法？​

选项:

  • 自我监管: 平台自律(常常失败)
  • 政府监管: 但政府技术能力不足,滞后
  • 第三方审计: 独立机构检查算法(需要透明度)
  • 算法素养: 教育用户(但信息不对称难以克服)

挑战2:言论自由 vs 内容审核​

困境:

  • 过度审核 → 言论自由受限
  • 审核不足 → 仇恨言论、虚假信息传播

平台困境:

  • 既是言论广场,也是私有企业
  • 要不要承担编辑责任?

不同国家模式:

  • 美国:第230条(平台免责)
  • 欧盟:数字服务法(平台有审核义务)
  • 中国:政府直接审查

挑战3:跨国平台 vs 主权国家​

问题:

  • 平台全球运营
  • 但国家法律地域性
  • 管辖权冲突

例子:

  • 欧盟GDPR要求数据保护
  • 美国要求配合执法
  • 中国要求数据本地化
  • 平台如何平衡?

趋势: 数据主权、数字巴尔干化(互联网碎片化)

3. 注意力经济与信息生态​

3.1 注意力作为稀缺资源​

赫伯特·西蒙(Herbert Simon, 1971):

"信息的丰富意味着注意力的贫乏。"

从信息稀缺到注意力稀缺:

  • 传统:信息少,注意力多
  • 现代:信息过载,注意力成为瓶颈
  • 经济学翻转:注意力成为稀缺资源

3.2 注意力经济的博弈​

玩家:

  • 内容生产者: 争夺注意力
  • 平台: 中介,抽取租金
  • 广告主: 购买注意力
  • 用户: 注意力的"供给者"

激励结构:

内容生产者:

  • 最大化点击、观看、分享
  • 策略:耸动标题、情绪化内容、争议话题
  • 质量下降(严肃长文 vs 短视频)

平台:

  • 最大化用户时间
  • 策略:推荐吸引眼球的内容,不一定是高质量的
  • 激励不相容

用户:

  • 想要有价值的信息
  • 但被设计成瘾的产品俘获
  • 理性 vs 冲动

3.3 信息生态的恶化​

问题1:劣币驱逐良币​

格雷欣法则应用到内容:

  • 低质量内容生产成本低、传播快
  • 高质量内容生产成本高、传播慢
  • 低质量内容挤出高质量内容

例子:

  • 深度调查报道 vs 标题党
  • 专业分析 vs 阴谋论
  • 原创内容 vs 抄袭聚合

问题2:虚假信息的传播​

为什么假新闻传播比真相快？

MIT研究(Vosoughi et al., 2018):

  • 分析Twitter 12.6万条消息
  • 假新闻传播速度是真相的6倍
  • 到达人数是真相的10倍

原因:

  • 新奇性(假新闻更"有趣")
  • 情绪化(愤怒、惊讶传播更快)
  • 确认偏误(人们分享符合偏见的信息)

后果:

  • 公共认知扭曲
  • 阴谋论泛滥
  • 信任崩溃

问题3:信息茧房与极化​

回顾第12章:极化机制

数字加速器:

  • 算法推荐 → 过滤气泡
  • 社交媒体 → 群体极化(同质讨论 → 更极端)
  • 快速传播 → 情绪传染

后果:

  • 政治极化(美国、欧洲)
  • 社会撕裂
  • 对话不可能(无共同现实)

3.4 应对策略​

个人层面:​

策略1:注意力预算

  • 有意识分配注意力
  • 设定使用时间限制
  • 删除成瘾性app

策略2:信息卫生

  • 多元信息源
  • 主动寻找反对观点
  • 事实核查习惯

策略3:深度工作(Cal Newport)

  • 保护专注时间
  • 抵抗碎片化
  • 培养深度思考能力

平台/制度层面:​

策略1:重新设计激励

  • 优化目标:从参与度 → 福利、质量
  • 打击耸动内容
  • 奖励高质量内容

策略2:透明度

  • 公开推荐算法逻辑
  • 允许用户控制算法
  • 第三方审计

策略3:数字素养教育

  • 批判性思维
  • 识别操纵技术
  • 健康使用习惯

4. 去中心化协调:区块链与DAO​

4.1 去中心化的承诺​

中心化的问题:

  • 单点失败
  • 权力滥用
  • 审查
  • 数据垄断

去中心化的愿景:

  • 无需信任第三方
  • 抗审查
  • 透明
  • 用户主权

4.2 区块链:去信任化机制​

核心创新:分布式账本 + 加密 + 共识机制

解决的信任问题:

  • 无需信任中央机构
  • 记录不可篡改
  • 交易透明可验证

应用:

  • 加密货币(Bitcoin): 无需银行的货币
  • 智能合约(Ethereum): 自动执行的协议
  • NFT: 数字产权
  • DeFi: 去中心化金融

博弈论视角:

  • 机制设计(回顾第11章):激励矿工诚实(挖矿奖励 > 作恶收益)
  • 纳什均衡: 诚实是最优策略(在算力分散的前提下)

4.3 DAO:去中心化自治组织​

定义: 由智能合约管理的组织,规则代码化,决策去中心化。

愿景:

  • 无等级组织
  • 透明治理
  • 成员共同所有和控制

实践案例:

  • MakerDAO: 管理稳定币DAI
  • Uniswap: 去中心化交易所
  • 各种DAO: 投资DAO、收藏DAO、社交DAO

治理机制:

  • 代币持有者投票
  • 提案与执行
  • 链上治理

4.4 去中心化的局限​

理想 vs 现实:

局限1:效率低下​

  • 共识成本高(能耗、时间)
  • 决策缓慢
  • 扩展性差(如比特币:7笔/秒 vs Visa:24000笔/秒)

局限2:新的中心化​

实际观察:

  • 算力集中(少数矿池控制)
  • 代币财富集中(巨鲸)
  • 技术能力门槛(码农主导)
  • 去中心化的中心化

局限3:治理困境​

挑战:

  • 低投票率(冷漠)
  • 寡头治理(大户操纵)
  • 协调难度(无领导)
  • 分叉风险(社区分裂)

局限4:匿名与问责矛盾​

困境:

  • 匿名性保护隐私
  • 但也保护犯罪
  • 如何在无中央权威下问责?

4.5 去中心化的未来​

现实主义评估:

不会完全取代:

  • 某些功能需要中心化(紧急决策、复杂协调)
  • 效率 vs 去中心化的权衡

可能的发展:

  • 混合模式: 核心功能去中心化,其他功能中心化
  • 渐进式去中心化: 初期中心化启动,逐步去中心化
  • 特定领域应用: 产权、身份、投票等

关键问题: 去中心化本身不是目的,目的是更好的激励结构、更公平的权力分配、更鲁棒的系统。

5. 数字身份与在线社群​

5.1 数字身份的多重性​

线下 vs 线上:

  • 线下身份: 单一、固定、身体绑定
  • 线上身份: 多重、流动、可选择

身份策略:

  • 真实身份(Real Name): Facebook模式
  • 匿名(Anonymous): 4chan, Reddit(部分)
  • 化名(Pseudonymous): Twitter, 大多数论坛
  • 多重身份: 不同平台/社群不同人设

5.2 匿名性的双刃剑​

优势:

  • 表达自由(无社会惩罚)
  • 隐私保护
  • 弱势群体保护
  • 思想实验

劣势:

  • 去抑制效应(网络暴力)
  • 问责困难
  • 信任降低
  • 虚假信息

去抑制效应(Online Disinhibition Effect):

  • 匿名 + 距离 + 异步 → 降低社会规范约束
  • 人们说线下不敢说的话

5.3 在线社群的形成​

回顾奥斯特罗姆(第11章):公共资源治理原则

在线社群案例:Reddit

治理机制:

  • 明确边界: subreddit规则,禁止谁
  • 本地规则: 每个sub自己的规则
  • 集体选择: 版主选举,社区投票
  • 监督: 版主+用户举报
  • 分级制裁: 警告 → 禁言 → 封号
  • 冲突解决: 投诉机制
  • 嵌套层级: sub → 平台 → 管理员

成功因素:

  • 社群规模适中(太大难管理)
  • 明确的社群身份
  • 自治权被尊重

5.4 在线社群的衰落模式​

永恒九月(Eternal September):

  • 原指1993年AOL用户涌入Usenet
  • 新用户不懂规范
  • 老用户离开
  • 社群文化消失
  • 质量下降

商业化腐蚀:

  • 平台追求增长
  • 算法改变内容分发
  • 老用户感觉被背叛
  • 社群分裂或离开

极化与冲突:

  • 政治极化渗透所有空间
  • 无法避免争吵
  • 社群分裂

5.5 未来身份:去中心化身份(DID)​

愿景:

  • 用户拥有和控制自己的身份数据
  • 跨平台可携带
  • 选择性披露(零知识证明)

技术:

  • 区块链锚定
  • 加密凭证
  • 自我主权身份(Self-Sovereign Identity)

挑战:

  • 用户体验复杂
  • 采用困难(鸡蛋问题)
  • 与现有系统兼容

6. 网络时代的冲突与极化​

6.1 数字冲突的特征​

回顾第12章:冲突升级机制

数字加速器:

  • 速度: 冲突升级从天/月 → 分钟/小时
  • 规模: 从局部 → 全球围观
  • 持久性: 数字记录永存
  • 去情境化: 内容脱离语境传播

6.2 取消文化(Cancel Culture)​

定义: 通过社交媒体集体抵制个人或组织,通常因为言行被视为冒犯。

机制:

  • 某人言行被曝光
  • 社交媒体上愤怒传播
  • 呼吁抵制、辞退、去平台化
  • 有时成功,有时失败

支持者观点:

  • 问责机制
  • 赋权弱势群体
  • 改变不当规范

批评者观点:

  • 网络暴民
  • 不成比例的惩罚
  • 寒蝉效应(自我审查)
  • 误伤无辜

博弈论分析:

  • 集体行动问题被数字技术克服(协调成本降低)
  • 但缺乏程序正义(无辩护、无比例原则)
  • 社会制裁的"私刑化"

6.3 信息战与操纵​

国家行为体:

  • 俄罗斯干预美国选举(2016)
  • 虚假信息传播
  • 水军(Troll Farm)
  • 深度伪造(Deepfake)

商业行为体:

  • 数据分析公司(如Cambridge Analytica)
  • 微定向广告
  • 心理画像与操纵

机制:

  • 大数据 → 精准定位脆弱群体
  • A/B测试 → 找到最有效的叙事
  • 病毒式传播 → 指数扩散

防御困难:

  • 检测难
  • 速度快
  • 言论自由界限模糊

6.4 建设性对话的可能性​

悲观:

  • 技术架构鼓励冲突(参与度)
  • 极化自我强化
  • 共同现实消失

乐观实验:

1. 桥梁算法(Bridging Algorithms)

  • 推荐跨立场认可的内容
  • 减少极化

2. 异议友好空间(Disagreement-Friendly Spaces)

  • Kialo(结构化辩论)
  • 设计鼓励理性对话的规则

3. 慢思考平台

  • 延迟发布(冷静期)
  • 去除病毒式传播机制
  • 鼓励深度讨论

关键: 技术是中性的,设计决定方向。

7. 未来展望与策略​

7.1 网络时代的三大趋势​

趋势1:AI代理的兴起​

不再是人 ↔ 人,而是人 ↔ AI ↔ 人

影响:

  • AI助手中介所有互动
  • 个性化到极致
  • 但可能操纵(回顾算法权力)

博弈论挑战:

  • AI代理之间的博弈
  • 委托-代理问题(AI真的代表你的利益吗?)
  • 人类能动性的丧失

趋势2:虚拟世界与元宇宙​

线上线下的融合:

  • 更多生活在虚拟空间
  • 虚拟经济、虚拟身份、虚拟社交

社会机制的挑战:

  • 虚拟产权
  • 虚拟治理
  • 线上-线下身份的整合

趋势3:生物-数字融合​

脑机接口、神经增强:

  • 思维直接数字化
  • 认知增强
  • 新的平等问题(增强富人 vs 未增强穷人)

7.2 关键挑战​

挑战1:权力集中 vs 去中心化​

张力:

  • 平台垄断 vs 去中心化技术
  • 效率 vs 自由
  • 协调 vs 自主

未来方向: 可能是混合,而非二选一

挑战2:隐私 vs 监控​

困境:

  • 安全需要监控
  • 自由需要隐私
  • 技术使监控史无前例地容易

风险: 数字极权主义(中国社会信用系统的扩散?)

挑战3:真实 vs 虚拟​

深度伪造:

  • 视频、音频可以完美伪造
  • 信任崩溃
  • "眼见为实"不再成立

应对:

  • 数字签名和认证
  • 来源可追溯
  • 但军备竞赛(伪造 vs 检测)

7.3 个人策略​

数字时代的生存与繁荣:

策略1:数字素养与批判性思维​

不只是使用技术,更是理解技术:

  • 算法如何工作?
  • 我的数据如何被使用?
  • 如何识别操纵?

策略2:注意力主权​

夺回注意力控制权:

  • 有意识使用
  • 设计无干扰环境
  • 保护深度工作时间

策略3:建立真实联结​

对抗数字疏离:

  • 线下关系优先
  • 小规模深度社群
  • 真实性>数量

策略4:技能组合​

未来工作:

  • AI难以替代的能力:创造、共情、复杂问题解决
  • 人机协作能力
  • 终身学习

策略5:制度参与​

不只是个人应对,更要集体行动:

  • 参与数字治理讨论
  • 支持有益的技术设计
  • 倡导制度改革

实践练习​

练习1:个人数字审计​

审计你的数字生活:

  • 你在哪些平台上?每天花多少时间?
  • 你生成了什么数据?谁拥有?
  • 你有多依赖某个平台?(转换成本?)
  • 算法如何影响你看到的内容?
  • 如何改进?

练习2:平台权力分析​

选择一个平台(如YouTube, TikTok, 淘宝):

  • 用第9章的权力框架分析其权力来源
  • 网络效应有多强?
  • 数据优势如何?
  • 用户被锁定程度?
  • 监管如何影响?

练习3:算法反思​

观察一个推荐算法(如抖音、YouTube):

  • 它推荐了什么给你?
  • 这反映了你的真实兴趣吗?
  • 还是放大了某些倾向?
  • 如果你控制算法,你会怎么设计?

练习4:去中心化实验​

尝试一个去中心化应用(如Mastodon社交网络):

  • 体验与中心化平台有何不同?
  • 优势和劣势?
  • 为什么采用困难?
  • 未来潜力?

延伸阅读​

平台经济与网络效应:​

  • Parker, G. G., Van Alstyne, M. W., & Choudary, S. P. (2016). Platform Revolution
  • Srnicek, N. (2017). Platform Capitalism
  • Evans, D. S., & Schmalensee, R. (2016). Matchmakers: The New Economics of Multisided Platforms

算法权力与数字治理:​

  • O'Neil, C. (2016). Weapons of Math Destruction
  • Eubanks, V. (2018). Automating Inequality
  • Zuboff, S. (2019). The Age of Surveillance Capitalism
  • Noble, S. U. (2018). Algorithms of Oppression

注意力经济:​

  • Wu, T. (2016). The Attention Merchants
  • Newport, C. (2016). Deep Work
  • Pariser, E. (2011). The Filter Bubble

区块链与去中心化:​

  • Narayanan, A., et al. (2016). Bitcoin and Cryptocurrency Technologies
  • Tapscott, D., & Tapscott, A. (2016). Blockchain Revolution
  • Wright, A., & De Filippi, P. (2015). "Decentralized Blockchain Technology"

数字身份与社群:​

  • Turkle, S. (2011). Alone Together
  • Rheingold, H. (2000). The Virtual Community
  • Suler, J. (2004). "The Online Disinhibition Effect"

冲突与极化:​

  • Sunstein, C. R. (2017). #Republic
  • Tucker, J. A., et al. (2018). "Social Media, Political Polarization, and Political Disinformation"
  • Vosoughi, S., Roy, D., & Aral, S. (2018). "The Spread of True and False News Online"

未来展望:​

  • Tegmark, M. (2017). Life 3.0
  • Harari, Y. N. (2018). 21 Lessons for the 21st Century
  • Bostrom, N. (2014). Superintelligence

总结:旧逻辑,新世界​

本章的核心信息:

  1. 基本逻辑未变 - 博弈论、系统思维、制度设计仍然有效
  2. 规模和速度质变 - 创造了新的涌现现象
  3. 新的权力形式 - 算法、平台、数据
  4. 新的挑战 - 注意力、极化、监控、真实性
  5. 策略需要更新 - 但原则不变:理解机制、设计激励、集体行动

前瞻:

  • 技术会继续演化(AI、元宇宙、脑机接口)
  • 但人类仍是人类(演化心理学不变)
  • 社会机制的本质问题仍是:
    • 如何协调?
    • 如何合作?
    • 如何分配?
    • 如何治理?

手册的旅程到此结束,但你的旅程才刚开始。

返回主目录: 社会的游戏规则

完整13章,从博弈论基础到数字时代,从个体策略到制度设计,从冲突到合作,从权力到人性——你现在拥有了一套完整的社会分析工具包。

接下来,如何使用这些工具,塑造你想要的世界?

选择权在你手中。