当前位置: 首页 > news >正文

【拉姆齐定理:阴谋论的数学解释 关键字摘取】

而为什么阴谋论会存在呢?其实,在数学上可以用拉姆齐定理(Ramsey Theory)来解释。

拉姆齐定理

这个定理的文字描述是这样的:

对任意整数 a 和 b,若参加聚会的人数 n 足够大,则无论他们之间相识与不相识的关系如何,都必定会有 a 个人相识,或者 b 个人互不相识。当给定 a 和 b 时,保证前面论述的最小值就叫作拉姆齐数 R (a,b),其值取决于 a 和 b。

阴谋论为什么会出现?

可能有些人听到这里都晕了,你不是要说阴谋论是怎么出现的吗?怎么做起了数学游戏?

其实,如果把刚刚这个求解过程颠倒过来,往往就是阴谋论的出现过程。也就是,我们在举办聚会的时候并没有什么明确的初衷,既不想专门安排一些熟人互通有无,也没打算让多少陌生人建立联系。

比如,就是一场武林高手对决,自发的来了很多感兴趣的观众,那么只要观众人数达到了 6 个,就已经有可能出现 3 个人互相不认识或者 3 个人之前就互相认识的情况了。同样的,只要人数达到了 36,不但其中 3 个人之前互相认识或者不认识的比例大大增加,而且有 9 个人之前互相不认识的可能性从数学上说也不再是零了。

总之,人数是一个基本盘,只要数值够大,这些人中就会冒出一堆又一堆的熟识关系。

现在,我们终于要说到阴谋论了。

其实,每天发生的新闻、看到的群里的消息、别人讨论的内容等,每一个事件都可以看作是一个字母。这些字母随机的出现在你身边,没人为你刻意安排这些事件字母的顺序,你也无法预料接下来什么事件字母会出现。但当事件字母的数量足够多的时候,按我们刚刚说的拉姆齐定理,就一定存在一些事件字母是可以组成“单词”的。

随机过程与阴谋论的诞生

这个道理的核心就是——只要规模足够大,我们总能在本质是随机的排序中发现很多貌似是规律的东西,比如 6 个连续的 0,就让人误以为存在什么规律。

那么,怎么才能避免阴谋论呢?

**一种方法是缩小表格规模,**让信息的总和萎缩到连一个简单的 red 都拼不出来。这时候,一切逻辑也就都关联不起来了,阴谋论自然会消失。禁止信息的传播和信息的生产,就能起到这样的效果,但代价就是,这个文化区域里永远也发现不了具有含金量的信息和知识。

另一种方式就是扩大表格的规模。因为这样一来,阴谋论和反阴谋论的观点都会出现,至于哪个观点胜出,不用期待有力量给予最终裁决,我们只需要坐等持有不同论点的人照着自己认同的观点行动,最后他们自然就会在经济资源、话语权资源、旁观者的支持与否定中分出胜负,那些太离谱的就会被挤压在边缘、无法扩散。

结论

1.对随机过程深入理解和对阴谋论诞生的理解,其实是一体两面的。这个道理的核心就是,只要规模足够大,我们就总能在本质是随机的排序中发现很多貌似是规律的东西。
2.当事件字母的数量足够多的时候,按照拉姆齐定理,就一定存在一些事件字母是可以组成“单词”的。如果一个人愿意相信不可证实的事件字母串成的故事,阴谋论就这样植根在他的心中了。
3.想要避免阴谋论,一种方法是禁止信息的生产和传播,让一切逻辑都关联不起来,另一种方法是扩大信息的规模,让阴谋论和反阴谋论的观点在竞争中分出胜负。

http://www.dtcms.com/a/41266.html

相关文章:

  • Locust性能压测工具使用指南
  • 硬件基础(3):三极管(2):实践应用(持续更新)
  • Python—Excel全字段转json文件(极速版+GUI界面打包)
  • 数字化传播杂志数字化传播杂志社数字化传播编辑部2024年第13期目录
  • CVPR2024 | ANDA | 通过集成渐近正态分布学习实现强可迁移对抗攻击
  • pta天梯L1-007 念数字
  • 从混淆到精通:C/C++常量指针与指针常量的本质差异与实战应用
  • Cookie与Session:Web开发中的状态管理机制
  • Docker数据卷容器实战
  • Redis缓存一致性难题:如何让数据库和缓存不“打架”?
  • let、const【ES6】
  • 前端性能测试面试题及参考答案
  • MySQL中的DATETIME与TIMESTAMP选择指南
  • FreeRTOS-在队列发送读取数据小实验
  • C++初阶—list类
  • RISC-V架构的平台级中断控制器(PLIC:platform-level interrupt controller)详解
  • visual studio 2022安装教程及下载(附安装包)visual studio 2022下载安装教程图文详情
  • 解决 Ubuntu 24.04 虚拟机内无法ping 通 Hostname 的问题
  • 【论文笔记-TPAMI 2024】FreqFusion:用于密集图像预测的频率感知特征融合
  • LLM中的Benchmark是什么
  • 阿里开源正式开园文生视频、图生视频模型-通义万相 WanX2.1
  • 浔川 AI 翻译 v6.1.1 将于 3 月 2 日上线:功能升级,体验更优
  • 【文献阅读】A Survey on Model Compression for Large Language Models
  • km98. 所有可达路径(邻接矩阵+邻接表)
  • 【02】Cocos游戏开发引擎从0开发一款游戏-cocos项目目录结构熟悉-调试运行项目-最重要的assets资源文件认识-场景sense了解-优雅草卓伊凡
  • 953 验证外星语词典
  • Qt关于平滑滚动的使用QScroller及QScrollerProperties类说明
  • 228页PPT丨制造业核心业务流程优化咨询全案(战略营销计划生产研发质量),附核心系统集成架构技术支撑体系,2月26日资料已更新
  • 【博资考1】网安学院-北航网安数学基础部分
  • Tomcat介绍