五、阿喀琉斯之踵
现在此时此刻，你可能会反问你自己，我们有枢纽点，我们能够解释为什么会有这样的枢纽点，但是那怎样呢？我们为什么一开始要关心这些枢纽点呢？除了它们很显然本来就存在，我们之所以会关心这些枢纽点，是因为它们一旦存在，它们就从根本上决定了和改变了它们所在的这个系统的行为。接下来，我们看两个例子。我们将会看到枢纽点是如何改变一个复杂系统的行为的。
无标度网络的稳健性
第一个例子与稳健性的概念有关。稳健性是复杂系统非常重要的一个属性。为什么？因为许多复杂的系统都想要保持它们的基本属性，即使当它们许多的组成部分都不运作或者暂时性崩溃的时候。例如，在因特网上，任何时候都有数百个路由器不运作，但是我们没有注意到，它们可能会在一两分钟内修好，也有可能会在一两天内修好，这取决于这些路由器有多忙碌以及有多少人在抱怨它。但是它们似乎不影响因特网提供服务给我们。因此因特网能够抵御局部的路由器发生故障。同样地，当我今天在讲课的时候，我的身体里也许有数百万的细胞会出现一些局部的问题，但是我没有注意到它们。我之所以没有注意到，是因为许多自然系统有它们自己的稳健性，意味着它们可以在缺少许多节点的情况下仍然能够正常运转。
想一想更大一点的组织，当有人去度假的时候，这个系统不会崩溃？公司不会停止运作？这些基本的功能还能继续运作下去。所以我想问一个问题，那就是这种稳健性来自于哪里？可能是这个网络本身，使它保持稳健性的吗？我们先从我们之前建立的这个网络开始讲起。我们首先随机地去掉这些节点，你们看到了什么？那是因为我有许多许多的小节点，如果我真的随机地去掉一些节点，大部分是将小的节点移除，因为它们有很多。而且我去掉枢纽点的可能性是非常非常低的。因此这个网络会缩小，但是不会崩溃。
这就是当我们研究这些系统的稳健性时，我们所了解到的，那就是当发生随机的错误，这些无标度网络也依然能保持稳定。如果你随机地去掉这个节点，这个网络不会崩溃，你甚至可以去掉一个大的无标度网络里95%的节点，而剩下的5%仍然能够连接在一起。也就是说无标度网络会缩小，但是不会崩溃，但是你需要付出一定的代价。如果你不是随机地去掉一些节点，而是去攻击，攻击指的是什么？攻击指的是，我要去除掉最大的节点。一个个去除最大的节点后，你会看到这个网络变成了小碎片。我们来比较一下左图和右图，在左图，我随机去掉了29个小节点，而这个网络依然连接在一起。在右边，我去掉10个枢纽点，这个网络却分裂成了小的碎片，这就是我说的无标度网络的阿喀琉斯之踵（致命弱点），它们不怕随机的故障，但是它们害怕受到攻击。即随机的崩溃不会让系统垮掉，但是如果你把枢纽点移除掉，由于整个网络是由这些枢纽点连接起来的，马上系统会变得支离破碎。因此这个例子能够很好地说明，这些枢纽点对于系统而言有多么重要。
阿喀琉斯之踵的一个简单的故事
但是当然，它也帮助我们回到我之前给你们看的那个例子上，那个级联性失效其实是因为一系列故障发生在枢纽点上导致的。因为如果在网络里有一些东西在流动，如信息或者电力，这个网络就会变得更加脆弱。电力系统就是一个例子。电在电网里传输，因此当节点崩溃时，电力会被重新发送给系统里其它的节点上，这会导致这些节点也出现问题，因为它们无法承受那么大的电力，最后就出现了我们所谓的级联性失效。但是当然，在出现这个级联性失效的过程中，枢纽点再一次扮演着非常非常重要的角色，于是就有了第四条法则，它告诉我们：基本上无标度网络都有它们的阿喀琉斯之踵（致命弱点），它们能够抵御随机的故障，但是它们却非常容易受到攻击。
六、枢纽的力量
现在我想要给你们看另一个例子，在这里枢纽点发挥着关键作用。这个例子对于我们来说很重要，它与信息在网络中的传播方式有关。社会和商业网络的一个关键特征是，我们相互了解，然后信息从一个人传播给另一个人，我们关心想法的传播、做法的传播、新的商业模式的传播等等。在生物领域，我们关心病毒的传播，如埃博拉病毒和其它病毒，我们很担心它们。我们要研究的这个框架，是流行病学里研究出来的，它说有两个参数真的很重要。一个参数是哪些部分的用户受到了影响，我用横轴来表示；即哪部分的用户个体适应某种想法，他们是否相信进化，或者他们是否有关于商业的某些想法等等。另一个重要的参数是这个想法传播起来有多么容易，就像传播病毒有多么容易，或者多么容易去说服某人采取某种商业做法有多么简单。传统的流行病学告诉我们，如果传播速度非常慢，而且有康复的可能性，那么这个病毒就会消失。也就是说，即使一种病毒可以向全世界传播，但如果恢复的速度足够快、病毒的扩散速度足够慢，那么这个病毒会很自然地在全社会消失，你甚至不必担心。但是如果它的传播速度超过了一个临界点，那么它就会开始扩散，将有一部分人被染上这个病毒或者接受这个想法。
现在结果证明，几十年以来，所有被传染病学用来阻止病毒扩散的理论都基于一个想法，那就是我们都是随机相互联系的，如果我们真的生活在一个无标度网络里，它就会失败。我们知道我们的确是这样，有大量的数据表明，传染病传播的网络是无标度的，如果这个网络是无标度，那么曲线会是呈现如下图所示的那个样子，没有临界点。而是甚至十分微弱的暴力的想法也会传播开来，或者甚至是十分微弱的病毒也会传播开来。它们会传播的原因是，如果一个病毒从某处起源，它会非常迅速地感染这个枢纽点，因为枢纽点与许多其它的节点，因此不管这个病毒出现在哪里，这些枢纽点是首先被传染的，一旦枢纽点被感染了，它们将把这个疾病传给许多许多其它的节点。最后这个枢纽点将作为一个病毒库感染整个网络。
现在来看第五条法则，我把它归纳成枢纽点的力量，那就是一旦系统里存在枢纽点，它们会从根本上改变这个系统的行为，它们不仅会使系统保持稳定，而且它们是传递想法、传播病毒等等的渠道。他们想知道，在这个情况下，我们知道如果你想要阻止一个病毒的传播，你必须把重点放在枢纽点本身上，首先让枢纽点免疫。
七、群体
群体的存在
现在我们可以进入下一步，讲一讲另一个重要的网络的组织原则，那就是群体的存在。当你绘制一个社会网络时，你会得到如左下图所示的东西，它常被称为“毛团”，很难看出它的任何内部结构。你们在这里看到的是一个真正的网络，这是一个移动通讯网络，来自于欧洲的一个国家，个人是节点，连接对应着谁打电话给谁。但是在这个网络里，有一个非常细微的内部结构，问题是我们要如何继续往前找到它们，我们可以把它们放大，如右下图找到我们所谓的这个网络的群体结构。这正是我在这里想要说明的，那就是有那么一整组工具，被人们用来寻找，网络中所谓的群体。
什么是群体？群体就是一组节点，群体内部的节点之间的联系比与群体外部的节点之间的联系更多。他们可以是一组朋友，他们经常相互交谈，也可以是家庭成员，他们经常相互通电话，也可以是同事，他们经常沟通等等，它们不仅局限于通讯网络，在万维网里，也存在这样的群体，因为不同网页有共同的兴趣点，它们是相互连接的。它们存在于这个社交的网络，你们可以看到朋友之间，有共同兴趣的个体之间，或者在同一个城市的人之间，会比在其它城市里的人联系更为紧密。我们的网络科学里有一组工具，它允许你从一个大的网络开始，不管它有多大，它能有效地识别出这个群体。
现在你们也许会说，你们有一个算法去找到这些群体，但是你怎么知道这些群体是有意义的，也就是说它们对应着系统里某些真实的东西？有一些不同的方法，可以测试出来这个群体的意义。我给你们讲一个例子，在这里我给你们看的是，一个特别的群体，但是我给如下这两幅图另外加工了一下。现在我根据通话的频率以及每天的不同时段，重新给连接着色。红色意味着，在这两个个体之间在午夜的时候，他们通话频繁。为什么在如下这片区域，几乎没有任何连接？这些是在中午时段的通话的频率。所以你们可以看到，相反的部分。当你从那个视角来看，当有通话时，你看到不同的群体有不同的意义。尤其如果你看看，那个特别的群体，你会看到在午夜的时候，通话非常忙碌，但是似乎他们中午的时候会午睡，因没有人在中午的时候相互通话。不出乎意料，这些都是青少年，他们到了深夜还在频繁通讯，而在白天，几乎不怎么通讯，那时他们或许在睡觉或者他们在学校。尽管如此，他们的父母却在午夜时交谈不多，但是他们在中午的时候，或者一天的其它时间段，非常频繁地交谈。所以你们可以看到这些群体，能让你们有效地识别出共同的行为模式，这是它们之所以有价值的一个原因。
而且这些可以被用于许多不同的目的。如下图我给你们看到的一样，这是一个公司网络。我在我给它们运行一个寻找群体的算法，你看到很自然找到了一些很明显的群体。这些群体之所以那么重要，是因为这些人有相似的特点。所以如果这是一个大的顾客群体，如果你知道他们是如何相互交流的，你会想要给这个群体做出不同的标记，以区别那一个群体。因为他们是这个网络的不同部分，而且很显然，他们有不同的兴趣。如青少年和他们的父母，所以你们可以预料到，这些人通过相互交流，他们有许多的共同点。所以他们也许会接受，你给他们的相似的信息。
弱连接的力量
到目前为止，我所讲的所有例子当中，我都假设两个节点之间有连接。当然，连接的力量、连接的意义在两对个体之间可以有很大的差别。连接的力量，我们常常可以用它来描述亲密的友情、亲密的家庭关系、非常频繁的通话或者非常有效的沟通。而其它的连接则不那么频繁，它们一年只发生几次，因此我们把它们称为弱连接。第一次系统性地讨论弱连接的力量的是马克·格兰诺维特。在1973年，他写了一篇很优秀的论文，叫《弱连接的力量》，也许它是有史以来引用率最高的一篇社会学论文。他意识到，当我们看到这个群体时，这些不同的群体的连接的力量，在群体的内部和外部是不一样的。也就是说弱连接倾向于出现在群体内部。如果我们是这个群体的一部分，我们会与强连接彼此相连，而弱连接常常是这个群体以外的个体。事实上，这个说法非常出乎人们的意料。马克·格兰诺维特询问波士顿居住区的人，他们的工作是从哪里得到的？他预料到他们会说，我找工作是多亏了我的熟人。但是当他真正问他们的时候，大部分人说，不、不、不、不，是来自于一个他们不怎么认识的人，是我们用科学术语称为弱连接的人，告诉他们有关工作的信息，最后让他们找到了工作。
然后，马克·格兰诺维特有了弱连接的力量这个想法。他说，强连接的问题是，在群体内部没有新的信息，因为每个人什么都知道。我们交谈得很多，因此在群体内部，我们会分享所有的信息。尽管如， 如果你想要得到新的信息，如一个新的工作机会、一个新的商业机会，你就必须走出强连接。你需要激活你的弱连接，因为那才是你能找到新信息的地方。这样一来，我们就进入到我今天要跟你们讲的最后一个组织原则，那就是群体的存在，那就是不管你关心的是什么网络，都会有这样一些可以检测得到或者可以发现的群体，在这里，节点与一些其它的节点紧密相连。紧密意味着，在它们之间存在非常强的连接。然后一般来说，这些不同的群体与许多其它的群体共存，但是这些群体之间的连接会更弱一些。
八、控制
控制论
现在，你们知道了所有关于网络结构和演化的知识都是从哪来的，它们是什么样子的。并且我们要开始自问，网络上发生了什么？网络上的动态是怎样的，我们如何主导操控它？我们能改变系统的行为吗？我们为什么要关心这个呢？因为如果你思考一下科学的目的，创新的部分通常是用来理解这个复杂的系统的。所以，这既是我工作的目的，也是整个网络科学界的目的。“理解”是什么意思呢？“理解？意味着我们能够量化系统的行为，量化意味着我可以测量特定的行为模式，我可以建立模型。然后如果我的模型成功了，我可以进行下一步，也就是说我可以开始预测那个特定系统的行为。一旦我完成了这个特定的预测，对网络的终极理解就会显现出来。如果我能超越量化和预测，我就能开始控制系统。
我在一定程度上受到了工程学、电气工程等的启发，这就是所谓的控制理论。现在的问题是控制论学者对于控制系统意味着什么？他们是如何思考的，以及什么时候系统是可控的？所以我们需要定义一些基本的概念。控制论中有一个非常抽象的定义，就是什么叫做系统是可以控制的？让我们了解一下它。实际上，任何系统都是由大量的变量描述的，一个系统是否可控，在于系统是否能在一个有限的时间里，从一个初始状态变成一个最终状态。这是很抽象的概念，问题是，这到底意味着什么？为了理解这一点，我们举个我们都很熟悉的例子，这就是汽车的例子。一辆普通的车大约有五六千种零件，这取决于你看的车有多复杂。这个五六千种零件的有趣之处在于，当我们开车的时候，我们并没有意识到这六千种零件的存在，它们是独立的状态。更确切地说，我们知道三个或是四个零件，比如是不是自动档的、方向盘、油门、刹车、离合器等的状态。我们之所以关注这三、四个零件的原因是，因为通过改变这些零件，你可以让汽车的其他零件也跟着变化。
现在我们可以这样想，作为一个网络汽车的设计和编程，都是通过这三个部件来控制的，这就是工程学的意义。今天我想做的是，把问题反过来。反过来的问题是这样的，如果我给你如下图所示的一辆汽车的接线图，你能仅仅通过网络形态识别它吗？能让你控制网络其余部分的三个组件是什么？我们大多数人，无论来自研究领域还是商务领域的职业，问题都是如此：谁是控制点，我们不知道，谁是控制点，但我们想要识别它们。这正是大多数生物学家和遗传学家想要做的，他们想要了解人类疾病的起源，以及我们的细胞是如何工作的。他们要做的是，找出控制特定行为的基因，哪些基因会导致癌症？哪些基因会导致哮喘？哪些基因需要改变，才能使疾病状态变为健康状态？你如何治疗一个人，就如何治愈网络。
生物学家无论他是研究细胞还是脑科学，他们经常需要弄清楚系统自身是如何控制运行的。但我们假设明天，你会被要求负责如下图所示的一个特殊的组织。作为一个新的领导者，你想把公司带向一个新的方向。你做不到去告知每个人他们的工作是什么、他们应该如何帮助你，那你打算怎么办？你会发现你可以确定这个组织的四或五个控制点是谁，通过这些控制点，你可以把组织带向一个新的方向。所以从根本上说，我们不把它叫做控制问题，我们称之为领导力。作为一个领导者，你要做的就是，在组织中找到那些你可以通过他们来改变组织的人。
网络控制：卡尔曼条件
所以我今天想问的问题是，我能不能通过控制几个选取的节点来控制这个网络的其他部分吗？这个问题的答案是由鲁道夫·卡尔曼在1963年给出的。考虑如左下图所示的一个特定的网络，一个节点影响另一个节点，而这个节点又向下一个节点发送信号。我在这里发送一个信号，我能控制这个系统吗？根据卡尔曼条件，答案是肯定的。答案是肯定的意思是说，我们在这有一种设计信号的方式，让它进入和利用在每个节点上的延迟，这样我可以在任何位置按照我想要的方式设置X，这样我就能控制这个系统了。但同样地，我们猜想我也应该能够控制如中间图这个系统，因为我有三个节点，在那里我把信号发送到上面的节点上，这些节点轮流影响下面的两个节点。根据卡尔曼条件，这个系统是不可控制的。为什么不能控制？因为我无法以不同的方式控制x2和x3的状态，它们都由同一个控制节点来控制的，它们都得到相同的信号，所以它们总是和那个节点同步。如果我想控制这个系统，我必须添加另一个信号，比如如右下图这两个节点中的一个，现在这个特定的系统会变得可控。
我喜欢这个例子，因为它告诉我们控制不仅仅是确定我和我需要控制的节点之间的一条路径，控制是我能够给网络里每个节点一个独特的信息，也就是以某种方式发送信息，这样你们每个人都会得到一个不同的信号，这样我就可以把你们置于不同的状态，这就是真正的控制。所以一种考虑控制的方法是，我是否有能力让网络的每个节点获得不同的信息。现在，看起来卡尔曼条件已经解决了这个问题，因为它告诉我们系统是否可控。但它其实没有真正解决这个问题，因为卡尔曼条件没有给我们识别控制节点的方法，它只告诉如果我们对谁控制节点有一个猜测，不管我们是否正确，它会给我们一个是或否的答案，这就是它提供给我们的。
如果你给我一个任意的网络就像个大脑，如下图显示的这样，我们能否能算出控制系统所需的最小节点数？我如何找到那些可以控制系统的节点？最终是什么网络特性决定了控制节点？显然，我们已经能找出这些问题的答案。
匹配
为了找到答案，现在我想换一个问题，这个问题显然与控制无关，但它本身就是一个有趣的问题，它是个游戏，就像它名字描述的一样，叫做匹配游戏或匹配问题。游戏面对的挑战是什么？为了完整起见，我会给出两个网络。我将用下面这些简单的问题向你们挑战。我希望你们不要修改网络，但是要把网络上的一些连接涂成红色，但同时有个限制，我们永远不要把两个红色的连接连在同一个节点上。比如，我可以把如下图所示的连接画成红色，因为它们不会落在同一个节点上，这就是我们所说的匹配。所以我要求你们给现有的一些东西涂色，一些连接涂成红色，而不让红色连接互相接触。当然，我也会让这个问题变得更加困难些，通过找到满足这个条件的最多的红色连接数，这叫做最大匹配。在这种情况下，有一个最大匹配。你可以检查自己的其他连接，如果我把这儿涂红了，这个就会违反我设定的条件，也就是两个红色的连接连在同一个节点上。在最下面的网络中，我可以把其中两个连接画成红色，但我可以用三种不同的方式，三种独立的方式来实现同一个目标。
现在让我们把问题变得复杂一点，我们把匹配这件事情，推广到有定向性的网络。我将问同样的条件，但是有一个要求是：如果我有一个节点，我可以有一个红色连接接入进来，我还有一个红色连接从该节点出去，但我的这两个红色连接不会走到同一个节点。我们把这个原理，应用到这个有定向性的网络上。你们可以看到如右上图所示的这里每个连接，都可以涂成红色因为我从来没有，违反过这样的一个条件，最多一个红色连接指向一个节点。然而，如右下图所示，在这里，只能有一个连接可以被涂成红色。因为一旦我这么做了，如果有任何其他的我想涂成红色的连接，我就违反了我的条件。我至少要有两条红色连接连出去。你也可以看到有三种不同的方法可以达到这个目的，它们是等价的。我称一个节点被匹配了，
如果一个红色的连接指向它。如果没有红色连接指向它，则称为未匹配。
这个匹配问题就像网络上的一个游戏，和控制问题是一样的。它们与我们所说的最小输入定理相连。这个定理说，如果你有网络，那么可以用来控制整个网络的驱动节点就是那些没有匹配的节点。你可以直观地想一想，如果我想控制这个网络，我需要控制这些个节点，有一种思考的方法是，我不需要控制那些已经被控制的节点，但是每个没匹配上的节点都必须独立控制。这正是一个定理证明了控制问题和匹配问题是等价的。这之所以如此重要，是因为现在它允许，我们从一个任意的网络开始，接下来我们要做的是解决匹配问题，找到最大匹配。
所以在这个例子中你看到的是，现在我有了一种方法在一个大网络中识别谁是控制节点。在我们做这个映射之前，研究匹配的人他们就证明了，有非常快的算法来找到匹配。这个数学上的进步，是通过转换控制问题到这个更容易的匹配问题上，让我们有了一种快速的方法，在任意一个大的网络来识别谁是控制节点。现在，我们怎么用它呢？让我给你们看一个我们已经熟悉的例子，如下图所示，这就是我们所设计的有组织的网络。节点是个体，连接是定向连接，因此，我们问每个人，你会向谁寻求建议？实际上，连接上是有方向的，指向你所想询问人的方向，因此，原则上我们可以不断地应用匹配算法。我们不这样做是因为，我们想要控制这个网络只是好奇它告诉了我们什么。
当我们这样做的时候，你们看如下图所示的这里我给你们展示了很多振动的节点，这些是系统中的非控制节点。你会发现大多数节点，都处于非受控状态。然后我要突出节点，谁是控制节点，这些是系统中的红色节点。但是更重要的是，你应该从中学到的是，如果你有一个大的网络，你有可能通过观察网络的拓扑结构来确定谁是控制节点。让我们依据节点在
控制中的作用，对它们进行分类。
如下图所示，我给你们看一个小网络，我给你们展示三种不同的控制构型，但它们是相互等价的。我可以控制节点1、3、4或1、3、5 或1、4、5，可以这样做的原因是，你看3、4、5是完全等价的。现在，如果你观察它，你会发现实际上节点扮演着不同的角色，因为节点1是一个关键，我不能控制这个网络，除非我总是控制节点1。所以从控制的角度来看，这个节点是不可避免的，对于我而言，我总是要注意这一点。然而，节点2是多余的，也就是说，它在信息的传递过程中扮演着重要的角色，但不是在某一结构中，因此任何时候我都不需要注意它，因为这只是一个信息传递的渠道。而节点3，4 5 是我们所说的间歇性节点，有时我必须控制它们，有时我不用。这表明不同的节点可以在网络中扮演不同的角色。
网络中的控制模式：中心化网络与分布式网络
我可以用这个工具来识别角色，一旦我们确定了这个不同方式的控制，会让网络会有很大的不同。那就是它们通常分为两类不同的网络，一些控制网络就是我们所说的中心化网络。从网络控制的角度来看，这意味着绝大多数节点都是白色的，这意味着它们是冗余的，它们在网络中根本没有任何作用，你不需要注意它们。只有几个节点，红色和蓝色的节点，当涉及到控制时必须要注意。所以在一个中心化网络中，控制总是可以从非常非常小的一部分节点开始。而在其他分布式网络中，几乎每个节点都在控件中扮演一定的角色，这是一些网络配置，实际上你可以让每个人都参与进来。现在，这种差异实际上很重要，因为如果你想建立一个更加专注的组织，比如说，一个制造商或一项创新，你可能想要一个分布式的网络。我这么说是什么意思？如果你的目标是制造一些东西，你必须要非常高效，那么你可能想要使用一个中心化的网络。因为中心化网络允许从几个节点中进行控制，网络的其余部分实际上只是遵循和实现其他指令。
然而，如果你想建立一个以创新而闻名，而非高效地完成某项任务而闻名的新组织，那么分布式网络就更好了。因为在分布式网络中，许多节点都可以发挥领导作用，所以有可能将领导能力转移到其他节点上。这些节点群可以形成并产生一个想法来领导组织。所以在某种程度上，我们认为这是分布式和集中式网络是为了不同的目的而优化的。我们只是发现了它们就存在于网络中。
控制的力量
这实际上显示了控制的力量，我想强调这是非常重要的。在我们所负责的许多系统中，无论是一个组织，还是一个大脑或一个细胞，区别于万维网的是他们有功能，他们有想要实现一个组织的特定角色，有制造的功能，或者开发创新，开发新的软件等等。如果你想理解功能，你必须开始思考系统是如何控制自己的。所以，大多数复杂的系统，从生物到技术，甚至是组织都不可能存在，除非他们能够控制自己的内部过程。这种情况下，那些无法控制自己内部进程的人就消失了，作为一个组织他们破产了，或者作为一个细胞它们死去了，或者作为一个个体他们变疯了。所以如果你想了解这个系统有什么功能，你必须了解控制是如何发生的。最终一旦你理解了这些原则，你就能更好地控制这个特定系统的行为，这就是为什么它很重要。我还想提醒你们，网络控制原则并不像我之前告诉你们的那些相对较新的工具那么发达，它们是业界内集中研究的一部分，但我认为这种类型的知识会到来的，并且得到越来越多的使用。
九、小结
作为结束，我首先回答上述关于企业网络设计的问题。你们还记得如下图所示的这个吗？这就是我们最终设计出来的公司的结构图。当然，我们发现了枢纽，我们发现这些网络是无标度的，就像许多其他组织和网络一样，这本身并不令人惊讶。事实上，存在枢纽这件事，并不令人惊讶，因为我们预期有些人比其他人更有影响力。问题是，我们也预期那些有影响力的人是因为他们的地位，因为他们在公司有很高的职位，所以人们会向他们寻求建议。所以我们说 让我们测试一下这些枢纽是否真的是我们所期望的枢纽，我们如何测试呢？我们通过问他们的角色来测试它，现在我们根据组织中的角色，给每个节点上色，红色的是公司的董事和CEO，不幸的是，他们都不是枢纽。他们确实会互相交谈，但组织中其他更多人没有更多的与他们交谈。然后让我们来看看高管，这些是蓝色的节点，但也不是枢纽点。实际上，我们没有看到任何一个主要的枢纽是高管的。如果你仔细观察的话，你会发现这些枢纽都来自底层，尤其是公司最大的枢纽就是我们所说的人很好的助理，也就是说他没有任何管理者角色，他在组织的底层。
我们来看另一张图，这实际上表明，他和公司里的每个人都有很近的关联，但他与该组织的所有三个部门都有连接。所以他和每个人讲话，是三个部门的中心，但正如我所说，他来自组织的底层。这就提出了一个问题，他是谁？他们在信息传播中的角色是什么？我们应该给公司提些什么建议呢？当然，也很容易知道这个角色是什么，因为我们可以看看名字等等。很快我们就发现，他是一个从集部门到部门确保所有人遵守健康和安全规章制度的员工，他在和公司里每个人谈话，他碰巧是个非常健谈的人。他从这里获取信息，然后把信息传到其他人。因为他的角色，他需要去见每个人，还有他健谈的个性，使他成了该组织的八卦中心。他的唯一问题是，他和所有人谈话，除了与上级管理人员之间没有联系。所以他有信息，但他没有可信的信息，因为他说的内容都是低级别的。
所以接下来的问题是，我们应该对他做什么？我们应该对这种特殊情况做什么？通常当我在较小的场合问建议应该是什么？然后三个答案出现，其中一个是解雇他，另一个是让他做老板，因为每个人都跟他说话。当然他可能没有领导能力，所以我认为让他做老板不是正确方法，就因为他是最有关系链的人。正确答案是第三个，人们会说，告诉他发生了什么。因为当你看这张地图的时候，你会发现在网络中4或6个枢纽点，其他人都在听这些人说话，如果你是这家公司的CEO，你所要做的就是每两周坐下来和这几个人在非正式场合喝杯咖啡，然后告诉他们公司发生了什么，告诉他们接下来会发生什么。也就是征求他们的意见，他们可能会对你的行为印象深刻，因为你愿意和他们交谈，你会保证他们将正确的信息会传达到公司的其他部门。
所以我喜欢这个例子，因为它展示了网络可以揭示一个你无法通过其他工具接触到的组织。如果你所在公司里没有网络，你所拥有的就是等级结构，正如你在这个例子中看到的层级结构，我们没有揭示公司内部的真正的交流是如何让进行的，但它实际上只是告诉了管理应该意识到什么地方应该有交流。但公司的核心是人们如何进行真正的交流，你需要有关于公司结构的组织图，才能做到这一点。因此，有很多公司，包括我帮助共同创立的Maven7（项目管理工具），能帮助公司规划好这些事情。这些工具、这些地图实际上可以提供非常出乎意料的答案。
我记得有一次我们被叫到一家大型软件公司，他们意识到，他们的年轻员工有非常高的流失率，他们雇佣的那些有能力的年轻程序员在六个月内都会离开。所以他们不知道自己在做什么，因为他们甚至为他们建了一个新的大楼，为他们创造了谷歌一样的条件，以为这样他们就会开心，他们就会留在公司里，然而他们还是都离开了。所以我们绘制出了组织的结构，我们意识到正是这个为他们打造好环境造成了这个问题，并且是只为他们打造的这个问题。因为结果显示所有新的雇员都在这个新的大楼里，他们都没有和老员工互动，接下来发生的是，他们开始研发软件，但是几个月后，他们发现这些软件在公司里面已经存在了，因为他们没有和其他的员工交流。对于发生的事情，他们觉得很沮丧，很多人开始离开，是因为他们觉得没有给公司带来很多影响。那么答案是什么呢？在这种情况下，我们只是建议不要把你所有的新人都放到新建的大楼里，把新老员工混合起来，把他们放到现有的团队里，就这样，突然间，员工流失现象几乎消失得无影无踪。在事后看来，我们必须观察网络，才能意识到他们是一个孤立的群体，这就是员工流失的原因。这个例子说明了深入了解组织和网络，对于掌握这些公司内部发生了什么是多么的重要。
作为结束语，我想提醒你们一件事，也许不是很明显，但事后看来是很明显的。如果看看当下我们崇拜的这些大公司们，它们都是网络型组织结构公司。 如果你想知道谷歌是怎么做的，我用美国市场，也许你可以用中国市场替代它，你会发现同样的答案。谷歌是怎么做的？它赚了很多钱，实际上是通过绘制万维网的网络结构，并通过使用这些信息赚钱。思科系统公司是做什么的？它建立了网络，在中国也有同样的公司。Facebook是做什么的？它是通过社交网络上，谁和谁关联的信息赚钱的。Twitter是做什么的？它建立了交流网络平台。甚至苹果，这是常常被人视为真正的移动电话公司，但其实它是提供让你幻想得以实现的载体，让你变成网络的一部分可以进行沟通交流，所以在某种程度上，苹果的角色和思科系统没什么不同。除了思科系统构建这个网络背后的硬件，苹果给了你一个设备，你可以通过它作为个体进行多个网络的交流。我们这一代人，还有我的父母那一代人认为，他们的梦想是有一天能真正到月球和太空进行探索等等。
我的孩子们现在会想，他们的梦想是去谷歌、Facebook或其他网络公司工作，所以在某种程度上已经发生了根本性的改变，真的现在的公司、现在最有价值的公司，不再是制造业的大集团，而是那些真正非常有效地利用网络的公司，这是一个原因。我认为我们需要了解网络什么样子的，像它们如何表现等等，我的目标并不是给你们一些类型的信息，让你们如何使用在你的组织里。但我给你一个大的原则，因为一旦你理解了网络的工作原理，你就可以把它带回家，带到你真实生活的组织里。
我要提醒你们，我们介绍了这些网络的一般定律、常识，它们之间的微小距离，第一定律—枢纽的存在，第二定律--枢纽产生的机制，富者更富的现象、网络的脆弱性以及这些网络的稳健性，这些怎样有助于改变这个系统的行为。思想和病毒在传播过程中枢纽的力量，群体在追踪信息方面的作用，以及群体如何让信息传播到其他地方，最终我们能够有控制这些网络的能力，以及诊断系统如何控制自己，并从中获得价值。
