新塑传导论-寻径隐喻与模式建构

蚂蚁能够寻觅到抵达食物所在地的最短路径。多里戈（Dorigo[4]）对蚂蚁觅食寻径（forage）的这一生物现象进行了抽象、概括、提炼、归纳、总结，建立了蚂蚁种群优化（Ant Colony Optimization，ACO）模型。该模型将随机优化（stochastic optimization）问题转化成为一个最短路径搜寻问题。换而言之，觅食寻径计算机仿生隐喻既可以用来解决塑传应用实践当中的极值优化的问题（本书的4.2节进行了阐述），也可以用来解决各种传播网络当中的最短路径探寻的问题。

ACO模型描述了蚂蚁寻觅抵达食物的最短路径的机理：在蚂蚁觅食寻径的过程中，蚂蚁会不断地分泌化学物质费洛蒙（pheromone）。费洛蒙会随着时间挥发。蚂蚁在较短的路径当中能够更快地来回。因此，较短的路径通常能够更快地接收到更多的费洛蒙（即，费洛蒙浓度更高）。蚂蚁在觅食寻径时一般更偏向选择费洛蒙浓度更高的路径来行走。这样一来，越短的路径的费洛蒙浓度因更多蚂蚁的行走留下更多的费洛蒙，而越来越得到增强；而越长的路径的费洛蒙浓度因为较少的蚂蚁行走留下较少的、新的费洛蒙，原先留存的费洛蒙又随时间逐渐挥发，而变得越来越低。如此形成了一个对最短路径的正向反馈循环（positive feedback loop）[5]。

如图5.2.1所示，图中的路径的粗细即代表其费洛蒙的浓度。在图的最左侧部分，各条路径上的费洛蒙浓度一致，蚂蚁可以选择任意一条路径（如图中虚线的路径）从巢穴向食物进发。随着时间的推移（如图的中间部分所示），越短的路径的费洛蒙积累的浓度越来越高，蚂蚁也越喜爱在越短的路径上行走，这样又进一步增强了其费洛蒙的浓度。其他较长的路径因为费洛蒙浓度较低，吸引不到更多的蚂蚁，现存的、正在挥发的费洛蒙得不到增强，浓度反而变得越来越低。最终，最短的路径上的费洛蒙浓度成为最高，所有的蚂蚁都在该条最短路径上行进，即寻找到了从巢穴到食物的最短路径。

图5.2.1　觅食寻径计算机仿生隐喻

事实上，蚂蚁觅食寻径是大自然中典型的共识主动性（stigmergy）现象[6]之一。所谓共识主动性，指生命个体通过作用于其所处的环境（包括对当前环境的反应和对当下环境的改造），产生间接地交互，从而形成集群整体涌现演化的特性。在这一过程中，个体之间没有中枢控制也没有直接的交流媒介，是一种典型的自组织（self-organization）模式。

在人类的塑造传播实践中，如同蚂蚁觅食寻径的共识般的主动现象亦非常普遍。传播受众对不同的歌曲传播讯息的选择就是一例：传播受众如同上述的蚂蚁。在最初，歌曲就如同在蚂蚁觅食寻径仿生隐喻当中的可选路径一般，传播受众可以选择不同的歌曲进行聆听。而宛如路径接收蚂蚁分泌的费洛蒙一样，不同的音乐作品传播讯息亦会收到传播受众的不同评价。这一评价未必需要主动给出，某首歌曲被收听的次数、被点赞的次数、被分享的次数等都有可能成为其受到受众肯定的客观度量。而传播受众常常会去选择聆听那些已经获得其他人高度肯定的歌曲，如同蚂蚁一般会选择费洛蒙浓度较高的路径行走一般。如果对某一首歌曲传播讯息的塑造确实非常成功，作品的水平确实非常高，那么在一开始其就有可能吸引到较多的传播受众的肯定，这样又进一步吸引更多的传播受众来聆听，获得越来越多的肯定，如此形成一个良性循环。

从上述过程来看，歌曲传播讯息在被推出之时获得的肯定往往能够成为判定其未来是否还会持续取得良好传播效果（即，未来流行程度）的度量，亦即可以成为衡量该传播讯息的塑造质量的指标之一。事实上，iTunes音乐平台正是采用这样的方法对歌曲进行评价的。每首歌曲在平台上线后两周之内取得的成绩，将成为平台衡量这首歌曲（包括是否将其推荐给其他新的听众）的重要指标。而对诸多非歌曲传播讯息（如Twitter社交媒体上的发文）的将来流行（viral）程度的预测，也常常采用这样的方法。即以该传播讯息发布在平台上的初期表现，来预测其未来的受欢迎程度。

而假若有更好的歌曲出现（如在蚂蚁觅食寻径中有更短的路径出现）或传播受众对当前的歌曲产生了审美疲劳或其获得的正面评价逐渐下降（如同当前路径的费洛蒙随着时间挥发），那么传播受众也会渐渐选择聆听更好的歌曲传播讯息。这也恰如很少有一首歌曲或者相关的音乐人能够经久不衰。

在多里戈的模型中，各种人类生产生活当中的网络（如互联网、社交网络、万维网等）被抽象成为由节点和连接节点的边构成的网络。而费洛蒙在网络中的分布（即，各条边上的费洛蒙浓度），影响着蚂蚁从与当前节点相邻的节点中，选择其中一个作为抵达目的地节点的下一跳节点（next-hop）的概率。蚂蚁按照此概率随机选择路径进行行走，并调整其所经过路径（由边组成）的费洛蒙浓度，进而变更原先的概率分布。具体而言，在当前时刻t，处于节点i的蚂蚁k，选择相邻节点j作为路径的下一跳的概率（t），如下公式[7]所示：(www.xing528.com)

式中，τij代表着连接节点i与节点j的边（i，j）的当前费洛蒙浓度，ηij代表着连接节点i与节点j的边（i，j）的长度的倒数。参数α和β则被用来平衡两者。neighborsi代表着当前节点i的临近节点的集合。在当下的时刻t，蚂蚁若选择了节点j作为下一跳，边（i，j）的费洛蒙浓度将按照如下公式[8]更新。Δτij即蚂蚁分泌的新费洛蒙数量，而参数ρ则被用来调节其对当前边（i，j）的费洛蒙浓度的影响程度。

τij（t+1）=ρ·τij（t）+Δτij

网络中的每一个节点皆维护多张费洛蒙表（pheromone tables）。每一张费洛蒙表记录的是从当前节点到某一目标节点的下一跳选择的费洛蒙浓度分布。换而言之，若需要考虑当前节点到m个不同的目标节点的最短路径，则当前节点需要维护m张费洛蒙表。而若当前节点有n个相邻节点（即，由n个下一跳选择），则每张费洛蒙表当中就将有n个项目。每个项目记录的，即从当前节点经由该项目所代表的相邻节点的下一跳到达该费洛蒙表所代表的目标节点的费洛蒙浓度。蚂蚁将在整个网络当中随机游走，不断地依据上述两大公式选择下一跳节点，并更新其行进路径上的各个节点的费洛蒙表的浓度项目数值。

依托上述数学模型，网络中的蚂蚁将能够寻觅到任意两个节点之间的最短路径。在当下，觅食计算机仿生隐喻衍生出多种最短路径找寻算法，如Ant-Based Control（ABC）[9]、AntNet[10]、AntHocNet[11]、HOPNET[12]、Ant-Colony-Based Routing Algorithm（ARA）[13]、Termite[14]等。

从智能生成塑传的应用实践来看，多里戈建构的蚂蚁种群优化模型及其衍生的上述相应的计算机智能算法可以直接运用于极值优化问题的解决。换而言之，本书的4.2节中阐述的极值优化的新塑传实践新模式解决方案，皆可以基于蚂蚁觅食寻径计算机仿生隐喻被建构出来。

除去极值优化问题之外，蚂蚁觅食寻径计算机仿生隐喻同时可以用于各种网络当中的任意节点间的最短路径的探寻。在传播学的学术研究和应用实践中，各种传播网络皆被建构了出来，诸多网络分析（network analysis）的研究方法亦被采用对其进行或智能判别或智能生成的研究。蚂蚁觅食寻径计算机仿生隐喻对现有的网络分析研究方法是一个极大的加成。

例如，在对社交媒体的研究当中，参与社交媒体的人类用户节点和社交机器人节点，及其彼此的连接，组成了典型的社交网络（social network）。社交网络当中节点之间的最短传播路径恰恰可以通过觅食寻径计算机仿生隐喻来找寻；又如，在对传播学研究的文献进行元分析（meta analysis）时，学术期刊组成的网络、学术论文组成的网络、学者组成的网络、学术机构组成的网络都被建构出来。相关节点之间的最短影响路径亦可以依托觅食寻径计算机仿生隐喻来搜寻；再如，创新扩散网络中，创新在由人类用户组成的网络中扩散的最短扩散路径也可以依托觅食寻径计算机仿生隐喻找到。在本书的前期研究中[15]，蚂蚁觅食寻径计算机仿生隐喻被用来建构国家形象传播的路径探寻模式。