人與人連結是傳播關鍵?科學家畫出人際「連通分支」,解密疾病擴散的路徑
人與人連結是傳播關鍵?科學家畫出人際「連通分支」,解密疾病擴散的路徑

西元1347至1352年間,肺鼠疫(俗稱「黑死病」)緩慢而持續地在歐洲蔓延。

罪魁禍首正是鼠疫耶氏桿菌,這種病菌透過跳蚤帶原,跳蚤吸食染病宿主的血液後,病原就進入跳蚤體內。這種病菌會阻塞跳蚤的腸道,導致牠們無法攝取營養而感到極度飢餓,變得飢不擇食,貪婪地尋找血源,進而感染更多宿主。

跳蚤極易寄生在老鼠、人類及其他動物身上;有些抵抗力較強的宿主不會發病,只是充當帶原者;但有些宿主一旦被叮咬感染,很快就會死亡。這種傳染病叫人聞風喪膽:一開始就像是流感,初期症狀只是發燒或感到虛弱,但很快地會惡化成大範圍出血。患者因為組織壞死而全身發黑,給了這場瘟疫「黑死病」(Black Death)的俗稱。

編按:從疫情蔓延、金融風暴、歷史事件和網紅效應都「人際網絡」息息相關,網絡科學重量級通俗讀物《人際網絡解密》,受諾貝爾經濟學獎得主、Google首席經濟學家極力推薦,為當代「網絡經濟學」大師馬修.傑克森(MATTHEW O. JACKSON)25年研究精華,《數位時代》獲先覺出版授權與讀者們分享。

病毒沿絲路西進,擴散緩慢而緊密

當時的衛生條件不佳,人畜居住環境緊鄰,加上人們對傳染病的認識不足,使得病菌如入無人之境,在中世紀的歐洲各大城市中橫行。幾年之間,巴黎與佛羅倫斯的人口減少了大約一半,在漢堡、倫敦等城市,死亡的人數甚至更多。

一般認為,疫情始於中國,沿著絲路傳播到君士坦丁堡,接著在1347年,隨著熱那亞商船進入西西里島,很快地奪走了島上將近一半的人口。

疫情繼續蔓延,先是在義大利部分地區開始流行,然後來到馬賽,接著在整個法國和西班牙境內擴散,幾年後北方的歐陸國家也相繼淪陷。據估計,這場瘟疫在歐洲奪走了超過40%的人命,在那之前,中國與印度已經有2,500萬人因此喪生。

黑死病 鼠疫 The_plague_of_Florence_in_1348,_as_describe
黑死病約在14世紀40年代散布到整個歐洲,在全世界造成了大約7500萬-2億人死亡,是人類歷史上致死人數最多的流行病。圖為藝術家根據薄伽丘《十日談》描繪1348 年佛羅倫薩的黑死病慘況。
圖/ Science Museum Group

從現代的視角來看, 這場瘟疫不尋常之處在於,疫情的擴散雖然緩慢,但卻彷彿經過計畫般,有條不紊地推進。 儘管這場瘟疫的傳播偶有長距離的躍進,像是沿著絲路或透過商船等貿易路線散播,但它在歐陸的推進,平均每天只有兩公里,就算以當時徒步的標準來看也是相當緩慢。

雖然鼠疫很少人傳人,但這種疾病卻是透過人際網絡傳播(隱藏在衣服中或是叮咬過船上老鼠、家畜、人類的跳蚤);人與人以及各種家畜所組成的接觸網絡,成為了病菌不斷向外蔓延的傳播途徑。

黑死病蔓延的緩慢過程告訴我們,中世紀人們的移動能力與交際範圍是多麼有限。現代的大流行就不是這麼一回事了:病菌的傳播速度非常快,通常在幾週甚至幾天內,疫情就可以延燒到其他大陸板塊。

涵蓋288個學生的「最大連通分支」

2014年,在南加州某主題公園通報麻疹與接觸案例後沒幾天,位在幾百哩外的學校,就爆發了麻疹疫情,許多未接種疫苗的成年人和兒童紛紛染疫。2015年,一名醫護人員在獅子山共和國確診伊波拉出血熱,之後僅僅一週的傳播,疫情就蔓延至歐洲以及北美洲的城市。
雖然現代的人際網絡樣貌已與中世紀大相徑庭,觀察特定類型的現代網絡,仍有助於了解中世紀的瘟疫傳播,何以如此緩慢卻又勢不可擋。

雖然大部分學生的交往對象只有一到兩人,但網絡已形成明顯可見的「最大連通分支」(giant component),即圖3-1左上角最大塊的相連區域,其中涵蓋288個學生,彼此透過層層關係鏈而相連在一起。

「連通分支」是指網絡中相連的部分,其上的任兩個節點可以找到一條相連的路徑,互相拜訪。如圖3-1所示,超過一半以上的學生座落於最大連通分支上,其餘的學生則散落在幾個較小的分支。另外有超過1/4的學生,沒有任何交往對象。(是的,我們都知道高中生活可以多麼孤單……)此處我們不加以繪出。

圖3-1
圖3-1的樣本來自一所美國高中,圖中網絡描繪了青少年間戀愛和/或性關係的網絡。學生列出了過去18個月曾交往過的對象。
圖/ 先覺

這張圖突顯了一件事: 即使大部分的人(平均來說)都只有少數性伴侶,仍有很高比例的人會感染性病。

圖中的每條連線,都代表一條潛在的疾病傳播路徑。如果最大連通分支上,有一個學生染病(例如接觸到校外的感染源),這個疾病就可能在分支內廣泛地傳播,引發校內流行。

舉例來說,HPV(人類乳突病毒)主要透過性行為傳播,可誘發子宮頸癌等多種癌症。HPV危險之處在於,初期通常沒有明顯症狀,患者很難意識到自己染病,因而繼續傳播給他人。據研究估計,約有超過40%的美國成人為HPV帶原者,其中很多人並不自知。大部分感染者的性關係並不複雜;他們只是剛好位於最大連通分支內。

如圖3-1所示,在每個人的接觸對象不多的情況下,傳染病的擴散可能很緩慢;然而,一旦疫情蔓延到最大連通分支內,就很可能引發大規模的感染,就像是中世紀的鼠疫。

這張圖告訴我們的另一件事是, 複雜的性關係或是性工作者的存在,並不是造成性病流行的主因。 的確,高點度的個體擴大並加速了疾病傳播的速度,但這些人並不是最大連通分支出現的必要條件。光是每個人有一個以上的性伴侶,就足以成形。網絡的連通程度才是疫情快速傳播的關鍵。

人際網絡的相變,竟是抑制病毒傳播的基礎?

熱力學中「相變」的概念,通常指物質狀態上的改變。例如,水從固態的冰轉變成氣態的蒸氣,可以視為經歷了一次相變。

網絡也可能出現相變,從幾個孤立的節點和小型連通分支,到形成涵納相當數量節點的最大連通分支,最終變成一個彼此相連的網絡,所有節點都能找到一條路徑,觸及彼此。網絡中的連結數量增加,就好比溫度提高,於是冰變成水,水變成蒸氣。

圖3-2
圖/ 先覺

相變的一個明顯特徵是,它可能在一瞬間突然發生。這一刻的溫度剛好低於冰點,你還能站在冰上,但下一刻你可能就落入水中,僅僅因為溫度升高了一度。同樣地,當連結增生的頻率有一點點微小變化,整個網絡分支的結構就可能有劇烈的改變。如圖3-2所示,當每個人的朋友從0.5個(如圖3-2(a))增加為1.5個(如圖3-2(b)),整個網絡就從彼此不相連的狀態,轉變為大多數人能夠聯繫彼此的狀態了。如果再增生一些連結(如圖3-2(c)和(d)),網絡不久就變成「路徑連通」(path-connected)的狀態,一般簡稱「連通」(connected)。所謂「連通」狀態,代表網絡內的任何人,都能找到一條路徑聯繫所有其他人(圖3-2(c)接近連通狀態,但還有兩個落單的節點)。

控制相變是抑制傳染病傳播的基礎。「基本再生數」(basic reproduction number)是一個重要的參考數字,它決定了疫情最終會在網絡內擴散或消散。這個數字代表,一個典型的感染者還會繼續感染多少健康的人。如果基本再生數大於1,則疫情擴散;如果小於1,則疫情消散。

網絡產生相變的臨界點,是在基本再生數達到1的時候,此時網絡將出現最大連通分支,如圖3-2。背後的道理簡單而意義重大:超過臨界值時,代表每個感染者會繼續感染超過一個人,此時傳染鏈將會擴張,同時這些新感染者還會繼續感染更多人,造成疫情持續蔓延;小於臨界值時,傳染鏈則逐漸萎縮。

以網絡的術語來說,如果每個人都擁有超過一個朋友,那麼連通分支就會不斷地向外擴張,形成最大連通分支;但如果每個人的平均朋友少於一個,則網絡內只會出現多個互不相連的分支以及許多孤立的節點。

責任編輯:張庭銉

本文授權轉載自《人際網絡解密》,先覺出版
最新7月號雜誌《零碳新賽局》馬上購:傳送門
本期「電子雜誌」輕鬆讀:傳送門

往下滑看下一篇文章
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦

ChatGPT、Gemini、Claude 等 AI 通用工具問世後,「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用,多數卻仍停留在文書輔助、單一聊天機器人(Chatbot)運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻,企業需要的不再只是一個會回答問題的對話框,而是具備「自主決策與行動執行」能力的「代理式 AI」(Agentic AI)。

Going Cloud 和 IDC 合作發布的《多代理系統崛起 打造敏捷韌性企業》報告便指出,如今「AI First」時代來臨,企業的 AI 應用正從輔助性質走向自主營運,有 80% 的企業期望藉此提升生產力,70% 的企業希望能更輕鬆處理複雜任務,還有 66% 的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多,必須納入組織管理

但究竟什麼是「代理式 AI」?

「過去人們使用生成式 AI 時,需要一步步下達明確指令,但現在使用者只要賦予代理式 AI(Agentic AI)明確目標,它就能自己理解前因後果、進行推演,甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加,比方說,人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI,跨部門協作的複雜度也隨之飆升,「如果你是管理者,你就會意識到,必須把 AI 當成一個人,納入組織裡來管理。」黃柏淞強調,能統籌、指揮多個 AI 代理協作的「多代理系統」(Multi-Agent System, MAS),正是為了解決這個痛點而生。

簡單來說,MAS 就像虛擬的企業總部,負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時,各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性,企業可以依照業務需求,隨時新增、更改 AI 代理,能大幅提升營運韌性。

雖然企業普遍意識到,代理式 AI 已經蔚為風潮,但實際部署時,仍面臨諸多挑戰。《多代理系統崛起 打造敏捷韌性企業》報告便顯示,資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題,「企業最擔心串聯多個 AI 代理時,要是權限沒控管好,很容易有機敏資料外洩的風險。」黃柏淞提到,在此情形下,Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」(Supervisor Agent)作為主要決策層,底層則串聯了各個負責單一任務的「任務代理」(Task Agents)。

以 Going Cloud 服務的大型金融企業為例,假設一位 VIP 客戶登入銀行 APP,詢問 AI 客服:「我想申請房貸,請問現在利率多少?另外,請幫我評估把我目前的科技股基金贖回當作頭期款適不適合?」如果是傳統的聊天機器人,可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡,「主管代理」接收到任務後,會先拆解再指派負責「房貸利率」的「任務代理」,去後台抓取客戶的信用評分和最新房貸專案。同時,這位虛擬主管還會指派「理財分析」的「任務代理」,去檢視客戶最近科技股基金的績效並預測市場。最後,再由「主管代理」統整資訊,一併給出一份完整且客製的財務建議,「分層式 MAS 能確保整個過程的指令被清楚傳遞,而且因為權限分層管理,房貸 Agent 不會碰到不該碰的理財資料,符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看,多代理客服平台能降低 50% 以上的人工客服工作負擔,並讓回覆使用者問題的平均時間減少 60% 以上;FAQ 知識導向與 API 資料調用的正確率,在調用得當的情況下,也都達到9成以上的成功率。黃柏淞指出,金融、製造、顧問等有複雜跨部門協作需求的大型企業,都是亟需採用代理式 AI 的產業。

#0 AI同事愈來愈多怎麼管?Going Cloud用「多代理系統」,助企業打造最強營運大腦
提到目前與台灣領先金融集團的合作進程,黃柏淞表示因為金融機構的特殊性,需要縝密的全方位服務,從前期討論到技術導入,大約需要半年到九個月的時間。
圖/ 數位時代

懂雲也懂企業痛點,助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構?一方面,Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技(KKCompany Technologies),奠定具備理解和服務大型企業的經驗,且自 2022 年創立起,就鎖定服務架構最複雜的大型企業市場。同時,Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家,此成就彰顯 Going Cloud 在堅實的資訊安全基礎上,深化了對個人資料保護的承諾,為客戶提供符合國際標準的資料保障,強化雲端服務領導地位。另外,Going Cloud 還能為企業量身打造底層 AI 平台,提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業,黃柏淞建議,釐清應用場景,比追求最新技術更重要,「唯有清晰定義痛點,才能讓強大的 MAS 平台真正落地。」
他特別提到,導入 MAS 系統不只是 IT 部門的責任,其實更像企業的升級轉型,「未來的知識工作者,不能只是單純『接球就打』,每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表,應該要學著指派手下的「數位同事」去執行。員工的核心價值,將從過去繁瑣、重複性任務的執行,轉移到前期的目標定義、流程規劃,以及後期的決策判斷和審核把關。

AI 技術飛速推進,企業間的競爭已從「要不要用 AI?」,升級成「如何管理與協作多個 AI?」。透過建構靈活、安全且具高擴展性的多代理系統,企業不僅能解放員工的生產力,更能在瞬息萬變的市場中,打造敏捷、韌性兼具的營運大腦。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓