政府 委託 ， 研究 情緒 對 聲音 的 影響 。 BBN 首席 科學家 赫伯 ．吉胥 （ Herb Gish ） 表示 ， 「 當 你 承受 巨大 壓力 的 時候 ， 聲音 也 會 變 得 不 一樣 ， 這樣 的 聲音 和 你 生氣 或 悲傷 時 的 聲音 有 什麼 不同 嗎 ？ 」 當然 ， 他們 因應 挑戰 的 方法 是 把 聲音 分解成 資料 位元 。 他們 研究 聲音 的 型態 ， 然後 找出 聲音 型態 和 聲音 所 傳達 的 情緒 在 數學 上 的 關聯性 。 吉胥 說 ， 有朝一日 ， 聽到 電話線 或 網路 傳來 的 聲音 時 ， 科學家 開發 的 新 工具 將 能 評估 發出 聲音 的 人 當時 可能 感覺 很 快樂 、 憤怒 或 緊張 。 如此一來 ， 資料 採礦 專家 的 工作量 又 增加 了 ， 他們 必須 撰寫 演算法 來 挖掘 龐大 的 聲音 檔案 ， 而且 現在 不 只要 搜尋 關鍵字 或 網路 型態 ， 還要 搜尋 某些 情緒 ， 複雜度 達到 前所未有 的 高點 。 當 政府 的 偵察犬 深入 挖掘 網路 和 資料 的 世界 時 ， 他們 和 Google 、 安布瑞亞 和 微軟 的 數字 搜客 面對 的 是 相同 的 挑戰 ， 間諜 和 廣告商 鑽研 的 是 相同 的 數學 ， 因此 掀起 了 頂尖 腦力 的 爭奪戰 。 在 上 個 世代 ， 美國 國安局 還可以 悄悄 網羅 到 許多 出色 的 數學家 和 電腦 科學家 ， 但 現在 他們 必須 和 價值 數千億 美元 的 網路 巨擘 競爭 ， 網羅 頂尖 人才 已經 變成 一 場 全球 競賽 。 就 以 雅虎 的 雷格海文 為 例 ， 他 過去 是 IBM 研究 部門 的 耀眼 明星 ， 當 像 他 這樣 的 大人物 出現 在 就業 市場 上 待價而沽 時 ， 立刻 爆發 一 場 激烈 的 爭奪戰 ， 微軟 和 雅虎 都 競相 出價 ， 因為 兩 家 公司 都 拚命 想 追上 Google 的 腳步 ， Google 在 世界 各 地 製造 了 許多 百萬 富翁 ， 美國 國安局 怎麼 可能 爭得 過 他們 呢 ？ 更 嚴重 的 是 ， 網路 公司 可以 自由 在 印度 、 中國 、 日本 和 歐洲 設立 研究 部門 ， 而 這些 地方 培養 的 數學家 和 科學家 都 比 美國 多 。 我們 幾乎 在 本 書 的 每 一 章 都 看到 ， 這些 大 企業 在 美國 境 內 也 雇用 了 許多 優秀 的 外國人 。 然而 相較 之下 ， 美國 國安局 卻 有 一 個 嚴重 的 限制 — — 只 能 雇用 美國 公民 。 夏茲 說 ， 他們 仍然 能 網羅到 優秀 人才 ， 這些 人才 多半 受到 安靜 的 郊區 生活 、 以及 為 國 服務 和 面對 巨大 挑戰 的 機會 所 吸引 。 不過 ， 當 美國 政府 想要 透過 資料 分析 來 追蹤 蓋達 組織 之類 的 恐怖份子 時 ， 他們 不可能 孤軍 奮戰 。 所以 ， 國安局 把 許多 工作 外包 。 他們 把 龐大 檔案 中 的 恐怖份子 資料 改換 名字 和 特徵 ， 然後 解除 機密 等級 ， 再 交付 大學 或 企業 中 的 研究 人員 分析 ， 於是 在 國安局 警衛 森嚴 的 圍籬 外 創造 了 數以千計 的 工作 機會 。 你 是否 曾經 在 碰見 某人 後 ， 心想 ： 「 真 奇怪 ， 怎麼 好像 以前 看過 他 ？ 」 這 個 人 通常 曾經 和 你 在 人生 旅途 中 的 某 處 交會 過 。 你們 可能 住在 附近 ， 或 每 天 早上 搭 同 一 班 火車 上班 ， 或 你們 有 一 、 兩 個 共同點 。 也許 在 這 個 死氣沉沉 的 小鎮 上 ， 只有 你們倆 穿 舌環 和 染 綠髮 。 試想 一下 ， 如果 你 想 預測 接下來 會 遇見 什麼 樣 的 朋友 ， 這 個 人 會 從 你 的 哪 個 圈子 冒出來 ？ 關於 你 和 關於 他 的 哪些 訊息 ， 會 將 你們 兩 人 拉 在一起 ？ 卡內基美崙 大學 的 研究 人員 正 試圖 從 美國 國土 安全部 的 大量 監視 資料 中 ， 尋找 這 個 問題 的 答案 。 假定 一 個 星期 以前 ， 有 人 在 奈洛比 發現 了 三 個 炸彈客 嫌犯 的 蹤跡 ， 他們 如今 不知去向 ， 但 很 可能 正在 和 潛伏 的 同夥 一起 密謀 行動 。 卡內基美崙 大學 的 研究 人員 亞瑟 ．杜布拉斯基 （ Artur Dubrawski ） 表示 ， 美國 政府 掌握 了 很多 人 的 資料 ， 知道 其中 有 些 人 是 可能 的 恐怖份子 ， 其他 人 則 不過 是 名字 罷了 。 那麼 ， 調查 人員 怎麼 知道 從 何 著手 呢 ？ 哪些 名字 最 可能 和 奈洛比 那 三 個 人 有 牽連 ？ 誰 來 晚餐 只要 想像 一下 你 自己 的 生活 及 朋友 ， 就 不 難 了 解 其中 牽涉到 的 數學 。 假定 你 請 了 四 個 人 吃飯 ， 正在 斟酌 第五 名 客人 應該 找 誰 。 這 個 人 最好 和 前面 四 個 人 是 朋友 或 有 共同 的 價值觀 ， 可以 打成一片 ， 卡內基美崙 團隊 稱 之為 「 下 一 個 朋友 」 。 在 這 個 例子 裡 ， 你 要 列出 你 和 這 四 個 朋友 的 各 種 淵源 ， 然後 計算出 最 有 可能 的 第五 位 客人 。 你 和 這 四 位 朋友 之間 有 什麼 共通點 ？ 假定 他們 之中 ， 有 兩 位 和 你 一樣 是 律師 ， 三 位 是 女性 ， 一 位 是 令 妹 的 朋友 ， 一 位 是 你 的 前 女友 。 其中 一 位 律師 一九八○年代 曾經 和 你 一起 參加 夏令營 ， 而且 就 住在 你 家 樓上 。 他們 有 兩 位 法文 說 得 很 流利 ， 而 法文 是 你 最 喜歡 的 語言 ， 另外 還 有 一 位 很 會 煮 法國 菜 。 也許 有的 共通點 看起來 很 奇怪 或 和 我們 討論 的 主題 無關 。 也許 你 曉得 他們 之中 ， 有 三 人 會 打鼾 ， 有 兩 人 曾經 和 外交官 約會 。 姑且 先 把 所有 的 資訊 都 放進去 ， 不相干 的 訊息 （ 雜音 ） 等一下 就 會 被 過濾掉 。 現在 想像 我們 在 圖表 上 以 五 個 點 代表 你 和 四 位 客人 ， 社交 網絡 的 世界 稱 之 為 「 節點 」 ， 五 個 人 之間 的 每 一 種 淵源 都 由 一 條 線 連結起來 ， 稱為 「 邊 」 。 在 電腦 世界 裡 ， 這些 曲線圖 會 存在 於 無數 維 的 空間 中 ， 就 好像 安布瑞亞 的 部落格 世界 一樣 。 你 不 需要 擔心 幾千 條 邊 會 像 小學 科展 報告 一樣 彼此 糾結 ， 弄得 一團糟 ， 因為 所有 的 邊 都 會 有 充足 的 空間 。 下 一 步 是 計算 每 條 邊 的 重要性 ， 這時 就 要 用到 統計學 了 。 哪些 連結 令 你 的 朋友 有別於 世界 上 其他 人 ？ 如果 你 同時 邀請 男性 和 女性 來 晚餐 ， 性別 就 變成 沒有 意義 的 預測 指標 。 從 這 個 角度 來 看 ， 你們 這 群 人 就 反映 了 這 個 世界 。 「 下 一 個 朋友