马太效应与人工市场

「凡有的，还要加给他，叫他有余；没有的，连他所有的也要夺去。」马太福音里的这句话，被社会学家 Robert Merton 在 1968 年借来命名一个机制：马太效应（Matthew Effect），初始的微小优势会自我放大成巨大的不平等。出名的科学家做出同样的成果，会得到更多认可；荣誉流向已经有荣誉的人。后面还有一场一万四千人参加的真人实验，第一次把「成功里有多少是质量，有多少是被放大的运气」拆开来量了一遍。

机制不复杂。Merton 观察科学界的荣誉分配：同一篇论文，署着名家的名字就被更多人读、更多人引；引用抬高名声，名声带来经费与学生，下一轮起点更高，循环往复。1988 年他发表续篇，把重心从「荣誉给错了人」推向一般机制：累积优势（cumulative advantage），富者以让贫者相对更贫的速率变富。后来 DiPrete 与 Eirich 2006 年的权威综述（被引约 3000）正式把它确立为「不平等的一般机制」，从科学界推广到收入、教育、几乎一切分层现象；Perc 2014 年的综述则在经验数据里系统清点了它的踪迹（被引约 700）。一句话概括机制的形状：优势不是一次性资产，是会生息的本金。

这篇论文自带一个辛辣的注脚：它本身就是马太效应的例证。Merton 的经验材料大量来自 Harriet Zuckerman 对诺奖得主的访谈，他后来多次公开承认，此文本应署名 Zuckerman 与 Merton 合著。资深者以单独署名占据合作信用，恰好演示了论文要讲的机制。1993 年，科学史家 Rossiter 给这个现象的性别版起了名字，Matilda 效应（得名自 19 世纪女权主义者 Matilda Joslyn Gage）：女性科学家的贡献被系统性转记到男同事名下。这不是历史陈迹，2025 年还有研究在传播学、政治学、社会学的署名数据里测到同型差距。谁能积累优势，本身就有结构性偏向。

但马太效应有个致命的实证难题：光看现实数据，你分不清「初始优势被放大了」和「他本来就更好」。要分清，得让同一个世界重跑几遍，看结果是否一样，而现实只发生一次。2006 年，Salganik、Dodds 与 Watts 用一个网络实验真的造出了平行世界，这就是 MusicLab。判读逻辑一句话：如果同一批歌在每个世界都排成一样，质量说了算；如果各个世界排得千差万别，社会反馈说了算。

实验招募了 14,341 名真人，听 48 首无名乐队的歌，可以试听、下载。设计的关键是平行世界：一个「独立世界」里，听众看不到任何别人的行为，只凭自己耳朵判断，这给出每首歌的质量基准；另外 8 个「社会影响世界」里，听众能看到每首歌当前的下载数，且 8 个世界各自独立演化。第二轮实验更进一步，把歌按下载量从高到低排列，社会信号更强。结果有两条。第一，社会影响越强，成功越不平等：下载量的差距（用 Gini 系数量）被拉得更开。第二条更反直觉：社会影响越强，结果越不可预测，同一首歌，在这个世界登顶，在那个世界沉底。作者的总结值得原样记住：最好的歌很少垫底，最差的歌很少夺冠，但中间的一切皆有可能。

2008 年的续作把条件推到极端，标题就叫「把羊群带偏」（Leading the Herd Astray），12,207 人参加。这次研究者直接造假：人为倒置榜单，把真实最不受欢迎的歌显示为最热门。结果分两层。单看多数歌，假流行真的自我实现了，被谎报为热门的歌真的火了起来，这是你在 R02 学过的自我实现预言的实验室铁证。但看市场整体，倒置没能坚持到底：最好的那批歌在长期恢复了人气。造假还有整体代价：歌曲好听程度与最终人气的相关被压低，市场总下载量也下降了，操纵榜单不只是重排名次，还在整体上损耗市场。两次实验合起来的精确结论是：质量决定可能的区间（最好的很少垫底、最差的很少夺冠），社会影响决定区间内谁胜出，并同时放大不平等与不可预测性。

这组实验对整条红色分支有特殊价值。排名研究的主线证据（R01 讲排名如何重塑法学院）来自访谈和观察，曾被批评有循环论证之嫌：说「排名改变了学校」，却没有平行世界可对照。MusicLab 恰好补上这一块：随机分组、平行世界、可倒置的榜单，同一首歌在八个世界里的不同命运，就是「排序信号参与制造名次」的因果证据。它同时立了边界：自我实现预言只在质量划定的范围内运行，「排名能把任意烂校捧成第一」这种强断言，实验不支持。

留一个问题：「最好的歌会恢复」依赖可辨识的真实质量。模型的「质量」在多大程度上可辨识、有共识？如果各家模型的强项本就不可通约，长期恢复的力量可能根本不存在。没有这股恢复力，榜单噪声就会永久固化。这是把 MusicLab 外推到 AI 排行榜时最该盯住的前提。

一句话带走：质量决定你能到的范围，运气加反馈决定你在范围里的位置，而榜单是把运气放大成命运的机器。