Exact moment equivalence and structural nonidentifiability in nonlinear epidemics

想象一下，你正试图弄清楚一个谣言是如何在学校里传播的。你知道谣言通过人们聚集成组的方式进行传播，但你只能看到随着时间推移，听说过谣言的学生总数。你不知道他们所处小组的具体规模，也不知道每种规模的小组有多少个。这就是“流行病推断”（epidemic inference）的谜题：试图从宏观图景中倒推理解微观且隐藏的互动细节。科学家们早已知道，小组规模的大小至关重要。如果三个人在一起比两个人在一起传播得更快，那么“小组规模分布”（即大小不一的小组构成）就会改变疫情爆发的行为方式。但一个挥之不去的疑问仍然存在：如果我们只看到最终的数据，我们真的能了解导致这种爆发的精确小组规模构成吗？或者说，两种完全不同的组规模构成是否会产生完全相同的疫情演变过程？

这篇由 Roni Muslim 撰写的论文，利用用于疾病传播并随后要么消退、要么持续存在的数学模型（称为 SIS 和 SIR 模型），深入探讨了这个谜团。作者将疾病的传播视为一场人们随机形成临时小组的游戏。关键的发现是，我们在从数据中学习时存在一个令人惊讶的“盲区”。论文证明，如果一种疾病以特定的非线性方式传播（即风险随着组内感染人数增加而跃升），那么整个疫情的历史仅取决于小组规模的几个特定“平均值”，而非完整的详细规模列表。这意味着两个完全不同的群体——一个主要由小规模小组和少量超大型小组组成，另一个则是各种中等规模小组的混合——可以产生完全相同的疫情行为，甚至连每一次波动和疾病消亡的确切时间都完全一致。这就像是两份使用不同配料比例的食谱，竟然能烤出完全相同的蛋糕，使得美食评论家仅凭品尝就无法分辨使用了哪种食谱。

巨大的组规模错觉

想象你是一名正在试图破案的侦探，但你唯一的线索是一张模糊的人群照片。你知道人群是由一个个小组组成的，但你看不见个体。现在，想象两种不同的场景：

• 场景 A： 人群由一半 3 人组和一半 9 人组组成。
• 场景 B： 人群是 2 人组、5 人组和 12 人组的混乱混合，每种规模都有非常具体的数量。

在现实世界中，这是两种截然不同的人群。但在本文的数学世界里，如果“感染规则”是某种特定类型的非线性数学（具体来说，是一种风险随感染人数平方增长的二次规则），这两类完全不同的人群会产生完全相同的疾病爆发过程。

作者称之为“结构性不可识别性”（structural nonidentifiability）。这并不是因为我们的数据不足或测量存在噪声。而是因为数据本身无法分辨差异，即使是在一个完美、无噪声的世界里也是如此。论文表明，疾病动力学只“感知”来自小组规模的几个特定数值，这些数值被称为矩（moments）。你可以把这些“矩”想象成小组的“风味特征”：

• 第一阶矩 就像是你经历到的平均小组规模。它设定了疾病开始传播的基本速度限制。
• 第二阶矩 就像是“变异性”或小组规模波动的程度。它控制着疾病是平稳传播，还是会陷入一种奇怪的状态——即取决于最初有多少人患病，疾病可能会消亡，也可能会爆发。

论文证明，只要两个不同的组规模分布共享这前几个“风味数值”，它们的疾病行为就会完全相同。至于其他的细节——比如一个分布有 9 人组，而另一个有 12 人组——对于疾病来说是完全不可见的。这就像两种不同的音乐和弦对某种特定的乐器来说听起来完全一样；该乐器根本听不出其中的区别。

“第一个不匹配矩”规则

那么，我们究竟如何才能区分这两类不同的群体呢？论文揭示了一个聪明的规则：你必须改变游戏规则。

作者指出，疾病“观察”前几个矩的程度取决于感染规则的复杂程度。如果感染规则是简单的（线性的），它只看第一阶矩。如果是二次的（文中主要示例使用的规则），它看前两个矩。如果你想看到第三阶矩（即 9 人组与 12 人组之间的差异），你必须将感染规则升级为更复杂的（三次的）。

论文通过一个“受控实验”证明了这一点：

1. 步骤 1： 他们选取了两种不同的分布（3/9 混合模式和 2/5/12 混合模式）。在二次感染规则下，两种分布产生的疾病传播方式完全相同。图表上的曲线完美重合。
2. 步骤 2： 他们稍微调整了感染规则，使其对第三阶矩敏感。突然间，两条曲线分开了！疾病现在对这两类人群的表现变得不同了。

这证明了这种“盲目性”并非观察工具的缺陷，而是传输协议的一个基本限制。论文明确排除了这样一种观点，即我们能否通过单一类型的爆发数据来推断出完整的组规模分布。无论我们观察多久，或者统计了多少人，只要感染规则保持不变，我们永远无法区分那些共享前几个矩的不同分布。

这为什么很重要（以及为什么这不是死胡同）

这篇论文并不只是在说“我们无法得知”。它准确地告诉了我们“我们可以知道什么”以及“我们需要改变什么才能知道更多”。

作者展示了第一阶矩控制着“入侵阈值”（invasion threshold）——即疾病能够开始传播的临界点。第二阶矩则控制着所谓的“双稳态”（bistability）和“滞后现象”（hysteresis）。用通俗的话说，这意味着对于某些疾病，初期多出几个感染者可能会将系统推入一种永久的“地方性流行”状态，即使平均条件表明疾病应该消退，它也不会消失。论文表明，第二阶矩就是开启或关闭这种行为的开关。

论文还阐明了这不仅仅是一个理论上的好奇心。他们运行了大规模计算机模拟（使用所谓的“主方程”和“吉尔赛算法/Gillespie algorithms”），以证明这些数学规律在有限人群中同样成立，而不仅仅是在理想化的无限人群极限下。他们甚至检查了“生存概率”（疾病在消亡前持续的时间）和“最终爆发规模”（最终有多少人患病）。在每一种情况下，直到感染规则被更改为观察更高阶矩时，两种不同的分布才会表现出差异，在此之前，它们产生的实验结果是完全一致的。

其核心结论是对我们所能获知的信息量给出了一个精确的界限。如果你观察到一场疫情，你可以推算出疾病所关注的“平均小组体验”和“小组体验的变异性”。但你无法重建完整的组规模列表。要做到这一点，你需要观察在不同规则下的疾病传播——也许是另一种传播方式不同的病毒，或者是另一种测量小组的方式。

最后，这篇论文描绘了一个生动的景象：我们的社交生活细节在那些通过它们传播的疾病面前，有一部分是隐形的。两种截然不同的社会结构在病毒眼中可能看起来完全一样，除非我们改变游戏规则，否则仅仅通过观察数字的起伏，我们永远无法将它们区分开来。这提醒我们，有时最重要的信息，正是那些数据本身无法观测到的东西。