概念进阶新：概率与风险
重整化
也叫：renormalization
用逐层放大的方法，演示少数偏好如何扩散全体。
核心讲解
重整化本来是数学物理学中处理"尺度变换"的强大工具——把微观层面的规则，一层一层放大到宏观层面，看系统的整体行为怎么涌现出来。法国物理学家塞尔日·格兰自1980年代起把它引入社会研究，用"顽固少数"模型分析观点传播：在最小单元（比如一个家庭、一张餐桌）里，只要有一个绝不妥协的人，这一单元的选择就会偏向他；然后把这些小单元当作更大单元（比如一个社区、一家超市）的组成部分，继续往上放大——当顽固少数的比例达到某个临界，逐层放大之后，整个城市乃至更大范围的选择就会被少数派偏好接管。作者用这个方法说明少数派主导不是一次性事件，而是从家庭到社区、到超市、到批发商层层传染的过程。它的价值在于把"一小撮人怎么改变全世界"这个看起来神奇的现象，拆成了每一层都讲得通的小步骤。
费曼版：用大白话再讲一遍
像一滴墨水在水里扩散：一开始只是杯底一小滴（家庭里那一个顽固派），然后整杯水微微变蓝（整个社区），再倒进大缸（超市）、倒进水箱（整个城市）。每一层都只是按同样的规矩混合，最后全城市的水都蓝了。
要点
- 重整化本是物理中尺度变换的工具。
- 格兰将其用于观点传播建模。
- 从小单元逐层放大，少数派偏好层层传染。
- 达到临界比例后整体被接管。
常见误区
- 以为它证明少数派必然赢：结论依赖模型假设。
- 以为它是社会调查：它是数学演示工具。
- 以为放大过程必然线性：临界处会跳变。