我并非在判断孰对孰错，因为那时候我的所作所为和托马斯完全一样。我今天还在这样做。我点击搜索结果列表的顶部，在不同的论文中来回穿梭，试图了解我研究领域的最新进展，知道谁公布了最好的研究发现。我所有的同事也都如此。在谷歌学术搜索推出后不久，我们都上瘾了。
谷歌工程师安劳格·阿卡里亚（Anurag Acharya）是谷歌学术搜索的联合创始人之一，目前还在负责谷歌学术搜索的运营。他说，他的初衷是“让全球研究人员的效率提高10%”。这是一个野心勃勃的目标，但他已经超额完成了。为了写作这样一本书，我每天使用20至50次谷歌学术搜索，这节省了我大量的时间和精力。没有谷歌学术搜索，我不可能写完这本书、做完我的研究。
安劳格当时不知道，他为学术界创造了一个“大家也喜欢”的算法。一篇文章的被引用次数越多，它在检索文章列表中的排名就越靠前，也就越有可能被更多科学家看到。这就意味着人气高的文章经常被阅读和引用，从而带来更多反馈，也意味着某些文章在被引用列表中上升，其他的文章则下降。就像书籍、音乐和YouTube视频一样，科学论文被引用的次数、排名的升降与它本身质量的关系也许并不突出，更多地与最初微不足道的人气差异有关。
在很多东西（比如说成于上万的科学论文）都可以被“大家也喜欢”标记的情况下，人气就可以通过一个数学上的关系来体现，这个关系叫“幂律”（powerlaw)。为了更好地理解幂律，让我们想象一条引用次数超过某一数值的论文占比的曲线，我们通常最习惯用线性坐标系来呈现曲线上点的变化，也就是说坐标轴上距离相等的点之间，数值差异是相同的，比如1，2，3，4或者10%，20%，30%。当我们用双对数坐标系来呈现论文引用的数据时，幂律就体现出来了。在双对数坐标系中，坐标系上等距离的点，其值以各自底数的幂增加或减少。比如说，10的正次方是1，10，100，1000，10000，相应地，它的负次方是0.1，0.01，0.001，依此类推。在我们双对数坐标系上，X轴代表的是一篇论文被引用的次数(我们假定是P次)，Y轴代表的是被引用了P次或更多次的文章数在文章总数中所占比例。
被算法操控的生活OUTNUMBERED
112