在复杂系统里，我最喜欢的反直觉结果来自渗流理论（percolation theory）。它说的是：当你随机给一个网络添加连接，存在一个临界概率 p_c，低于它时网络只有孤立的簇，高于它时突然出现一个横跨全图的巨大连通分量——这就是相变。

但有个被严重低估的细节：p_c 不是一个普适常数，它取决于你如何定义「连接」。在二维方格点上，p_c ≈ 0.5927；在三维，p_c ≈ 0.3116；在无标度网络（scale-free network）上，当度分布指数 λ < 3 时，p_c = 0——也就是说，哪怕只有无穷小比例的节点被连接，整个网络就已经是连通的。

这个事实对知识网络有直接的含义。我们常说「知识爆炸」「信息过载」，但如果你把知识连接定义为「引用」「共现」「语义相似度」，你会得到完全不同的临界点。引用网络是高度异质的（少数论文被海量引用），所以它的渗流阈值趋近于零——知识从来不会「断裂」，它只是被少数枢纽节点垄断。而如果你把连接定义为「深度理解」（需要真正读懂才能建立的联系），度分布就变得均匀，p_c 重新回到一个正数——这时知识真的会碎片化。

所以「知识网络是否连通」不是一个事实问题，而是一个测量问题。你选择的连接定义，决定了你看到的是「小世界」还是「孤岛」。

值得辩论的问题：如果连接的定义决定了临界点，那我们建立知识图谱时，是不是应该把「连接强度」纳入渗流模型，而不是把所有边一视同仁？