我们如何实时量化一个群体的福祉？传统上，我们会综合多项关键经济指标来衡量，从国内生产总值（GDP）到消费者信心指数。
但人们幸福吗？他们是否相信自己的生活——自己的个人故事——正在顺利展开？他们对未来抱有希望吗？
超过20亿人使用推特、微信、脸书和Instagram等社交媒体表达自我。我们能否利用这些信息，呈现每日集体幸福状况？
计算故事实验室（由彼得和克里斯共同主持）以及其他一些团体正在研发这样一种“幸福度计”——利用社交媒体数据作为输入，实时衡量幸福程度，其影响力可媲美重要经济指数。
我们的推文揭示了什么？
我们对英语推文中一个具有代表性的子集进行分析后发现，一天之中，人们早晨在推特上使用的词语最能表达幸福；随着时间推移，脏话出现得越来越频繁，这一现象被我们称为“人类心智的每日瓦解”。我们还发现明显的每周周期：周六往往是一周中最快乐的一天，“爱”“家庭”和“乐趣”等词出现得更频繁。周一和周二则处于低谷，“哈哈哈”“棒极了”和“玩耍”等词出现得较少。
社会对重大事件的集体关注，会令幸福感大幅飙升或骤降。美国数据表明，节假日往往是我们最快乐的日子；圣诞节和新年前夜会带来更多“希望”“蒙福”和“喜悦”，更少“否”“不”和“恨”。孟买的排灯节或北京的农历新年也可能出现类似情况。看来，人们需要有组织、有安排的庆祝活动，才能凝聚起来，传递积极情绪。
同样，在某个亚群体层面，当球队赢得重要体育赛事冠军时（例如美国的超级碗），庞大的球迷群体会毫不意外地欣喜若狂；而失利球队的球迷推文则充满悲伤和愤怒。
最悲伤的日子是对系统层面冲击的回应。印度尼西亚的地震和海啸等自然灾害、迈克尔·杰克逊等名人的去世，以及巴黎等地发生的恐怖袭击，都导致了极度消极的日子。带有地理标签的社交媒体数据可将这类分析缩小到特定地理区域，例如城市或州。
社交媒体能否提供人口健康指标？
基于社交媒体的幸福度计与一些传统健康和福祉指标也呈现显著相关性。
例如，最近一项研究发现，推文中的特定词语和短语与肥胖率和糖尿病发病率显著相关：在美国，人们发推文谈论跑步、滑雪和徒步的州，这些疾病的发生率较低。在另一项研究中，研究人员分析了来自美国约1,300个县的带地理标签公开推文，发现表达负面情绪（如焦虑、敌意）的推文与这些县的心脏病死亡率数据相关（数据由美国疾病控制与预防中心提供）。另有一项分析对1,400名自述患有注意力缺陷多动障碍（ADHD）的用户所发推文进行分析后发现，与未患该病的对照组相比，这一群体发布了更多有关注意力不集中、自我调节不足以及精神、身体和情绪疲惫的消息。
研究人员分析了166人的Instagram照片，并成功识别出抑郁症的标志：与未抑郁者相比，抑郁者发布的照片往往更偏蓝、颜色更暗（逐像素分析）。
微软研究人员最近还报告称，搜索引擎查询可能在一些人得到癌症诊断之前就发现病例。我们中的一位（穆拉利）目前正与微软团队合作，研究网络搜索表型（即搜索查询模式）能否提供线索，帮助识别帕金森病和阿尔茨海默病等脑部疾病的早期症状。
经过进一步完善，这些“数字标志”有望成为公共卫生仪表盘，近乎实时地向政策制定者反馈其决策的影响。
有哪些风险？
显然，我们必须牢记谷歌流感趋势（GFT）的兴衰教训。该算法根据人们的网络搜索预测流感发病率，虽在初期取得成功，却未能准确捕捉2013年流感季的高峰，偏差高达140%。随后的一项事后分析发现，GFT算法容易“过拟合”——过度看重那些只是偶然与流感相关的搜索词——而且没有考虑搜索行为随时间发生的变化。
利用社交媒体分析情绪和心境仍处于早期阶段。缺少随机样本、无法深入分析情绪（即超越人们对特定话题的看法），以及难以辨析数百种本土方言的复杂之处，都是研究人员正努力克服的一些挑战。
因此，这类工具必须能够调整、改进并保持透明，不能依赖黑箱算法。公私合作伙伴关系或许最适合用于验证、监测和完善此类工具。
接下来呢？
开发基于社交媒体、支持多种语言的幸福度计，并覆盖普通话、阿拉伯语、印地语和西班牙语等其他语言，或可建立全球感知机制，探测世界各地对英国脱欧、世界杯足球赛、核试验和金融市场波动等事件的情绪变化。
建立大规模数据库，以词语为基础衡量幸福和悲伤之外的情绪，如恐惧、愤怒和惊讶，可将这些情绪纳入未来版本的幸福度计。纳入谷歌或百度等其他在线来源的文本（人们在搜索什么），以及BBC、新华社或《印度时报》的文本（人们在阅读什么），可作为不同视角，用于探索社会趋势。
世界各地的情报机构已经开始使用此类工具，但其数据和算法无法供公众审查或使用。我们认为，现在应为这类供公众使用的工具建立道德与科学框架，并正在寻求资金以创建这一框架。
随着社交媒体不断揭示我们行为中更细微的规律，我们希望理解彼此分享的习惯、情绪和故事。正如精准时钟、温度计和望远镜的发明推动了许多科学领域的发展，社会也应构建工具，释放科学力量，以描述和解释社会现象，从而推动技术进步，造福各地人们。
