1972年，在竞选民主党总统候选人的提名时，乔治·华莱士（George Wallace）的腹部被亚瑟·布雷默（Arthur Bremer）射中数枪。在此之前，时任阿拉巴马州州长的华莱士在民意调查中一直遥遥领先。这次暗杀行动为他的竞选活动画下了句点（他的命保住了，但是落下了终身瘫痪），并且扭转了大选的局面，最终麦戈文（McGovern）获得了民主党总统候选人的提名。
就在当天，也就是1972年5月15日，一家名为消费者研究公司的小型公司恰巧要进行一次市场调研，一组电话访问员1接到任务正在进行准备工作。该公司的老板戴维·施瓦茨（David Schwartz）一听到暗杀总统候选人的消息，立刻意识到这是一个千载难逢的机会：他们正好可以利用这次暗杀行动来实际测算一下，重要的新闻要花上多长时间才能在人群中传播开来。于是，他给其中一些电话银行访问员重新分派了任务，他的团队开始给纽约市里的人们打电话，试图对每一个小时里消息的传播情况进行研究。数个小时时间里，他们呼叫了数百人，并依此绘制出一条清晰的数学曲线，以此来显示随着时间的推移消息的扩散情况。每过一个小时，听说过这则消息的受访者就多出许多。到了那天晚上10点，几乎每个受访者都表示获知了这则新闻，有通过广播知晓的，有通过电视知晓的，也有通过口口相传知晓的。这则重磅信息传播得非常迅速，但它的传播不是在一瞬间完成的。这条新闻在纽约市传得满城风雨，而且是通过一种可衡量且可预测的方式。
事实并不总是如此迅速地扩散。不妨想想玛丽·泰（Mary Tai）的例子2。1994年2月，泰在《糖尿病护理》（Diabetes Care）杂志上撰写了一篇论文，名为《测定糖耐量的总面积和其他代谢曲线的数学模型》（A Mathematical Model for the Detemination of Total Area Under Glucose Tolerance and Other Metabolic Curves）。乍看之下，这似乎不大像一篇用定量的方法来研究新陈代谢某些方面的专业期刊文章。但是请仔细看看文章标题的最后几个字。要帮帮忙吗？想想如何测定曲线下的面积。然后再想想高中和大学时候的数学课。
就算泰称其为“自己的模型”，泰的“发现”充其量也就是微积分。泰并不是积分学的第一人，毫无疑问她会为此感到非常失望。微积分其实是在17世纪后半期由牛顿和戈特弗里德·莱布尼兹（Gottfried Leibniz）发现的，这比泰的与糖尿病相关的计算足足早了300年。也就是说，泰重新发现的被称为计算曲线下面积的梯形法则，牛顿似乎早就已经知道了。然而，泰的文章通过了编辑审阅，获得发表，并且被科学文献引用了上百次。
随后出版的一期《糖尿病护理》刊登了多封回应泰的来信，它们指出，这种技术早就众所周知，并且在很多介绍微积分的教科书里都有。但是这个例子应该能警醒我们：尽管我们的技术在进步，甚至考虑到在前一章中说过的传播速度的提高，但是在许多情况下，知识的传播比我们想象中慢得多。
事实的创造及衰落均受数学规律的制约。但具体说来，我们并不是一瞬间就知悉或者揭穿了新的事实。作为个体，我们所知的事实源于我们所接收到的信息。要想明白我们是如何知晓信息的，那了解正确信息和错误信息如何以及为什么传播，就与了解它们如何以及为什么没有传播同等重要。我们并不总是同步地掌握知识，不论我们所说的知识是新的大理论还是不正确的简单事实——它是时断时续地在人群中散播开来的。但是，事实的传播、为人知悉以及知识的变革也都是有规律可循的。
科学本身最能说明这个问题了。
虽然泰的例子可能有点儿极端，但是泰犯下的错误在科学界可并不鲜见。说到科学知识的扩散，很难像我们期望得那么快。学科快速增长并形成分支；因此任何一个人想要掌握一个领域里所有的已有知识都非常困难。
在过去的几十年里，跨学科研究一直开展得如火如荼。分子生物学家与应用数学家合作，社会学家与物理学家合作，甚至经济学家与遗传学家合作。只要你能想到两个领域，这两个领域的名称就可以组合在一起，成为一个新的学科。如果物理学家涉足某个领域，那么人们一定会说这个领域将要发生一次转变。如今物理学已经和生物学、经济学和社会学融合在一起，诸如生物物理学、经济物理学、社会物理学这些新的词汇就是最好的证据。
总体而言，这是一个好的趋势，因为如果某个领域内一个众所周知的想法在另一领域里尚属空白，那么这个想法常可以激发头脑风暴，让人们触类旁通，发现一些令人兴奋的新东西。但是，如果多个领域只是看似相关，其实内部的知识并未达到真正融合的话，偶尔就会出现假象，人们以为新发现诞生了，但是归根结底那只是在一个领域重新