As jy enige tyd spandeer het om aan komplekse stelsels te dink, verstaan jy waarskynlik die belangrikheid van netwerke. Netwerke regeer ons wêreld. Van die chemiese reaksies binne 'n sel, tot die web van verhoudings in 'n ekosisteem, tot die handel en politieke netwerke wat die verloop van die geskiedenis vorm.
Of oorweeg hierdie artikel wat jy lees. Jy het dit waarskynlik gevind in sosiale netwerk, afgelaai vanaf rekenaar netwerk en ontsyfer tans die betekenis deur jou neurale netwerk.
Maar soveel as wat ek oor die jare aan netwerke gedink het, het ek tot onlangs nie die belangrikheid van eenvoudig verstaan nie diffusie.
Dit is ons onderwerp vir vandag: hoe, hoe chaoties alles beweeg en versprei. Enkele voorbeelde om jou eetlus aan te wakker:
- Aansteeklike siektes wat binne 'n bevolking van draer na draer oorgaan.
- Memes versprei oor die volgergrafiek op sosiale netwerke.
- Bosbrand.
- Idees en praktyke wat 'n kultuur deurdring.
- Neutronkaskade in verrykte uraan.
'n Vinnige nota oor vorm.
Anders as al my vorige werke, is hierdie opstel interaktief [in interaktiewe voorbeelde word gegee met glyers en knoppies wat voorwerpe op die skerm beheer - ongeveer. baan].
So kom ons begin. Die eerste taak is om 'n visuele woordeskat vir verspreiding oor netwerke te ontwikkel.
Eenvoudige model
Ek is seker dat julle almal die basis van netwerke ken, dit wil sê nodusse + rande. Om diffusie te bestudeer, hoef jy net 'n paar nodusse as te merk aktief. Of, soos epidemioloë graag wil sê, besmet:
Hierdie aktivering of infeksie versprei deur die netwerk van nodus tot nodus volgens die reëls wat ons hieronder sal ontwikkel.
Werklike netwerke is tipies baie groter as hierdie eenvoudige sewe-node-netwerk. Hulle is ook baie meer verwarrend. Maar ter wille van eenvoud sal ons hier 'n speelgoedmodel bou om 'n traliewerk, dit wil sê, 'n tralienetwerk, te bestudeer.
(Wat die maas kort in realisme, dit vergoed deurdat dit maklik is om te teken 😉
Behalwe waar anders aangedui, het netwerknodusse vier bure, byvoorbeeld:
En jy moet jou voorstel dat hierdie traliewerk eindeloos in alle rigtings strek. Met ander woorde, ons stel nie belang in gedrag wat slegs aan die rande van die netwerk of in klein bevolkings voorkom nie.
Aangesien die roosters so georden is, kan ons dit vereenvoudig tot pixels. Byvoorbeeld, hierdie twee beelde verteenwoordig dieselfde netwerk:
In een gedrag dra die aktiewe nodus altyd die infeksie na sy (onbesmette) bure oor. Maar dit is vervelig. Baie meer interessante dinge gebeur wanneer die oordrag waarskynlikheid.
SIR en SIS
В SIR modelle (Gevoelig-Besmet-Verwyder) 'n nodus kan in drie toestande wees:
- Vatbaar
- Besmet
- Verwyder
Hier is hoe interaktiewe simulasie werk [in jy kan die infeksie-oordragtempo van 0 tot 1 kies, sien die proses stap vir stap of in sy geheel - ongeveer. vertaal]:
- Nodusse begin as vatbaar, met die uitsondering van 'n paar nodusse wat as besmet begin.
- By elke tydstap het besmette nodusse 'n kans om die infeksie na elkeen van hul vatbare bure oor te dra met 'n waarskynlikheid gelykstaande aan die oordragtempo.
- Besmette nodusse gaan dan in 'n "geskrap" toestand in, wat beteken dat hulle nie meer ander kan besmet of self besmet kan word nie.
In die konteks van siekte, kan verwydering beteken dat die persoon gesterf het of dat hulle immuniteit teen die patogeen ontwikkel het. Ons sê hulle word uit die simulasie "verwyder" omdat niks anders met hulle gebeur nie.
Afhangende van wat ons probeer modelleer, kan 'n ander model as SIR nodig wees.
As ons die verspreiding van masels of 'n veldbrand naboots, is SIR ideaal. Maar veronderstel ons simuleer die verspreiding van 'n nuwe kulturele praktyk, soos meditasie. Aanvanklik is die nodus (die persoon) ontvanklik omdat dit dit nog nooit voorheen gedoen het nie. Dan, as hy begin mediteer (dalk nadat hy daarvan van 'n vriend gehoor het), sal ons hom as besmet modelleer. Maar as hy die oefening stop, sal hy nie sterf nie en sal hy nie uit die simulasie val nie, want in die toekoms kan hy maklik weer hierdie gewoonte optel. So gaan hy terug na 'n ontvanklike toestand.
Dit SIS model (Gevoelig–Besmet–Ventbaar). Die klassieke model het twee parameters: transmissiespoed en herstelspoed. In die simulasies vir hierdie artikel het ek egter besluit om te vereenvoudig deur die hersteltempo-parameter weg te laat. In plaas daarvan keer die besmette nodus outomaties terug na die vatbare toestand by die volgende tydstap, tensy dit deur een van sy bure besmet is. Daarbenewens laat ons 'n nodus wat by stap n besmet is, toe om homself by stap n+1 te besmet met 'n waarskynlikheid gelyk aan die transmissietempo.
Die bespreking
Soos u kan sien, verskil dit baie van die SIR-model.
Omdat die nodusse nooit verwyder word nie, kan selfs 'n baie klein en beperkte rooster 'n SIS-infeksie vir 'n lang tyd ondersteun. Die infeksie spring eenvoudig van knoop tot knoop en kom terug.
Ten spyte van hul verskille, blyk SIR en SIS verbasend uitruilbaar te wees vir ons doeleindes. So vir die res van hierdie artikel sal ons by SIS bly – hoofsaaklik omdat dit duursaam is en dus lekkerder is om mee te werk.
Kritiese vlak
Nadat jy met die SIR- en SIS-modelle rondgespeel het, het jy dalk iets opgemerk oor die lang lewe van die infeksie. By baie lae oordragtempo's, soos 10%, is die infeksie geneig om uit te sterf. Terwyl by hoër waardes, soos 50%, bly die infeksie lewendig en neem die meeste van die netwerk oor. As die netwerk oneindig was, sou ons ons kon voorstel dat dit aanhou en vir ewig versprei.
Sulke onbeperkte verspreiding het baie name: "viraal", "kern" of (in die titel van hierdie artikel) krities.
Dit blyk daar is spesifiek die breekpunt wat skei subkritiese netwerke (gedoem tot uitwissing) van superkritiese netwerke (in staat tot oneindige groei). Hierdie keerpunt word genoem kritieke drempel, en dit is 'n redelik algemene teken van diffusieprosesse in gewone netwerke.
Die presiese waarde van die kritieke drempel wissel tussen netwerke. Wat algemeen is, is dit beskikbaarheid so 'n betekenis.
[In 'n interaktiewe demo van U kan probeer om die kritieke netwerkdrempel handmatig te vind deur die transmissiespoedwaarde te verander. Dit is iewers tussen 22% en 23% - ongeveer. trans.]
By 22% (en laer) sterf die infeksie uiteindelik uit. By 23% (en hoër) sterf die oorspronklike infeksie soms uit, maar in die meeste gevalle slaag dit daarin om te oorleef en lank genoeg te versprei om sy bestaan vir ewig te verseker.
(Terloops, daar is 'n hele wetenskaplike veld wat toegewy is aan die vind van hierdie kritieke drempels vir verskillende netwerktopologieë. Vir 'n vinnige inleiding beveel ek aan dat u vinnig deur die Wikipedia-artikel blaai oor ).
In die algemeen, so werk dit: Onder 'n kritieke drempel is enige eindige infeksie in die netwerk gewaarborg (met waarskynlikheid 1) om uiteindelik uit te sterf. Maar bo 'n kritieke drempel is daar 'n waarskynlikheid (p > 0) dat die infeksie vir ewig sal voortduur, en sodoende arbitrêr ver van die oorspronklike terrein sal versprei.
Let egter daarop dat die superkritiese netwerk nie is nie waarborgedat die infeksie vir ewig sal voortduur. Trouens, dit vervaag dikwels, veral in die baie vroeë stadiums van die simulasie. Kom ons kyk hoe dit gebeur.
Kom ons neem aan dat ons begin het met een besmette nodus en vier bure. By die eerste modelleringstap het die infeksie 5 onafhanklike kanse om te versprei (insluitend die kans om na homself te "verspreid" by die volgende stap):
Kom ons neem nou aan die oordragkoers is 50%. In hierdie geval draai ons in die eerste stap vyf keer 'n muntstuk. En as vyf koppe gerol word, sal die infeksie vernietig word. Dit gebeur in sowat 3% van die gevalle – en dit is slegs in die eerste stap. 'n Infeksie wat die eerste stap oorleef, het 'n (gewoonlik kleiner) waarskynlikheid om in die tweede stap uit te sterf, 'n (selfs kleiner) waarskynlikheid om in die derde stap uit te sterf, ens.
Dus, selfs wanneer die netwerk superkrities is - as die transmissietempo 99% is - is daar 'n kans dat die infeksie sal verdwyn.
Maar die belangrikste is dat sy dit nie doen nie altyd sal verdwyn. As jy die waarskynlikheid bytel dat alle stappe tot oneindig sal uitsterf, is die resultaat minder as 1. Met ander woorde, daar is 'n nie-nul waarskynlikheid dat die infeksie vir ewig sal voortduur. Dit is wat dit beteken vir 'n netwerk om superkrities te wees.
SISa: spontane aktivering
Tot op hierdie punt het al ons simulasies begin met 'n klein stukkie voorafbesmette nodusse in die middel.
Maar wat as jy van voor af begin? Ons modelleer dan spontane aktivering - die proses waardeur 'n vatbare nodus per toeval besmet word (nie van een van sy bure nie).
Dit SISa model. Die letter "a" staan vir "outomaties".
In die SISa-simulasie verskyn 'n nuwe parameter - die tempo van spontane aktivering, wat die frekwensie van spontane infeksie verander (die transmissietempo-parameter wat ons vroeër gesien het, is ook teenwoordig).
Wat neem dit vir 'n infeksie om deur die netwerk te versprei?
Die bespreking
Jy het dalk in die simulasie opgemerk dat die verhoging van die tempo van spontane aktivering nie verander of die infeksie die hele netwerk oorneem of nie. Enigste transmissie spoed bepaal of die netwerk sub- of superkrities is. En wanneer die netwerk subkrities is (oordragtempo minder as of gelyk aan 22%), kan geen infeksie na die hele netwerk versprei nie, maak nie saak hoe gereeld dit begin nie.
Dit is soos om 'n vuur in 'n nat veld te begin. Jy kan ’n paar droë blare aan die brand steek, maar die vlam sal vinnig doodgaan omdat die res van die landskap nie vlambaar genoeg is nie (subkrities). Terwyl jy op 'n baie droë veld (superkrities) is, is een vonk genoeg vir 'n vuur om te begin woed.
Soortgelyke dinge word waargeneem in die sfeer van idees en uitvindings. Dikwels is die wêreld nie gereed vir 'n idee nie, in welke geval dit weer en weer uitgevind kan word, maar dit lok nie die massas nie. Aan die ander kant is die wêreld dalk heeltemal gereed vir 'n uitvinding (groot latente aanvraag), en sodra dit gebore is, word dit deur almal aanvaar. In die middel is idees wat op verskeie plekke uitgevind en plaaslik versprei word, maar nie genoeg vir enige enkele weergawe om die hele netwerk op een slag te vee nie. In hierdie laaste kategorie vind ons byvoorbeeld landbou en skryfwerk, wat onderskeidelik sowat tien en drie keer onafhanklik deur verskillende menslike beskawings uitgevind is.
immuniteit
Gestel ons maak sommige nodusse heeltemal onkwesbaar, dit wil sê, immuun teen aktivering. Dit is asof hulle aanvanklik in 'n afgeleë toestand is, en die SIS(a)-model word op die oorblywende nodusse bekendgestel.
Die immuniteitsskuifbalk beheer die persentasie nodusse wat verwyder word. Probeer om die waarde daarvan te verander (terwyl die model loop!) en kyk hoe dit die toestand van die netwerk beïnvloed, of dit superkrities sal wees of nie.
Die bespreking
Die verandering van die aantal nie-responsiewe nodusse verander heeltemal die prentjie of die netwerk sub- of superkrities sal wees. En dis nie moeilik om te sien hoekom nie. Met 'n groot aantal onvatbare gashere het die infeksie minder geleentheid om na nuwe gashere te versprei.
Dit blyk dat dit 'n aantal baie belangrike praktiese gevolge het.
Een daarvan is om die verspreiding van bosbrande te voorkom. Op plaaslike vlak moet elke persoon sy eie voorsorgmaatreëls tref (moet byvoorbeeld nooit 'n oop vlam sonder toesig laat nie). Maar op groot skaal is geïsoleerde uitbrake onvermydelik. Nog 'n metode van beskerming is dus om te verseker dat daar genoeg "breek" (in die netwerk van vlambare materiale) is sodat 'n uitbreking nie die hele netwerk verswelg nie. Clearings voer hierdie funksie uit:
Nog 'n uitbreking wat belangrik is om te stop, is 'n aansteeklike siekte. Hier word die konsep bekendgestel kudde-immuniteit. Dit is die idee dat sommige mense nie ingeënt kan word nie (hulle het byvoorbeeld 'n gekompromitteerde immuunstelsel), maar as genoeg mense immuun teen die infeksie is, kan die siekte nie onbepaald versprei nie. Met ander woorde, jy moet inent voldoende deel van die bevolking om die bevolking van 'n superkritiese na 'n subkritiese toestand oor te dra. Wanneer dit gebeur, kan een pasiënt steeds besmet raak (nadat hy byvoorbeeld na 'n ander streek gereis het), maar sonder 'n superkritiese netwerk om in te groei, sal die siekte net 'n klein handjievol mense besmet.
Ten slotte, die konsep van immuun nodusse verduidelik wat gebeur in 'n kernreaktor. In 'n kettingreaksie stel 'n verrottende uraan-235-atoom ongeveer drie neutrone vry, wat (gemiddeld) die splyting van meer as een U-235-atoom veroorsaak. Die nuwe neutrone veroorsaak dan verdere splitsing van atome, ensovoorts eksponensieel:
Wanneer 'n bom gebou word, is die hele punt om te verseker dat eksponensiële groei ongekontroleerd voortgaan. Maar in 'n kragsentrale is die doel om energie te produseer sonder om almal om jou dood te maak. Vir hierdie doel word hulle gebruik beheerstawe, gemaak van 'n materiaal wat neutrone kan absorbeer (byvoorbeeld silwer of boor). Omdat hulle neutrone absorbeer eerder as om vry te stel, dien hulle as immuun nodusse in ons simulasie, en verhoed daardeur die radioaktiewe kern om superkrities te word.
Die truuk van 'n kernreaktor is dus om die reaksie naby 'n kritieke drempel te hou deur beheerstawe heen en weer te beweeg, en om te verseker dat wanneer iets verkeerd gaan, die stange in die kern val en dit stop.
Krag
Krag van 'n nodus is die getal van sy bure. Tot op hierdie punt het ons netwerke van graad 4 oorweeg. Maar wat gebeur as jy hierdie parameter verander?
Byvoorbeeld, jy kan elke nodus nie net aan vier onmiddellike bure koppel nie, maar ook met nog vier diagonaal. In so 'n netwerk sal die graad 8 wees.
Roosters met grade 4 en 8 is goed simmetries. Maar met graad 5 (byvoorbeeld) ontstaan 'n probleem: watter vyf bure moet ons kies? In hierdie geval kies ons vier naaste bure (N, O, S, W), en kies dan willekeurig een buurman uit die versameling {NE, SE, SW, NW}. Die keuse word onafhanklik gemaak vir elke nodus by elke tydstap.
Die bespreking
Weereens, dit is nie moeilik om te sien wat hier aangaan nie. Wanneer elke nodus meer bure het, verhoog die kanse dat infeksie versprei - en dus is die netwerk meer geneig om krities te word.
Die gevolge kan egter onverwags wees, soos ons hieronder sal sien.
Stede en netwerkdigtheid
Tot nou toe was ons netwerke heeltemal homogeen. Elke nodus lyk soos enige ander. Maar wat as ons die toestande verander en verskillende nodustoestande regdeur die netwerk toelaat?
Kom ons probeer byvoorbeeld stede modelleer. Om dit te doen, sal ons die digtheid in sommige dele van die netwerk (hoër graad van nodusse) verhoog. Ons doen dit op grond van die data wat burgers het as mense buite stede.
In ons model word vatbare nodusse gekleur op grond van hul graad. Nodusse in "landelike gebiede" het graad 4 (en is liggrys gekleur), terwyl nodusse in "stedelike gebiede" hoër grade het (en donkerder gekleur is), wat begin met graad 5 in die buitewyke en eindig met 8 in die middestad.
Probeer om 'n voortplantingspoed te kies sodat die aktivering stede dek en dan nie verder as hul grense gaan nie.
Ek vind hierdie simulasie beide voor die hand liggend en verrassend. Seker, handhaaf stede die kulturele vlak beter as landelike gebiede - almal weet dit. Wat my verras, is dat sommige van hierdie kulturele diversiteit bloot op grond van die topologie van die sosiale netwerk ontstaan.
Dit is 'n interessante punt, ek sal probeer om dit in meer besonderhede te verduidelik.
Hier het ons te doen met vorme van kultuur wat eenvoudig en direk van persoon tot persoon oorgedra word. Byvoorbeeld, , salonspeletjies, modetendense, linguistiese neigings, kleingroeprituele en produkte wat deur mond tot mond versprei word, plus hele pakkette inligting wat ons idees noem.
(Let wel: die verspreiding van inligting tussen mense word uiters moeilik gemaak deur die media. Dit is makliker om een of ander tegnologies primitiewe omgewing voor te stel, soos Antieke Griekeland, waar byna elke vonk van kultuur deur interaksie in fisiese ruimte oorgedra is.)
Uit bogenoemde simulasie het ek geleer dat daar idees en kulturele praktyke is wat in die stad kan wortel skiet en versprei, maar dit kan eenvoudig nie (wiskundig kan nie) versprei in landelike gebiede. Dit is dieselfde idees en dieselfde mense. Die punt is nie dat plattelandse inwoners op een of ander manier "nabygedagt" is nie: wanneer hulle met dieselfde idee omgaan, presies dieselfde kanse om dit te vangsoos die dorpsmense. Dit is net dat die idee self nie viraal in landelike gebiede kan word nie, want daar is nie baie verbindings waardeur dit kan versprei nie.
Dit is miskien die maklikste om te sien op die gebied van mode - klere, haarstyle, ens. In die modenetwerk kan ons die rand van die tralie vasvang wanneer twee mense mekaar se uitrustings opmerk. In 'n stedelike sentrum kan elke persoon meer as 1000 XNUMX ander mense elke dag sien - op straat, op die moltrein, in 'n stampvol restaurant, ens. In 'n landelike gebied, daarenteen, kan elke persoon slegs 'n paar dosyn ander sien. Gebaseer op net hierdie verskil, is die stad in staat om meer modeneigings te ondersteun. En net die mees dwingende neigings—dié met die hoogste transmissiekoerse—sal ’n vastrapplek buite die stad kan kry.
Ons is geneig om te dink dat as 'n idee goed is, dit uiteindelik almal sal bereik, en as 'n idee sleg is, sal dit verdwyn. Dit is natuurlik waar in uiterste gevalle, maar tussenin is daar baie idees en praktyke wat net op sekere netwerke viraal kan gaan. Dit is werklik verstommend.
Nie net stede nie
Ons kyk hier na die impak netwerkdigtheid. Dit word gedefinieer vir 'n gegewe stel nodusse as 'n getal werklike ribbes, gedeel deur getal potensiële rande. Dit wil sê, die persentasie moontlike verbindings wat werklik bestaan.
Dus, ons het gesien dat netwerkdigtheid in stedelike sentrums hoër is as in landelike gebiede. Maar stede is nie die enigste plek waar ons digte netwerke vind nie.
'n Interessante voorbeeld is sekondêre skole. Byvoorbeeld, vir 'n spesifieke area vergelyk ons die netwerk wat onder skoolkinders bestaan met die netwerk wat onder hul ouers bestaan. Dieselfde geografiese gebied en dieselfde bevolking, maar een netwerk is baie keer digter as die ander. Dit is dus nie verbasend dat mode- en taaltendense baie vinniger onder tieners versprei nie.
Net so is elite-netwerke geneig om baie digter te wees as nie-elite-netwerke - 'n feit wat ek dink onderwaardeer word (mense wat gewild of invloedryk is spandeer meer tyd aan netwerk en het dus meer "bure" as gewone mense van mense). Gebaseer op die simulasies hierbo, verwag ons dat elite-netwerke sommige kulturele vorme sal ondersteun wat nie deur die hoofstroom ondersteun kan word nie, bloot gebaseer op die wiskundige wette van die netwerk se gemiddelde graad. Ek laat jou om te spekuleer oor wat hierdie kulturele vorme kan wees.
Laastens kan ons hierdie idee op die internet toepas deur dit as groot en te modelleer baie dig Stad. Dit is geen verrassing dat baie nuwe soorte kultuur aanlyn floreer wat eenvoudig nie op suiwer ruimtelike netwerke ondersteun kan word nie: nisstokperdjies, beter ontwerpstandaarde, groter bewustheid van onreg, ens. En dit is nie net lekker dinge nie. Net soos vroeë stede broeiplekke was vir siektes wat nie in lae bevolkingsdigthede kon versprei nie, so is die internet 'n broeiplek vir kwaadaardige kultuurvorme soos clickbait, fopnuus en kunsmatige verontwaardiging.
kennis
"Om die regte kundige op die regte tyd te hê, is dikwels die mees waardevolle hulpbron vir kreatiewe probleemoplossing." - Michael Nielsen, Inventing Discovery
Ons dink dikwels aan ontdekking of uitvinding as 'n proses wat in die gedagtes van 'n enkele genie plaasvind. Hy word getref deur 'n flits van inspirasie en - Eureka! — skielik het ons 'n nuwe manier om volume te meet. Of die swaartekragvergelyking. Of 'n gloeilamp.
Maar as ons die standpunt van 'n eensame uitvinder neem op die oomblik van ontdekking, dan kyk ons na die verskynsel vanuit 'n nodus se oogpunt. Terwyl dit meer korrek sou wees om die uitvinding te interpreteer as netwerk verskynsel.
Die netwerk is op ten minste twee maniere belangrik. Eerstens moet bestaande idees deurdring in die bewussyn uitvinder. Dit is aanhalings uit ’n nuwe artikel, die bibliografiese afdeling van ’n nuwe boek – die reuse op wie se skouers Newton gestaan het. Tweedens is die netwerk van kritieke belang vir die terugkeer van 'n nuwe idee terug in die wêreld in; 'n uitvinding wat nie versprei het nie, is glad nie die moeite werd om 'n "uitvinding" te noem nie. Om beide hierdie redes is dit dus sinvol om uitvinding – of, meer algemeen, die groei van kennis – as 'n proses van verspreiding te modelleer.
Binne 'n oomblik sal ek 'n rowwe simulasie aanbied van hoe kennis binne 'n netwerk kan versprei en groei. Maar eers moet ek verduidelik.
Aan die begin van die simulasie is daar vier kundiges in elke kwadrant van die rooster, soos volg gerangskik:
Expert 1 het die eerste weergawe van die idee – kom ons noem dit Idee 1.0. Expert 2 is die persoon wat weet hoe om Idee 1.0 in Idee 2.0 te omskep. Expert 3 weet hoe om Idee 2.0 in Idee 3.0 te omskep. En uiteindelik weet die vierde kenner hoe om Idee 4.0 af te rond.
Dit is soortgelyk aan 'n tegniek soos origami, waar tegnieke ontwikkel en met ander tegnieke gekombineer word om meer interessante ontwerpe te skep. Of dit kan 'n veld van kennis wees, soos fisika, waarin meer onlangse werk voortbou op die fundamentele werk van voorgangers.
Die punt van hierdie simulasie is dat ons al vier kundiges nodig het om by te dra tot die finale weergawe van die idee. En in elke stadium moet die idee onder die aandag van die toepaslike deskundige gebring word.
'n Paar waarskuwings. Daar is baie onrealistiese aannames wat in die simulasie geënkodeer is. Hier is net 'n paar van hulle:
- Daar word aanvaar dat idees nie gestoor en oorgedra kan word nie, behalwe van persoon tot persoon (d.w.s. geen boeke of media).
- Daar word aanvaar dat daar permanente kundiges in die bevolking is wat idees kan genereer, alhoewel in werklikheid baie toevallige faktore die voorkoms van 'n ontdekking of uitvinding beïnvloed.
- Al vier weergawes van die idee gebruik dieselfde stel SIS-parameters (baudrate, persentasie immuniteit, ens.), Alhoewel dit waarskynlik meer realisties is om verskillende parameters vir elke weergawe te gebruik (1.0, 2.0, ens.)
- Daar word aanvaar dat idee N+1 idee N altyd heeltemal verplaas, alhoewel in die praktyk dikwels beide ou en nuwe weergawes gelyktydig sirkuleer, met geen duidelike wenner nie.
… en vele ander.
Die bespreking
Dit is 'n belaglik vereenvoudigde model van hoe kennis eintlik groei. Daar is baie belangrike besonderhede buite die model gelaat (sien hierbo). Dit vang egter die belangrike essensie van die proses vas. En so kan ons, met voorbehoude, praat oor die groei van kennis deur ons kennis van diffusie te gebruik.
In die besonder bied die verspreidingsmodel insig in hoe die proses bespoedig: Behoefte om die uitruil van idees tussen kundige nodusse te fasiliteer. Dit kan beteken dat die netwerk van dooie nodusse skoongemaak word wat diffusie belemmer. Of dit kan beteken dat al die kundiges in 'n stad of groepering met 'n hoë netwerkdigtheid geplaas word waar idees vinnig versprei. Of versamel hulle net in een kamer:
So... dis al wat ek kan sê oor diffusie.
Maar ek het 'n laaste gedagte, en dit is baie belangrik. Dit gaan oor groeien stagnasie) kennis in wetenskaplike gemeenskappe. Hierdie idee verskil in toon en inhoud van enigiets hierbo, maar ek hoop jy sal my vergewe.
Oor wetenskaplike netwerke
Die illustrasie toon een van die belangrikste positiewe terugvoerlusse in die wêreld (en dit was al 'n geruime tyd so):
Die opwaartse vordering van die siklus (K ⟶ T) is redelik eenvoudig: ons gebruik nuwe kennis om nuwe gereedskap te ontwikkel. As ons byvoorbeeld die fisika van halfgeleiers verstaan, kan ons rekenaars bou.
Die afwaartse skuif verg egter 'n bietjie verduideliking. Hoe lei die ontwikkeling van tegnologie tot 'n toename in kennis?
Een manier - miskien die mees direkte - is wanneer nuwe tegnologie ons nuwe maniere gee om die wêreld waar te neem. Byvoorbeeld, die beste mikroskope laat jou toe om dieper binne 'n sel te kyk, wat insigte vir molekulêre biologie verskaf. GPS-spoorsnyers wys hoe diere beweeg. Sonar laat jou toe om die oseane te verken. En so aan.
Dit is ongetwyfeld 'n noodsaaklike meganisme, maar daar is ten minste twee ander paaie van tegnologie na kennis. Hulle is dalk nie so eenvoudig nie, maar ek dink hulle is net so belangrik:
Eerste. Tegnologie lei tot ekonomiese oorvloed (d.w.s. rykdom), wat meer mense in staat stel om by kennisproduksie betrokke te raak.
As 90% van jou land se bevolking besig is met landbou, en die oorblywende 10% is besig met een of ander vorm van handel (of oorlog), dan het mense baie min vrye tyd om oor die natuurwette na te dink. Miskien is dit hoekom wetenskap in vroeër tye hoofsaaklik deur kinders uit ryk gesinne bevorder is.
Die Verenigde State produseer meer as 50 000 Ph.D.'s elke jaar. In plaas daarvan dat 'n persoon op ouderdom 18 (of vroeër) in 'n fabriek gaan werk, moet 'n gegradueerde student gefinansier word tot ouderdom 30 of miskien 40 - en selfs dan is dit onduidelik of hul werk enige werklike ekonomiese impak sal hê. Maar dit is nodig vir 'n persoon om die voorpunt van sy of haar dissipline te bereik, veral in komplekse velde soos fisika of biologie.
Die feit is dat spesialiste uit 'n stelseloogpunt duur is. En die uiteindelike bron van openbare rykdom wat hierdie spesialiste finansier, is nuwe tegnologie: die ploeg subsidieer die pen.
Tweede. Nuwe tegnologieë, veral op die gebied van reis en kommunikasie, verander die struktuur van sosiale netwerke waarin kennis groei. Dit laat kundiges en spesialiste veral toe om nouer met mekaar te kommunikeer.
Opvallende uitvindings hier sluit in die drukpers, stoomskepe en spoorweë (wat reis vergemaklik en/of pos oor lang afstande stuur), telefone, vliegtuie en die internet. Al hierdie tegnologieë dra by tot verhoogde netwerkdigtheid, veral binne gespesialiseerde gemeenskappe (waar byna alle kennisgroei plaasvind). Byvoorbeeld, die korrespondensienetwerke wat aan die einde van die Middeleeue onder Europese wetenskaplikes ontstaan het, of die manier waarop moderne fisici arXiv gebruik.
Uiteindelik is albei hierdie paaie soortgelyk. Beide verhoog die digtheid van die netwerk van spesialiste, wat weer lei tot 'n toename in kennis:
Vir baie jare was ek redelik afwysend teenoor hoër onderwys. My kort tydjie in die nagraadse skool het 'n slegte smaak in my mond gelaat. Maar noudat ek terugkyk en dink (afgesien van alle persoonlike probleme), moet ek tot die gevolgtrekking kom dat hoër onderwys steeds is uiters belangrik.
Akademiese sosiale netwerke (bv. navorsingsgemeenskappe) is een van die mees gevorderde en waardevolste strukture wat ons beskawing geskep het. Nêrens het ons 'n groter konsentrasie van spesialiste opgehoop wat op kennisproduksie gefokus is nie. Nêrens het mense ’n groter vermoë ontwikkel om mekaar se idees te verstaan en te kritiseer nie. Dit is die kloppende hart van vooruitgang. Dit is in hierdie netwerke dat die vuur van verligting die sterkste brand.
Maar ons kan nie vordering as vanselfsprekend aanvaar nie. As en as dit ons iets geleer het, was dit dat die wetenskap sistemiese probleme kan hê. Dit is 'n soort netwerkdegradasie.
Gestel ons onderskei tussen twee maniere om wetenskap te doen: ware wetenskap и loopbaan. Werklike wetenskap is praktyke wat betroubaar kennis produseer. Dit word gemotiveer deur nuuskierigheid en gekenmerk deur eerlikheid (Feynman: “Jy sien, ek moet net die wêreld verstaan”). Loopbaanisme, inteendeel, word gemotiveer deur professionele ambisies en word gekenmerk deur politiek en wetenskaplike kortpaaie te speel. Dit mag dalk soos wetenskap lyk en optree, maar geen betroubare kennis lewer.
(Ja, dit is 'n oordrewe tweespalt. Net 'n gedagte-eksperiment. Moet my nie kwalik neem nie).
Die feit is dat wanneer loopbaanbeoefenaars ruimte inneem in die werklike navorsingsgemeenskap, hulle die werk verwoes. Hulle streef daarna om hulself te bevorder terwyl die res van die gemeenskap nuwe kennis probeer inwin en deel. In plaas daarvan om na duidelikheid te streef, kompliseer en verwar loopbaanbeoefenaars alles om meer indrukwekkend te klink. Hulle is besig met (soos Harry Frankfurt sou sê) wetenskaplike nonsens. En daarom kan ons hulle modelleer as dooie nodusse, ondeurdringbaar vir die billike uitruil van inligting wat nodig is vir kennisgroei:
Miskien is die beste model een waarin loopbaanknooppunte nie net ondeurdringbaar is vir kennis nie, maar aktief versprei valse kennis. Valse kennis kan onbeduidende resultate insluit waarvan die belangrikheid kunsmatig opgeblaas word, of werklik vals resultate wat voortspruit uit manipulasie of vervaardigde data.
Maak nie saak hoe ons hulle modelleer nie, loopbaanbeoefenaars kan beslis ons wetenskaplike gemeenskappe wurg.
Dit is soos die kernkettingreaksie wat ons broodnodig het – ons het ’n ontploffing van kennis nodig – net ons verrykte U-235 het te veel van die nie-reaktiewe isotoop U-238 in, wat die kettingreaksie onderdruk.
Natuurlik is daar geen duidelike verskil tussen loopbaanbeoefenaars en regte wetenskaplikes nie. Elkeen van ons het 'n bietjie loopbaanverskuiwing in ons. Die vraag is hoe lank die netwerk kan hou voordat kennisverspreiding vervaag.
O, jy lees tot die einde toe. Dankie dat jy gelees het.
lisensie
Alle regte nie voorbehou nie. Jy kan hierdie werk gebruik soos jy goeddink :).
Erkennings
- и vir deurdagte kommentaar en voorstelle oor verskeie weergawes van die konsep.
- - vir morele ondersteuning deur die hele proses en vir die nuttigste terugvoer oor my werk.
- Keith A. omdat hy vir my die verskynsel van perkolasie en die perkolasiedrempel uitgewys het.
- vir die skakel na , wat (ten spyte van sy vele tekortkominge) die belangrikste stukrag was om aan hierdie pos te werk.
Interaktiewe opstelmonsters
- Al Nicky Case se werk, esp. (met Vi Hart) en . Dit is 'n hoë maatstaf vir wat 'n interaktiewe opstel kan wees.
- : Uitsonderlike hoëgehalte interaktiewe beskrywings van masjienleer.
- Klassieke werk deur Bret Victor . Ek was nie baie goed om met die trappe op te beweeg nie, maar daar is altyd nog een probeerslag.
Bron: will.com