Si heu passat algun temps pensant en sistemes complexos, probablement entengueu la importància de les xarxes. Les xarxes governen el nostre món. Des de les reaccions químiques dins d'una cèl·lula, fins a la xarxa de relacions en un ecosistema, passant per les xarxes comercials i polítiques que configuren el curs de la història.

O considereu aquest article que esteu llegint. Segurament l'has trobat a xarxa social, descarregat de xarxa informàtica i actualment esteu desxifrant el significat amb el vostre xarxa neuronal.

Però per molt que he pensat en les xarxes al llarg dels anys, fins fa poc no entenia la importància de difusió.

Aquest és el nostre tema d'avui: com, amb quina caòtica tot es mou i s'estén. Alguns exemples per obrir-vos la gana:

• Malalties infeccioses que passen de portador a portador dins d'una població.
• Memes que s'estenen pel gràfic de seguidors a les xarxes socials.
• Incendi forestal.
• Idees i pràctiques que impregnen una cultura.
• Cascada de neutrons en urani enriquit.

Una nota ràpida sobre la forma.

A diferència de tots els meus treballs anteriors, aquest assaig és interactiu [en article original Es donen exemples interactius amb lliscants i botons que controlen objectes a la pantalla - aprox. carril].

Així que comencem. La primera tasca és desenvolupar un vocabulari visual per a la seva difusió a través de les xarxes.

Model senzill

Estic segur que tots coneixeu la base de les xarxes, és a dir, nodes + vores. Per estudiar la difusió, només cal marcar alguns nodes com a actiu. O, com els agrada dir als epidemiòlegs, infectat:

Aquesta activació o infecció es propaga per la xarxa de node en node segons les regles que desenvoluparem a continuació.

Les xarxes reals solen ser molt més grans que aquesta senzilla xarxa de set nodes. També són molt més confusos. Però per simplificar, construirem aquí un model de joguina per estudiar una gelosia, és a dir, una xarxa de gelosia.

(El que manca de realisme a la malla, ho compensa en ser fàcil de dibuixar 😉

Llevat que s'indiqui el contrari, els nodes de xarxa tenen quatre veïns, per exemple:

I cal imaginar que aquestes gelosies s'estenen infinitament en totes direccions. En altres paraules, no ens interessa el comportament que es produeix només a les vores de la xarxa o en poblacions petites.

Atès que les gelosies estan ordenades així, podem simplificar-les a píxels. Per exemple, aquestes dues imatges representen la mateixa xarxa:

En un comportament, el node actiu sempre transmet la infecció als seus veïns (no infectats). Però és avorrit. Passen coses molt més interessants amb el trasllat probabilística.

SIR i SIS

В Models SIR (Susceptible-Infectat-Eliminat) un node pot estar en tres estats:

• Susceptible
• Infectat
• Eliminat

Així és com funciona la simulació interactiva [in article original podeu seleccionar la taxa de transmissió de la infecció de 0 a 1, veure el procés pas a pas o en la seva totalitat - aprox. trad.]:

• Els nodes comencen com a susceptibles, a excepció d'alguns nodes que comencen infectats.
• En cada pas de temps, els nodes infectats tenen l'oportunitat de transmetre la infecció a cadascun dels seus veïns susceptibles amb una probabilitat igual a la taxa de transmissió.
• Aleshores, els nodes infectats entren en un estat "suprimit", és a dir, ja no poden infectar els altres ni infectar-se ells mateixos.

En el context de la malaltia, l'eliminació pot significar que la persona ha mort o que ha desenvolupat immunitat contra el patogen. Diem que són "eliminats" de la simulació perquè no els passa res més.

Depenent del que estem intentant modelar, pot ser que es necessiti un model diferent del SIR.

Si estem simulant la propagació del xarampió o un brot d'incendi forestal, SIR és ideal. Però suposem que simulem la difusió d'una nova pràctica cultural, com la meditació. Al principi el node (la persona) és receptiu perquè no ho havia fet mai abans. Aleshores, si comença a meditar (potser després de saber-ne parlar d'un amic), el modelarem com a infectat. Però si atura la pràctica, no morirà i no caurà de la simulació, perquè en el futur podrà tornar a agafar aquest hàbit fàcilment. Així que torna a un estat receptiu.

El Model SIS (Susceptible–Infectat–Susceptible). El model clàssic té dos paràmetres: velocitat de transmissió i velocitat de recuperació. Tanmateix, a les simulacions d'aquest article, vaig decidir simplificar ometent el paràmetre de taxa de recuperació. En canvi, el node infectat torna automàticament a l'estat susceptible en el següent pas de temps, tret que sigui infectat per un dels seus veïns. A més, permetem que un node infectat al pas n s'infecti al pas n+1 amb una probabilitat igual a la velocitat de transmissió.

Debat

Com podeu veure, això és molt diferent del model SIR.

Com que els nodes mai s'eliminen, fins i tot una gelosia molt petita i confinada pot suportar una infecció per SIS durant molt de temps. La infecció simplement salta de node a node i torna.

Malgrat les seves diferències, SIR i SIS resulten ser sorprenentment intercanviables per als nostres propòsits. Per tant, per a la resta d'aquest article ens quedarem amb SIS, principalment perquè és més durador i, per tant, més divertit de treballar.

Nivell crític

Després de jugar amb els models SIR i SIS, potser heu notat alguna cosa sobre la longevitat de la infecció. A taxes de transmissió molt baixes, com ara el 10%, la infecció tendeix a extingir-se. Mentre que en valors més alts, com ara el 50%, la infecció continua viva i s'apodera de la major part de la xarxa. Si la xarxa fos infinita, podríem imaginar-la continuant i estenent-se per sempre.

Aquesta difusió il·limitada té molts noms: "viral", "nuclear" o (en el títol d'aquest article) crític.

Resulta que hi ha específic el punt de ruptura que separa xarxes subcrítiques (condemnat a l'extinció) de xarxes supercrítiques (capaç de creixement infinit). Aquest punt d'inflexió s'anomena llindar crític, i aquest és un signe força general dels processos de difusió en xarxes ordinàries.

El valor exacte del llindar crític varia entre les xarxes. El que és comú és això disponibilitat tal significat.

[En una demostració interactiva de article original Podeu provar de trobar manualment el llindar crític de la xarxa canviant el valor de la velocitat de transmissió. Es troba entre el 22% i el 23%, aprox. trans.]

Al 22% (i per sota), la infecció finalment s'extingeix. Amb un 23% (i més), la infecció original de vegades s'apaga, però en la majoria dels casos aconsegueix sobreviure i propagar-se el temps suficient per garantir la seva existència per sempre.

(Per cert, hi ha tot un camp científic dedicat a trobar aquests llindars crítics per a diferents topologies de xarxa. Per a una introducció ràpida, us recomano que us desplaceu ràpidament per l'article de la Viquipèdia sobre llindar de fuita).

En general, així és com funciona: per sota d'un llindar crític, es garanteix que qualsevol infecció finita a la xarxa (amb probabilitat 1) s'extingeixi eventualment. Però per sobre d'un llindar crític, hi ha una probabilitat (p > 0) que la infecció continuï per sempre i, en fer-ho, s'estengui arbitràriament lluny del lloc original.

Tanmateix, tingueu en compte que la xarxa supercrítica no ho és garantiesque la infecció continuarà per sempre. De fet, sovint s'esvaeix, sobretot en les primeres etapes de la simulació. Vegem com passa això.

Suposem que vam començar amb un node infectat i quatre veïns. En el primer pas de modelització, la infecció té 5 possibilitats independents de propagar-se (incloent la possibilitat de "estendre's" a ella mateixa al següent pas):

Ara suposem que la taxa de transferència és del 50%. En aquest cas, en el primer pas tirem cinc vegades una moneda. I si es mouen cinc caps, la infecció serà destruïda. Això passa en un 3% dels casos, i això només és en el primer pas. Una infecció que sobreviu al primer pas té alguna probabilitat (generalment menor) de desaparèixer en el segon pas, alguna probabilitat (encara menor) de morir en el tercer pas, etc.

Així, fins i tot quan la xarxa és supercrítica, si la taxa de transmissió és del 99%, hi ha la possibilitat que la infecció desaparegui.

Però l'important és que no ho fa sempre s'esvairà. Si sumeu la probabilitat que tots els passos s'acabin fins a l'infinit, el resultat és inferior a 1. En altres paraules, hi ha una probabilitat diferent de zero que la infecció continuï per sempre. Això és el que significa que una xarxa sigui supercrítica.

SISa: activació espontània

Fins a aquest punt, totes les nostres simulacions van començar amb un petit tros de nodes preinfectats al centre.

Però, què passa si comences de zero? A continuació, modelem l'activació espontània: el procés pel qual un node susceptible s'infecta per casualitat (no d'un dels seus veïns).

El anomenat Model SISa. La lletra "a" significa "automàtic".

A la simulació SISa, apareix un nou paràmetre: la taxa d'activació espontània, que canvia la freqüència d'infecció espontània (també està present el paràmetre de velocitat de transmissió que vam veure anteriorment).

Què es necessita perquè una infecció es propagui per tota la xarxa?

Debat

És possible que hàgiu notat a la simulació que augmentar la taxa d'activació espontània no canvia si la infecció s'apodera de tota la xarxa o no. Només velocitat de transmissió determina si la xarxa és subcrítica o supercrítica. I quan la xarxa és subcrítica (taxa de transmissió inferior o igual al 22%), cap infecció es pot estendre a tota la xarxa, per molt que s'iniciï.

És com encendre un foc en un camp humit. Podeu encendre unes quantes fulles seques al foc, però la flama s'apagarà ràpidament perquè la resta del paisatge no és prou inflamable (subcrític). Mentre es troba en un camp molt sec (supercrític), una espurna és suficient perquè un foc comenci.

S'observen coses semblants en l'àmbit de les idees i els invents. Sovint el món no està preparat per a una idea, en aquest cas es pot inventar una i altra vegada, però no atrau les masses. D'altra banda, el món pot estar completament preparat per a un invent (gran demanda latent), i tan bon punt neix, és acceptat per tothom. Al mig hi ha idees que s'inventen en diversos llocs i s'estenen localment, però no n'hi ha prou perquè una sola versió escombra tota la xarxa alhora. En aquesta darrera categoria trobem, per exemple, l'agricultura i l'escriptura, que van ser inventades de manera independent per diferents civilitzacions humanes unes deu i tres vegades, respectivament.

Immunitat

Suposem que fem que alguns nodes siguin completament invulnerables, és a dir, immunes a l'activació. És com si inicialment estiguessin en un estat remot i el model SIS(a) es llança a la resta de nodes.

El control lliscant d'immunitat controla el percentatge de nodes que s'eliminen. Proveu de canviar-ne el valor (mentre el model s'executa!) i comproveu com afecta l'estat de la xarxa, tant si serà supercrític com si no.

Debat

Canviar el nombre de nodes que no responen canvia completament la imatge de si la xarxa serà subcrítica o supercrítica. I no és difícil veure per què. Amb un gran nombre d'hostes insensibles, la infecció té menys oportunitats de propagar-se a nous hostes.

Resulta que això té una sèrie de conseqüències pràctiques molt importants.

Un d'ells és prevenir la propagació dels incendis forestals. A nivell local, cada persona ha de prendre les seves pròpies precaucions (per exemple, no deixar mai una flama oberta desatesa). Però a gran escala, els brots aïllats són inevitables. Així doncs, un altre mètode de protecció és assegurar-se que hi hagi prou "ruptures" (a la xarxa de materials inflamables) perquè un brot no englori tota la xarxa. Les compensacions fan aquesta funció:

Un altre brot que és important aturar és una malaltia infecciosa. Aquí s'introdueix el concepte immunitat de ramat. Aquesta és la idea que algunes persones no es poden vacunar (per exemple, tenen un sistema immunitari compromès), però si hi ha prou persones immunes a la infecció, la malaltia no es pot estendre indefinidament. En altres paraules, s'ha de vacunar suficient part de la població per traslladar la població d'un estat supercrític a un subcrític. Quan això succeeix, un pacient encara pot infectar-se (després de viatjar a una altra regió, per exemple), però sense una xarxa supercrítica on créixer, la malaltia només infectarà un petit grapat de persones.

Finalment, el concepte de nodes immunitaris explica què passa en un reactor nuclear. En una reacció en cadena, un àtom d'urani-235 en descomposició allibera uns tres neutrons, que provoquen (de mitjana) la fissió de més d'un àtom d'U-235. Aleshores, els nous neutrons provoquen una major divisió dels àtoms, i així successivament de manera exponencial:

Quan es construeix una bomba, la qüestió és assegurar-se que el creixement exponencial continua sense control. Però en una central elèctrica, l'objectiu és produir energia sense matar a tots els que t'envolten. Amb aquesta finalitat s'utilitzen barres de control, fet d'un material que pot absorbir neutrons (per exemple, plata o bor). Com que absorbeixen en comptes d'alliberar neutrons, actuen com a nodes immunes en la nostra simulació, evitant així que el nucli radioactiu es torni supercrític.

Per tant, el truc d'un reactor nuclear és mantenir la reacció a prop d'un llindar crític movent les barres de control cap endavant i cap enrere, i assegurar-se que sempre que alguna cosa va malament, les barres cauen al nucli i l'aturan.

Grau

Grau d'un node és el nombre dels seus veïns. Fins a aquest punt, hem considerat xarxes de grau 4. Però què passa si canvieu aquest paràmetre?

Per exemple, podeu connectar cada node no només a quatre veïns immediats, sinó també a quatre més en diagonal. En aquesta xarxa el grau serà 8.

Les gelosies amb els graus 4 i 8 són ben simètriques. Però amb el grau 5 (per exemple), sorgeix un problema: quins cinc veïns hem de triar? En aquest cas, seleccionem quatre veïns més propers (N, E, S, W) i després seleccionem aleatòriament un veí del conjunt {NE, SE, SW, NW}. L'elecció es fa de manera independent per a cada node en cada pas de temps.

Debat

De nou, no és difícil veure què està passant aquí. Quan cada node té més veïns, augmenten les possibilitats de propagació de la infecció i, per tant, és més probable que la xarxa esdevingui crítica.

Tanmateix, les conseqüències poden ser inesperades, com veurem a continuació.

Ciutats i densitat de xarxa

Fins ara, les nostres xarxes eren totalment homogènies. Cada node s'assembla a qualsevol altre. Però, què passa si canviem les condicions i permetem diferents estats de nodes a tota la xarxa?

Per exemple, intentem modelar ciutats. Per fer-ho, augmentarem la densitat en algunes parts de la xarxa (grau més alt de nodes). Ho fem a partir de les dades de què disposen els ciutadans cercle social més ampli i més interaccions socialsque la gent de fora de les ciutats.

En el nostre model, els nodes susceptibles estan acolorits en funció del seu grau. Els nodes de les "zones rurals" tenen el grau 4 (i són de color gris clar), mentre que els nodes de les "zones urbanes" tenen graus més alts (i tenen un color més fosc), començant pel grau 5 als afores i acabant amb el 8 al centre de la ciutat.

Intenteu triar una velocitat de propagació de manera que l'activació cobreixi les ciutats i després no vagi més enllà de les seves fronteres.

Trobo que aquesta simulació és evident i sorprenent. Per descomptat, les ciutats mantenen el nivell cultural millor que les zones rurals, això ho sap tothom. El que em sorprèn és que part d'aquesta diversitat cultural sorgeix simplement a partir de la topologia de la xarxa social.

Aquest és un punt interessant, intentaré explicar-ho amb més detall.

Aquí estem davant de formes de cultura que es transmeten de manera senzilla i directa de persona a persona. Per exemple, maneres, jocs de saló, tendències de moda, tendències lingüístiques, rituals de grups reduïts i productes que es difonen pel boca-orella, a més de paquets sencers d'informació que anomenem idees.

(Nota: la difusió de la informació entre persones es fa extremadament difícil pels mitjans de comunicació. És més fàcil imaginar algun entorn tecnològicament primitiu, com l'Antiga Grècia, on gairebé totes les espurnes de cultura es transmetien per interacció a l'espai físic.)

A partir de la simulació anterior, vaig aprendre que hi ha idees i pràctiques culturals que poden arrelar i difondre a la ciutat, però simplement no poden (matemàticament no poden) estendre's a les zones rurals. Són les mateixes idees i les mateixes persones. La qüestió no és que els residents rurals siguin d'alguna manera "de ment tancada": quan interactuen amb la mateixa idea, exactament les mateixes possibilitats d'atrapar-locom la gent del poble. És que la idea en si no es pot fer viral a les zones rurals, perquè no hi ha moltes connexions a través de les quals es pugui estendre.

Això és potser el més fàcil de veure en el camp de la moda: roba, pentinats, etc. A la xarxa de moda, podem capturar la vora de la gelosia quan dues persones observen els vestits de l'altre. En un nucli urbà, cada persona pot veure més de 1000 persones més cada dia: al carrer, al metro, en un restaurant ple de gent, etc. En una zona rural, al contrari, cada persona només pot veure un parell de dotzenes. altres. Basat en només aquesta diferència, la ciutat és capaç de donar suport a més tendències de moda. I només les tendències més convincents, les que tinguin les taxes de transmissió més altes, podran establir-se fora de la ciutat.

Tenim tendència a pensar que si una idea és bona, finalment arribarà a tothom, i si una idea és dolenta, desapareixerà. Per descomptat, això és cert en casos extrems, però entremig hi ha moltes idees i pràctiques que només es poden viralitzar en determinades xarxes. Això és realment sorprenent.

No només ciutats

Aquí estem mirant l'impacte densitat de xarxa. Es defineix per a un conjunt determinat de nodes com un nombre costelles reals, dividit pel nombre vores potencials. És a dir, el percentatge de possibles connexions que existeixen realment.

Així doncs, hem vist que la densitat de xarxa als nuclis urbans és més gran que a les zones rurals. Però les ciutats no són l'únic lloc on trobem xarxes denses.

Un exemple interessant són els centres de secundària. Per exemple, per a un àmbit concret, comparem la xarxa que hi ha entre els escolars amb la xarxa que hi ha entre els seus pares. Mateixa àrea geogràfica i mateixa població, però una xarxa és moltes vegades més densa que l'altra. Per tant, no és d'estranyar que la moda i les tendències lingüístiques s'estenen molt més ràpidament entre els adolescents.

De la mateixa manera, les xarxes d'elit acostumen a ser molt més denses que les xarxes que no són d'elit, un fet que crec que no es valora (les persones que són populars o influents passen més temps treballant en xarxa i, per tant, tenen més "veïns" que la gent normal). A partir de les simulacions anteriors, esperem que les xarxes d'elit admetin algunes formes culturals que no poden ser suportades pel corrent principal, simplement basant-se en les lleis matemàtiques del grau mitjà de la xarxa. Us deixo especular sobre quines podrien ser aquestes formes culturals.

Finalment, podem aplicar aquesta idea a Internet modelant-la com a enorme i molt apretat ciutat. No és d'estranyar que molts nous tipus de cultura prosperin en línia que simplement no es poden recolzar en xarxes purament espacials: aficions nínxols, millors estàndards de disseny, més consciència de la injustícia, etc. I no només són coses agradables. De la mateixa manera que les primeres ciutats eren caldo de cultiu de malalties que no es podien propagar en densitats de població baixes, Internet és un caldo de cultiu per a formes culturals malignes com ara clickbait, notícies falses i avivar la indignació artificial.

Coneixement

"Tenir l'expert adequat en el moment adequat és sovint el recurs més valuós per a la resolució creativa de problemes". — Michael Nielsen, Inventing Discovery

Sovint pensem en el descobriment o la invenció com un procés que es produeix a la ment d'un únic geni. El sorprèn un flaix d'inspiració i... Eureka! — de sobte tenim una nova manera de mesurar el volum. O l'equació de la gravetat. O una bombeta.

Però si prenem el punt de vista d'un inventor solitari en el moment del descobriment, llavors estem observant el fenomen des del punt de vista d'un node. Si bé seria més correcte interpretar la invenció com xarxa fenomen.

La xarxa és important en almenys dos aspectes. En primer lloc, les idees existents han de penetrar a la consciència inventor. Aquestes són cites d'un nou article, la secció bibliogràfica d'un nou llibre: els gegants sobre les espatlles dels quals es trobava Newton. En segon lloc, la xarxa és fonamental per al retorn d'una nova idea esquena al món; un invent que no s'ha estès gairebé no val la pena anomenar-lo "invent". Així, per tots dos motius, té sentit modelar la invenció —o, de manera més àmplia, el creixement del coneixement— com un procés de difusió.

En un moment, presentaré una simulació aproximada de com el coneixement es pot estendre i créixer dins d'una xarxa. Però abans m'he d'explicar.

A l'inici de la simulació, hi ha quatre experts en cada quadrant de la graella, disposats de la següent manera:

L'expert 1 té la primera versió de la idea; anomenem-la Idea 1.0. L'expert 2 és la persona que sap convertir la Idea 1.0 en la Idea 2.0. L'expert 3 sap com transformar la Idea 2.0 en la Idea 3.0. I, finalment, el quart expert sap posar el punt final a la Idea 4.0.

Això és similar a una tècnica com l'origami, on es desenvolupen tècniques i es combinen amb altres tècniques per crear dissenys més interessants. O pot ser un camp de coneixement, com la física, en el qual treballs més recents es basen en el treball fonamental dels predecessors.

El punt d'aquesta simulació és que necessitem que els quatre experts contribueixin a la versió final de la idea. I en cada etapa la idea s'ha de posar en coneixement de l'expert adequat.

Algunes advertències. Hi ha moltes suposicions poc realistes codificades a la simulació. Aquests són només alguns d'ells:

1. Se suposa que les idees no es poden emmagatzemar i transmetre excepte de persona a persona (és a dir, sense llibres ni mitjans).
2. Se suposa que hi ha experts permanents a la població que poden generar idees, encara que en realitat molts factors aleatoris influeixen en l'ocurrència d'un descobriment o invenció.
3. Les quatre versions de la idea utilitzen el mateix conjunt de paràmetres SIS (velocitat de baudios, percentatge d'immunitat, etc.), encara que probablement sigui més realista utilitzar paràmetres diferents per a cada versió (1.0, 2.0, etc.)
4. Se suposa que la idea N+1 sempre substitueix completament la idea N, tot i que a la pràctica sovint les versions antigues i noves circulen simultàniament, sense un guanyador clar.

... i molts altres.

Debat

Aquest és un model ridículament simplificat de com creix realment el coneixement. Queden molts detalls importants fora del model (vegeu més amunt). Tanmateix, recull l'essència important del procés. I així podem, amb reserves, parlar del creixement del coneixement a partir dels nostres coneixements de difusió.

En particular, el model de difusió proporciona una visió de com accelerar el procés: Necessitat de facilitar l'intercanvi d'idees entre nodes experts. Això pot significar netejar la xarxa de nodes morts que dificulten la difusió. O podria significar col·locar tots els experts en una ciutat o clúster amb una alta densitat de xarxa on les idees es difonguin ràpidament. O simplement recolliu-los en una habitació:

Així que... això és tot el que puc dir sobre la difusió.

Però tinc una última reflexió, i és molt important. Es tracta de creixementi estancament) coneixement en comunitats científiques. Aquesta idea és diferent pel que fa al to i al contingut de qualsevol cosa anterior, però espero que em perdoneu.

Sobre les xarxes científiques

La il·lustració mostra un dels bucles de comentaris positius més importants del món (i ha estat així des de fa força temps):

La progressió ascendent del cicle (K ⟶ T) és força senzilla: fem servir els nous coneixements per desenvolupar noves eines. Per exemple, entendre la física dels semiconductors ens permet construir ordinadors.

Tanmateix, el moviment a la baixa requereix alguna explicació. Com el desenvolupament de la tecnologia comporta un augment del coneixement?

Una manera —potser la més directa— és quan les noves tecnologies ens ofereixen noves maneres de percebre el món. Per exemple, els millors microscopis us permeten mirar més endins dins d'una cèl·lula, proporcionant informació sobre biologia molecular. Els rastrejadors GPS mostren com es mouen els animals. El sonar us permet explorar els oceans. Etcètera.

Aquest és, sens dubte, un mecanisme vital, però hi ha almenys altres dos camins des de la tecnologia al coneixement. Potser no són tan senzills, però crec que són igual d'importants:

Primer. La tecnologia condueix a l'abundància econòmica (és a dir, la riquesa), que permet que més persones es dediquin a la producció de coneixement.

Si el 90% de la població del vostre país es dedica a l'agricultura i el 10% restant es dedica a alguna forma de comerç (o guerra), la gent té molt poc temps lliure per pensar en les lleis de la natura. Potser és per això que antigament la ciència era promoguda principalment per nens de famílies riques.

Els Estats Units produeixen més de 50 doctorats cada any. En lloc que una persona vagi a treballar a una fàbrica als 000 anys (o abans), un estudiant graduat ha de rebre finançament fins als 18 o potser als 30, i fins i tot llavors no està clar si el seu treball tindrà un impacte econòmic real. Però és necessari que una persona arribi a l'avantguarda de la seva disciplina, sobretot en camps complexos com la física o la biologia.

El cas és que des del punt de vista dels sistemes, els especialistes són cars. I la font última de riquesa pública que finança aquests especialistes és la nova tecnologia: l'arada subvenciona la ploma.

Segon. Les noves tecnologies, especialment en l'àmbit dels viatges i les comunicacions, estan canviant l'estructura de les xarxes socials en les quals creix el coneixement. En particular, permet a experts i especialistes interactuar més estretament entre ells.

Entre els invents més destacats hi ha la impremta, els vaixells de vapor i els ferrocarrils (que faciliten els viatges i/o l'enviament de correu a llargues distàncies), els telèfons, els avions i Internet. Totes aquestes tecnologies contribueixen a augmentar la densitat de la xarxa, especialment dins de comunitats especialitzades (on es produeix gairebé tot el creixement del coneixement). Per exemple, les xarxes de correspondència que van sorgir entre els científics europeus a finals de l'Edat Mitjana, o la manera com els físics moderns utilitzen arXiv.

En definitiva, tots dos camins són semblants. Tots dos augmenten la densitat de la xarxa d'especialistes, que al seu torn comporta un augment del coneixement:

Durant molts anys vaig ser molt menyspreat amb l'educació superior. La meva curta estada a l'escola de postgrau em va deixar un mal gust de boca. Però ara que miro enrere i penso (a banda de tots els problemes personals), he de concloure que l'educació superior encara és extremadament important.

Les xarxes socials acadèmiques (per exemple, comunitats de recerca) són una de les estructures més avançades i valuoses que ha creat la nostra civilització. Enlloc hem acumulat una concentració més gran d'especialistes centrats en la producció de coneixement. Enlloc la gent ha desenvolupat una capacitat més gran per comprendre i criticar les idees dels altres. És el cor que batega del progrés. És en aquestes xarxes on el foc de la il·luminació crema amb més força.

Però no podem donar per fet el progrés. Si experimentar la crisi d'irreproducibilitat i si alguna cosa ens va ensenyar va ser que la ciència pot tenir problemes sistèmics. Aquesta és una mena de degradació de la xarxa.

Suposem que distingim entre dues maneres de fer ciència: ciència real и carrerarisme. La ciència real són pràctiques que produeixen coneixement de manera fiable. Està motivat per la curiositat i es caracteritza per l'honestedat (Feynman: "Ja veus, només necessito entendre el món"). La carrera professional, per contra, està motivada per ambicions professionals i es caracteritza per jugar a la política i les dreceres científiques. Pot semblar i actuar com la ciència, però no produeix un coneixement fiable.

(Sí, aquesta és una dicotomia exagerada. Només un experiment mental. No em culpis).

El fet és que quan els professionals de la carrera ocupen espai a la comunitat de recerca real, arruïnen el treball. S'esforcen per promocionar-se mentre la resta de la comunitat intenta obtenir i compartir nous coneixements. En lloc d'esforçar-se per la claredat, els professionals ho compliquen i ho confonen tot per tal de sonar més impressionant. Es dediquen a (com diria Harry Frankfurt) ximpleries científiques. I, per tant, podríem modelar-los com a nodes morts, impermeables a l'intercanvi just d'informació necessària per al creixement del coneixement:

Potser el millor model és aquell en què els nodes de carrera no només són impermeables al coneixement, sinó que difonen activament coneixement fals. El coneixement fals pot incloure resultats insignificants la importància dels quals està inflada artificialment, o resultats realment falsos que sorgeixen de la manipulació o dades fabricades.

Independentment de com els modelem, els professionals poden estranyar les nostres comunitats científiques.

És com la reacció nuclear en cadena que necessitem desesperadament: necessitem una explosió de coneixement, només el nostre U-235 enriquit té massa isòtop no reactiu U-238, que suprimeix la reacció en cadena.

Per descomptat, no hi ha una diferència clara entre els professionals de la carrera i els científics reals. Cadascun de nosaltres té una mica de carrera amagada dins nostre. La pregunta és quant de temps pot durar la xarxa abans que s'esvaeixi la difusió del coneixement.

Oh, has llegit fins al final. Gràcies per llegir.

Llicència

CC0 Tots els drets no reservats. Podeu utilitzar aquest treball com us convingui :).

Agraïments

• Kevin Kwok и Nicky Case per a comentaris i suggeriments reflexius sobre diverses versions de l'esborrany.
• Nick Barr — pel suport moral durant tot el procés i pels comentaris més útils sobre el meu treball.
• Keith A. per assenyalar-me el fenomen de la percolació i el llindar de percolació.
• Geoff Lonsdale per l'enllaç a això és un assaig, que (malgrat les seves nombroses mancances) va ser el principal impuls per treballar en aquest post.

Mostres d'assaig interactius

• Tot el treball de Nicky Case, especialment. "La paràbola dels polígons" (amb Vi Hart) i "Desenvolupar una millor papereta de votació". Aquest és un llistó alt pel que pot ser un assaig interactiu.
• destil·lar.pub: descripcions interactives d'alta qualitat de l'aprenentatge automàtic.
• Obra clàssica de Bret Victor "Amunt i avall de l'escala de l'abstracció". No era gaire bo per pujar les escales, però sempre hi ha un intent més.

Font: www.habr.com