Se vi pasigis iun tempon pensante pri kompleksaj sistemoj, vi verŝajne komprenas la gravecon de retoj. Retoj regas nian mondon. De la kemiaj reagoj ene de ĉelo, ĝis la reto de rilatoj en ekosistemo, ĝis la komercaj kaj politikaj retoj kiuj formas la kurson de historio.

Aŭ konsideru ĉi tiun artikolon, kiun vi legas. Vi verŝajne trovis ĝin en socia reto, elŝutita de komputila reto kaj nuntempe deĉifras la signifon uzante vian neŭrala reto.

Sed kiom mi pensis pri retoj tra la jaroj, ĝis antaŭ nelonge mi ne komprenis la gravecon de simpla disvastigo.

Jen nia hodiaŭa temo: kiel, kiel kaose ĉio moviĝas kaj disvastiĝas. Kelkaj ekzemploj por veki vian apetiton:

• Infektaj malsanoj kiuj pasas de portanto al portanto ene de loĝantaro.
• Memeoj disvastiĝantaj tra la sekvanto-grafo en sociaj retoj.
• Arbara incendio.
• Ideoj kaj praktikoj, kiuj trapenetras kulturon.
• Neŭtronkaskado en riĉigita uranio.

Rapida noto pri formo.

Male al ĉiuj miaj antaŭaj verkoj, ĉi tiu eseo estas interaga [en originala artikolo interagaj ekzemploj estas donitaj per glitiloj kaj butonoj kiuj kontrolas objektojn sur la ekrano - ĉ. leno].

Do ni komencu. La unua tasko estas evoluigi vidan vortprovizon por disvastigo tra retoj.

Simpla modelo

Mi certas, ke vi ĉiuj konas la bazon de retoj, tio estas, nodoj + randoj. Por studi disvastigon, vi nur bezonas marki kelkajn nodojn kiel aktiva. Aŭ, kiel epidemiologoj ŝatas diri, infektita:

Ĉi tiu aktivigo aŭ infekto disvastiĝas tra la reto de nodo al nodo laŭ la reguloj, kiujn ni disvolvos sube.

Realaj retoj estas tipe multe pli grandaj ol ĉi tiu simpla sep-noda reto. Ili ankaŭ estas multe pli konfuzaj. Sed pro simpleco ni konstruos ĉi tie ludilmodelon por studi kradon, tio estas kradon.

(Kion mankas al la maŝo en realismo, tio kompensas pro tio, ke ĝi estas facile desegnita 😉

Krom kie alie notite, retaj nodoj havas kvar najbarojn, ekzemple:

Kaj vi devas imagi, ke ĉi tiuj kradoj etendiĝas senfine en ĉiuj direktoj. Alivorte, ni ne interesiĝas pri konduto, kiu okazas nur ĉe la randoj de la reto aŭ en malgrandaj populacioj.

Konsiderante ke la kradoj estas tiel ordigitaj, ni povas simpligi ilin al pikseloj. Ekzemple, ĉi tiuj du bildoj reprezentas la saman reton:

En unu konduto, la aktiva nodo ĉiam transdonas la infekton al siaj (neinfektitaj) najbaroj. Sed ĝi estas enuiga. Multe pli interesaj aferoj okazas kiam la translokigo probabla.

SIR kaj SIS

В SIR-modeloj (Susceptible-Infektita-Forigita) nodo povas esti en tri statoj:

• Senceptebla
• Infektita
• Forigita

Jen kiel funkcias interaga simulado [en originala artikolo vi povas elekti la infektan transdonon de 0 ĝis 1, vidu la procezon paŝon post paŝo aŭ en ĝia tuteco - ĉ. transl.]:

• Nodoj komenciĝas kiel sentemaj, kun la escepto de kelkaj nodoj kiuj komenciĝas kiel infektitaj.
• Je ĉiu tempopaŝo, infektitaj nodoj havas ŝancon transdoni la infekton al ĉiu el siaj akceptemaj najbaroj kun probableco egala al la dissendrapideco.
• Infektitaj nodoj tiam eniras "forigitan" staton, kio signifas, ke ili ne plu kapablas infekti aliajn aŭ mem infektiĝi.

En la kunteksto de malsano, forigo povas signifi ke la persono mortis aŭ ke ili evoluigis imunecon al la patogeno. Ni diras, ke ili estas "forigitaj" de la simulado ĉar nenio alia okazas al ili.

Depende de tio, kion ni provas modeligi, eble necesas malsama modelo ol SIR.

Se ni simulas la disvastiĝon de morbilo aŭ eksplodon de sovaĝa fajro, SIR estas ideala. Sed supozu, ke ni simulu la disvastiĝon de nova kultura praktiko, kiel meditado. Komence la nodo (la persono) estas akceptema ĉar ĝi neniam antaŭe faris tion. Tiam, se li komencas mediti (eble post aŭdi pri tio de amiko), ni modelos lin kiel infektita. Sed se li ĉesos la praktikon, li ne mortos kaj ne falos el la simulado, ĉar en la estonteco li povas facile repreni ĉi tiun kutimon. Do li reiras al akceptema stato.

ĉi SIS-modelo (Susceptible–Infektita–Sensceptebla). La klasika modelo havas du parametrojn: transdono rapido kaj reakiro rapido. Tamen, en la simulaĵoj por ĉi tiu artikolo, mi decidis simpligi preterlasante la parametron de reakiro. Anstataŭe, la infektita nodo aŭtomate revenas al la akceptebla stato ĉe la venonta tempopaŝo, krom se ĝi estas infektita de unu el siaj najbaroj. Krome, ni permesas al nodo infektita ĉe paŝo n infekti sin ĉe paŝo n+1 kun probablo egala al la dissendrapideco.

Diskuto

Kiel vi povas vidi, ĉi tio estas tre malsama de la SIR-modelo.

Ĉar la nodoj neniam estas forigitaj, eĉ tre malgranda kaj limigita krado povas subteni SIS-infekton dum longa tempo. La infekto simple saltas de nodo al nodo kaj revenas.

Malgraŭ iliaj diferencoj, SIR kaj SIS montriĝas surprize interŝanĝeblaj por niaj celoj. Do por la resto de ĉi tiu artikolo ni restos al SIS - ĉefe ĉar ĝi estas pli daŭra kaj tial pli amuza labori kun ĝi.

Kritika nivelo

Post ludado kun la modeloj SIR kaj SIS, vi eble rimarkis ion pri la longviveco de la infekto. Ĉe tre malaltaj dissendrapidecoj, kiel ekzemple 10%, la infekto tendencas formorti. Dum je pli altaj valoroj, kiel 50%, la infekto restas viva kaj transprenas la plej grandan parton de la reto. Se la reto estus senfina, ni povus imagi ĝin daŭranta kaj disvastigi por ĉiam.

Tia senlima disvastigo havas multajn nomojn: "virusa", "nuklea" aŭ (en la titolo de ĉi tiu artikolo) kritikaj.

Montriĝas, ke ekzistas specifa la rompopunkto kiu disigas subkritikaj retoj (kondamnita al formorto) de superkritikaj retoj (kapabla de senfina kresko). Ĉi tiu turnopunkto nomiĝas kritika sojlo, kaj ĉi tio estas sufiĉe ĝenerala signo de disvastigprocezoj en ordinaraj retoj.

La preciza valoro de la kritika sojlo varias inter retoj. Kio estas komuna estas ĉi tio disponibilidad tia signifo.

[En interaga demonstraĵo de originala artikolo Vi povas provi permane trovi la kritikan retan sojlon ŝanĝante la valoron de transdona rapido. Ĝi estas ie inter 22% kaj 23% - ĉ. trad.]

Je 22% (kaj malsupre), la infekto fine formortas. Je 23% (kaj pli), la origina infekto foje formortas, sed en la plej multaj kazoj ĝi sukcesas pluvivi kaj disvastiĝi sufiĉe longe por certigi sian ekziston por ĉiam.

(Cetere, ekzistas tuta scienca kampo dediĉita al trovado de ĉi tiuj kritikaj sojloj por malsamaj retaj topologioj. Por rapida enkonduko, mi rekomendas rapide rulumi la Vikipedian artikolon pri sojlo de elfluo).

Ĝenerale, jen kiel ĝi funkcias: Sub kritika sojlo, ajna finhava infekto en la reto estas garantiita (kun probablo 1) poste formorti. Sed super kritika sojlo, ekzistas probablo (p > 0) ke la infekto daŭros eterne, kaj farante tion disvastiĝos arbitre malproksime de la origina loko.

Tamen, notu, ke la superkritika reto ne estas garantiojke la infekto daŭros eterne. Fakte, ĝi ofte paliĝas, precipe en la tre fruaj stadioj de la simulado. Ni vidu kiel tio okazas.

Ni supozu, ke ni komencis kun unu infektita nodo kaj kvar najbaroj. Ĉe la unua modeliga paŝo, la infekto havas 5 sendependajn eblecojn disvastiĝi (inkluzive de la ŝanco "disvastiĝi" al si ĉe la sekva paŝo):

Nun ni supozu, ke la transiga indico estas 50%. En ĉi tiu kazo, en la unua paŝo ni ĵetas moneron kvin fojojn. Kaj se kvin kapoj estas rulitaj, la infekto estos detruita. Ĉi tio okazas en ĉirkaŭ 3% de kazoj - kaj ĉi tio estas nur en la unua paŝo. Infekto kiu postvivas la unuan paŝon havas iun (kutime pli malgrandan) probablecon formorti en la dua paŝo, iun (eĉ pli malgrandan) probablecon formorti en la tria paŝo, ktp.

Do, eĉ kiam la reto estas superkritika - se la transdono estas 99% - ekzistas ŝanco ke la infekto malaperos.

Sed la grava afero estas, ke ŝi ne faras ĉiam forvelkos. Se vi adicias la probablecon de ĉiuj paŝoj formortantaj al senfineco, la rezulto estas malpli ol 1. Alivorte, ekzistas ne-nula probablo ke la infekto daŭros eterne. Jen kion signifas por reto esti superkritika.

SISa: spontanea aktivigo

Ĝis ĉi tiu punkto, ĉiuj niaj simulaĵoj komenciĝis per malgranda peco de antaŭ-infektitaj nodoj en la centro.

Sed kio se vi komencos de nulo? Ni tiam modeligas spontanean aktivigon - la procezon per kiu sentema nodo iĝas infektita hazarde (ne de unu el siaj najbaroj).

ĉi vokis SISa modelo. La litero "a" signifas "aŭtomata".

En la simulado de SISa aperas nova parametro - la indico de spontanea aktivigo, kiu ŝanĝas la oftecon de spontanea infekto (la parametro de transdono, kiun ni vidis antaŭe, ankaŭ ĉeestas).

Kion necesas por ke infekto disvastiĝas tra la reto?

Diskuto

Vi eble rimarkis en la simulado, ke pliigi la indicon de spontanea aktivigo ne ŝanĝas ĉu la infekto transprenas la tutan reton aŭ ne. Nur transdono rapido determinas ĉu la reto estas sub- aŭ superkritika. Kaj kiam la reto estas subkritika (transsendoprocento malpli ol aŭ egala al 22%), neniu infekto povas disvastiĝi al la tuta krado, negrave kiom ofte ĝi komenciĝas.

Estas kiel ekbruligi fajron sur malseka kampo. Vi povas ekbruligi kelkajn sekajn foliojn, sed la flamo estingiĝos rapide ĉar la resto de la pejzaĝo ne estas sufiĉe brulema (subkritika). Dum sur tre seka kampo (superkritika), unu fajrero sufiĉas por ke fajro ekbrulis.

Similaj aferoj estas observataj en la sfero de ideoj kaj inventoj. Ofte la mondo ne estas preta por ideo, tiukaze ĝi povas esti elpensita denove kaj denove, sed ĝi ne allogas la amasojn. Aliflanke, la mondo povas esti tute preta por invento (granda latenta postulo), kaj tuj kiam ĝi naskiĝas, ĝi estas akceptita de ĉiuj. En la mezo troviĝas ideoj, kiuj estas elpensitaj plurloke kaj disvastigitaj loke, sed ne sufiĉe por ke iu unuopa versio tuj balau la tutan reton. En ĉi tiu lasta kategorio ni trovas, ekzemple, agrikulturon kaj skribon, kiuj estis memstare inventitaj de malsamaj homaj civilizacioj proksimume dek kaj tri fojojn, respektive.

Imuneco

Supozu, ke ni faras iujn nodojn tute nevundeblaj, tio estas, imunaj kontraŭ aktivigo. Estas kvazaŭ ili estas komence en fora stato, kaj la SIS(a) modelo estas lanĉita sur la ceteraj nodoj.

La imuneca glitilo kontrolas la procenton de nodoj kiuj estas forigitaj. Provu ŝanĝi ĝian valoron (dum la modelo funkcias!) kaj vidu kiel ĝi influas la staton de la reto, ĉu ĝi estos superkritika aŭ ne.

Diskuto

Ŝanĝi la nombron da nerespondemaj nodoj tute ŝanĝas la bildon ĉu la reto estos sub- aŭ superkritika. Kaj ne estas malfacile vidi kial. Kun granda nombro da nescepteblaj gastigantoj, la infekto havas malpli da ŝanco disvastiĝi al novaj gastigantoj.

Montriĝas, ke ĉi tio havas kelkajn tre gravajn praktikajn konsekvencojn.

Unu el ili malhelpas la disvastiĝon de arbaraj fajroj. Sur loka nivelo, ĉiu persono devas preni siajn proprajn antaŭzorgojn (ekzemple, neniam lasu malferman flamon neatendita). Sed grandskale, izolitaj eksplodoj estas neeviteblaj. Do alia metodo de protekto estas certigi, ke ekzistas sufiĉe da "rompoj" (en la reto de brulemaj materialoj) por ke eksplodo ne englutu la tutan reton. Malplenigoj plenumas ĉi tiun funkcion:

Alia ekapero, kiun gravas ĉesigi, estas infekta malsano. Ĉi tie la koncepto estas enkondukita grega imuneco. Jen la ideo, ke iuj homoj ne povas esti vakcinitaj (ekzemple ili havas kompromititan imunsistemon), sed se sufiĉe da homoj estas imunaj kontraŭ la infekto, la malsano ne povas disvastiĝi senfine. Alivorte, vi devus vakcini sufiĉa parto de la loĝantaro por translokigi la loĝantaron de superkritika al subkritika stato. Kiam tio okazas, unu paciento ankoraŭ povas infektiĝi (post vojaĝado al alia regiono, ekzemple), sed sen superkritika reto en kiu kreski, la malsano infektos nur malgrandan manplenon da homoj.

Fine, la koncepto de imunnodoj klarigas kio okazas en nuklea reaktoro. En ĉenreakcio, kadukiĝanta uranio-235-atomo liberigas proksimume tri neŭtronojn, kiuj kaŭzas (averaĝe) la fision de pli ol unu U-235-atomo. La novaj neŭtronoj tiam kaŭzas plian disigon de atomoj, kaj tiel plu eksponente:

Dum konstruado de bombo, la tuta afero estas certigi eksponenta kresko daŭras senbrida. Sed en elektrocentralo, la celo estas produkti energion sen mortigi ĉiujn ĉirkaŭ vi. Tiucele ili estas uzataj kontrolstangoj, farita el materialo kiu povas sorbi neŭtronojn (ekzemple, arĝento aŭ boro). Ĉar ili sorbas prefere ol liberigas neŭtronojn, ili funkcias kiel imunnodoj en nia simulado, tiel malhelpante la radioaktivan nukleon iĝi superkritika.

Do la lertaĵo al nuklea rektoro estas teni la reagon proksime de kritika sojlo movante kontrolstangojn tien kaj reen, kaj certigi ke kiam ajn io fuŝiĝas, la bastonoj falas en la kernon kaj haltigas ĝin.

Grado

Grado de nodo estas la nombro de ĝiaj najbaroj. Ĝis ĉi tiu punkto, ni konsideris retojn de grado 4. Sed kio okazas se vi ŝanĝas ĉi tiun parametron?

Ekzemple, vi povas konekti ĉiun nodon ne nur al kvar tujaj najbaroj, sed ankaŭ al kvar pli diagonale. En tia reto la grado estos 8.

Kradoj kun gradoj 4 kaj 8 estas bone simetriaj. Sed kun grado 5 (ekzemple) aperas problemo: kiujn kvin najbarojn ni elektu? En ĉi tiu kazo, ni elektas kvar plej proksimajn najbarojn (N, E, S, W), kaj tiam hazarde elektas unu najbaron el la aro {NE, SE, SW, NW}. La elekto estas farita sendepende por ĉiu nodo ĉe ĉiu tempopaŝo.

Diskuto

Denove, ne estas malfacile vidi, kio okazas ĉi tie. Kiam ĉiu nodo havas pli da najbaroj, la ŝancoj de infekto disvastiĝo pliiĝas—kaj tiel la reto pli verŝajne fariĝos kritika.

Tamen, la sekvoj povas esti neatenditaj, kiel ni vidos sube.

Urboj kaj reto-denseco

Ĝis nun niaj retoj estis tute homogenaj. Ĉiu nodo aspektas kiel iu alia. Sed kio se ni ŝanĝas la kondiĉojn kaj permesos malsamajn nodŝtatojn tra la reto?

Ekzemple, ni provu modeligi urbojn. Por fari tion, ni pliigos la densecon en iuj partoj de la reto (pli alta grado de nodoj). Ni faras tion surbaze de la datumoj kiujn havas civitanoj pli larĝa socia rondo kaj pli sociaj interagojol homoj ekster urboj.

En nia modelo, akcepteblaj nodoj estas koloraj laŭ sia grado. Nodoj en "kamparaj areoj" havas gradon 4 (kaj estas koloraj helgrizaj), dum nodoj en "urbaj areoj" havas pli altajn gradojn (kaj estas kolorigitaj pli malhele), komencante per grado 5 en la periferio kaj finiĝante per 8 en la urbocentro.

Provu elekti disvastigan rapidon tia, ke la aktivigo kovras urbojn kaj tiam ne iras preter iliaj limoj.

Mi trovas ĉi tiun simuladon kaj evidenta kaj surpriza. Kompreneble, urboj konservas la kulturan nivelon pli bone ol kamparaj areoj - ĉiuj scias tion. Kio surprizas min estas ke iom da ĉi tiu kultura diverseco ekestas simple surbaze de la topologio de la socia reto.

Ĉi tio estas interesa punkto, mi provos klarigi ĝin pli detale.

Ĉi tie ni traktas formojn de kulturo, kiuj estas transdonitaj simple kaj rekte de persono al persono. Ekzemple, moroj, salonaj ludoj, modaj tendencoj, lingvaj tendencoj, grupetaj ritoj kaj produktoj, kiuj disvastiĝas laŭbuŝe, krom tutaj pakaĵoj da informoj, kiujn ni nomas ideoj.

(Noto: la disvastigo de informoj inter homoj estas ege malfacila de la amaskomunikiloj. Estas pli facile imagi iun teknologie primitivan medion, kiel ekzemple Antikva Grekio, kie preskaŭ ĉiu fajrero de kulturo estis transdonita per interago en fizika spaco.)

El la ĉi-supra simulado, mi eksciis, ke ekzistas ideoj kaj kulturaj praktikoj, kiuj povas enradikiĝi kaj disvastigi en la urbo, sed ili simple ne povas (matematike ne povas) disvastiĝi en kamparaj lokoj. Ĉi tiuj estas la samaj ideoj kaj la samaj homoj. La afero ne estas, ke kamparaj loĝantoj estas iel "proksimmensaj": interagante kun la sama ideo, ili ĝuste la samaj ŝancoj kapti ĝinkiel la urbanoj. Estas nur ke la ideo mem ne povas fariĝi viral en kamparaj lokoj, ĉar ne estas multaj ligoj tra kiuj ĝi povas disvastigi.

Ĉi tio eble estas plej facile vidi en la kampo de modo - vestaĵoj, kombitaĵoj, ktp. En la moda reto, ni povas kapti la randon de la krado kiam du homoj rimarkas la vestojn de unu la alian. En urba centro, ĉiu homo povas vidi pli ol 1000 XNUMX aliajn homojn ĉiutage - sur la strato, en la metroo, en plenplena restoracio, ktp. En kampara areo, kontraŭe, ĉiu homo povas vidi nur kelkajn dekduojn. aliaj. Bazita sur nur ĉi tiu diferenco, la urbo kapablas subteni pli da modaj tendencoj. Kaj nur la plej konvinkaj tendencoj—tiuj kun la plej altaj dissendaj indicoj—povos akiri lokon ekster la urbo.

Ni emas pensi, ke se ideo estas bona, ĝi fine atingos ĉiujn, kaj se ideo estas malbona, ĝi malaperos. Kompreneble, ĉi tio validas en ekstremaj kazoj, sed intere estas multaj ideoj kaj praktikoj, kiuj nur povas viraliĝi en certaj retoj. Ĉi tio estas vere mirinda.

Ne nur urboj

Ni rigardas la efikon ĉi tie reto denseco. Ĝi estas difinita por antaŭfiksita aro de nodoj kiel nombro realaj ripoj, dividita per nombro eblaj randoj. Tio estas, la procento de eblaj ligoj kiuj efektive ekzistas.

Do, ni vidis, ke retdenseco en urbaj centroj estas pli alta ol en kamparaj areoj. Sed urboj ne estas la sola loko kie ni trovas densajn retojn.

Interesa ekzemplo estas mezlernejoj. Ekzemple, por specifa areo, ni komparas la reton kiu ekzistas inter lernejanoj kun la reto kiu ekzistas inter iliaj gepatroj. Sama geografia areo kaj sama loĝantaro, sed unu reto estas multoble pli densa ol la alia. Tial ne estas mirinde, ke modo kaj lingvaj tendencoj multe pli rapide disvastiĝas inter adoleskantoj.

Same, elitaj retoj tendencas esti multe pli densaj ol ne-elitaj retoj - fakto, laŭ mi, estas subestimata (homoj kiuj estas popularaj aŭ influaj pasigas pli da tempo interrete kaj do havas pli da "najbaroj" ol ordinaraj homoj). Surbaze de la ĉi-supraj simulaĵoj, ni atendas, ke elitaj retoj subtenos kelkajn kulturajn formojn, kiuj ne povas esti subtenataj de la ĉefa fluo, simple bazitaj sur la matematikaj leĝoj de la meza grado de la reto. Mi lasas vin konjekti pri kio ĉi tiuj kulturaj formoj povus esti.

Fine, ni povas apliki ĉi tiun ideon al Interreto modeligante ĝin kiel grandega kaj tre streĉa urbo. Ne estas surprize, ke multaj novaj specoj de kulturo prosperas interrete, kiuj simple ne povas esti subtenataj en pure spacaj retoj: niĉaj ŝatokupoj, pli bonaj projektnormoj, pli granda konscio pri maljusteco, ktp. Kaj ne estas nur belaj aferoj. Same kiel fruaj grandurboj estis bredejoj por malsanoj kiuj ne povis disvastiĝi en malaltaj loĝdensoj, tiel la Interreto estas brediĝoloko por malignaj kulturaj formoj kiel ekzemple alklakaĵo, falsaj novaĵoj, kaj estigante artefaritan indignon.

Scio

"Havi la ĝustan fakulon en la ĝusta tempo ofte estas la plej valora rimedo por kreiva problemo solvado." - Michael Nielsen, Inventing Discovery

Ni ofte pensas pri malkovro aŭ invento kiel procezo kiu okazas en la menso de ununura geniulo. Li estas trafita de fulmo de inspiro kaj - Eŭreka! — subite ni havas novan manieron mezuri volumon. Aŭ la gravita ekvacio. Aŭ ampolo.

Sed se ni prenas la vidpunkton de sola inventinto en la momento de malkovro, tiam ni rigardas la fenomenon el la vidpunkto de nodo. Dum estus pli ĝuste interpreti la inventon kiel reto fenomeno.

La reto estas grava en almenaŭ du manieroj. Unue, ekzistantaj ideoj devas penetri en konscion inventinto. Temas pri citaĵoj el nova artikolo, la bibliografia sekcio de nova libro – la gigantoj, sur kies ŝultroj staris Neŭtono. Due, la reto estas kritika por la reveno de nova ideo reen en al la mondo; invento, kiu ne disvastiĝis, tute apenaŭ indas nomi "inventaĵo". Tiel, pro ambaŭ de tiuj kialoj, havas sencon modeligi inventon - aŭ, pli larĝe, la kreskon de scio - kiel procezo de difuzo.

Post momento, mi prezentos malglatan simuladon pri kiel scio povas disvastigi kaj kreski ene de reto. Sed unue mi devas klarigi.

Komence de la simulado, ekzistas kvar ekspertoj en ĉiu kvadranto de la krado, aranĝitaj jene:

Fakulo 1 havas la unuan version de la ideo - ni nomu ĝin Ideo 1.0. Fakulo 2 estas la persono, kiu scias kiel igi Ideon 1.0 en Ideon 2.0. Fakulo 3 scias kiel transformi Ideon 2.0 en Ideon 3.0. Kaj fine, la kvara fakulo scias kiel meti la fintuŝojn al Ideo 4.0.

Ĉi tio similas al tekniko kiel origamio, kie teknikoj estas evoluigitaj kaj kombinitaj kun aliaj teknikoj por krei pli interesajn dezajnojn. Aŭ ĝi povas esti kampo de scio, kiel fiziko, en kiu pli lastatempa laboro konstruas sur la fundamenta laboro de antaŭuloj.

La punkto de ĉi tiu simulado estas, ke ni bezonas ĉiujn kvar spertulojn por kontribui al la fina versio de la ideo. Kaj en ĉiu etapo la ideo devas esti atentigita de la taŭga fakulo.

Kelkaj avertoj. Ekzistas multaj nerealismaj supozoj ĉifritaj en la simuladon. Jen nur kelkaj el ili:

1. Estas supozite ke ideoj ne povas esti stokitaj kaj transdonitaj krom de persono al persono (t.e., neniuj libroj aŭ amaskomunikilaro).
2. Oni supozas, ke ekzistas konstantaj fakuloj en la loĝantaro, kiuj povas generi ideojn, kvankam en realeco multaj hazardaj faktoroj influas la okazon de malkovro aŭ invento.
3. Ĉiuj kvar versioj de la ideo uzas la saman aron de SIS-parametroj (baŭdorapideco, procento de imuneco, ktp.), kvankam verŝajne estas pli realisme uzi malsamajn parametrojn por ĉiu versio (1.0, 2.0, ktp.)
4. Oni supozas, ke ideo N+1 ĉiam tute delokigas ideon N, kvankam praktike ofte ambaŭ malnovaj kaj novaj versioj cirkulas samtempe, sen klara venkinto.

… kaj multaj aliaj.

Diskuto

Ĉi tio estas ridinde simpligita modelo de kiel scio efektive kreskas. Restas multaj gravaj detaloj ekster la modelo (vidu supre). Tamen, ĝi kaptas la gravan esencon de la procezo. Kaj tiel ni povas, kun rezervoj, paroli pri la kresko de scio uzante nian scion pri disvastigo.

Aparte, la difuzmodelo disponigas sciojn pri kiel akceli la procezon: Necesas faciligi la interŝanĝon de ideoj inter spertaj nodoj. Ĉi tio povas signifi malbari la reton de mortintaj nodoj, kiuj malhelpas disvastigon. Aŭ ĝi povus signifi meti ĉiujn fakulojn en urbon aŭ areton kun alta reto-denseco kie ideoj disvastiĝas rapide. Aŭ simple kolektu ilin en unu ĉambro:

Do... tion mi povas diri pri disvastigo.

Sed mi havas lastan penson, kaj ĝi estas tre grava. Temas pri kreskokaj stagno) scio en sciencaj komunumoj. Ĉi tiu ideo estas malsama laŭ tono kaj enhavo de ĉio ĉi supre, sed mi esperas, ke vi pardonos min.

Pri sciencaj retoj

La ilustraĵo montras unu el la plej gravaj pozitivaj reagoj en la mondo (kaj ĝi estas tiel dum sufiĉe da tempo):

La suprena progresado de la ciklo (K ⟶ T) estas sufiĉe simpla: ni uzas novajn sciojn por evoluigi novajn ilojn. Ekzemple, kompreni la fizikon de duonkonduktaĵoj permesas al ni konstrui komputilojn.

Tamen, la malsupreniĝa movo postulas iun klarigon. Kiel la evoluo de teknologio kondukas al pliigo de scio?

Unu maniero—eble la plej rekta—estas kiam novaj teknologioj donas al ni novajn manierojn percepti la mondon. Ekzemple, la plej bonaj mikroskopoj permesas al vi rigardi pli profunde ene de ĉelo, provizante komprenojn por molekula biologio. GPS-spuriloj montras kiel bestoj moviĝas. Sonaro permesas vin esplori la oceanojn. Kaj tiel plu.

Ĉi tio estas sendube esenca mekanismo, sed ekzistas almenaŭ du aliaj vojoj de teknologio al scio. Ili eble ne estas tiel simplaj, sed mi pensas, ke ili estas same gravaj:

La unua. Teknologio kondukas al ekonomia abundo (t.e. riĉeco), kiu permesas al pli da homoj okupiĝi pri scioproduktado.

Se 90% de la loĝantaro de via lando okupiĝas pri agrikulturo, kaj la ceteraj 10% okupiĝas pri iu formo de komerco (aŭ milito), tiam homoj havas tre malmulte da libera tempo por pensi pri la naturaj leĝoj. Eble tial en pli fruaj tempoj scienco estis ĉefe antaŭenigita de infanoj el riĉaj familioj.

Usono produktas pli ol 50 Ph.D.s ĉiujare. Anstataŭ ke persono iros labori en fabriko je la aĝo de 000 (aŭ pli frue), diplomiĝa studento devas esti financita ĝis aĝo 18 aŭ eble 30 - kaj eĉ tiam estas neklare ĉu ilia laboro havos ajnan realan ekonomian efikon. Sed necesas, ke homo atingu la avangardon de sia disciplino, precipe en kompleksaj kampoj kiel fiziko aŭ biologio.

La fakto estas, ke el sistema vidpunkto, specialistoj estas multekostaj. Kaj la finfina fonto de publika riĉaĵo, kiu financas tiujn specialistojn, estas la nova teknologio: la plugilo subvencias la plumon.

La dua. Novaj teknologioj, precipe en la kampo de vojaĝado kaj komunikado, ŝanĝas la strukturon de sociaj retoj en kiuj kreskas scio. Aparte, ĝi permesas al fakuloj kaj specialistoj interagi pli proksime unu kun la alia.

Rimarkindaj inventoj ĉi tie inkludas la presilon, vaporŝipojn kaj fervojojn (faciligante vojaĝadon kaj/aŭ sendante poŝton super longdistancoj), telefonojn, aviadilojn, kaj la Interreton. Ĉiuj ĉi tiuj teknologioj kontribuas al pliigita retodenseco, precipe ene de specialecaj komunumoj (kie preskaŭ ĉiu sciokresko okazas). Ekzemple, la korespondaj retoj, kiuj aperis inter eŭropaj sciencistoj fine de la Mezepoko, aŭ la maniero kiel modernaj fizikistoj uzas arXiv.

Finfine, ambaŭ ĉi tiuj vojoj estas similaj. Ambaŭ pliigas la densecon de la reto de specialistoj, kio siavice kondukas al pliigo de scio:

Dum multaj jaroj mi sufiĉe malakceptis superan edukadon. Mia mallonga deĵoro en diplomiĝa lernejo lasis malbonan guston en mia buŝo. Sed nun kiam mi rigardas malantaŭen kaj pensas (krom ĉiuj personaj problemoj), mi devas konkludi, ke supera edukado ankoraŭ estas ekstreme grava.

Akademiaj sociaj retoj (ekz., esplorkomunumoj) estas unu el la plej altnivelaj kaj valoraj strukturoj kreitaj de nia civilizacio. Nenie ni amasigis pli grandan koncentriĝon de specialistoj koncentritaj al scioproduktado. Nenie homoj evoluigis pli grandan kapablon kompreni kaj kritiki reciproke la ideojn. Ĝi estas la batanta koro de progreso. Ĝuste en ĉi tiuj retoj brulas plej forte la fajro de klerismo.

Sed ni ne povas preni la progreson por koncedite. Se eksperimenti neprodukteblecon krizon kaj se ĝi instruis al ni ion, ĝi estis ke scienco povas havi sistemajn problemojn. Ĉi tio estas speco de reto-degenero.

Supozu, ke ni distingas inter du manieroj fari sciencon: vera scienco и karierismo. Reala scienco estas praktikoj kiuj fidinde produktas scion. Ĝi estas motivita de scivolemo kaj karakterizita de honesteco (Feynman: "Vi vidas, mi nur bezonas kompreni la mondon"). Karierismo, male, estas motivita de profesiaj ambicioj kaj karakterizas per ludado de politiko kaj sciencaj ŝparvojoj. Ĝi eble aspektas kaj agas kiel scienco, sed ne produktas fidindajn sciojn.

(Jes, ĉi tio estas troiga dikotomio. Nur pensa eksperimento. Ne kulpigu min).

La fakto estas, ke kiam karieristoj okupas spacon en la reala esplorkomunumo, ili ruinigas la laboron. Ili strebas reklami sin dum la resto de la komunumo provas akiri kaj dividi novajn sciojn. Anstataŭ strebi al klareco, karieristoj komplikas kaj konfuzas ĉion por soni pli impona. Ili okupiĝas pri (kiel dirus Harry Frankfurt) sciencajn sensencaĵojn. Kaj tial ni povus modeligi ilin kiel mortintaj nodoj, nepenetreblaj al la justa interŝanĝo de informoj necesaj por sciokresko:

Eble la plej bona modelo estas tiu, en kiu karieristaj nodoj ne nur estas nepenetreblaj al scio, sed aktive disvastigas. falsa scio. Falsa scio povas inkluzivi sensignifajn rezultojn, kies graveco estas artefarite ŝveligita, aŭ vere malverajn rezultojn kiuj ekestiĝas de manipulado aŭ fabrikitaj datumoj.

Ne gravas kiel ni modeligas ilin, karieristoj certe povas strangoli niajn sciencajn komunumojn.

Estas kiel la nuklea ĉenreakcio, kiun ni ege bezonas - ni bezonas eksplodon de scio - nur nia riĉigita U-235 havas tro multe de la nereaktiva izotopo U-238, kiu subpremas la ĉenreakcion.

Kompreneble, ne estas klara diferenco inter karieristoj kaj veraj sciencistoj. Ĉiu el ni havas iom da karierismo kaŝita en ni. La demando estas kiom longe la reto povas daŭri antaŭ ol scio-disvastigo forvelkas.

Ho, vi legis ĝis la fino. Dankon pro legado.

Permesilo

CC0 Ĉiuj rajtoj ne rezervitaj. Vi povas uzi ĉi tiun verkon laŭplaĉe :).

Dankoj

• Kevin Kwok и Nicky Kazo por pripensemaj komentoj kaj sugestoj pri diversaj versioj de la skizo.
• Nick Barr — por morala subteno dum la tuta procezo kaj por la plej helpemaj rimarkoj pri mia laboro.
• Keith A. por atentigi al mi la fenomenon de perkolado kaj la perkola sojlo.
• Geoff Lonsdale por la ligo al ĉi tio estas eseo, kiu (malgraŭ siaj multaj mankoj) estis la ĉefa instigo por labori pri ĉi tiu afiŝo.

Interagaj Eseaj Specimenoj

• La tuta laboro de Nicky Case, esp. "La Parabolo de la Pluranguloj" (kun Vi Hart) kaj "Evoluigante pli bonan balotan baloton". Ĉi tio estas alta stango por kio povas esti interaga eseo.
• distill.pub: Escepte altkvalitaj interagaj priskriboj de maŝinlernado.
• Klasika verko de Bret Victor "Supren kaj Laŭ la Ŝtuparo de Abstraktado". Mi ne tre lertas supreniri la ŝtuparon, sed ĉiam estas unu plia provo.

fonto: www.habr.com