Si ha dedicado algún tiempo a pensar en sistemas complejos, probablemente comprenda la importancia de las redes. Las redes gobiernan nuestro mundo. Desde las reacciones químicas dentro de una célula hasta la red de relaciones en un ecosistema, pasando por las redes comerciales y políticas que dan forma al curso de la historia.

O considere este artículo que está leyendo. Probablemente lo encontraste en red social, descargado de Red de computadoras y actualmente estás descifrando el significado usando tu red neuronal.

Pero por mucho que haya pensado en las redes a lo largo de los años, hasta hace poco no entendía la importancia de las simples difusión.

Este es nuestro tema de hoy: cómo, cuán caóticamente todo se mueve y se propaga. Algunos ejemplos para ir abriendo boca:

• Enfermedades infecciosas que pasan de portador a portador dentro de una población.
• Memes extendiéndose por el gráfico de seguidores en las redes sociales.
• Incendio forestal.
• Ideas y prácticas que permean una cultura.
• Cascada de neutrones en uranio enriquecido.

Una nota rápida sobre la forma.

A diferencia de todos mis trabajos anteriores, este ensayo es interactivo [en artículo original Se dan ejemplos interactivos con controles deslizantes y botones que controlan objetos en la pantalla: aprox. carril].

Entonces empecemos. La primera tarea es desarrollar un vocabulario visual para su difusión a través de redes.

Modelo simple

Estoy seguro de que todos conocéis la base de las redes, es decir, nodos + aristas. Para estudiar la difusión, sólo necesitas marcar algunos nodos como activo. O, como les gusta decir a los epidemiólogos, infectado:

Esta activación o infección se propaga a través de la red de nodo a nodo según las reglas que desarrollaremos a continuación.

Las redes reales suelen ser mucho más grandes que esta simple red de siete nodos. También son mucho más confusos. Pero en aras de la simplicidad, aquí construiremos un modelo de juguete para estudiar una red, es decir, una red de red.

(Lo que le falta a la malla en realismo, lo compensa con ser fácil de dibujar 😉

Salvo que se indique lo contrario, los nodos de red tienen cuatro vecinos, por ejemplo:

Y hay que imaginar que estas celosías se extienden infinitamente en todas direcciones. En otras palabras, no nos interesa el comportamiento que ocurre sólo en los bordes de la red o en poblaciones pequeñas.

Dado que las redes están tan ordenadas, podemos simplificarlas a píxeles. Por ejemplo, estas dos imágenes representan la misma red:

En un comportamiento, el nodo activo siempre transmite la infección a sus vecinos (no infectados). Pero es aburrido. Suceden cosas mucho más interesantes cuando la transferencia probabilístico.

Señor y SIS

В Modelos SIR (Susceptible-Infectado-Eliminado) un nodo puede estar en tres estados:

• Susceptible
• Infectado
• Remoto

Así es como funciona la simulación interactiva [en artículo original puede seleccionar la tasa de transmisión de infección de 0 a 1, ver el proceso paso a paso o en su totalidad - aprox. traducción]:

• Los nodos comienzan como susceptibles, con la excepción de unos pocos nodos que comienzan como infectados.
• En cada paso de tiempo, los nodos infectados tienen la posibilidad de transmitir la infección a cada uno de sus vecinos susceptibles con una probabilidad igual a la tasa de transmisión.
• Los nodos infectados luego entran en un estado "eliminado", lo que significa que ya no pueden infectar a otros ni infectarse ellos mismos.

En el contexto de una enfermedad, la eliminación puede significar que la persona ha muerto o que ha desarrollado inmunidad al patógeno. Decimos que son "eliminados" de la simulación porque no les sucede nada más.

Dependiendo de lo que intentemos modelar, es posible que se necesite un modelo diferente al SIR.

Si simulamos la propagación del sarampión o un brote de incendio forestal, SIR es ideal. Pero supongamos que simulamos la difusión de una nueva práctica cultural, como la meditación. Al principio el nodo (la persona) es receptivo porque nunca antes había hecho esto. Luego, si comienza a meditar (tal vez después de enterarse de ello por un amigo), lo modelaremos como infectado. Pero si deja de practicar, no morirá ni abandonará la simulación, porque en el futuro podrá retomar fácilmente este hábito. Entonces regresa a un estado receptivo.

Lo modelo SIS (Susceptibles–Infectados–Susceptibles). El modelo clásico tiene dos parámetros: velocidad de transmisión y velocidad de recuperación. Sin embargo, en las simulaciones de este artículo, decidí simplificar omitiendo el parámetro de tasa de recuperación. En cambio, el nodo infectado regresa automáticamente al estado susceptible en el siguiente paso, a menos que sea infectado por uno de sus vecinos. Además, permitimos que un nodo infectado en el paso n se infecte a sí mismo en el paso n+1 con una probabilidad igual a la tasa de transmisión.

Discusión

Como puedes ver, esto es muy diferente al modelo SIR.

Debido a que los ganglios nunca se eliminan, incluso una red muy pequeña y confinada puede soportar una infección SIS durante mucho tiempo. La infección simplemente salta de un nodo a otro y regresa.

A pesar de sus diferencias, SIR y SIS resultan sorprendentemente intercambiables para nuestros propósitos. Así que durante el resto de este artículo nos limitaremos a SIS, principalmente porque es más duradero y, por lo tanto, más divertido trabajar con él.

Nivel crítico

Después de jugar con los modelos SIR y SIS, es posible que hayas notado algo sobre la longevidad de la infección. Con tasas de transmisión muy bajas, como el 10%, la infección tiende a desaparecer. Mientras que en valores más altos, como el 50%, la infección permanece viva y se apodera de la mayor parte de la red. Si la red fuera infinita, podríamos imaginarla continuando y extendiéndose para siempre.

Esta difusión ilimitada tiene muchos nombres: “viral”, “nuclear” o (en el título de este artículo) crítico.

Resulta que hay hormigón el punto de ruptura que separa redes subcríticas (condenado a la extinción) de redes supercríticas (capaz de crecimiento infinito). Este punto de inflexión se llama umbral crítico, y este es un signo bastante general de procesos de difusión en redes ordinarias.

El valor exacto del umbral crítico varía entre redes. Lo que es común es esto. presencia tal significado.

[En una demostración interactiva de artículo original Puede intentar encontrar manualmente el umbral crítico de la red cambiando el valor de la velocidad de transmisión. Está entre el 22% y el 23%, aprox. trans.]

Con un 22% (y menos), la infección finalmente desaparece. En un 23% (y más), la infección original a veces desaparece, pero en la mayoría de los casos logra sobrevivir y propagarse el tiempo suficiente para asegurar su existencia para siempre.

(Por cierto, existe todo un campo científico dedicado a encontrar estos umbrales críticos para diferentes topologías de red. Para una introducción rápida, recomiendo desplazarse rápidamente por el artículo de Wikipedia sobre umbral de fuga).

En general, así es como funciona: por debajo de un umbral crítico, se garantiza que cualquier infección finita en la red (con probabilidad 1) desaparecerá eventualmente. Pero por encima de un umbral crítico, existe una probabilidad (p > 0) de que la infección continúe para siempre y, al hacerlo, se propague arbitrariamente lejos del sitio original.

Sin embargo, tenga en cuenta que la red supercrítica no es garantíasque la infección continuará para siempre. De hecho, a menudo se desvanece, especialmente en las primeras etapas de la simulación. Veamos cómo sucede esto.

Supongamos que comenzamos con un nodo infectado y cuatro vecinos. En el primer paso del modelado, la infección tiene 5 posibilidades independientes de propagarse (incluida la posibilidad de "propagarse" a sí misma en el siguiente paso):

Ahora supongamos que la tasa de transferencia es del 50%. En este caso, en el primer paso lanzamos una moneda cinco veces. Y si se lanzan cinco cabezas, la infección será destruida. Esto ocurre en aproximadamente el 3% de los casos, y esto es sólo el primer paso. Una infección que sobrevive al primer paso tiene alguna probabilidad (generalmente menor) de desaparecer en el segundo paso, alguna probabilidad (aún menor) de desaparecer en el tercer paso, etc.

Por lo tanto, incluso cuando la red es supercrítica (si la tasa de transmisión es del 99%), existe la posibilidad de que la infección desaparezca.

Pero lo importante es que ella no siempre se desvanecerá. Si sumas la probabilidad de que todos los pasos desaparezcan hasta el infinito, el resultado es menor que 1. En otras palabras, existe una probabilidad distinta de cero de que la infección continúe para siempre. Esto es lo que significa que una red sea supercrítica.

SISa: activación espontánea

Hasta este punto, todas nuestras simulaciones comenzaban con una pequeña porción de nodos preinfectados en el centro.

¿Pero qué pasa si empiezas desde cero? Luego modelamos la activación espontánea: el proceso por el cual un nodo susceptible se infecta por casualidad (no por uno de sus vecinos).

Lo llamado modelo SISa. La letra "a" significa "automático".

En la simulación SISa, aparece un nuevo parámetro: la tasa de activación espontánea, que cambia la frecuencia de infección espontánea (el parámetro de tasa de transmisión que vimos anteriormente también está presente).

¿Qué se necesita para que una infección se propague por la red?

Discusión

Es posible que hayas notado en la simulación que aumentar la tasa de activación espontánea no cambia si la infección se apodera de toda la red o no. Solo tasa de transferencia Determina si la red es subcrítica o supercrítica. Y cuando la red es subcrítica (tasa de transmisión menor o igual al 22%), ninguna infección puede extenderse a toda la red, sin importar con qué frecuencia comience.

Es como iniciar un incendio en un campo húmedo. Puedes prender fuego a algunas hojas secas, pero la llama se apagará rápidamente porque el resto del paisaje no es lo suficientemente inflamable (subcrítico). En un campo muy seco (supercrítico), una chispa es suficiente para que se produzca un incendio.

Lo mismo se observa en el ámbito de las ideas y de las invenciones. A menudo el mundo no está preparado para una idea, en cuyo caso puede inventarse una y otra vez, pero no atrae a las masas. Por otro lado, el mundo puede estar completamente preparado para un invento (gran demanda latente), y tan pronto como nace, es aceptado por todos. En el medio hay ideas que se inventan en varios lugares y se difunden localmente, pero no lo suficiente como para que una sola versión abarque toda la red a la vez. En esta última categoría encontramos, por ejemplo, la agricultura y la escritura, que fueron inventadas de forma independiente por diferentes civilizaciones humanas unas diez y tres veces, respectivamente.

inmunidad

Supongamos que hacemos que algunos nodos sean completamente invulnerables, es decir, inmunes a la activación. Es como si inicialmente estuvieran en un estado remoto y el modelo SIS(a) se lanzara en los nodos restantes.

El control deslizante de inmunidad controla el porcentaje de nodos que se eliminan. Intente cambiar su valor (¡mientras el modelo se está ejecutando!) y vea cómo afecta el estado de la red, ya sea supercrítica o no.

Discusión

Cambiar el número de nodos que no responden cambia por completo la imagen de si la red será subcrítica o supercrítica. Y no es difícil ver por qué. Con una gran cantidad de huéspedes insensibles, la infección tiene menos oportunidades de propagarse a nuevos huéspedes.

Resulta que esto tiene una serie de consecuencias prácticas muy importantes.

Uno de ellos es prevenir la propagación de incendios forestales. A nivel local, cada persona debe tomar sus propias precauciones (por ejemplo, nunca dejar una llama abierta sin vigilancia). Pero a gran escala, los brotes aislados son inevitables. Entonces, otro método de protección es garantizar que haya suficientes "interrupciones" (en la red de materiales inflamables) para que un brote no afecte a toda la red. Las compensaciones realizan esta función:

Otro brote que es importante detener es el de una enfermedad infecciosa. Aquí se introduce el concepto. la inmunidad de grupo. Esta es la idea de que algunas personas no pueden vacunarse (por ejemplo, tienen un sistema inmunológico comprometido), pero si suficientes personas son inmunes a la infección, la enfermedad no puede propagarse indefinidamente. En otras palabras, debes vacunar. suficiente parte de la población para transferir la población de un estado supercrítico a un estado subcrítico. Cuando esto sucede, un paciente aún puede infectarse (después de viajar a otra región, por ejemplo), pero sin una red supercrítica en la que crecer, la enfermedad solo infectará a un pequeño puñado de personas.

Finalmente, el concepto de nodos inmunes explica lo que sucede en un reactor nuclear. En una reacción en cadena, un átomo de uranio-235 en descomposición libera alrededor de tres neutrones, lo que provoca (en promedio) la fisión de más de un átomo de U-235. Los nuevos neutrones provocan entonces una mayor división de los átomos, y así sucesivamente exponencialmente:

Cuando se construye una bomba, lo importante es garantizar que el crecimiento exponencial continúe sin control. Pero en una central eléctrica, el objetivo es producir energía sin matar a todos los que te rodean. Para ello se utilizan barras de control, fabricado a partir de un material que puede absorber neutrones (por ejemplo, plata o boro). Debido a que absorben neutrones en lugar de liberarlos, actúan como nodos inmunes en nuestra simulación, evitando así que el núcleo radiactivo se vuelva supercrítico.

Así que el truco de un reactor nuclear es mantener la reacción cerca de un umbral crítico moviendo las barras de control hacia adelante y hacia atrás, y garantizar que cuando algo salga mal, las barras caigan en el núcleo y lo detengan.

Степень

Степень de un nodo es el número de sus vecinos. Hasta este punto hemos considerado redes de grado 4. ¿Pero qué pasa si cambias este parámetro?

Por ejemplo, puede conectar cada nodo no sólo a cuatro vecinos inmediatos, sino también a cuatro más en diagonal. En dicha red el grado será 8.

Las celosías con grados 4 y 8 son bien simétricas. Pero con el grado 5 (por ejemplo), surge un problema: ¿qué cinco vecinos deberíamos elegir? En este caso, seleccionamos cuatro vecinos más cercanos (N, E, S, W) y luego seleccionamos aleatoriamente un vecino del conjunto {NE, SE, SW, NW}. La elección se realiza de forma independiente para cada nodo en cada paso de tiempo.

Discusión

Una vez más, no es difícil ver lo que está pasando aquí. Cuando cada nodo tiene más vecinos, aumentan las posibilidades de que la infección se propague y, por lo tanto, es más probable que la red se vuelva crítica.

Sin embargo, las consecuencias pueden ser inesperadas, como veremos a continuación.

Ciudades y densidad de red.

Hasta ahora nuestras redes han sido completamente homogéneas. Cada nodo se parece a cualquier otro. Pero ¿qué pasa si cambiamos las condiciones y permitimos diferentes estados de nodo en toda la red?

Por ejemplo, intentemos modelar ciudades. Para ello aumentaremos la densidad en algunas partes de la red (mayor grado de nodos). Esto lo hacemos en base a los datos que tienen los ciudadanos. círculo social más amplio y más interacciones socialesque las personas fuera de las ciudades.

En nuestro modelo, los ganglios susceptibles se colorean según su grado. Los nodos en "áreas rurales" tienen grado 4 (y están coloreados en gris claro), mientras que los nodos en "áreas urbanas" tienen grados más altos (y están coloreados más oscuros), comenzando con el grado 5 en las afueras y terminando con 8 en el centro de la ciudad.

Intente elegir una velocidad de propagación tal que la activación cubra las ciudades y luego no traspase sus fronteras.

Esta simulación me parece obvia y sorprendente. ¡Por supuesto, las ciudades mantienen el nivel cultural mejor que las zonas rurales; todo el mundo lo sabe. Lo que me sorprende es que parte de esta diversidad cultural surja simplemente a partir de la topología de la red social.

Este es un punto interesante, intentaré explicarlo con más detalle.

Se trata de formas de cultura que se transmiten simple y directamente de persona a persona. Por ejemplo, modales, juegos de salón, tendencias de moda, tendencias lingüísticas, rituales de grupos pequeños y productos que se difunden de boca en boca, además de paquetes completos de información que llamamos ideas.

(Nota: los medios de comunicación dificultan enormemente la difusión de información entre las personas. Es más fácil imaginar algún entorno tecnológicamente primitivo, como la antigua Grecia, donde casi todas las chispas de la cultura se transmitían mediante la interacción en el espacio físico).

De la simulación anterior, aprendí que hay ideas y prácticas culturales que pueden arraigarse y difundirse en la ciudad, pero simplemente no pueden (matemáticamente no pueden) difundirse en las zonas rurales. Son las mismas ideas y las mismas personas. La cuestión no es que los residentes rurales sean de algún modo “de mente cerrada”: cuando interactúan con la misma idea, exactamente las mismas posibilidades de contraerlocomo la gente del pueblo. Lo que pasa es que la idea en sí no puede volverse viral en las zonas rurales, porque no hay muchas conexiones a través de las cuales pueda difundirse.

Quizás esto sea más fácil de ver en el campo de la moda: ropa, peinados, etc. En la red de moda, podemos capturar el borde de la red cuando dos personas notan la vestimenta de la otra. En un centro urbano, cada persona puede ver a más de 1000 personas cada día: en la calle, en el metro, en un restaurante lleno de gente, etc. En una zona rural, por el contrario, cada persona sólo puede ver a un par de docenas. otros. Residencia en solo esta diferencia, la ciudad es capaz de soportar más tendencias de moda. Y sólo las tendencias más convincentes (aquellas con las tasas de transmisión más altas) podrán afianzarse fuera de la ciudad.

Tendemos a pensar que si una idea es buena, eventualmente llegará a todos, y si una idea es mala, desaparecerá. Por supuesto, esto es cierto en casos extremos, pero en el medio hay muchas ideas y prácticas que sólo pueden volverse virales en determinadas redes. Esto es realmente asombroso.

No solo ciudades

Estamos viendo el impacto aquí. densidad de red. Se define para un conjunto dado de nodos como un número costillas reales, dividido por número bordes potenciales. Es decir, el porcentaje de posibles conexiones que realmente existen.

Así, hemos visto que la densidad de la red en los centros urbanos es mayor que en las zonas rurales. Pero las ciudades no son el único lugar donde encontramos redes densas.

Un ejemplo interesante son las escuelas secundarias. Por ejemplo, para un área concreta, comparamos la red que existe entre los escolares con la red que existe entre sus padres. Misma área geográfica y misma población, pero una red es muchas veces más densa que la otra. Por tanto, no es de extrañar que la moda y las tendencias lingüísticas se difundan mucho más rápido entre los adolescentes.

Del mismo modo, las redes de élite tienden a ser mucho más densas que las redes que no son de élite, un hecho que creo que se subestima (las personas que son populares o influyentes pasan más tiempo en red y, por lo tanto, tienen más "vecinos" que la gente común y corriente). Con base en las simulaciones anteriores, esperamos que las redes de élite apoyen algunas formas culturales que no pueden ser apoyadas por la corriente principal, simplemente basándose en las leyes matemáticas del grado promedio de la red. Los dejo para que especulen sobre cuáles podrían ser estas formas culturales.

Finalmente, podemos aplicar esta idea a Internet modelándola como enorme y muy denso ciudad. No sorprende que estén prosperando en línea muchos nuevos tipos de cultura que simplemente no pueden sustentarse en redes puramente espaciales: pasatiempos especializados, mejores estándares de diseño, mayor conciencia de la injusticia, etc. Y no se trata sólo de cosas agradables. Así como las primeras ciudades fueron caldo de cultivo para enfermedades que no podían propagarse en bajas densidades de población, Internet es un caldo de cultivo para formas culturales malignas como el clickbait, las noticias falsas y el fomento de la indignación artificial.

Conocimiento

"Contar con el experto adecuado en el momento adecuado suele ser el recurso más valioso para la resolución creativa de problemas". — Michael Nielsen, Inventar el descubrimiento

A menudo pensamos en el descubrimiento o la invención como un proceso que ocurre en la mente de un solo genio. Le sobreviene un destello de inspiración y... ¡Eureka! — De repente tenemos una nueva forma de medir el volumen. O la ecuación de la gravedad. O una bombilla.

Pero si tomamos el punto de vista de un inventor solitario en el momento del descubrimiento, entonces estamos ante el fenómeno desde el punto de vista de un nodo. Si bien sería más correcto interpretar la invención como red el fenomeno

La red es importante al menos en dos sentidos. Primero, las ideas existentes deben penetrar en la conciencia inventor. Estas son citas de un nuevo artículo, la sección bibliográfica de un nuevo libro: los gigantes sobre cuyos hombros se encontraba Newton. En segundo lugar, la red es fundamental para el retorno de una nueva idea. volver a en el mundo; Difícilmente vale la pena llamar "invención" a una invención que no se ha difundido. Así, por ambas razones, tiene sentido modelar la invención –o, más ampliamente, el crecimiento del conocimiento– como un proceso de difusión.

En un momento, presentaré una simulación aproximada de cómo el conocimiento puede difundirse y crecer dentro de una red. Pero primero debo explicarlo.

Al inicio de la simulación, hay cuatro expertos en cada cuadrante de la grilla, ordenados de la siguiente manera:

El experto 1 tiene la primera versión de la idea: llamémosla Idea 1.0. El experto 2 es la persona que sabe convertir la Idea 1.0 en la Idea 2.0. El Experto 3 sabe cómo transformar la Idea 2.0 en Idea 3.0. Y por último, el cuarto experto sabe cómo dar los últimos retoques a la Idea 4.0.

Esto es similar a una técnica como el origami, donde las técnicas se desarrollan y combinan con otras técnicas para crear diseños más interesantes. O puede ser un campo del conocimiento, como la física, en el que los trabajos más recientes se basan en el trabajo fundamental de sus predecesores.

El objetivo de esta simulación es que necesitamos que los cuatro expertos contribuyan a la versión final de la idea. Y en cada etapa la idea debe comunicarse al experto adecuado.

Algunas advertencias. Hay muchas suposiciones poco realistas codificadas en la simulación. Éstos son sólo algunos de ellos:

1. Se supone que las ideas no pueden almacenarse ni transmitirse excepto de persona a persona (es decir, no libros ni medios).
2. Se supone que existen expertos permanentes en la población que pueden generar ideas, aunque en realidad muchos factores aleatorios influyen en la ocurrencia de un descubrimiento o invención.
3. Las cuatro versiones de la idea utilizan el mismo conjunto de parámetros SIS (velocidad de baudios, porcentaje de inmunidad, etc.), aunque probablemente sea más realista utilizar parámetros diferentes para cada versión (1.0, 2.0, etc.)
4. Se supone que la idea N+1 siempre desplaza completamente a la idea N, aunque en la práctica a menudo circulan simultáneamente versiones antiguas y nuevas, sin un ganador claro.

… y muchos otros.

Discusión

Éste es un modelo ridículamente simplificado de cómo crece realmente el conocimiento. Hay muchos detalles importantes que quedan fuera del modelo (ver arriba). Sin embargo, capta la esencia importante del proceso. Y entonces podemos, con reservas, hablar del crecimiento del conocimiento utilizando nuestro conocimiento de difusión.

En particular, el modelo de difusión proporciona información sobre cómo acelerar el proceso: Necesidad de facilitar el intercambio de ideas entre nodos expertos. Esto puede significar limpiar la red de nodos muertos que impiden la difusión. O podría significar ubicar a todos los expertos en una ciudad o grupo con una alta densidad de red donde las ideas se difundan rápidamente. O simplemente recójalos en una habitación:

Entonces... eso es todo lo que puedo decir sobre la difusión.

Pero tengo un último pensamiento y es muy importante. Se trata de crecimientoy estancamiento) conocimiento en las comunidades científicas. Esta idea es diferente en tono y contenido a todo lo anterior, pero espero que me perdonen.

Sobre las redes científicas

La ilustración muestra uno de los circuitos de retroalimentación positiva más importantes del mundo (y ha sido así durante bastante tiempo):

La progresión ascendente del ciclo (K ⟶ T) es bastante simple: utilizamos nuevos conocimientos para desarrollar nuevas herramientas. Por ejemplo, comprender la física de los semiconductores nos permite construir computadoras.

Sin embargo, el movimiento a la baja requiere alguna explicación. ¿Cómo conduce el desarrollo de la tecnología a un aumento del conocimiento?

Una forma (quizás la más directa) es cuando las nuevas tecnologías nos brindan nuevas formas de percibir el mundo. Por ejemplo, los mejores microscopios permiten observar más profundamente el interior de una célula, lo que proporciona conocimientos para la biología molecular. Los rastreadores GPS muestran cómo se mueven los animales. El sonar te permite explorar los océanos. Etcétera.

Este es sin duda un mecanismo vital, pero existen al menos otros dos caminos de la tecnología al conocimiento. Puede que no sean tan simples, pero creo que son igual de importantes:

primero. La tecnología conduce a la abundancia económica (es decir, a la riqueza), lo que permite que más personas participen en la producción de conocimientos.

Si el 90% de la población de su país se dedica a la agricultura y el 10% restante se dedica a alguna forma de comercio (o guerra), entonces la gente tiene muy poco tiempo libre para pensar en las leyes de la naturaleza. Quizás esta sea la razón por la que en épocas anteriores la ciencia era promovida principalmente por niños de familias ricas.

Estados Unidos produce más de 50 doctorados cada año. En lugar de que una persona vaya a trabajar en una fábrica a los 000 años (o antes), un estudiante de posgrado debe recibir financiación hasta los 18 o quizás 30 años, e incluso entonces no está claro si su trabajo tendrá algún impacto económico real. Pero es necesario que una persona llegue a la vanguardia de su disciplina, especialmente en campos complejos como la física o la biología.

El hecho es que desde el punto de vista de los sistemas, los especialistas son caros. Y la fuente última de riqueza pública que financia a estos especialistas es la nueva tecnología: el arado subsidia la pluma.

Segundo. Las nuevas tecnologías, especialmente en el ámbito de los viajes y las comunicaciones, están cambiando la estructura de las redes sociales en las que crece el conocimiento. En particular, permite a expertos y especialistas interactuar más estrechamente entre sí.

Los inventos notables aquí incluyen la imprenta, los barcos de vapor y los ferrocarriles (que facilitan los viajes y/o el envío de correo a largas distancias), los teléfonos, los aviones e Internet. Todas estas tecnologías contribuyen a una mayor densidad de la red, especialmente dentro de comunidades especializadas (donde ocurre casi todo el crecimiento del conocimiento). Por ejemplo, las redes de correspondencia que surgieron entre los científicos europeos a finales de la Edad Media, o la forma en que los físicos modernos utilizan arXiv.

En última instancia, ambos caminos son similares. Ambos aumentan la densidad de la red de especialistas, lo que a su vez conduce a un aumento del conocimiento:

Durante muchos años desprecié bastante la educación superior. Mi breve paso por la escuela de posgrado me dejó un mal sabor de boca. Pero ahora que miro hacia atrás y pienso (aparte de todos los problemas personales), debo concluir que la educación superior todavía está excesivamente importante.

Las redes sociales académicas (por ejemplo, las comunidades de investigación) son una de las estructuras más avanzadas y valiosas que nuestra civilización ha creado. En ningún lugar hemos acumulado una mayor concentración de especialistas enfocados en la producción de conocimiento. En ningún lugar la gente ha desarrollado una mayor capacidad para comprender y criticar las ideas de los demás. Es el corazón palpitante del progreso. Es en estas redes donde arde con más fuerza el fuego de la iluminación.

Pero no podemos dar por sentado el progreso. Si experimento crisis de irreproducibilidad y si algo nos enseñó es que la ciencia puede tener problemas sistémicos. Este es un tipo de degradación de la red.

Supongamos que distinguimos entre dos formas de hacer ciencia: ciencia real и arribismo. La verdadera ciencia son prácticas que producen conocimiento de manera confiable. Está motivado por la curiosidad y caracterizado por la honestidad (Feynman: “Verás, sólo necesito entender el mundo”). El arribismo, por el contrario, está motivado por ambiciones profesionales y se caracteriza por jugar a la política y tomar atajos científicos. Puede parecer y actuar como ciencia, pero no produce conocimiento confiable.

(Sí, esta es una dicotomía exagerada. Sólo un experimento mental. No me culpen).

El hecho es que cuando los arribistas ocupan un espacio en la comunidad investigadora real, arruinan el trabajo. Se esfuerzan por promocionarse mientras el resto de la comunidad intenta obtener y compartir nuevos conocimientos. En lugar de esforzarse por lograr claridad, los arribistas complican y confunden todo para parecer más impresionantes. Están metidos (como diría Harry Frankfurt) en tonterías científicas. Y, por tanto, podríamos modelarlos como nodos muertos, impermeables al intercambio justo de información necesario para el crecimiento del conocimiento:

Quizás el mejor modelo sea aquel en el que los nodos arribistas no sólo sean inmunes al conocimiento, sino que difundan activamente conocimiento falso. El conocimiento falso puede incluir resultados insignificantes cuya importancia se infla artificialmente, o resultados verdaderamente falsos que surgen de la manipulación o de datos fabricados.

No importa cómo los modelemos, los arribistas ciertamente pueden estrangular a nuestras comunidades científicas.

Es como la reacción nuclear en cadena que necesitamos desesperadamente - necesitamos una explosión de conocimiento - sólo que nuestro U-235 enriquecido tiene demasiado isótopo no reactivo U-238, lo que suprime la reacción en cadena.

Por supuesto, no existe una diferencia clara entre arribistas y verdaderos científicos. Cada uno de nosotros tiene un poco de arribismo escondido dentro de nosotros. La pregunta es cuánto tiempo puede durar la red antes de que la difusión del conocimiento se desvanezca.

Oh, leíste hasta el final. Gracias por leer.

Licencia

CC0 Todos los derechos no reservados. Puedes utilizar este trabajo como mejor te parezca :).

Agradecimientos

• Kevin Kwok и Nicky Caso para comentarios y sugerencias reflexivos sobre varias versiones del borrador.
• Nick Barr — por su apoyo moral durante todo el proceso y por los comentarios más útiles sobre mi trabajo.
• Keith A. por señalarme el fenómeno de la percolación y el umbral de percolación.
• Geoff Lonsdale para el enlace a este es un ensayo, que (a pesar de sus muchas deficiencias) fue el principal impulso para trabajar en este puesto.

Muestras de ensayos interactivos

• Todo el trabajo de Nicky Case, especialmente. "La parábola de los polígonos" (con Vi Hart) y "Desarrollar una mejor papeleta electoral". Este es un listón alto para lo que puede ser un ensayo interactivo.
• Destilar.pub: Descripciones interactivas de aprendizaje automático de excepcional calidad.
• Obra clásica de Bret Victor. "Arriba y abajo de la escalera de la abstracción". No era muy bueno subiendo escaleras, pero siempre hay un intento más.

Fuente: habr.com