Kui olete aega veetnud keerukate süsteemide üle mõtlema, mõistate ilmselt võrkude tähtsust. Võrgud valitsevad meie maailma. Alates keemilistest reaktsioonidest raku sees kuni ökoloogiliste suhete võrgustikeni, kaubandus- ja poliitilised võrgud, mis kujundavad ajaloo käiku.

Või vaadake seda artiklit, mida te loete. Tõenäoliselt leidsite selle sotsiaalmeedias, laadisite selle alla arvutivõrgust ja dešifreerite praegu selle tähendust oma neuraalvõrgustiku.

Kuid kui palju ma igasuguste võrkude üle aastaid olen mõelnud, ei mõistnud ma hiljuti lihtsa diffusiooni.

olulisust. See on meie teema täna: kuidas ja kui kaootiliselt kõik liikuda ja laiali jaguneb. Muidugi, mõned näited isu suurendamiseks:

• Nakkushaigused, mis kanduvad ühest kandjast teise populatsioonis.
• Memed, mis levivad sotsiaalmeedia jälgijate võrgus.
• Metsapõleng.
• Ideed ja tavad, mis tungivad kultuuri.
• Neutronite kaskaad rikastatud uraanis.

Lühike märkus vormist.

Erinevalt kõigist minu varasematest töödest, on see essee interaktiivne [v originaalartiklis on esitatud interaktiivsed näited liugurite ja nuppudega, mis juhivad objekti ekraanil — märk. tõlk.].

Nii et lähme edasi. Esimene ülesanne on luua visuaalne sõnastik jaotuse uurimiseks võrkude kaudu.

Lihtne mudel

Olen kindel, et kõik teate võrkude aluseid, see tähendab sõlmed + servad. Jaanuse uurimiseks piisab, kui märkida mõned sõlmed kui aktiivsed. Või nagu epidemioloogid armastavad öelda, nakatunud:

See aktiveerimine või nakkus levib võrgus sõlmest sõlme vastavalt reeglitele, mida me allpool arendame.

Tegelikkuses on võrgud tavaliselt palju suuremad kui see lihtne seitsme sõlmega võrk. Need on ka palju keerukamad. Kuid lihtsuse huvides loome siin mängu mudeli, et uurida ruudukujulist võrgustikku (lattice network).

(Võrgu realismi puudumist tasakaalustab see, et seda on lihtne joonistada 😉

Välja arvatud juhul, kui on märgitud teisiti, on võrgu sõlmedel neli naabrit, näiteks:

Ja peate kujutama, et need ruudustikud ulatuvad igas suunas lõpmatusse. Teisisõnu, meid ei huvita käitumine, mis toimub ainult võrgu äärtes või väikestes populatsioonides.

Arvestades, et võrgud on nii korrastatud, saab neid lihtsustada piksliteks. Näiteks kujutavad need kaks pilti ühte ja sama võrku:

Ühes käitumisvariandis edastab aktiivne sõlm alati nakkuse oma (mittesakkatud) naabritele. Kuid see on igav. Palju huvitavamaid asju juhtub, kui edastamine on tõenäoline.

SIR ja SIS

Uues SIR mudelid (Vastuvõtlik-Nakatatud-Eemaldatud) sõlm võib olla kolmes olekus:

• Vastuvõtlik (Susceptible)
• Nakatatud (Infected)
• Eemaldatud (Removed)

Nii see interaktiivne simulatsioon töötab [seal originaalartiklis saab valida nakkuse edastuskiirus vahemikus 0 kuni 1, vaadata protsessi samm-sammult või täielikult — märk. tõlk.:]

• Sõlmed alustavad vastuvõtlikena, välja arvatud mõned sõlmed, mis alustavad nakatunudena.
• Igal ajavahemikul saavad nakatunud sõlmed võimaluse edastada nakkuse igale oma vastuvõtlikule naabrile tõenäosusega, mis on seotud edastuskiirusest.
• Nakatunud sõlmed liiguvad seejärel olekusse 'eemaldatud', st ei suuda enam teisi nakatada ega ise nakatuda.

Haiguse kontekstis võib eemaldamine tähendada, et inimene on surnud või et tal on arenenud immuunsus patogeeni suhtes. Me räägime, et nad on 'eemaldatud' simulatsioonist, sest nendega ei toimu enam midagi.

Sõltuvalt sellest, mida me üritame modelleerida, võib olla vajalik mõni muu mudel, mis erineb SIR-ist.

Kui me simuleerime leetrite levikut või metsapõlengu puhkemist, sobib SIR suurepäraselt. Kuid oletame, et simuleerime uue kultuuripraktika, nagu meditatsioon, levikut. Esialgu on sõlm (inimene) vastuvõtlik, kuna ta ei ole seda kunagi varem teinud. Siis, kui ta hakkab mediteerima (võib-olla kuuleb ta sellest sõbralt), modelleeritakse teda nakatunudena. Kuid kui ta praktika lõpetab, ei sure ta ega jää simulatsioonist välja, kuna tulevikus võib ta selle harjumuse uuesti hõlpsasti omandada. Nii naaseb ta tagasi vastuvõtlikusse olekusse.

See on SIS mudel (Susceptible–Infected–Susceptible). Klassikalises mudelis on kaks parameetrit: nakkuse ülekande kiirus ja taastumise kiirus. Siiski, selle artikli simuleerimisel otsustasin ma lihtsustada, jättes taastumise kiiruseta. Selle asemel naaseb nakatunud sõlm automaatselt vastuvõtlikku olekusse järgmise aja jooksul, kui ta ei ole nakatunud ühegi oma naabri poolt. Lisaks lubame sõlmel, mis on nakatunud sammul n, nakatada end sammul n+1 tõenäosusega, mis on võrdne nakkuse ülekande kiirusest.

Arutelu

Kuidas näete, see erineb SIR mudelist oluliselt.

Kuna sõlmi kunagi ei eemaldata, võib isegi väga väike ja piiratud võrk toetada SIS nakkust pikema aja vältel. Nakkus lihtsalt hüppab sõlmelt sõlmele ja naaseb tagasi.

Hoolimata erinevustest, SIR ja SIS osutuvad meie eesmärkide jaoks üllatavalt vahetatavaks. Seetõttu jääme artikli ülejäänud osas SIS peale — peamiselt sellepärast, et see on elujõulisem ja seega huvitavam.

Kriitiline tase

Mängides SIR ja SIS mudelitega, võisite märgata mõnda nakkuse kestvuse kohta. Väga madalate nakkuse ülekande kiiruste, nagu 10%, puhul kipub nakkus välja surema. Samas kõrgemate väärtuste, nagu 50%, puhul jääb nakkus ellu ja haarab suurema osa võrgust. Kui võrk oleks lõpmatu, võiksime kujutada, et see jätkub ja levib igavesti.

Sellise piiramatu difusioonil on palju nimesid: 'viiruslik', 'tuumarelv' või (selle artikli pealkirjas) kriitiline.

Selgub, et on konkreetne murdmise punkt, mis eraldab alam-kriitilised võrgud (millel on tugev surmaotsus) ja ülekriitilised võrgud (mis suudavad kasvada piiramatult). See murdepunkti nimetatakse kriitiliseks piiriks, ja see on üsna üldine tunnusjoon difusiooniprotsesside puhul tavapärastes võrkudes.

Kriitilise piiri täpne väärtus erineb võrkude vahel. Ühine on, et erinevate selline väärtus.

[Interaktiivses demonstreerimises, mille leiate algse artikli järgi võite proovida käsitsi leida võrgu kriitilise piiri, muutes nakkuse ülekande kiirusete väärtust. See asub kusagil 22% ja 23% vahel — märkus toimetajalt.]

22% (ja madalam) korral nakkus lõpuks sureb. 23% (ja kõrgem) korral esialgne nakkus mõnikord sureb, kuid enamikul juhtudel suudab see ellu jääda ja levida piisavalt kaua, et tagada endale igavene olemasolu.

(Muide, on terve teaduslik valdkond, mis on pühendatud nende kriitiliste lävendite otsimisele erinevate võrgu topoloogiate jaoks. Kiireks tutvumiseks soovitan, et kerige läbi Vikipeedia artikkel, mille pealkiri on lävepunkt).

Üldiselt töötab see nii: allpool kriitilist lävendit sureb igasugune lõplik nakkus võrku garantii (95% tõenäosusega) lõpuks. Kuid kriitilise lävepunkti kohal on tõenäosus (p > 0), et nakkus kestab igavesti ja levib suvaliselt kaugele algsest kohast.

Kuid juhtige tähelepanu, et üle kriitilise võrgu ei garanteeri, et nakkus kestab igavesti. Tegelikult nõrgeneb see sageli, eriti mudeli algstaadiumis. Vaatame, kuidas see toimub.

Oletame, et alustasime ühe nakatunud sõlmega ja nelja naabriga. Simulatsiooni esimesel sammul on nakkusel 5 sõltumatut võimalust levimiseks (sealhulgas võimalus "levitada" end järgmise sammu jooksul):

Kujutame nüüd ette, et nakatumise määr on 50%. Sel juhul viskame esimesel sammul viit korda münti. Ja kui saadakse viis kulli, siis nakkus hävitatakse. See juhtub umbes 3% juhtudest — ja see on ainult esimesel sammul. Nakkusel, mis ellu jäi esimesest sammust, on mingi (tavaliselt väiksem) võimalus nõrgeneda teisel sammul, mingi (veel väiksem) võimalus nõrgeneda kolmandal sammul jne.

Seega, isegi kui võrk on üle kriitilise — kui nakatumise määr on 99% — on võimalus, et nakkus kaob.

Kuid oluline on see, et see ei alati ära kao. Kui summeerida nõrgenemise tõenäosus kõigil sammultel lõputuks, on tulemus alla 1. Teisisõnu, nullist erineva tõenäosusega võib nakkus jätkuda igavesti. Just seda tähendab võrgu jaoks olla üle kriitiline.

SISa: spontaane aktiveerimine

Selle punktini on kõik meie simulatsioonid alanud väikesest tükkist eelnevalt nakatunud sõlmedest keskmes.

Aga mis siis, kui alustada nullist? Seejärel modelleerime spontaanset aktiveerimist — protsessi, mille käigus vastuvõtlik sõlm nakatub juhuslikult (mitte üheltki naabrist).

See on kandideerib mudel SISa. Täht „a“ tähendab „automaatne“.

SISa simulatsioonis ilmub uus parameeter — spontaansete aktiveerimiste kiirus, mis muudab spontaansete nakkuste tekkimise sagedust (edastuskiirus, mida me varem nägime, on samuti kohal).

Mida on vaja, et nakkus leviks üle kogu võrgu?

Arutelu

Võib-olla olete simulatsioonis märganud, et spontaansete aktiveerimiste kiirus ei muuda seda, kas nakkus haarab kogu võrgu või mitte. Ainult edastuskiirus määrab, kas võrk on al- või üle kriitiline. Ja kui võrk on allakriitiline (edastuskiirus on 22% või vähem), ei saa ükski nakkus levida kogu ruudustikku, sõltumata sellest, kui sageli see algab.

See on nagu leida tuld märjal väljal. Sa saad süüdata mõned kuivad lehed, kuid leek kustub kiiresti, kuna ülejäänud maastik ei sütti piisavalt kergesti (allakriitiline). Samas väga kuival väljal (ülekriitilises) piisab vaid ühest iskust, et algab suur tulekahju.

Sarnaseid asju võib näha ideede ja leiutiste valdkonnas. Sageli pole maailm idee jaoks valmis ja sel juhul saab seda leiutada ikka ja jälle, aga see ei köida massi. Teisest küljest võib maailm olla täielikult valmis leiutiseks (suur varjatud nõudlus) ja kui see sünnib, siis vastu võetakse see kõikjalt. Keskel on ideed, mida leiutatakse mitmes kohas ja levivad kohalikult, kuid mitte piisavalt, et mõni eraldi versioon hõlmaks kohe kogu võrku. Selle viimase kategooria hulka kuuluvad näiteks põllumajandus ja kirjalikkus, mis on sõltumatult leiutatud erinevate inimtsivilisatsioonide poolt umbes kümme ja kolme kord.

Immuunsus

Oletame, et muudame mõned sõlmed täiesti haavatamatuteks, st aktiveerimise suhtes immuunseteks. See on justkui nad oleks algselt eemalolekuseisundis ning mudel SIS(a) käivitatakse ülejäänud sõlmedes.

Liugur «immuunsus» haldab eemaldatud sõlmede protsenti. Proovige selle väärtust muuta (mudeli töö ajal!) ja vaadake, kuidas see mõjutab võrgu seisundit, kas see on ülekriitiline või mitte.

Arutelu

Immuunsete sõlmede arvu muutmine muudab täielikult olukorda, kas võrk on alla- või ülekriitiline. Ja pole raske mõista, miks. Suure hulga immuunsete sõlmede korral on infektsioonil vähem võimalusi uutele peremeestele levida.

Selgub, et see toob kaasa mitmeid väga olulisi praktilisi tagajärgi.

Üks neist on metsade põlengute leviku tõkestamine. Kohalikul tasandil peab iga inimene võtma enda ettevaatusabinõud (näiteks mitte jätta avatud leeketa). Kuid suurtel mõõtmetel on individuaalsed puhangud vältimatud. Seega seisneb teine kaitsemeetod piisava arvu «katkestuste» tagamises (kergestisüttivate materjalide võrgus), et puhangu ei kataks kogu võrku. Seda funktsiooni täidavad lageraie:

Veel üks puhangu, mida on oluline peatada, on nakkushaigus. Siin tuuakse sisse mõisted populatsioonide immuunsus. See on idee, et mõnda inimest ei saa vaktsineerida (näiteks on neil immuunsüsteem kahjustatud), kuid kui piisavalt inimesi on nakkuse suhtes immuunsed, siis haigus ei saa levida lõpmatult. Teisisõnu, tuleb vaktsineerida piisav osa populatsioonist, et viia eluviis ülekriitilisest alla-kriitilisse olekusse. Kui see juhtub, võib üks patsient siiski nakatuda (näiteks pärast reisi teise piirkonda), kuid ilma ülekriitilise võrgu, kus haigus võiks kasvada, nakatab haigus vaid väikest hulka inimesi.

Lõpuks selgitab immuunsete sõlmede mõisted, mis toimub tuumareaktoris. Ahelreaktsioonis vabastab lagunev uraani-235 aatom umbes kolm neutronit, mis põhjustavad (keskmiselt) rohkem kui ühe U-235 aatomi jagunemise. Uued neutronid põhjustavad siis edasist aatomite jagunemist ja nii edasi eksponentsiaalselt:

Pommi loomisel on kogu mõte tagada tõkestamatu eksponentsiaalse kasvu jätkumine. Kuid elektrijaamas on eesmärk toota energiat, tapmata kõiki ümberringi. Selle saavutamiseks kasutatakse reguleerimistankasid, mis on valmistatud materjalist, mis suudab neelata neutroneid (näiteks hõbe või boor). Kuna need neelavad neutroneid, mitte ei vabasta neid, toimivad nad meie simuleerimises nagu immuunsed sõlmed, takistades seega radioaktiivse tuuma ülekriitilisse seisundisse sattumist.

Seega seisneb tuumareaktori trikk reaktsiooni hoidmisest kriitilise piiri lähedal, liigutades reguleerimistankasid edasi-tagasi, ja tagama, et iga kord, kui midagi läheb valesti, langetatakse tankad tuuma sisse ja peatatakse see.

Sõlme

Sõlme aste on selle naabruskonna arv. Kuni selle hetkeni oleme vaadanud 4. astme võrke. Aga mis juhtub, kui seda parameetrit muuta?

Näiteks, võib iga sõlm ühendada mitte ainult nelja vahetu naabriga, vaid ka veel neljaga diagonaalis. Sellises võrgus on aste 8.

4. ja 8. astme režiimid on hästi sümmeetrilised. Kuid 5. astme puhul (näiteks) tekib probleem: milliseid viit naabrit valida? Sellisel juhul valime neli lähimat naabrit (P, I, L, K) ja seejärel valime juhuslikult ühe naabriga hulgast {NE, SE, SW, NW}. Valik tehakse sõltumatult iga sõlme jaoks igal ajaperioodil.

Arutelu

Korduv ütlema, et ei ole raske mõista, mis siin toimub. Kui igal sõlmel on rohkem naabreid, siis suurenevad võimalused nakkuse levimiseks — ja seega on tõenäolisem, et võrk muutub kriitiliseks.

Kuid tagajärjed võivad olla ootamatud, nagu me näeme allpool.

Linnad ja võrgu tihedus

Kuni siiani on meie võrgud olnud täielikult homogeenilised. Iga sõlm näeb välja nagu iga teine. Aga mis juhtub, kui muudame tingimusi ja lubame erinevaid sõlmede olekuid kogu võrgus?

Näiteks proovime modelleerida linnu. Selleks suurendame mõnes võrgu osas tihedust (kõrgem sõlmede aste). Teeme seda nende andmete põhjal, et linnaelanikud omavad laiemat sotsiaalset ringkonda ja rohkem sotsiaalseid interaktsioone, kui inimestel linna piiridest väljaspool.

Meie mudelis on vastuvõtlikud sõlmed värvitud nende astme alusel. "Mereäärsetes piirkondades" on sõlmedel aste 4 (ja need on värvitud heledaks halliks), samas kui "linnades" on sõlmedel kõrgemad astmed (ja need on tumedamad), algusega astmest 5 äärelinnas ja lõpuga 8 kesklinnas.

Proovi leida selline levimiskiirus, et aktiveerimine kataks linnad ja seejärel ei läheks neist välja.

Leian, et see simulatsioon on ühtaegu ilmne ja üllatav. Muidugi, linnad toetavad kultuuri taset paremini kui maapiirkonnad - seda teavad kõik. Mis mind üllatab, on see, et osa sellest kultuurilisest mitmekesisusest tekib lihtsalt sotsiaalvõrgustiku topoloogia alusel.

See on huvitav punkt, proovin selgitada lähemalt.

Siin tegeleme kultuuri vormidega, mis edastatakse lihtsalt ja otse inimeselt inimesele. Näiteks, kombed, salongimängud, moesuundumused, väikeste gruppide rituaalid ja tooted, mis levivad suust suhu, pluss suured infokogumid, mida me nimetame ideedeks.

(Märkus: teabe edastamine inimeste vahel on äärmiselt keeruline massimeedia tõttu. Lihtsam on kujutada mingi tehnoloogiliselt primitiivset keskkonda, näiteks Vana-Kreeka, kus peaaegu iga kultuuri säde edastati füüsilise ruumi kaudu toimuva interaktsiooni kaudu).

Antud simulatsioonist sain teada, et on ideed ja kultuuripraktikad, mis võivad juurduda ja levida linnas, kuid need lihtsalt ei suuda maapiirkonnas levida (matemaatiliselt ei suuda). Need on samad ideed ja samad inimesed. Asi ei ole selles, et maainimesed oleksid mingid "lollid": sama idee puhul on neil täpselt sama võimalus selle vastu võtta, nagu linnainimestel. Lihtsalt ise idee ei saa maapiirkonnas levima hakata, sest seal ei ole nii palju sidemeid, mille kaudu see võiks levida.

Seda on tõenäoliselt kõige lihtsam näha moevaldkonnas – riiete, soengute jms osas. Moemaailmas saame jälgida võrgustiku harja, kui kaks inimest märkavad üksteise riietust. Linnakeskuses võib iga inimene igapäevaselt näha rohkem kui 1000 teist inimest – tänaval, metros, ülerahvastatud restoranis jne. Maa piirkondades aga võib iga inimene näha vaid paari tosinat teist. Tuginedes, suudab linn toetada rohkem moetrende. Ja ainult kõige veenvamad trendid – kõige kiirema levimisega – suudavad linna piiridest väljuda.

Kaldume arvama, et kui idee on hea, siis jõuab see lõpuks kõigini, ja kui idee on halb, siis kaob see. Ilmselgelt on see äärmuslike juhtumite puhul tõsi, kuid nende vahel on hulk ideesid ja praktikaid, mis saavad viiruslikuks ainult teatud võrgustikes. See on tõeliselt hämmastav.

Mitte ainult linnad

Kasutame siin võrgustiku tiheduse mõju. See määratakse antud sõlmede komplektile kui reaalsete harudearv, jagatud potentsiaalsete harudearvuga. See tähendab võimalike seoste protsenti, mis tõeliselt eksisteerivad.

Nii oleme näinud, et võrgu tihedus linnakeskustes on suurem kui maapiirkondades. Kuid linnad ei ole ainus koht, kus me kohtame tihedaid võrgustikke.

Huvitavaks näiteks on keskkoolid. Näiteks võrreldes konkreetse piirkonna koolilaste vahel olemasolevat võrku vanemate vahel eksisteeriva võrguga. Sama geograafiline piirkond ja sama rahvaarv, kuid üks võrk on palju tihedam kui teine. Seetõttu ei ole üllatav, et moesuundumused ja keeletrendide levik on noorukite seas palju kiirem.

Sarnasel viisil on eliitevõrgud tavaliselt tihedamad kui mitteeliitevõrgud — minu arvates on see fakt alahinnatud (inimesed, kes on populaarsed või mõjukad, veedavad rohkem aega suhete loomisel ja seetõttu on neil rohkem "naabreid" kui tavainimestel). Ülaltoodud simulatsioonidest lähtuvalt ootame, et eliitevõrgud toetavad teatud kultuurivorme, mida mainstream ei suuda lihtsalt matemaatiliste seaduste tõttu, mis tulenevad võrgustike keskmisest tihedusest. Jätan teile mõtlema, millised need kultuurivormid võiksid olla.

Lõpuks saame seda ideed rakendada internetile, modelleerides seda kui tohutut ja väga tihedat linna. Pole üllatav, et internetis õitseb palju uusi kultuurivorme, mida ei saa lihtsalt ruumilistes võrgustikes toetada: nišihobid, kõrgemad disainistandardid, suurem teadlikkus ebaõiglusest jne. Ja see ei ole ainult meeldivad asjad. Nii nagu esimesed linnad olid haiguste kasvulavad, mis ei saanud madala rahvaarvu korral levida, on internet samuti viljakas pinnas halvale kultuurivormile, nagu klikkimise himu, valeuudised ja kunstlik ärrituvus.

Teadmised

"Õige eksperdi kaasamine õigeaegselt on sageli kõige väärtuslikum ressurss loova probleemi lahendamiseks." — Michael Nielsen, "Avastuste leiutamine"

Me mõtleme sageli avastustest või leiutistest kui protsessist, mis toimub üksiku geeniuse mõtetes. Temale tuleb äkiline inspiratsiooni puhangu — eurika! — ning äkki saame uue viisi mahu mõõtmiseks. Või gravitatsioonivõrrandi. Või lambipirni.

Kuid kui võtta lausumise seisukoht üksiku leiutaja avastamise hetkel, vaatame nähtust sõlmepunktinäkku. Õigem oleks tõlgendada leiutist kui võrgustiku nähtust.

Võrk on oluline vähemalt kahes mõttes. Esiteks peavad juba olemasolevad ideed jõudma leiutaja teadvusse. Need on tsitaadid uuest artiklist, bibliograafiline loend uuest raamatust — hiiglased, kelle õlgadel Newton seisis. Teiseks on võrk ülioluline uue idee tagasiviimiseks tagasi. maailma; leiutis, mis pole levinud, ei vääri tõenäoliselt isegi „leiutise” nimetamist. Seega on mõlemal põhjusel mõttekas modelleerida leiutist — või laiemalt teadmiste kasvu — kui difusiooniprotsessi.

Peagi esitan ma umbkaudse simuleerimise, kuidas teadmised võivad levitada ja kasvada võrgu sees. Aga kõigepealt pean ma selgitama.

Simulatsiooni alguses asub iga ruudu nurgas neli eksperti, paigutatuna järgmiselt:

Eksperdil 1 on idee esmane versioon – nimeta seda Ideeks 1.0. Ekspert 2 on see, kes teab, kuidas muuta Idee 1.0 Ideeks 2.0. Ekspert 3 teab, kuidas muuta Idee 2.0 Ideeks 3.0. Ja lõpuks, neljas ekspert teab, kuidas teha viimased täiendused, et luua Idee 4.0.

See on nagu tehnika, näiteks origami, kus meetodid arendatakse ja kombineeritakse teiste meetoditega, et luua huvitavamaid struktuure. Või võib see olla teadmiste valdkond, nagu füüsika, kus hilisem töö põhineb eelkäijate põhiseintel.

Selle simulatsiooni olemus on see, et kõik neli eksperti peavad oma panuse andma idee lõppversiooni. Ja igal sammul tuleb idee suunata vastavale eksperdile.

Mõned ettevaatusabinõud. Simulatsioonis on kodeeritud palju ebareaalseid eeldusi. Siin on mõned neist:

1. Eeldatakse, et ideed ei saa säilitada ja edastada muul viisil kui inimeselt inimesele (st raamatuid ja meediat ei ole).
2. Eeldatakse, et populatsioonis on pidevad eksperdid, kes suudavad ideid genereerida, kuigi tegelikult mõjutab avastamise või leiutamise tekkimist palju juhuslikke tegureid.
3. Kasutatakse sama SIS (edastamise kiirus, immuunsuse protsent jne) parameetrite komplekti kõigi nelja idee versiooni jaoks, kuigi realistlikum oleks tõenäoliselt kasutada iga versiooni (1.0, 2.0 jne) jaoks erinevaid parameetreid.
4. Eeldatakse, et idee N+1 asendab alati täielikult idee N, kuigi praktikas ringlusse jõuavad sageli nii vana kui ka uus versioon samaaegselt, ilma kategoorilise võitjata.

… ja palju muud.

Arutelu

See on naeruväärselt lihtsustatud mudel sellest, kuidas teadmised tegelikult kasvavad. Mudelist jääb välja palju olulisi detaile (vt ülal). Siiski peegeldab see protsessi olulist olemust. Seetõttu saame me, tingimuslikult, arutleda teadmiste kasvu üle, kasutades meie teadmisi difusioonist.

Konkreetsemalt annab difusioonimudel arusaama, kuidas kiirendada protsessi: tuleb lihtsustada ideede vahetust ekspertide sõlmedes. See võib tähendada võrgu puhastamist surnud sõlmedest, mis takistavad difusiooni. Või see võib tähendada, et kõik eksperdid on paigutatud linna või klastrisse, kus on suur võrgustiku tihedus, kus ideed kiiresti levivad. Või lihtsalt koguda nad ühte ruumi:

Nii… see on kõik, mida ma saan difusioonist rääkida.

Kuid mul on üks viimane mõte, ja see on väga oluline. Jutt on teaduse valdkonnas (ja stagnatsioonist) kasvust. See idee erineb tonaalsuselt ja sisult kõigest, mida on varem öeldud, kuid ma loodan, et te andestate mulle.

Teaduslikest võrgustikest

Joonisel on kujutatud üht maailma kõige olulisemat positiivset tagasiside tsüklit (ja see on juba üsna kaua niimoodi olnud):

Tsükli tõusuv osa (K ⟶ T) on piisavalt lihtne: kasutame uusi teadmisi uute tööriistade arendamiseks. Näiteks pooljuhtide füüsika mõistmine võimaldab meil luua arvuteid.

Kuid allapoole suunatud liikumine vajab veidi selgitamist. Kuidas tehnoloogia areng viib teadmiste kasvu?

Üks viis — võib-olla kõige vahetum — on see, kui uued tehnoloogiad pakuvad meile uusi viise maailma tajumiseks. Näiteks paremad mikroskoobid võimaldavad meil sügavamalt rakkude sisemusse piiluda, pakkudes ideid molekulaarbioloogia jaoks. GPS-seadmed näitavad, kuidas loomad liiguvad. Ahnus kasutab ookeanide uurimiseks. Ja nii edasi.

Kahtlemata on see eluliselt tähtis mehhanism, kuid on vähemalt kaks muud teed tehnoloogia ja teadmiste vahel. Need ei pruugi olla nii lihtsad, kuid ma arvan, et nad on sama olulised:

Esimene. Tehnoloogia viib majanduslikku küllusesse (st rohkusesse), mis võimaldab suuremal hulgal inimestel tegeleda teaduse loomisega.

Kui 90% teie riigi elanikkonnast tegeleb põllumajandusega ja ülejäänud 10% tegeleb millegi muu, olgu selleks kaubandus või sõda, siis on inimestel äärmiselt vähe vaba aega loodusseaduste üle mõtlema. Võib-olla on see põhjus, miks varem edendas teadust peamiselt rikaste perede lapsed.

USA-s lõpetatakse igal aastal üle 50 000 doktorikraadi. Selle asemel, et inimene läheks 18-aastaselt (või varem) tehasesse tööle, peab doktorant olema rahastatud kuni 30 või võib-olla kuni 40 aastani – ja isegi siis on ebaselge, kas tema töö toob mingit tegelikku majanduslikku kasu. Kuid see on vajalik, et inimene saavutaks oma valdkonnas tippu, eriti sellistes keerulistes valdkondades nagu füüsika või bioloogia.

Asi on selles, et spetsialistide hind on süsteemide seisukohalt kõrge. Ja uue tehnoloogia, mis rahastab neid spetsialiste, lõplik allikas on uus tehnoloogia: puu toetab sulge.

Teine. Uued tehnoloogiad, eriti reiside ja suhtluse valdkonnas, muudavad sotsiaalsete võrkude struktuuri, kus teadmised arenevad. Eriti võimaldab see ekspertidel ja spetsialistidel tihedamalt koostööd teha.

Siia hulka kuuluvad märkimisväärsed leiutised nagu trükikoda, aurulaevad ja raudteed (mis lihtsustavad reisimist ja/või postiteenuste saatmist pikkadesse kaugustesse), telefonid, lennukid ja internet. Kõik need tehnoloogiad aitavad kaasa võrgu tiheduse suurendamisele, eriti spetsialiseeritud kogukondades (kus toimub peaaegu kogu teadmiste kasv). Näiteks postivõrgud, mis tekkisid Euroopa teadlaste seas keskaja lõpus, või kuidas kaasaegsed füüsikud kasutavad arXiv'i.

Lõppkokkuvõttes on mõlemad teed sarnased. Mõlemad suurendavad spetsialistide võrgustiku tihedust, mis omakorda viib teadmiste kasvuni:

Aastaid olen ma kõrgkooli suhtes üsna põlgust tundnud. Lühike viibimine doktorantuuris jättis suhu ebameeldiva maigu. Kuid nüüd, kui ma tagasi vaatan ja mõtlen (püüdes eraldi hoida kõiki isiklikke muresid), pean ma järeldama, et kõrgharidus on endiselt äärmiselt tähtis.

Akadeemilised sotsiaalsed võrgustikud (nt teadusuuringute kogukonnad) on üks kõige arenenumaid ja väärtuslikumaid struktuure, mida meie tsivilisatsioon on loonud. Kusagil mujal pole me suutnud koguda nii suurt spetsialistide kontsentratsiooni, kes on keskendunud teadmiste tootmisele. Kusagil ei ole inimesed arendanud endas suuremaid võimeid mõista ja kritiseerida üksteise ideid. See on edusammude pulss. Just nendes võrgustikes põleb valgustuse tuli kõige eredamalt.

Kuid me ei saa edusamme võtta iseenesestmõistetavana. Kui katkestus katsetuste taastootmisega ja on meid millegi õpetanud, siis on see see, et teaduses võivad tekkida süsteemsed probleemid. See on omamoodi võrgustiku degradatsioon.

Oletame, et me eristame kaht teadusteaduse praktiseerimise viisi: tõeline teadus ja karjääripoliitika. Tõeline teadus on praktika, mis usaldusväärselt toodab teadmisi. Seda motiveerib uudishimu ja iseloomustab ausus (Feynman: „Näete, mul on lihtsalt vaja maailmasse süveneda“). Karjääripoliitika on seevastu motiveeritud professionaalsetest ambitsioonidest ja iseloomustab poliitiline mängimine ning teaduslikud sildid. See võib välja näha ja käituda nagu teadus, kuid ei toodab usaldusväärseid teadmisi.

(Jah, see on liialdatud dikotoomia. Lihtsalt mõttemäng. Palun ärge solvuge).

Tegelikult, kui karjääripoliitikud asuvad reaalses teadusuuringute kogukonnas, rikuvad nad tööd. Nad püüavad end esile tõsta, samas kui ülejäänud kogukond püüab uusi teadmisi hankida ja jagada. Selle asemel, et püüda selgust, keeravad karjääripoliitikud asju keerulisemaks ja segasemaks, et kõlada muljetavaldavamalt. Nad tegelevad (nagu ütleks Harry Frankfurt) teadusliku jamaga. Ja seetõttu võiksime neid mudelina kujutada kui surnud sõlmi, kes ei allu hea tahtega teabevahetusele, mis on vajalik teadmiste kasvuks:

Võib-olla on parim mudel see, kus karjääripoliitilised sõlmed ei ole mitte ainult teadmistele tuimad, vaid aktivselt levitavad vale teadmisi. Vale teadmised võivad hõlmata ebaolulisi tulemusi, mille tähtsust on kunstlikult inflatsiooni kaudu suurendatud, või tõeliselt vale tulemusi, mis tekivad manipuleerimisest või valeandmetest.

Sõltumata sellest, kuidas me neid mudime, võivad karjääristid kindlasti meie teadusühtsusi lämmatada.

See sarnaneb ahelreaktsioonile, milles me teravalt vajame – meil on vaja teadmiste plahvatust – kuid meie rikastatud U-235-s on liiga suur segunemine reaktiivsetest isotoopidest U-238, mis pärsib ahelreaktsiooni.

Küll aga ei ole karjääristide ja tõeliste teadlaste vahel selget eristust. Meis kõigis on natuke karjäärismi. Küsimus on selles, kui palju suudab võrgustik vastu pidada, enne kui teadmiste levik vaibus.

Oh, sa lugesid lõpuni. Aitäh, et lugesid.

Litsents

CC0 kõik õigused ei ole kaitstud. Võid seda tööd kasutada, kuidas soovid :).

Tänud

• Kevin Kwokile ja Nikki Case'ile mõtleva tagasiside ja ettepanekute eest mitmesuguste mustandi versioonide kohta.
• Nick Barri — moraalse toetuse eest kogu protsessis ja kõige kasulikuma tagasiside eest minu töö kohta.
• Kit A-le, et juhtis tähelepanu perkolatsiooni nähtusele ja voolamispiirile.
• Jeff Lonsdale'ile linki sellele esseele, mis (hoolimata oma paljusid puudustest) on olnud peamine stiimul selle postituse kirjutamiseks.

Interaktiivsete esseede näidised

• Kõik Nikki Case'i tööd, eriti «Jutustus polügoonidest» (Vi Hartiga) ja «Parima hääletuslehe loomine». See on kõrge latiriba, milline võib olla interaktiivne essee.
• Distill.pub: erakordselt kvaliteetsed interaktiivsed masinõppe kirjeldused.
• Bret Victori klassikaline töö «Üles ja alla abstraktsioonide Redel». Ma ei saanud redelil väga hästi edasi, aga alati on veel üks katse.

Allikas: habr.com