Kui olete kulutanud aega keeruliste süsteemide mõtlema, siis mõistate tõenäoliselt võrkude tähtsust. Võrgud valitsevad meie maailma. Alates keemilistest reaktsioonidest rakkudes, kuni ökosüsteemi suhete võrkudeni, kaubanduse ja poliitiliste võrkudeni, mis kujundavad ajaloo kulgu.

Või võtame näiteks selle artikli, mida praegu loete. Tõenäoliselt leidsitte selle sotsiaalmeediasallalaadimisega arvutivõrgust ja hetkel tõlgendate selle tähendust oma neuraalvõrgu.

kõrval. Kuid kuigi ma olen aastaid võrkudest mõelnud, ei mõistnud ma hiljuti lihtsa difusiooni.

tähtsust. See on tänane teema: kui kaootiliselt kõik liigub ja laienenud. Siin on mõned näited, et teie isu äratada:

• Nakkushaigused, mis levivad peremehelt peremehele populatsioonis.
• Memed, mis levivad sotsiaalmeedia jälgijate grafis.
• Metskapõleng.
• Ideed ja praktikud, mis tungivad kultuuri.
• Neutronikaskaad rikastatud uranis.

Lühike märkus vormi kohta.

Erinevalt kõigist minu varasematest töödest, on see essee interaktiivne [в originaalses artiklis on interaktiivsed näited liugurid ja nuppudega, mis kontrollivad objekte ekraanil - nt.

Nii et alustame. Esimene ülesanne on luua visuaalne sõnastik levitamiseks võrkudes.

Lihtne mudel

Olen kindel, et kõik teate võrkude põhialuseid, st sõlmed + servad. Leviku uurimiseks tuleb lihtsalt märkida mõned sõlmed kui aktiivsed. Või nagu epidemioloogid sageli ütlevad, nakatunud:

See aktiveerimine või nakatumine levib võrgus sõlmest sõlme vastavalt reeglitele, mille me allpool välja töötame.

Tegelikud võrgud on tavaliselt palju suuremad kui see lihtne seitsme sõlmega võrk. Need on samuti palju keerukamad. Kuid lihtsuse huvides ehitame siin mänguasja mudeli, et uurida koesskeemi, st koesskeemivõrku (lattice network).

(Kuna võrgul puudub realism, kompenseeritakse seda sellega, et seda on lihtne kujutada 😉

Välja arvatud juhul, kui on märgitud teisiti, on iga võrgu sõlmel neli naabrust, näiteks:

Ja tuleb mõelda, et need võrgustikud ulatuvad igavesse suunda. Teisisõnu, meid ei huvita käitumine, mis toimub ainult võrgus või väikestes populatsioonides.

Arvestades, et võrgustikud on nii korrastatud, saab neid lihtsustada piksliteks. Näiteks need kaks pilti esindavad sama võrku:

Ühes käitumisvariatsioonis edastab aktiivne sõlm alati nakkuse oma (mitte-nakatunud) naabritele. Kuid see on igav. Tunduvalt huvitavam on see, mis juhtub, kui edastamine on tõenäoline.

SIR ja SIS

V SIR mudelid (Susceptible-Infected-Removed) sõlm võib olla kolmes olekus:

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

Nii toimib interaktiivne simuleerimine [sisaldab originaalses artiklis saate valida nakkuse edastamise kiirus vahemikus 0 kuni 1, vaadata protsessi samm-sammult või tervikuna — tõlkija märkus]:

• Sõlmed algavad vastuvõtlikena, välja arvatud mõned sõlmed, mis algavad nakatunutena.
• Igal ajasammul saavad nakatunud sõlmed võimaluse edastada nakkuse kõigile oma vastuvõtlikele naabritele kiirusena, mis on võrdsed edastamise tõenäosusega.
• Nakatud sõlmed lähevad seejärel seisundisse „eemaldatud”, mis tähendab, et nad ei suuda enam teisi nakatada ega ise nakatuda.

Haiguse kontekstis võib eemaldamine tähendada, et inimene on surnud või et tal on tekkinud immuunsus patogeeni suhtes. Ütleme, et nad on „eemaldatud” simulatsioonist, kuna nendega ei toimu enam midagi.

Sõltuvalt sellest, mida me püüame mudeldada, võib olla vajalik kasutada teistsugust mudelit kui SIR.

Kui me simuleerime sõulise leetrite või metsapõlengu levikut, sobib SIR suurepäraselt. Kuid oletame, et simuleerime uue kultuurilise praktika, näiteks meditatsiooni, levikut. Alguses on sõlm (inimene) vastuvõtlik, sest ta ei ole kunagi seda varem teinud. Seejärel, kui ta hakkab mediteerima (võimalik, et kuulduna sõbralt), mudeldame teda kui nakatunut. Kuid kui ta lõpetab praktika, ei sure ta ega kao simulatsioonist, sest tulevikus võib ta seda harjumust taas kergesti omaks võtta. Nii läheb ta tagasi vastuvõtlikku seisundisse.

See mudel SIS (Susceptible–Infected–Susceptible). Klassikalises mudelis on kaks parameetrit: edastuskiirus ja taastumiskiirus. Siiski, selle artikli simulatsioonides otsustasin ma lihtsustada, jättes taastumiskiiruse parameetri kõrvale. Selle asemel naaseb nakatunud sõlm automaatselt vastuvõtlikku olekusse järgmisel ajahetkel, kui ta ei ole nakatunud ühegi naabri poolt. Samuti lubame sõlmel, mis nakatub samal hetkel n, iseennast nakatada n+1 sammul tõenäosusega, mis vastab edastuskiirusel.

Arutelu

Nagu näete, erineb see üsna palju SIR mudelist.

Kuna sõlmi kunagi ei kustutata, suudab isegi väga väike ja piiratud võrk toetada SIS-nakkust pikka aega. Nakkus lihtsalt hüppab sõlmelt sõlmele ja naaseb tagasi.

Hoolimata erinevustest osutuvad SIR ja SIS meie eesmärkide jaoks üllatavalt vahetatavaks. Seetõttu keskendume ülejäänud artiklis SIS-ile — peamiselt sellepärast, et see on vastupidavam ja seega huvitavam töötada.

Kriitiline tase

Mängides SIR ja SIS mudelitega, võisite märgata midagi nakkuse kestvuse kohta. Väga madalatel edastuskiirusel, nagu 10%, nakkus on kalduv hääbuma. Samas kõrgematel väärtustel, nagu 50%, nakkus püsib elus ja haarab suurema osa võrgust. Kui võrk oleks lõpmatu, võiksime oletada, et see jätkub ja levib igavesti.

Sellist piiramatu difusiooni nimetatakse mitmeti: 'viiruslik', 'tuum' või (selle artikli pealkirjas) kriitiline.

Selgub, et on konkreetne lõpp-punkt, mis lahutab all-kriitilised võrgud (hukkumise teel) ja ülekriitilisi võrke (millega on võimalik lõpmatu kasv). See murdepunkt on tuntud kui kriitiline lävi, ja see on üsna üldine tunnus difusiooniprotsesside puhul tavalistes võrkudes.

Kriitilise läve täpne väärtus varieerub erinevate võrkude vahel. Ühised jooned on olemasolu selle väärtusega.

[Interaktiivses demonstreerimises, algse artikli kaudu saate proovida käsitsi leida võrgu kriitilist läve, muutes edastuskiirus. See asub kuskil 22% ja 23% vahel — toimetaja märk.]

22%-l ja madalamate infektsioonide puhul sureb see lõpuks välja. 23% ja kõrgemate korral sureb algne infektsioon mõnikord välja, kuid enamikul juhtudel suudab see ellu jääda ja levida piisavalt kaua, et tagada endale igavene olemasolu.

(Muide, on olemas terve teadusharu, mis on pühendatud nende kriitiliste lävi otsimisele erinevates võrgutopoloogiatel. Kiireks tutvumiseks soovitan kiiresti sirvida Vikipeedia artiklit, läve toitmine).

Nii et niimoodi see toimib: kriitilisest lävest allpool sureb iga lõplik infektsioon võrkus garanteeritult (tõenäosus 1) lõpuks välja. Kuid kriitilisest lävest kõrgemal on tõenäosus (p > 0), et infektsioon kestab igavesti ning levib juhuslikult kaugele algse asukoha kõrval.

Tuleb siiski märkida, et üle-kriitiline võrk ei garanteeri, et infektsioon kestab igavesti. Tegelikult sageli vaibub see, eriti modelleerimise varases etapis. Vaadakem, kuidas see toimub.

Oletame, et alustame ühest nakatunud sõlmpunktist ja neljast naabrusest. Simulatsiooni esimesel sammul on nakkusel 5 iseseisvat võimalust levimiseks (sealhulgas võimalus "levida" iseendasse järgmisel sammul):

Nüüd oletame, et edasiviimise kiirus on 50%. Sel juhul viskame esimesel sammul mündi viis korda. Ja kui tuleb viis kulli, hävitatakse nakkus. See juhtub umbes 3% juhtudest — ja see on vaid esimesel sammul. Nakkusel, mis on esimese sammu üle elanud, on mingi (tavaliselt väiksem) tõenäosus teisel sammul välja kustuda, mingi (veelgi väiksem) tõenäosus kolmandal sammul välja kustuda jne.

Seega, isegi kui võrgustik on üle kriitiline — kui edasiviimise kiirus on 99% — on olemas võimalus, et nakkus kaob.

Aga oluline on see, et ta ei alati kustu. Kui kokku liita kõik sammude kustumise tõenäosused lõpmatusse, on tulemus väiksem kui 1. Teisisõnu, nullist erineva tõenäosusega jätkub nakkus igavesti. Just seda tähendab võrgustiku jaoks olla üle kriitiline.

SISa: spontaane aktiveerimine

Kuni seda hetke olid kõik meie simulatsioonid alanud väikesest ettevalmistatud nakatunud sõlmede tükkidest keskel.

Aga mis siis, kui alustada nullist? Seejärel simuleerime spontaanset aktiveerimist — protsessi, mille käigus vastuvõtlik sõlm nakatub juhuslikult (mitte ühelt naabrilt).

See nimetatakse mudel SISa. Täht “a” tähistab „automaatset”.

Simulatsioonis SISa ilmub uus parameeter — spontaalse aktiveerimise kiirus, mis muudab spontaalse nakkuse esinemise sagedust (ka edastuskiirus, mida me varem jälgisime, on kohal).

Mis on vajalik, et nakkus leviks kogu võrgus?

Arutelu

Võib-olla olete simulatsioonis märganud, et spontaalse aktiveerimise kiirus ei muuda seda, kas nakkus haarab kogu võrgu või mitte. Ainult edastuskiirus määrab, kas võrk on alla- või ülekriitiline. Ja kui võrk on allakriitiline (edastuskiirus on väiksem või võrdne 22%-ga), ei saa nakkus levida kogu võrgule, sõltumata sellest, kui sageli see algab.

See on nagu tule süütamine märjal väljal. Võite põletada paar kuiva lehte, kuid leek kustub kiiresti, kuna ülejäänud maastik ei sütti kergelt (allkriitiline). Kuid väga kuival väljal (ülekriitiline) on piisavalt üks säde, et tulekahju süttiks.

Sarnaseid asju täheldatakse ideede ja leiutiste valdkonnas. Tihti ei ole maailm valmis ideeks, ja sel juhul saab seda leiutada järjekindlalt, kuid see ei jõua massideni. Teisest küljest võib maailm olla täiesti valmis leiutiseks (suur varjatud nõudlus) ning kui see sünnib, siis võetakse see kohe omaks. Vahepeal on ideed, mis leiutatakse mitmes kohas ja levivad kohalikult, kuid mitte piisavalt, et mingi üksik versioon saaks kohe kogu võrku katma. Selles viimases kategoorias leiame näiteks põllumajanduse ja kirja, mis on sõltumatult leiutatud erinevate inimtsivilisatsioonide poolt umbes kümme ja kolm korda, vastavalt.

Immuunsus

Oletame, et teeme mõned sõlmed täiesti haavatuks, st tundmatuks aktiveerimisele. See on nagu oleks nad algselt eemalolekus ja SIS(a) mudel käivitatakse allesjäänud sõlmedel.

Immuunsuse regilaud haldab eemalolevate sõlmede protsenti. Proovige muuta selle väärtust (mudeli töö ajal!) ja vaadake, kuidas see mõjutab võrgu seisundit, kas see on üli-kriitiline või mitte.

Arutelu

Haavatuks jäävate sõlmede arvu muutmine muudab pilti täielikult, sõltumata sellest, kas võrk on all- või üli-kriitiline. Ja pole keeruline mõista, miks. Suure hulga haavatuks jäävate sõlmede korral on nakkusel vähem võimalusi uutele peremeestele levimiseks.

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

Üks neist on metsade tulekahjude leviku tõkestamine. Kohalikul tasandil peab iga inimene rakendama oma ettevaatusabinõusid (näiteks mitte jätma avatud tulega üksi). Kuid suurtes mõõtmetes on üksikud leegid paratamatud. Seega seisneb teine kaitsemeetod piisava arvu „katkestuste” tagamises (kergesti süttivate materjalide võrgustikus), et leek ei hõlmaks kogu võrgustikku. Sellist funktsiooni täidavad raiesmikud:

Veel üks leek, mida on oluline peatada, on nakkushaigus. Siin tuuakse sisse mõisted populatsioonikaitse. See on idee, et mõned inimesed ei saa olla vaktsineeritud (näiteks kuna nende immuunsüsteem on kahjustatud), kuid kui piisavalt palju inimesi on nakkusele immuunsed, ei saa haigus lõpmatuseni levida. Teisisõnu, tuleks vaktsineerida piisavalt osa populatsioonist, et viia elanikkond üle ülekriitilisest olekust allakriitilisse seisundisse. Kui see juhtub, võib üks patsient endiselt nakatuda (näiteks pärast reisi teise piirkonda), kuid ilma ülekriitilise võrgustiketa, kus haigus saaks levuda, nakatab see vaid väikest kätte inimese.

Lõpuks selgitab kaitstud sõlmede kontseptsioon, mis juhtub tuumareaktorisse. Ahelreaktsioonis vabastab lagunev uraan-235 aatom umbes kolm neutronit, mis põhjustavad (keskmiselt) rohkem kui ühe U-235 aatomi jagunemist. Uued neutronid põhjustavad seejärel edasist aatomite lagunemist ja nii edasi eksponentsiaalselt:

Pommi loomise mõte on tagada eksponentsiaalse kasvu takistamatu jätkumine. Kuid elektrijaamas on eesmärk toota energiat, tappes samal ajal kedagi ümber. Selleks kasutatakse reguleerivaid varre, valmistatud materjalist, mis suudab neelata neutroneid (nt hõbe või boor). Kuna need neelavad ja mitte ei vabasta neutroneid, toimivad nad meie simulaatsioonis kui immuunsed sõlmed, takistades seega radioaktiivse tuuma sisenemist ülekriitilisse olekusse.

Seega seisneb tuumareaktori nipp selles, et hoida reaktsioon kriitilise läve lähedal, liigutades juhtimise varraste sisenemist ja väljumist ning tagada, et igal korral, kui midagi läheb valesti, langeks varras tuuma ja peataks selle.

Kraad

Kraad sõlm - see on naabruspunktide arv. Seni oleme vaadanud 4. astme ridu. Kuid mis juhtub, kui seda parameetrit muuta?

Näiteks võib ühendada iga sõlme mitte ainult nelja vahetu naabriga, vaid ka veel nelja diagonaalselt. Sellises võrgus on kraad 8.

4 ja 8 kraadi gridid on hästi sümmeetrilised. Kuid 5. kraadi puhul (näiteks) tekib probleem: millised viis naabrit valida? Sellisel juhul valime neli lähimat naabrit (P, I, L, N) ja seejärel juhuslikult ühe naabri hulgast {NE, SE, SW, NW}. Valik toimub sõltumatult iga sõlme jaoks iga ajahetke jooksul.

Arutelu

Taaskord pole raske mõista, mis siin toimub. Kui igal sõlmel on rohkem naabreid, suurenevad nakkuse levimise võimalused — ja seetõttu on tõenäosus, et võrk muutub kriitiliseks, suurem.

Kuid tagajärjed võivad olla ootamatud, nagu me allpool näeme.

Linnad ja võrgu tihedus

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

Näiteks proovime simuleerida linnu. Selleks suurendame tihedust mõnes võrgu osas (kõrgem sõlmede kraad). Teeme seda andmete põhjal, et linnainimestel on laiem sotsiaalne ring ja rohkem sotsiaalseid interaktsioone, kui inimestel linnade väliselt.

Meie mudelis on vastuvõtlikud sõlmed värvitud nende astme järgi. 'Maapiirkondades' on sõlmede aste 4 (ja need on värvitud helesinisesse), samas kui 'linnades' on sõlmedel kõrgemad astmed (ja need on tumedamad), algades astmest 5 äärelinnas ja lõpetades 8 kesklinnas.

Püüdke leida selline levikiirus, et aktiveerimine kataks linnad ja seejärel ei läheks neist välja.

Leian, et see simulatsioon on samal ajal iseenesestmõistetav ja üllatav. Muidugi, linnad toetavad kultuurilist taset paremini kui maapiirkonnad - seda teavad kõik. Mis mind üllatab, on see, et osa sellest kultuurilisest mitmekesisusest tekib lihtsalt sotsiaalse võrgu topoloogia põhjal.

See on huvitav punkt, proovin seda täpsemalt selgitada.

Siin tegeleme kultuuriliste vormidega, mis kanduvad lihtsalt ja vahetult inimeselt inimesele. Näiteks käitumine, salongimängud, moesuundumused, keelelised trendid, väikeste gruppide rituaalid ja tooted, mis levivad suust suhu, pluss terviklikud teabepaketid, mida me nimetame ideedeks.

(Märkus: teabe edastamine inimeste vahel on erakordselt keeruline massimeedia kaudu. On lihtsam ette kujutada mõnda tehnoloogiliselt primitiivset keskkonda, näiteks Vana-Kreeka, kus peaaegu iga kultuuri säde edastati füüsilise ruumi kaudu.)

Antud simulaatsioonist õppisin, et mõningaid ideid ja kultuuripraktikaid võib linnas juurduda ja levida, kuid need lihtsalt ei suuda maapiirkondades levida (matemaatiliselt ei suuda). Need on samad ideed ja samad inimesed. Küsimus ei ole selles, et maainimesed oleksid kuidagi „madalama IQ-ga”: sama idee puhul on neil täpselt samad võimalused selle vastuvõtmiseks, nagu linnainimestel. Lihtsalt idee ei saa maapiirkondades viiruslikuks muutuda, sest seal ei ole piisavalt sidemeid, mille kaudu see saaks levida.

Seda on tõenäoliselt kõige lihtsam näha moevaldkonnas – riietes, juustes jne. Moesetusest saame jälgida, kuidas kaks inimest märkavad üksteise riietust. Linnakeskuses saab iga inimene igapäevaselt näha üle 1000 teise inimesega – tänaval, metroos, ülerahvastatud restoranis jne. Maapiirkonnas võib seevastu iga inimene näha vaid paarikümnet teisega. Põhinedes ainult sellele erinevusele, suudab linn toetada rohkem moesuundi. Ainult kõige veenvamad suundumused – kõige kiirema levitamisega – suudavad linnast väljas juurduda.

Kaldume arvama, et kui idee on hea, jõuab see lõpuks kõikjale, ja kui idee on halb, kaob see. Kindlasti on see tõsi äärmuste puhul, kuid nende vahel on hulgaliselt ideid ja praktikaid, mis saavad viiruslikuks vaid teatud võrgustikes. See on tõeliselt uskumatult.

Mitte ainult linnad

Kaalume siin võrgustiku tiheduse. Seda määratletakse antud sõlmede kogumi puhul, kui palju reaalseid servi, jagatuna potentsiaalsete servadega.. See, see, võimalike sidemete protsent, mis tegelikult eksisteerib.

Nii oleme näinud, et linnakeskustes on võrgustiku tihedus kõrgem kui maapiirkondades. Kuid linnad ei ole ainus koht, kus leidub tihedaid võrgustikke.

Huvitav näide on keskkoolid. Näiteks võrreldes kindla piirkonna võrku, mis eksisteerib õpilaste seas, võrku, mis eksisteerib nende vanemate seas. Sama geograafiline ala ja sama rahvaarv, kuid üks võrk on mitu korda tihedam kui teine. Seega ei ole üllatav, et moes ja keelelised suundumused levivad palju kiiremini teismeliste seas.

Sarnaselt on eliitvõrgud tavaliselt tihedamad kui mitteeliitvõrgud – minu arvates alahinnatakse seda fakti (inimesed, kes on populaarsed või mõjukad, kulutavad rohkem aega suhete loomisele, mistõttu on neil rohkem "naabreid" kui tavalistel inimestel). Eelmainitud simulatsioonide põhjal ootame, et eliitvõrgud toetavad teatud kultuurivorme, mida peavool ei suuda toetada, lähtudes lihtsalt matemaatilistest seadustest, võrgustiku keskmisest tihedusest. Jätan teile mõtlemise, millised kultuurivormid need võiksid olla.

Lõpetuseks saame seda ideed kohaldada internetile, modelleerides seda kui tohutut ja väga tihedat linn. Pole üllatav, et internetis õitseb palju uusi kultuuriliike, mida on võimatu puhtalt ruumilistes võrkudes toetada: nišihobid, parimad disainistandardid, suurem teadlikkus ebaõiglusest jne. Ja see ei ole pelgalt positiivne. Just nagu esimesed linnad olid haiguste sigimispaik, mis ei saanud levida madala asustustiheduse juures, on ka internet viljakas pinnas kavalate kultuurivormide nagu klikihimu, valeuudised ja kunstlik pahameele tõukamine jaoks.

Teadmised

„Õige eksperdi kaasamine õigel hetkel on sageli kõige väärtuslikum ressurss loova probleemilahenduse jaoks.“ — Michael Nielsen, „Uute avastuste leiutamine“

Me mõtleme sageli avastusele või leiutisele kui protsessile, mis toimub üksiku geeniuse peas. Ta on inspireeritud ja— Eureka! — äkitselt saame me uue viisi mahutavuse mõõtmiseks. Või gravitatsioonivõrrandi. Või pirni.

Aga kui võtta üksi leiutaja vaatepunkt avastamise hetkel, vaatame nähtust sõlmpunkti kaudu. Tõenäolisem on tõlgendada leiutist kui võrgustikku .

Võrk on oluline vähemalt kahes mõttes. Esiteks peavad juba olemasolevad ideed jõudma leiduri teadvusse. Need on tsitaadid uuest artiklist, bibliograafiline osa uuest raamatust – hiiglased, kelle õlgadel seisis Newton. Teiseks on võrk ülioluline uue idee tagasi toomine maailma; leiutis, mis ei levi, ei sobi tõenäoliselt üldse „leiutise“ nime alla. Seega on mõlemal põhjusel mõistlik modelleerida leiutist – või, laiemalt, teadmiste kasvu – kui difusiooniprotsessi.

Hüvasti esitlen ma jämedat simulatsiooni sellest, kuidas teadmised võivad levida ja kasvada võrgus. Aga esmalt pean ma selgitama.

Modelleerimise alguses asub iga ruudu nurgas neli eksperti, paigutatud järgmiselt:

Ekspert 1 loob idee esimese versiooni – nimetame seda Ideeks 1.0. Ekspert 2 on see, kes teab, kuidas Ideed 1.0 muuta Ideeks 2.0. Ekspert 3 teab, kuidas muuta Idee 2.0 Idee 3.0-ks. Ja lõpuks, neljas ekspert teab, kuidas teha viimased viimistlused, et luua Idee 4.0.

See sarnaneb tehnikaga, nagu origami, kus meetodeid arendatakse ja ühendatakse teiste meetoditega, et luua huvitavamaid struktuure. Või see võib olla teadusvaldkond, nagu füüsika, kus hilisema töö alus on eelkäijate fundamentaalsed teadustööd.

Selle simuleerimise tuum on see, et me vajame kõiki nelja eksperti, et nad panustaksid idee lõppversiooni. Ja igas etapis tuleb idee suunata vastava eksperdi juurde.

Mõned ettepanekud. Simulatsiooni on kodeeritud hulk ebarealistlikke eeldusi. Siin on mõned neist:

1. Eeldatakse, et ideid ei saa säilitada ja edastada muul viisil kui inimeselt inimesele (st ei ole raamatuid ega meediat).
2. Eeldatakse, et populatsioonis on pidevalt eksperdid, kes suudavad genereerida ideid, kuigi tegelikult mõjutab avastuste või leiutiste tekkimist palju juhuslikke tegureid.
3. Kõigi nelja idee versiooni jaoks kasutatakse sama SIS parameetrite kogumit (ülekandesagedus, vastupanu protsent jne), kuigi tõenäolisem on, et iga versiooni (1.0, 2.0 jne) jaoks oleks mõistlik kasutada erinevaid parameetreid.
4. Eeldatakse, et idee N+1 tõrjub alati täielikult idee N, kuigi praktikas ringlevad sageli nii vana kui ka uus versioon samaaegselt ilma kategorilise võitjata.

… ja paljusid teisi.

Arutelu

See on naeruväärselt lihtsalt modelleeritud, kuidas teadmised tegelikult kasvavad. Mudelist on välja jäänud palju tärkeit detaile (vt ülal). Siiski peegeldab see protsessi olulist olemust. Seetõttu saame me, tingimuslikult, arutada teadmiste kasvu, kasutades meie teadmisi difusioonist.

Eelkõige annab difusioonimudel arusaama, kuidas protsessi kiirendada: on vaja hõlbustada ideede vahetamist ekspertide sõlmpunktide vahel. See võib tähendada, et puhastame võrku surnud sõlmpunktidest, mis segavad difusiooni. Või see võib tähendada kõigi ekspertide paigutamist linna või klastrisse, kus on suur võrgu tihedus, kus ideed kiiresti levivad. Või lihtsalt koguda nad ühte ruumi:

Nii… see on kõik, mida ma difusiooni kohta rääkida oskan.

Aga mul on üks viimane mõte, ja see on väga oluline. See puudutab kasvu (ja stagnatsiooni) teadustes. See idee on tonaalsuselt ja sisult erinev kõigest, mis on varem öeldud, kuid loodetavasti, andestate mulle.

Teaduslikest võrkudest

Joonisel on kujutatud ühte kõige olulisemat positiivset tagasiside tsüklit maailmas (ja see on püsivalt selline):

Tsüklite tõusmine (K ⟶ T) on piisavalt lihtne: me kasutame uusi teadmisi uute tööriistade väljatöötamiseks. Näiteks pooljuhtide füüsika mõistmine võimaldab meil luua arvuteid.

Kuid langus vajab mõningast selgitust. Kuidas tehnoloogia areng tõukab teadmiste kasvu?

Üks võimalus – võib-olla kõige otsesem – on see, et uued tehnoloogiad annavad meile uusi viise maailma tajumiseks. Näiteks paremad mikroskoobid võimaldavad sügavamalt rakkudesse tungida, pakkudes ideid molekulaarsest bioloogiast. GPS-jälgijad näitavad, kuidas loomad liikuvad. Ahnakaardid võimaldavad ookeane uurida. Ja nii edasi.

Muidugi on see ülioluline mehhanism, kuid tehnologialt teadmistele suundub vähemalt kaks muud teed. Need võivad olla vähem lihtsad, kuid ma arvan, et sama olulised:

Esimene. Tehnoloogia viib majandusliku külluseni (ehk rikkusele), mis võimaldab suurel hulgal inimestel tegeleda teadmiste tootmisega.

Kui 90% teie riigi elanikkonnast tegeleb põllumajandusega ja ülejäänud 10% kaubanduse (või sõjaga), siis on inimestel väga vähe vaba aega looduse seaduste üle mõtlemiseks. Võib-olla on just seetõttu varem teaduse edendamine toimunud peamiselt rikka perekonna lastelt.

Ameerikas antakse igal aastal välja üle 50 000 doktorikraadi. Selle asemel, et inimene läheks 18-aastaselt (või varem) tehasesse tööle, peab doktorant olema rahastatud kuni 30 või isegi 40-aastaseks saamiseni — ja isegi siis ei ole selge, kas tema töö toob mingit tegelikku majanduslikku kasu. Kuid see on vajalik, et inimene saavutaks oma distsipliini tipptasemeni, eriti sellistes keerulistes valdkondades nagu füüsika või bioloogia.

Asi on selles, et süsteemide spetsialistide suhtes on kulud kõrged. Ja nende spetsialistide rahastamise lõplik allikas, mis teda rahastab, on uus tehnoloogia: kündmine subvenseerib sule.

TeineUued tehnoloogiad, eriti reiside ja side alal, muudavad sotsiaalsete võrkude struktuuri, milles teadlikkus kasvab. Eelkõige võimaldab see ekspertidel ja spetsialistidel tihedamalt omavahel suhelda.

Siia kuuluvad tähelepanuväärsete leiutiste hulka trükimasin, aurulaevad ja raudteed (mis hõlbustavad reisimist ja/või posti saatmist suurtele kaugustele), telefonid, lennukid ja internet. Kõik need tehnoloogiad aitavad suurendada võrgustiku tihedust, eriti spetsialiseeritud kogukondades (kus toimub peaaegu kogu teadmismahu kasv). Näiteks teadlaste vahetusvõrgustikud, mis tekkisid Euroopa teadlaste seas keskajal, või see, kuidas kaasaegsed füüsikud kasutavad arXiv'i.

Lõppkokkuvõttes sarnanevad need kaks teed. Mõlemad suurendavad spetsialistide võrgustiku tihedust, mis omakorda viib teadmiste kasvuni:

Aastate jooksul olen ma kõrghariduse suhtes üsna ülekohtune olnud. Lühike aeg kraadiõppes jättis hinge ebameeldiva maitse. Ent nüüd, vaatlema tagasi ja mõtlema (püüdes kõrvaldada kõik isiklikud probleemid), pean ma tõdema, et kõrgharidus on endiselt äärmiselt oluline.

Akadeemilised sotsiaalsed võrgustikud (nt teaduslikud uurimiskogukonnad) on üks arenenumaid ja väärtuslikumaid struktuure, mida meie tsivilisatsioon on loonud. Kusagil pole me kogunud suuremat spetsialistide kontsentratsiooni, keskendudes teadmiste tootmisele. Kusagil ei ole inimesed arendanud endas suuremat võimet mõista ja kriitiliselt hinnata üksteise ideid. See on progressi pulss. Just nende seas põleb valgustuse tuli kõige eredamalt.

Kuid me ei saa edusamme iseenesestmõistetavana võtta. Kui katkestused eksperimentide korduses on meid midagi õpetanud, siis seda, et teadusel võivad tekkida süsteemsed probleemid. See on omamoodi võrgu degerssioon.

Oletame, et me eristame kahte teaduse harimise viisi: tõeline teadus ja karjäärism. Tõeline teadus on praktika, mis tootab teadmisi usaldusväärselt. See on motiveeritud uudishimust ja seda iseloomustab ausus (Feynman: "Näete, mul on lihtsalt vaja maailma mõista"). Karjäärism, vastupidi, on motiveeritud professionaalsetest ambitsioonidest ja seda iseloomustab poliitika mängimine ning teaduslikud sildistamised. See võib välja näha ja käituda nagu teadus, kuid ei toodab usaldusväärseid teadmisi.

(Jah, see on liialdatud dikotoomia. Lihtsalt mõtlemise eksperiment. Palun ärge pahandage).

Asi on selles, et kui karjäärimehed võtavad oma koha tõeliselt teadusuuringute kogukonnas, siis rikuvad nad tööd. Nad püüavad end edendada samal ajal, kui ülejäänud kogukond üritab uusi teadmisi hankida ja jagada. Selle asemel, et püüelda selguse poole, keeravad karjäärimehed kõike keerulisemaks ja segasemaks, et kõlada muljetavaldavamalt. Nad tegelevad (nagu Harry Frankfurt ütleks) teadusliku jama tootmisega. Seega võiksime neid modelleerida kui surnud sõlmi, mis on immuunsed tõsiseltvõetava teabevahetuse suhtes, mis on vajalik teadmiste kasvuks:

Võib-olla on parim mudel see, kus karjäärimehed mitte lihtsalt ei ole teadmiste suhtes immuunsed, vaid aktiivselt levitavad vale teadmisi. Vale teadmised võivad sisaldada ebaolulisi tulemusi, mille tähtsust on kunstlikult üles puhutud, või tõeliselt vale tulemusi, mis tulenevad manipulatsioonidest või võltsitud andmetest.

Sõltumata sellest, kuidas me neid mudime, võivad karjäärilised inimesed meie teaduskommuune kindlasti lämmatada.

See on nagu ahelreaktsioon, mida me hädasti vajame — me vajame teadmiste plahvatust — aga meie rikastatud U-235-is on liiga suur lisand mitteaktiivsest isotoobist U-238, mis pärsib ahelreaktsiooni.

Muidugi ei ole karjääriliste inimeste ja tõeliste teadlaste vahel selget eristust. Meis kõigis on natuke karjäärilisust. Küsimus on, kui kaua suudab võrgustik vastu pidada, enne kui teadmine hakkab vaibuma.

Oh, te lugesite lõpuni. Aitäh lugemise eest.

Litsents

CC0 kõik õigused pole kaitstud. Võite seda tööd kasutada, nagu soovite :).

Tänud

• Kevin Kwokile ja Niki Case'ile mõtleva tagasiside ja ettepanekute eest erinevate mustandi versioonide osas.
• Nick Barlow'le — moraalse toe eest kogu protsessi vältel ja kõige kasulikuma tagasiside eest minu töö kohta.
• Kit A.-le, kes osutas mulle perkolatsiooni nähtusele ja voolu läviväärsuse künnisele.
• Jeff Lonsdale'ile linki selle essee, mis (kuigi sellel on palju puudujääke) oli peamine stimuleeriv tegur selle postituse kirjutamisel.

Interaktiivsete esseede näidised

• Kõik Niki Keisi teosed, eeskätt „Looduslike liikide koodide jutustus“ (Vi Hartiga) ja „Parima hääletussüsteemi väljatöötamine“. See on kõrge standard interaktiivsete esseede jaoks.
• Distill.pub: erakordselt kvaliteetsed interaktiivsed masinõppe ülevaated.
• Bret Victor klassikaline teos „Üles ja alla abstraktsioonide redelis“. Ma ei saanud redelil eriti hästi edestada, kuid alati on veel üks võimalus.

Allikas: habr.com