Jos olet miettinyt monimutkaisia ​​järjestelmiä, ymmärrät todennäköisesti verkkojen merkityksen. Verkostot hallitsevat maailmaamme. Kemiallisista reaktioista solun sisällä, ekosysteemin suhteiden verkkoon, historian kulkua muokkaaviin kaupallisiin ja poliittisiin verkostoihin.

Tai harkitse tätä artikkelia, jota luet. Löysit sen varmaan sieltä sosiaalinen verkosto, ladattu osoitteesta tietokoneverkko ja parhaillaan tulkitsevat merkitystä käyttämällä sinun hermoverkko.

Mutta niin paljon kuin olen ajatellut verkostoja vuosien varrella, en viime aikoihin asti ymmärtänyt yksinkertaisen merkitystä diffuusio.

Tämä on tämän päivän aiheemme: miten, kuinka kaoottisesti kaikki liikkuu ja leviää. Muutamia esimerkkejä ruokahalun herättämiseksi:

• Tartuntataudit, jotka siirtyvät kantajasta kantajalle populaatiossa.
• Meemit leviävät seuraajakaaviossa sosiaalisessa mediassa.
• Metsäpalo.
• Ideoita ja käytäntöjä, jotka läpäisevät kulttuurin.
• Neutronikaskadi rikastetussa uraanissa.

Pikahuomautus lomakkeesta.

Toisin kuin kaikki aikaisemmat teokseni, tämä essee on interaktiivinen [in alkuperäinen artikkeli interaktiivisia esimerkkejä annetaan liukusäätimillä ja painikkeilla, jotka ohjaavat kohteita näytöllä - noin. kaista].

Joten aloitetaan. Ensimmäinen tehtävä on kehittää visuaalinen sanasto levittämistä varten verkostoissa.

Yksinkertainen malli

Olen varma, että te kaikki tiedätte verkkojen perustan, eli solmut + reunat. Jos haluat tutkia diffuusiota, sinun tarvitsee vain merkitä joitain solmuja aktiivinen. Tai kuten epidemiologit haluavat sanoa, tartunnan saanut:

Tämä aktivointi tai tartunta leviää verkon kautta solmusta solmuun alla kehitettyjen sääntöjen mukaisesti.

Todelliset verkot ovat tyypillisesti paljon suurempia kuin tämä yksinkertainen seitsemän solmun verkko. Ne ovat myös paljon hämmentävämpiä. Mutta yksinkertaisuuden vuoksi rakennamme tänne lelumallin hilan, eli hilaverkoston, tutkimiseksi.

(Se, mikä verkosta puuttuu realismissa, se korvaa sen, että se on helppo piirtää 😉

Ellei toisin mainita, verkkosolmuilla on neljä naapuria, esimerkiksi:

Ja sinun täytyy kuvitella, että nämä hilat ulottuvat loputtomasti kaikkiin suuntiin. Toisin sanoen emme ole kiinnostuneita käyttäytymisestä, joka esiintyy vain verkon reunoilla tai pienissä populaatioissa.

Koska hilat ovat niin järjestettyjä, voimme yksinkertaistaa ne pikseleiksi. Esimerkiksi nämä kaksi kuvaa edustavat samaa verkkoa:

Yhdessä käyttäytymisessä aktiivinen solmu välittää aina tartunnan (tartunnattomille) naapureilleen. Mutta se on tylsää. Siirron yhteydessä tapahtuu paljon mielenkiintoisempia asioita todennäköisyys.

SIR ja SIS

В SIR mallit (Alttiin-tartunta-poistettu) solmu voi olla kolmessa tilassa:

• Herkkä
• Tartunnan saanut
• Poistettu

Näin interaktiivinen simulointi toimii [in alkuperäinen artikkeli voit valita tartunnan leviämisnopeuden 0-1, katso prosessi vaihe vaiheelta tai kokonaisuudessaan - n. käännös]:

• Solmut alkavat herkästi, lukuun ottamatta muutamia solmuja, jotka alkavat tartunnan saaneina.
• Joka aikavaiheessa tartunnan saaneilla solmuilla on mahdollisuus välittää tartunta jokaiselle alttiille naapurilleen todennäköisyydellä, joka on yhtä suuri kuin siirtonopeus.
• Tartunnan saaneet solmut siirtyvät sitten "poistettuun" tilaan, mikä tarkoittaa, että ne eivät enää voi tartuttaa muita tai saada tartuntaa itse.

Sairauden yhteydessä poistaminen voi tarkoittaa, että henkilö on kuollut tai että hänellä on kehittynyt immuniteetti taudinaiheuttajalle. Sanomme, että ne on "poistettu" simulaatiosta, koska heille ei tapahdu mitään muuta.

Riippuen siitä, mitä yritämme mallintaa, saatetaan tarvita eri mallia kuin SIR.

Jos simuloimme tuhkarokon leviämistä tai maastopalon puhkeamista, SIR on ihanteellinen. Mutta oletetaan, että simuloimme uuden kulttuurisen käytännön, kuten meditaation, leviämistä. Aluksi solmu (henkilö) on vastaanottavainen, koska se ei ole koskaan tehnyt tätä ennen. Sitten, jos hän alkaa meditoida (ehkä kuultuaan siitä ystävältä), mallinnamme hänet tartunnan saaneeksi. Mutta jos hän lopettaa harjoituksen, hän ei kuole eikä putoa simulaatiosta, koska tulevaisuudessa hän voi helposti omaksua tämän tavan uudelleen. Joten hän palaa vastaanottavaan tilaan.

Se SIS malli (Herkkä-tartunta-herkkä). Klassisessa mallissa on kaksi parametria: lähetysnopeus ja palautusnopeus. Tämän artikkelin simulaatioissa päätin kuitenkin yksinkertaistaa jättämällä pois palautusnopeusparametrin. Sen sijaan tartunnan saanut solmu palaa automaattisesti alttiiseen tilaan seuraavassa aikavaiheessa, ellei jokin sen naapureista ole saanut tartuntaa. Lisäksi sallimme vaiheessa n tartunnan saaneen solmun infektoida itsensä vaiheessa n+1 lähetysnopeutta vastaavalla todennäköisyydellä.

keskustelu

Kuten näet, tämä on hyvin erilainen kuin SIR-malli.

Koska solmuja ei koskaan poisteta, jopa hyvin pieni ja rajoitettu hila voi tukea SIS-infektiota pitkään. Infektio yksinkertaisesti hyppää solmusta toiseen ja tulee takaisin.

Eroistaan ​​huolimatta SIR ja SIS osoittautuvat yllättävän vaihtokelpoisiksi tarkoituksiinmme. Joten tämän artikkelin loppuosan pysymme SIS:ssä – pääasiassa siksi, että se on kestävämpi ja siksi sen kanssa on hauskempaa työskennellä.

Kriittinen taso

Leikittyäsi SIR- ja SIS-malleilla olet ehkä huomannut jotain tartunnan kestosta. Hyvin alhaisilla leviämisnopeuksilla, kuten 10 %, infektiolla on taipumus kuolla pois. Korkeammilla arvoilla, kuten 50 %, infektio pysyy hengissä ja valloittaa suurimman osan verkosta. Jos verkko olisi ääretön, voisimme kuvitella sen jatkuvan ja leviävän ikuisesti.

Tällaisella rajattomalla diffuusiolla on monia nimiä: "virus", "ydin" tai (tämän artikkelin otsikossa) kriittinen.

Osoittautuu, että on erityisiä murtumiskohta, joka erottaa alikriittiset verkot (tuomittu sukupuuttoon) alkaen ylikriittiset verkot (pystyy loputtomaan kasvuun). Tätä käännekohtaa kutsutaan kriittinen kynnys, ja tämä on melko yleinen merkki diffuusioprosesseista tavallisissa verkoissa.

Kriittisen kynnyksen tarkka arvo vaihtelee verkkojen välillä. Yleistä on tämä saatavuus sellainen merkitys.

[Interaktiivisessa demossa alkaen alkuperäinen artikkeli Voit yrittää löytää manuaalisesti kriittisen verkon kynnyksen muuttamalla lähetysnopeuden arvoa. Se on jossain 22 % ja 23 % välillä - noin. käänn.]

22 %:lla (ja alle) infektio lopulta kuolee. 23 %:ssa (ja enemmän) alkuperäinen infektio joskus kuolee pois, mutta useimmissa tapauksissa se onnistuu selviytymään ja leviämään riittävän pitkään varmistaakseen olemassaolonsa ikuisesti.

(Muuten, on olemassa koko tieteellinen ala, joka on omistettu näiden kriittisten kynnysarvojen etsimiseen eri verkkotopologioille. Nopeaa johdatusta varten suosittelen selaamaan nopeasti Wikipedia-artikkelia aiheesta vuodon kynnys).

Yleisesti ottaen se toimii seuraavasti: Kriittisen kynnyksen alapuolella kaikki verkon rajalliset infektiot kuolevat taatusti (todennäköisyydellä 1) lopulta pois. Mutta kriittisen kynnyksen yläpuolella on todennäköisyys (p > 0), että infektio jatkuu ikuisesti ja leviää siten mielivaltaisesti kauas alkuperäisestä paikasta.

Huomaa kuitenkin, että ylikriittinen verkko ei ole takuitaettä infektio jatkuu ikuisesti. Itse asiassa se usein haalistuu, varsinkin simulaation varhaisessa vaiheessa. Katsotaan kuinka tämä tapahtuu.

Oletetaan, että aloitimme yhdellä tartunnan saaneella solmulla ja neljällä naapurilla. Ensimmäisessä mallintamisvaiheessa infektiolla on 5 itsenäistä leviämismahdollisuutta (mukaan lukien mahdollisuus "leviää" itselleen seuraavassa vaiheessa):

Oletetaan nyt, että siirtonopeus on 50 %. Tässä tapauksessa ensimmäisessä vaiheessa heitämme kolikon viisi kertaa. Ja jos viisi päätä pyöritetään, infektio tuhoutuu. Tämä tapahtuu noin 3 prosentissa tapauksista - ja tämä on vasta ensimmäinen vaihe. Infektiolla, joka selviää ensimmäisestä vaiheesta, on jonkin verran (yleensä pienempi) todennäköisyys kuolla pois toisessa vaiheessa, jonkin verran (jopa pienempi) todennäköisyys kuolla pois kolmannessa vaiheessa jne.

Joten vaikka verkko on ylikriittinen - jos lähetysnopeus on 99%, - on olemassa mahdollisuus, että infektio katoaa.

Mutta tärkeintä on, että hän ei aina haalistuu. Jos lasketaan yhteen todennäköisyys, että kaikki vaiheet kuolevat äärettömään, tulos on pienempi kuin 1. Toisin sanoen on nollasta poikkeava todennäköisyys, että infektio jatkuu ikuisesti. Tätä tarkoittaa, että verkko on ylikriittinen.

SISa: spontaani aktivointi

Tähän asti kaikki simulaatiomme alkoivat pienellä palalla esitartunnan saaneita solmuja keskellä.

Mutta entä jos aloitat alusta? Sitten mallinnetaan spontaania aktivaatiota – prosessia, jossa herkkä solmu saa tartunnan sattumalta (ei yhdeltä naapuristaan).

Se kutsutaan SISa malli. Kirjain "a" tarkoittaa "automaattista".

SISa-simulaatiossa ilmestyy uusi parametri - spontaanin aktivoitumisen nopeus, joka muuttaa spontaanin tartunnan frekvenssiä (myös aiemmin näkemämme siirtonopeusparametri on läsnä).

Mitä tarvitaan, jotta infektio leviää koko verkkoon?

keskustelu

Olet ehkä huomannut simulaatiossa, että spontaanin aktivoitumisen nopeuden lisääminen ei muuta sitä, valloittaako infektio koko verkon vai ei. Vain siirtonopeus määrittää, onko verkko ali- vai ylikriittinen. Ja kun verkko on alikriittinen (lähetysnopeus pienempi tai yhtä suuri kuin 22 %), mikään infektio ei voi levitä koko verkkoon riippumatta siitä, kuinka usein se alkaa.

Se on kuin sytyttäisi tulipalon märällä pellolla. Voit sytyttää muutaman kuivan lehden tuleen, mutta liekki sammuu nopeasti, koska muu maisema ei ole tarpeeksi syttyvää (alikriittistä). Erittäin kuivalla kentällä (ylikriittinen) riittää yksi kipinä, jotta tuli alkaa raivota.

Samanlaisia ​​asioita havaitaan ideoiden ja keksintöjen alalla. Usein maailma ei ole valmis ideaan, jolloin se voidaan keksiä uudestaan ​​ja uudestaan, mutta se ei houkuttele massaa. Toisaalta maailma voi olla täysin valmis keksinnölle (suuri piilevä kysyntä), ja heti kun se syntyy, kaikki hyväksyvät sen. Keskellä on ideoita, jotka keksitään useasta paikasta ja leviävät paikallisesti, mutta eivät riitä, että mikään yksittäinen versio lakaisisi koko verkon kerralla. Tästä viimeisestä kategoriasta löytyy esimerkiksi maataloutta ja kirjoittamista, jotka eri ihmissivilisaatiot keksivät itsenäisesti noin kymmenen ja kolme kertaa.

immuniteetti

Oletetaan, että teemme joistakin solmuista täysin haavoittumattomia, eli immuuneja aktivaatiolle. On kuin ne olisivat alun perin etätilassa, ja SIS(a)-malli käynnistetään jäljellä olevissa solmuissa.

Suojausliukusäädin ohjaa poistettujen solmujen prosenttiosuutta. Kokeile muuttaa sen arvoa (mallin ollessa käynnissä!) ja katso kuinka se vaikuttaa verkon tilaan, onko se ylikriittinen vai ei.

keskustelu

Vastaamattomien solmujen määrän muuttaminen muuttaa täysin kuvan siitä, onko verkko ali- vai ylikriittinen. Eikä ole vaikea ymmärtää miksi. Kun herkkiä isäntiä on paljon, tartunnalla on vähemmän mahdollisuuksia levitä uusiin isäntiin.

Osoittautuu, että tällä on useita erittäin tärkeitä käytännön seurauksia.

Yksi niistä on metsäpalojen leviämisen estäminen. Paikallisella tasolla jokaisen on ryhdyttävä varotoimiin (esimerkiksi älä koskaan jätä avotulta ilman valvontaa). Mutta suuressa mittakaavassa yksittäiset taudinpurkaukset ovat väistämättömiä. Toinen suojakeino on siis varmistaa, että "katkoja" on riittävästi (syttyvien materiaalien verkostossa), jotta epidemia ei nielaise koko verkkoa. Tyhjennykset suorittavat tämän toiminnon:

Toinen taudinpurkaus, joka on tärkeää pysäyttää, on tartuntatauti. Tässä konsepti esitellään väestön vastustuskyky. Tämä on ajatus siitä, että joitain ihmisiä ei voida rokottaa (esimerkiksi heillä on heikentynyt immuunijärjestelmä), mutta jos riittävä määrä ihmisiä on immuuni tartunnalle, tauti ei voi levitä loputtomiin. Toisin sanoen sinun pitäisi rokottaa riittävä osa väestöstä siirtää väestön ylikriittisestä tilasta alikriittiseen tilaan. Kun näin tapahtuu, yksi potilas voi silti saada tartunnan (esimerkiksi toiselle alueelle matkustamisen jälkeen), mutta ilman ylikriittistä kasvuverkostoa tauti tartuttaa vain kourallisen ihmisiä.

Lopuksi immuunisolmujen käsite selittää, mitä ydinreaktorissa tapahtuu. Ketjureaktiossa hajoava uraani-235-atomi vapauttaa noin kolme neutronia, jotka aiheuttavat (keskimäärin) useamman kuin yhden U-235-atomin fission. Uudet neutronit aiheuttavat sitten atomien edelleen jakautumista ja niin edelleen eksponentiaalisesti:

Pommia rakennettaessa tärkeintä on varmistaa, että eksponentiaalinen kasvu jatkuu hillittömänä. Mutta voimalaitoksessa tavoitteena on tuottaa energiaa tappamatta kaikkia ympärilläsi. Tätä tarkoitusta varten niitä käytetään ohjaussauvat, valmistettu materiaalista, joka voi absorboida neutroneja (esimerkiksi hopea tai boori). Koska ne absorboivat neutroneja vapauttamisen sijaan, ne toimivat immuunisolmuina simulaatiossamme ja estävät siten radioaktiivista ydintä muuttumasta ylikriittisiksi.

Ydinreaktorin temppu on siis pitää reaktio lähellä kriittistä kynnystä liikuttamalla ohjaussauvoja edestakaisin ja varmistaa, että aina kun jokin menee pieleen, sauvat putoavat ytimeen ja pysäyttävät sen.

aste

aste solmun luku on sen naapureiden lukumäärä. Tähän asti olemme tarkastelleet 4 asteen verkkoja. Mutta mitä tapahtuu, jos muutat tätä parametria?

Voit esimerkiksi liittää jokaisen solmun neljän välittömän naapurin lisäksi myös neljään muuhun diagonaalisesti. Tällaisessa verkossa tutkinto on 8.

Hilat, joiden asteet ovat 4 ja 8, ovat hyvin symmetrisiä. Mutta esimerkiksi asteen 5 kohdalla syntyy ongelma: mitkä viisi naapuria meidän pitäisi valita? Tässä tapauksessa valitsemme neljä lähintä naapuria (P, E, S, W) ja valitsemme sitten satunnaisesti yhden naapurin joukosta {NE, SE, SW, NW}. Valinta tehdään itsenäisesti kullekin solmulle jokaisessa aikavaiheessa.

keskustelu

Jälleen, ei ole vaikea nähdä, mitä täällä tapahtuu. Kun jokaisella solmulla on enemmän naapureita, tartunnan leviämismahdollisuudet kasvavat – ja siten verkosta tulee todennäköisemmin kriittinen.

Seuraukset voivat kuitenkin olla odottamattomia, kuten alla nähdään.

Kaupungit ja verkon tiheys

Tähän asti verkostomme ovat olleet täysin homogeenisiä. Jokainen solmu näyttää samalta kuin muutkin. Mutta entä jos muutamme ehtoja ja sallimme eri solmutilat koko verkossa?

Yritetään esimerkiksi mallintaa kaupunkeja. Tätä varten lisäämme tiheyttä joissakin verkon osissa (korkeampi solmuaste). Teemme tämän kansalaisten käytettävissä olevien tietojen perusteella laajempi sosiaalinen piiri ja enemmän sosiaalista vuorovaikutustakuin ihmiset kaupunkien ulkopuolella.

Mallissamme herkät solmut on väritetty niiden asteen mukaan. "Maaseutualueiden" solmujen aste on 4 (ja ne ovat väriltään vaaleanharmaita), kun taas "kaupunkialueiden" solmuilla on korkeammat asteet (ja ne ovat väriltään tummempia), alkaen astetta 5 esikaupunkialueella ja päättyen 8:aan kaupungin keskustassa .

Yritä valita etenemisnopeus siten, että aktivointi kattaa kaupungit eikä sitten ylitä niiden rajoja.

Minusta tämä simulaatio on sekä ilmeinen että yllättävä. Tietenkin, kaupungit säilyttävät kulttuuritason paremmin kuin maaseutu - tämän tietävät kaikki. Minua hämmästyttää se, että osa tästä kulttuurisesta monimuotoisuudesta syntyy yksinkertaisesti sosiaalisen verkoston topologian perusteella.

Tämä on mielenkiintoinen kohta, yritän selittää sen yksityiskohtaisemmin.

Tässä on kyse kulttuurin muodoista, jotka välittyvät yksinkertaisesti ja suoraan ihmisestä toiseen. Esimerkiksi, käytöstapoja, huonepelit, muotitrendit, kielitrendit, pienryhmärituaalit ja suusta suuhun leviävät tuotteet sekä kokonaisia ​​tietopaketteja, joita kutsumme ideoiksi.

(Huom: tiedotusvälineet vaikeuttavat tiedon leviämistä ihmisten välillä äärimmäisen vaikeaksi. On helpompi kuvitella jotain teknologisesti primitiivistä ympäristöä, kuten muinaista Kreikkaa, jossa lähes jokainen kulttuurin kipinä välittyi vuorovaikutuksen kautta fyysisessä tilassa.)

Yllä olevasta simulaatiosta opin, että on ideoita ja kulttuurisia käytäntöjä, jotka voivat juurtua ja levitä kaupungissa, mutta ne eivät yksinkertaisesti voi (matemaattisesti) levitä maaseudulle. Nämä ovat samat ideat ja samat ihmiset. Asia ei ole siinä, että maaseudun asukkaat olisivat jotenkin "läheisiä": kun he ovat vuorovaikutuksessa saman idean kanssa täsmälleen samat mahdollisuudet saada se kiinnikuten kaupunkilaiset. Ajatus itsessään ei vain voi levitä maaseudulla, koska ei ole paljon yhteyksiä, joiden kautta se voi levitä.

Tämä on ehkä helpoimmin havaittavissa muodin alalla - vaatteissa, kampauksissa jne. Muotiverkostossa voimme vangita hilan reunan, kun kaksi ihmistä huomaa toistensa asut. Kaupunkikeskuksessa jokainen ihminen näkee päivittäin yli 1000 muuta ihmistä - kadulla, metrossa, tungosta ravintolassa jne. Maaseudulla päinvastoin jokainen ihminen näkee vain pari tusinaa muut. Perustuen vain tämä ero, kaupunki pystyy tukemaan enemmän muotitrendejä. Ja vain houkuttelevimmat trendit – ne, joilla on korkein siirtonopeus – voivat saada jalansijaa kaupungin ulkopuolella.

Meillä on tapana ajatella, että jos idea on hyvä, se saavuttaa lopulta kaikki, ja jos idea on huono, se katoaa. Tämä on tietysti totta ääritapauksissa, mutta niiden välissä on paljon ideoita ja käytäntöjä, jotka voivat levitä viruksena vain tietyissä verkoissa. Tämä on todella hämmästyttävää.

Ei vain kaupunkeja

Tarkastelemme vaikutusta täällä verkon tiheys. Se määritetään tietylle solmujoukolle numerona todelliset kylkiluut, jaettuna numerolla mahdolliset reunat. Toisin sanoen todellisten mahdollisten yhteyksien prosenttiosuus.

Olemme siis nähneet, että verkkotiheys kaupunkikeskuksissa on suurempi kuin maaseudulla. Mutta kaupungit eivät ole ainoa paikka, jossa löydämme tiheitä verkostoja.

Mielenkiintoinen esimerkki on lukiot. Esimerkiksi tietyn alueen osalta vertaamme koululaisten verkostoa heidän vanhempiensa verkostoon. Sama maantieteellinen alue ja sama väestö, mutta yksi verkko on monta kertaa tiheämpi kuin toinen. Siksi ei ole yllättävää, että muoti- ja kielelliset trendit leviävät paljon nopeammin teini-ikäisten keskuudessa.

Samoin eliittiverkostot ovat yleensä paljon tiheämpiä kuin ei-eliittiverkostot - mielestäni sitä aliarvostetaan (suositut tai vaikutusvaltaiset ihmiset viettävät enemmän aikaa verkostoitumiseen ja siksi heillä on enemmän "naapureita" kuin tavalliset ihmiset). Yllä olevien simulaatioiden perusteella oletamme, että eliittiverkostot tukevat joitain kulttuurisia muotoja, joita valtavirta ei voi tukea yksinkertaisesti verkoston keskimääräisen tutkinnon matemaattisten lakien perusteella. Jätän teidät pohtimaan, mitä nämä kulttuuriset muodot voisivat olla.

Lopuksi voimme soveltaa tätä ideaa Internetiin mallintamalla sen valtavaksi ja hyvin tiukka kaupunki. Ei ole yllätys, että verkossa kukoistaa monet uudenlaiset kulttuurit, joita ei yksinkertaisesti voida tukea puhtaasti spatiaalisissa verkoissa: niche-harrastukset, paremmat suunnittelustandardit, suurempi tietoisuus epäoikeudenmukaisuudesta jne. Eikä se ole vain mukavia asioita. Aivan kuten varhaiset kaupungit olivat kasvualusta sairauksille, jotka eivät voineet levitä alhaisissa väestötiheyksissä, niin myös Internet on kasvualusta pahanlaatuisille kulttuurimuodoille, kuten napsautussyötille, valeuutisille ja keinotekoisen raivolle.

Знания

"Oikean asiantuntijan saaminen oikeaan aikaan on usein arvokkain resurssi luovaan ongelmanratkaisuun." - Michael Nielsen, keksiminen löytö

Ajattelemme usein löytöä tai keksintöä prosessina, joka tapahtuu yhden neron mielessä. Häntä iskee inspiraation salama ja - Eureka! – yhtäkkiä meillä on uusi tapa mitata äänenvoimakkuutta. Tai painovoimayhtälö. Tai hehkulamppu.

Mutta jos katsomme yksinäisen keksijän näkökulmaa löytöhetkellä, katsomme ilmiötä. solmun näkökulmasta. Vaikka olisi oikeampaa tulkita keksintöä verkkoon ilmiö.

Verkko on tärkeä ainakin kahdella tavalla. Ensinnäkin olemassa olevien ideoiden on tunkeuduttava tietoisuuteen keksijä. Nämä ovat lainauksia uudesta artikkelista, uuden kirjan bibliografisesta osasta - jättiläisistä, joiden harteilla Newton seisoi. Toiseksi verkosto on kriittinen uuden idean palauttamiselle takaisin maailmaan; keksintöä, joka ei ole levinnyt, tuskin kannattaa kutsua "keksintöksi". Siten molemmista näistä syistä on järkevää mallintaa keksintöä – tai laajemmin tiedon kasvua – leviämisprosessina.

Hetken kuluttua esitän karkean simulaation siitä, kuinka tieto voi levitä ja kasvaa verkossa. Mutta ensin minun täytyy selittää.

Simulaation alussa jokaisessa ruudukon neljänneksessä on neljä asiantuntijaa, jotka on järjestetty seuraavasti:

Asiantuntija 1:llä on idean ensimmäinen versio – kutsutaan sitä Idea 1.0:ksi. Asiantuntija 2 on henkilö, joka osaa muuttaa Idea 1.0:sta Idea 2.0:ksi. Asiantuntija 3 osaa muuttaa Idea 2.0:sta Idea 3.0:ksi. Ja lopuksi, neljäs asiantuntija osaa viimeistellä Idea 4.0:n.

Tämä on samanlainen kuin origami-tekniikka, jossa tekniikoita kehitetään ja yhdistetään muihin tekniikoihin mielenkiintoisempien mallien luomiseksi. Tai se voi olla tiedon ala, kuten fysiikka, jossa uudempi työ rakentuu edeltäjien perustyölle.

Tämän simulaation pointti on, että tarvitsemme kaikki neljä asiantuntijaa osallistumaan idean lopulliseen versioon. Ja jokaisessa vaiheessa idea on saatettava sopivan asiantuntijan tietoon.

Muutama varoitus. Simulaatioon on koodattu monia epärealistisia oletuksia. Tässä on vain muutamia niistä:

1. Oletetaan, että ideoita ei voi tallentaa ja välittää muuten kuin ihmiseltä ihmiselle (eli ei kirjoja tai mediaa).
2. Oletetaan, että väestössä on pysyviä asiantuntijoita, jotka voivat luoda ideoita, vaikka todellisuudessa löydön tai keksinnön toteutumiseen vaikuttavat monet satunnaiset tekijät.
3. Idean kaikki neljä versiota käyttävät samaa SIS-parametrijoukkoa (siirtonopeus, häiriönsietoprosentti jne.), vaikka on luultavasti realistisempaa käyttää eri parametreja jokaiselle versiolle (1.0, 2.0 jne.).
4. Oletetaan, että idea N+1 syrjäyttää aina idean N kokonaan, vaikka käytännössä usein sekä vanhat että uudet versiot kiertävät samanaikaisesti ilman selvää voittajaa.

… ja monet muut.

keskustelu

Tämä on naurettavan yksinkertaistettu malli siitä, kuinka tieto todella kasvaa. Mallin ulkopuolelle on jäänyt paljon tärkeitä yksityiskohtia (katso yllä). Se kuitenkin kuvaa prosessin tärkeän olemuksen. Ja siksi voimme varauksin puhua tiedon kasvusta diffuusiotietojemme avulla.

Erityisesti diffuusiomalli antaa käsityksen siitä, miten nopeuttaa prosessia: Tarve helpottaa ajatusten vaihtoa asiantuntijasolmujen välillä. Tämä voi tarkoittaa verkon poistamista kuolleista solmuista, jotka estävät diffuusiota. Tai se voi tarkoittaa kaikkien asiantuntijoiden sijoittamista kaupunkiin tai klusteriin, jossa on korkea verkkotiheys ja jossa ideat leviävät nopeasti. Tai vain kerää ne yhteen huoneeseen:

Joten... tässä kaikki, mitä voin sanoa diffuusiosta.

Mutta minulla on viimeinen ajatus, ja se on erittäin tärkeä. Kyse on kasvustaja pysähtyminen) tietämystä tiedeyhteisöissä. Tämä ajatus poikkeaa sävyltään ja sisällöltään kaikesta yllä olevasta, mutta toivon, että annat minulle anteeksi.

Tietoja tieteellisistä verkostoista

Kuvassa on yksi maailman tärkeimmistä positiivisista palautesilmukoista (ja näin se on ollut jo jonkin aikaa):

Syklin (K ⟶ T) eteneminen ylöspäin on melko yksinkertaista: käytämme uutta tietoa uusien työkalujen kehittämiseen. Esimerkiksi puolijohteiden fysiikan ymmärtäminen antaa meille mahdollisuuden rakentaa tietokoneita.

Alaspäin suuntautuva liike vaatii kuitenkin selitystä. Miten teknologian kehitys johtaa tiedon lisääntymiseen?

Yksi tapa – ehkä suorin – on, kun uudet teknologiat antavat meille uusia tapoja havaita maailmaa. Esimerkiksi parhaiden mikroskooppien avulla voit katsoa syvemmälle solun sisään, mikä tarjoaa oivalluksia molekyylibiologiaan. GPS-seurantalaitteet näyttävät kuinka eläimet liikkuvat. Sonar mahdollistaa valtamerten tutkimisen. Ja niin edelleen.

Tämä on epäilemättä elintärkeä mekanismi, mutta teknologiasta tietoon on ainakin kaksi muuta tietä. Ne eivät ehkä ole yhtä yksinkertaisia, mutta mielestäni ne ovat yhtä tärkeitä:

Ensimmäinen. Teknologia johtaa taloudelliseen yltäkylläisyyteen (eli vaurauteen), jonka ansiosta useammat ihmiset voivat osallistua tiedon tuotantoon.

Jos 90 % maasi väestöstä harjoittaa maataloutta ja loput 10 % harjoittaa jonkinlaista kauppaa (tai sotaa), ihmisillä on hyvin vähän vapaa-aikaa miettiä luonnonlakeja. Ehkä tästä syystä tiedettä edistivät varhaisempina aikoina pääasiassa rikkaiden perheiden lapset.

Yhdysvallat tuottaa yli 50 000 tohtorintutkintoa vuosittain. Sen sijaan, että ihminen menisi 18-vuotiaana (tai sitä aiemmin) tehtaalle töihin, jatko-opiskelijaa on rahoitettava 30- tai ehkä 40-vuotiaaksi asti – ja silloinkin on epäselvää, onko hänen työllään todellista taloudellista vaikutusta. Mutta ihmisen on päästävä tieteenalansa eturintamaan, erityisesti monimutkaisilla aloilla, kuten fysiikassa tai biologiassa.

Tosiasia on, että järjestelmien näkökulmasta asiantuntijat ovat kalliita. Ja lopullinen julkisen varallisuuden lähde, joka rahoittaa näitä asiantuntijoita, on uusi tekniikka: aura tukee kynää.

Toinen. Uudet teknologiat, erityisesti matkailun ja viestinnän alalla, muuttavat sosiaalisten verkostojen rakennetta, joissa tieto kasvaa. Erityisesti se mahdollistaa asiantuntijoiden ja asiantuntijoiden tiiviimmän vuorovaikutuksen toistensa kanssa.

Merkittäviä keksintöjä ovat painokone, höyrylaivat ja rautatiet (jotka helpottavat matkustamista ja/tai postin lähettämistä pitkiä matkoja), puhelimet, lentokoneet ja Internet. Kaikki nämä tekniikat lisäävät verkkojen tiheyttä erityisesti erikoistuneissa yhteisöissä (joissa lähes kaikki tiedon kasvu tapahtuu). Esimerkiksi eurooppalaisten tiedemiesten keskuudessa keskiajan lopulla syntyneet kirjeenvaihtoverkot tai tapa, jolla nykyajan fyysikot käyttävät arXiviä.

Lopulta nämä molemmat polut ovat samanlaisia. Molemmat lisäävät asiantuntijaverkoston tiheyttä, mikä puolestaan ​​johtaa tiedon lisääntymiseen:

Suhtauduin monien vuosien ajan varsin halveksivasti korkea-asteen koulutukseen. Lyhyestä jatko-opiskelustani jäi paha maku suuhuni. Mutta nyt kun katson taaksepäin ja ajattelen (kaikkia henkilökohtaisia ​​ongelmia lukuun ottamatta), minun on todettava, että korkeakoulutus on edelleen чрезвычайно tärkeä.

Akateemiset sosiaaliset verkostot (esim. tutkimusyhteisöt) ovat yksi edistyneimmistä ja arvokkaimmista sivilisaatiomme luomista rakenteista. Missään ei ole kertynyt suurempaa keskittymää tiedon tuottamiseen keskittyneitä asiantuntijoita. Missään ei ole kehittynyt parempaa kykyä ymmärtää ja arvostella toistensa ajatuksia. Se on edistyksen sykkivä sydän. Näissä verkostoissa valaistumisen tuli palaa voimakkaimmin.

Emme kuitenkaan voi pitää edistystä itsestäänselvyytenä. Jos kokeilu uusittamattomuuskriisi ja jos se opetti meille jotain, niin se oli, että tieteellä voi olla systeemisiä ongelmia. Tämä on eräänlaista verkon heikkenemistä.

Oletetaan, että erotamme kaksi tapaa tehdä tiedettä: oikea tiede и uraismi. Todellinen tiede on käytäntöjä, jotka tuottavat luotettavasti tietoa. Sitä motivoi uteliaisuus ja sille on ominaista rehellisyys (Feynman: "Näetkö, minun täytyy vain ymmärtää maailma"). Uraa päinvastoin motivoivat ammatilliset tavoitteet, ja sille on ominaista leikkiminen politiikassa ja tieteellisissä oikopoluissa. Se voi näyttää ja toimia tieteeltä, mutta ei tuottaa luotettavaa tietoa.

(Kyllä, tämä on liioiteltu kaksijakoisuus. Vain ajatuskokeilu. Älä syytä minua).

Tosiasia on, että kun urastit vievät tilaa todellisessa tutkimusyhteisössä, he pilaavat työn. He pyrkivät mainostamaan itseään samalla kun muu yhteisö yrittää hankkia ja jakaa uutta tietoa. Selvyyden tavoittelun sijaan urastit monimutkaistavat ja sekoittavat kaiken voidakseen kuulostaa vaikuttavammalta. He harjoittavat (kuten Harry Frankfurt sanoisi) tieteellistä hölynpölyä. Ja siksi voisimme mallintaa ne kuolleiksi solmuiksi, jotka eivät läpäise tiedon kasvun kannalta tarpeellista oikeudenmukaista tiedonvaihtoa:

Ehkä paras malli on sellainen, jossa urastiset solmut eivät vain ole tietoon läpäisemättömiä, vaan myös levittävät aktiivisesti väärennettyä tietoa. Väärennetyt tiedot voivat sisältää merkityksettömiä tuloksia, joiden merkitystä on keinotekoisesti liioiteltu, tai todella vääriä tuloksia, jotka johtuvat manipuloinnista tai tekaistuista tiedoista.

Huolimatta siitä, miten mallinamme heidät, uraristit voivat varmasti kuristaa tiedeyhteisömme.

Se on kuin ydinketjureaktio, jota kipeästi tarvitsemme - tarvitsemme tiedon räjähdyksen - vain rikastetussa U-235:ssämme on liikaa ei-reaktiivista isotooppia U-238, mikä tukahduttaa ketjureaktion.

Tietenkään ei ole selvää eroa urastien ja todellisten tiedemiesten välillä. Jokaisessa meistä on piilossa vähän uraismia. Kysymys on siitä, kuinka kauan verkosto voi kestää ennen kuin tiedon levittäminen hiipuu.

Oi, luit loppuun asti. Kiitos, että luit.

lisenssi

CC0 Kaikkia oikeuksia ei pidätetä. Voit käyttää tätä työtä parhaaksi katsomallasi tavalla :).

Kiitokset

• Kevin Kwok и Nicky Case harkittuja kommentteja ja ehdotuksia luonnoksen eri versioista.
• Nick Barr – moraalista tukea koko prosessin ajan ja hyödyllisimmästä palautteesta työstäni.
• Keith A. siitä, että hän huomautti minulle perkolaation ilmiöstä ja perkolaatiokynnyksestä.
• Geoff Lonsdale linkin vuoksi tämä on essee, joka (monista puutteistaan ​​huolimatta) oli tärkein sysäys tämän postauksen parissa.

Interaktiiviset esseenäytteet

• Kaikki Nicky Casen työt, mm. "Vertaus monikulmioista" (Vi Hartin kanssa) ja "Paremman äänestyslipun kehittäminen". Tämä on korkea taso sille, mitä interaktiivinen essee voi olla.
• distill.pub: Poikkeuksellisen laadukkaat interaktiiviset kuvaukset koneoppimisesta.
• Bret Victorin klassikkoteos "Ylös ja alas abstraktion tikkaat". En ollut kovin hyvä liikkumaan portaita ylös, mutta aina on vielä yksi yritys.

Lähde: will.com