Se avete trascorso del tempo a riflettere su sistemi complessi, comprendete sicuramente l'importanza delle reti. Le reti governano il nostro mondo. Dalle reazioni chimiche all'interno di una cellula, alla rete di relazioni in un ecosistema, alle reti commerciali e politiche che plasmano il corso della storia.

Oppure consideriamo questo articolo che state leggendo. Probabilmente l'avete trovato su un social network, scaricato da una rete informatica e attualmente state decifrando il significato con la vostra rete neurale..

Ma per quanto io abbia pensato alle reti nel corso degli anni, fino a poco tempo fa non comprendevo l'importanza della semplice diffusione..

Questo è il nostro tema per oggi: come, quanto caoticamente tutto si muove e si diffonde. Alcuni esempi per stuzzicare l'appetito:

• Malattie infettive che si trasmettono da un portatore all'altro all'interno di una popolazione.
• Meme che si diffondono attraverso la rete di follower nei social media.
• Un incendio boschivo.
• Idee e pratiche che penetrano nella cultura.
• Un cascata di neutroni nell'uranio arricchito.

Una breve nota sulla forma.

A differenza di tutti i miei lavori precedenti, questo saggio è interattivo [nella articolo originale. sono forniti esempi interattivi con cursori e pulsanti che controllano gli oggetti sullo schermo — ad esempio per].

Quindi, cominciamo. Il primo compito è sviluppare un dizionario visivo da distribuire nelle reti.

Modello semplice

Sicuramente tutti voi conoscete le basi delle reti, ovvero nodi + archi. Per esplorare la diffusione, basta contrassegnare alcuni nodi come attivi. Oppure, come amano dire gli epidemiologi, infettati:

Questa attivazione o infezione si propaga attraverso la rete da nodo a nodo secondo le regole che svilupperemo di seguito.

Le reti reali sono generalmente molto più grandi di questa semplice rete di sette nodi. Sono anche molto più complesse. Ma per semplicità qui costruiremo un modello giocattolo per studiare la griglia, ovvero una rete reticolare (lattice network).

(Il fatto che la rete manchi di realismo è compensato dal fatto che è facile da disegnare 😉

Salvo diversa indicazione, ogni nodo della rete ha quattro vicini, ad esempio:

E bisogna immaginare che queste reti si estendano all'infinito in tutte le direzioni. In altre parole, non ci interessa il comportamento che si verifica solo ai confini della rete o in piccole popolazioni.

Considerando che le reti sono così ordinate, possono essere semplificate a pixel. Ad esempio, queste due immagini rappresentano la stessa rete:

In una delle varianti di comportamento, un nodo attivo trasmette sempre l'infezione ai suoi vicini (non infetti). Ma questo è noioso. Accadono cose molto più interessanti quando la trasmissione è probabilistica.

SIR e SIS

In modelli SIR (Susceptible-Infected-Removed) un nodo può trovarsi in tre stati:

• Suscettibile (Susceptible)
• Infetto (Infected)
• Rimosso (Removed)

Ecco come funziona la simulazione interattiva [in articolo originale. puoi scegliere la velocità di trasmissione dell'infezione da 0 a 1, vedere il processo passo dopo passo o tutto in una volta — nota traduttore]:

• I nodi iniziano come suscettibili, ad eccezione di alcuni nodi che iniziano come infetti.
• Ad ogni passo temporale, i nodi infetti hanno la possibilità di trasmettere l'infezione a ciascuno dei loro vicini suscettibili con una probabilità pari alla velocità di trasmissione.
• I nodi infetti passano quindi nello stato di "rimossi", il che significa che non possono più infettare altri o essere infettati essi stessi.

Nel contesto della malattia, la rimozione può significare che una persona è morta o che ha sviluppato un'immunità al patogeno. Diciamo che sono "rimossi" dalla simulazione perché non accade più nulla con loro.

A seconda di ciò che stiamo cercando di modellare, potrebbe essere necessaria un'altra modellazione, diversa dal SIR.

Se stiamo simulando la diffusione del morbillo o un focolaio di incendio boschivo, il SIR è perfetto. Ma supponiamo che stiamo simulando la diffusione di una nuova pratica culturale, come la meditazione. Inizialmente, il nodo (persona) è suscettibile, perché non l'ha mai fatta prima. Poi, se inizia a meditare (forse sentendolo da un amico), lo modelleremo come infettato. Ma se smette di praticare, non morirà né uscirà dalla simulazione, perché in futuro potrebbe facilmente riassumere questa abitudine. Così torna di nuovo nello stato suscettibile.

Questo modello SIS (Susceptible–Infected–Susceptible). Nel modello classico ci sono due parametri: la velocità di trasmissione e la velocità di recupero. Tuttavia, nelle simulazioni per questo articolo ho deciso di semplificare, omettendo il parametro della velocità di recupero. Invece, un nodo infetto torna automaticamente allo stato suscettibile al passo successivo del tempo, a meno che non venga infettato da uno dei suoi vicini. Inoltre, consentiamo a un nodo infetto al passo n di infettarsi di nuovo al passo n+1 con una probabilità pari alla velocità di trasmissione.

Discussione

Come puoi vedere, questo è molto diverso dal modello SIR.

Poiché i nodi non vengono mai rimossi, anche una griglia molto piccola e limitata può mantenere l'infezione SIS per lungo tempo. L'infezione salta semplicemente da nodo a nodo e torna indietro.

Nonostante le differenze, SIR e SIS si rivelano sorprendentemente intercambiabili per i nostri scopi. Pertanto, per il resto dell'articolo ci concentreremo su SIS, principalmente perché è più resistente e quindi più interessante da esplorare.

Livello critico

Giocando con i modelli SIR e SIS, potresti aver notato qualcosa riguardo alla durata dell'infezione. A velocità di trasmissione molto basse, come il 10%, l'infezione tende a estinguersi. Mentre a valori più alti, come il 50%, l'infezione rimane attiva e occupa una parte maggiore della rete. Se la rete fosse infinita, potremmo immaginare che continui e si diffonda all'infinito.

Questa diffusione illimitata ha molti nomi: 'virale', 'nucleare' o (nel titolo di questo articolo) critica.

Si scopre che esiste un punto di rottura specifico che separa reti subcritiche (destinate all'estinzione) da reti sovracritiche (capaci di crescita infinita). Questo momento di rottura è chiamato soglia critica, ed è un segno piuttosto comune dei processi di diffusione nelle reti ordinarie.

Il valore esatto della soglia critica varia tra le reti. Ciò che è comune è presenza un valore simile.

[Nella dimostrazione interattiva da l'articolo originale puoi provare a trovare manualmente la soglia critica della rete, modificando il valore della velocità di trasmissione. Essa si colloca tra il 22% e il 23% — nota del traduttore.]

Con una percentuale del 22% (o inferiore), un'infezione è destinata a estinguersi. Con il 23% (o superiore), l'infezione iniziale talvolta si estingue, ma nella maggior parte dei casi riesce a sopravvivere e a propagarsi a lungo abbastanza da garantirsi un'esistenza eterna.

(A proposito, esiste un'intera branca della scienza dedicata alla ricerca di queste soglie critiche per diverse topologie di rete. Per un'introduzione veloce, consiglio di dare un'occhiata veloce all'articolo di Wikipedia su soglie critiche).

In generale, ecco come funziona: al di sotto della soglia critica, qualsiasi infezione finale nella rete si estingue garantita (con probabilità 1) nel tempo. Ma sopra la soglia critica, esiste una probabilità (p > 0) che l'infezione continui per sempre e si propagini arbitrariamente lontano dal punto di origine.

Tuttavia, si noti che una rete supercritica non garantisce, che l'infezione continuerà per sempre. In realtà, essa spesso svanisce, specialmente nelle prime fasi di modellazione. Vediamo come avviene.

Supponiamo di partire da un nodo infetto e quattro vicini. Nel primo passo della simulazione, l'infezione ha 5 possibilità indipendenti di diffusione (inclusa la possibilità di "diffondersi" su se stessa nel passo successivo):

Ora supponiamo che la velocità di trasmissione sia del 50%. In questo caso, nel primo passo lanciamo la moneta cinque volte. E se escono cinque teste, l'infezione verrà distrutta. Questo accade circa nel 3% dei casi — e ciò vale solo per il primo passo. L'infezione che sopravvive al primo passo ha una certa (di solito minore) probabilità di estinguersi al secondo passo, una certa (ancora minore) probabilità di estinguersi al terzo passo, e così via.

Pertanto, anche quando la rete è sopracritica — se la velocità di trasmissione è del 99% — c'è la possibilità che l'infezione scompaia.

Ma è importante notare che non sempre si estinguerà. Se sommiamo la probabilità di estinzione di tutti i passi all'infinito, il risultato è inferiore a 1. In altre parole, con una probabilità non nulla, l'infezione continuerà per sempre. Questo è ciò che significa per una rete essere sopracritica.

SISa: attivazione spontanea

Fino ad ora, tutte le nostre simulazioni sono iniziate con piccoli gruppi di nodi precedentemente infettati al centro.

Ma cosa succede se si inizia da zero? Simuliamo quindi l'attivazione spontanea - il processo attraverso il quale un nodo suscettibile viene infettato casualmente (non da uno dei vicini).

Questo è chiamata modello SISa. La lettera “a” sta per «automatico».

Nella simulazione SISa appare un nuovo parametro - la velocità di attivazione spontanea, che modifica la frequenza di insorgenza dell'infezione spontanea (anche il parametro della velocità di trasmissione che abbiamo visto in precedenza è presente).

Cosa serve affinché l'infezione si diffonda in tutta la rete?

Discussione

Nella simulazione, potresti aver notato che aumentare la velocità di attivazione spontanea non altera se l'infezione cattura tutta la rete o meno. Solo la velocità di trasmissione determina se la rete è sub-critica o super-critica. E quando la rete è sub-critica (la velocità di trasmissione è minore o uguale al 22%), nessuna infezione può diffondersi su tutta la griglia, indipendentemente da quanto spesso inizi.

È come accendere un fuoco su un campo bagnato. Puoi accendere alcune foglie secche, ma la fiamma si spegnerà rapidamente perché il resto del paesaggio non è sufficientemente infiammabile (a precritico). Mentre su un campo molto secco (sopracritico) basta una sola scintilla per far divampare un incendio.

Situazioni simili si osservano nel campo delle idee e delle invenzioni. Spesso il mondo non è pronto per un'idea, e in questo caso può essere inventata ripetutamente, ma non colpisce le masse. D'altra parte, il mondo può essere completamente pronto per un'invenzione (un grande bisogno nascosto), e appena nasce, viene accettata da tutti. A metà ci sono idee che vengono inventate in più luoghi e si diffondono localmente, ma non a sufficienza affinché una versione separata possa coprire immediatamente l'intera rete. In quest'ultima categoria troviamo, ad esempio, l'agricoltura e la scrittura, che sono state inventate indipendentemente da diverse civiltà umane circa dieci e tre volte, rispettivamente.

Immunità

Supponiamo di rendere alcuni nodi completamente immuni, cioè non soggetti ad attivazione. È come se fossero inizialmente in uno stato remoto, mentre il modello SIS(a) viene attivato sui nodi rimanenti.

Il cursore «immunità» gestisce la percentuale di nodi rimossi. Prova a modificare il suo valore (mentre il modello è attivo!) e osserva come influisce sullo stato della rete, se sarà supercritica o meno.

Discussione

Modificare il numero di nodi immuni cambia completamente la situazione, rendendo la rete sub-critica o supercritica. E non è difficile capire perché. Con un gran numero di nodi immuni, l'infezione ha meno opportunità di diffusione verso nuovi host.

Si rivela che ciò porta a una serie di conseguenze pratiche molto importanti.

Uno dei metodi è la prevenzione della diffusione degli incendi boschivi. A livello locale, ogni persona deve adottare misure di sicurezza proprie (ad esempio, non lasciare mai fiamme aperte incustodite). Tuttavia, su larga scala, singoli focolai sono inevitabili. Pertanto, un altro metodo di protezione consiste nel garantire un numero adeguato di "interruzioni" (nella rete di materiali infiammabili), affinché un focolaio non si propaghi in tutta la rete. Questa funzione è svolta dai tagli.

Un altro focolaio che è importante fermare è l'infezione. Qui entra in gioco il concetto di immunità di gregge. È l'idea che alcune persone non possano essere vaccinate (ad esempio, perché hanno un sistema immunitario compromesso), ma se un numero sufficiente di persone è immune all'infezione, la malattia non potrà diffondersi all'infinito. In altre parole, è necessario vaccinare un numero adeguato una parte della popolazione per ridurre lo stato di sovracritico a subcritico. Quando ciò accade, un paziente può ancora infettarsi (ad esempio, dopo un viaggio in un'altra regione), ma senza una rete sovracritica in cui possa crescere, la malattia infetterà solo un piccolo gruppo di persone.

Infine, il concetto di nodi immuni spiega cosa accade in un reattore nucleare. Nella reazione a catena, un atomo di uranio-235 in decadimento libera circa tre neutroni, che causano (in media) la fissione di più di un atomo di U-235. I nuovi neutroni causano quindi ulteriori fissioni di atomi e così via in modo esponenziale:

Nella costruzione di una bomba, il senso è garantire la continua crescita esponenziale. Ma nella centrale elettrica, l'obiettivo è produrre energia senza uccidere tutti intorno. A tal fine, vengono utilizzati barre di controllo, realizzati con materiale in grado di assorbire neutroni (ad esempio, argento o boro). Poiché assorbono e non rilasciano neutroni, nella nostra simulazione agiscono come nodi di immunità, impedendo così che il nucleo radioattivo raggiunga uno stato sovracritico.

Pertanto, il trucco di un reattore nucleare è mantenere la reazione vicino al limite critico, spostando le barre di controllo avanti e indietro, e garantire che ogni volta che qualcosa va storto, le barre scendano nel nucleo e lo fermino.

Grado

Grado di un nodo è il numero dei suoi vicini. Fino a questo momento abbiamo considerato reti di quarto grado. Ma cosa succede se cambiamo questo parametro?

Ad esempio, si possono connettere ogni nodo non solo con quattro vicini immediati, ma anche con quattro in diagonale. In una rete di questo tipo, il grado sarà 8.

Le griglie con gradi 4 e 8 sono abbastanza simmetriche. Ma al grado 5 (per esempio) sorge il problema: quali cinque vicini scegliere? In questo caso, scegliamo quattro vicini più prossimi (N, E, S, W) e poi scegliamo casualmente un vicino dal gruppo {NE, SE, SW, NW}. La scelta è indipendente per ogni nodo ad ogni passo temporale.

Discussione

Ancora una volta, non è difficile capire cosa sta succedendo qui. Quando ogni nodo ha più vicini, aumenta la possibilità di diffusione dell'infezione — e quindi la rete ha una maggiore probabilità di diventare critica.

Tuttavia, le conseguenze possono essere inaspettate, come vedremo più avanti.

Città e densità della rete

Fino ad ora, le nostre reti sono state completamente omogenee. Ogni nodo appare come qualsiasi altro. Ma cosa succede se modifichiamo le condizioni e permettiamo stati diversi dei nodi in tutta la rete?

Ad esempio, proviamo a simulare le città. Per farlo, aumentiamo la densità in alcune aree della rete (gradi di nodi più elevati). Lo facciamo basandoci sui dati che gli abitanti delle città hanno una cerchia sociale più ampia e più interazioni sociali, rispetto alle persone al di fuori delle città.

Nel nostro modello, i nodi sensibili sono colorati in base al loro grado. I nodi nelle "zone rurali" hanno un grado 4 (e sono colorati di grigio chiaro), mentre i nodi nelle "città" hanno gradi più elevati (e sono colorati più scuri), partendo dal grado 5 in periferia fino ad arrivare all'8 nel centro città.

Cerca di impostare una velocità di diffusione tale che l'attivazione copra le città e poi non oltrepassi i loro confini.

Trovo questa simulazione sia ovvia che sorprendente. Certo, le città supportano meglio il livello culturale rispetto alle aree rurali — lo sa chiunque. Ciò che mi sorprende è che parte di questa diversità culturale deriva semplicemente dalla topologia della rete sociale.

È un punto interessante, cercherò di spiegare più in dettaglio.

Qui ci occupiamo di forme di cultura che si trasmettono in modo semplice e diretto da persona a persona. Per esempio, le buone maniere, i giochi da salotto, le tendenze della moda, le tendenze linguistiche, i rituali di piccoli gruppi e prodotti che si diffondono di bocca in bocca, oltre a interi pacchetti di informazioni che chiamiamo idee.

(Nota: la diffusione delle informazioni tra le persone è estremamente complicata dai mezzi di comunicazione di massa. È più facile immaginare un ambiente tecnologicamente primitivo, ad esempio l'Antica Grecia, dove quasi ogni scintilla culturale veniva trasmessa interagendo nello spazio fisico).

Dalla simulazione fornita ho appreso che ci sono idee e pratiche culturali che possono radicarsi e diffondersi in città, ma semplicemente non possono diffondersi nelle aree rurali (matematicamente non possono). Queste sono le stesse idee e le stesse persone. Non si tratta del fatto che gli abitanti delle campagne siano 'poco intelligenti': nel confrontarsi con la stessa idea, hanno esattamente le stesse possibilità di afferrarla, come i cittadini. È solo che l'idea stessa non può diventare virale nelle aree rurali, perché ci sono meno connessioni attraverso cui può diffondersi.

Questo è probabilmente il modo più semplice per osservare nel campo della moda — abbigliamento, acconciature, ecc. Nella rete della moda possiamo fissare l'arco della griglia quando due persone notano i vestiti l'una dell'altra. Nel centro urbano, ogni persona può vedere quotidianamente oltre 1000 altre persone — per strada, in metropolitana, in un ristorante affollato, ecc. In campagna, al contrario, ogni persona può vedere solo alcune decine di altre. Basandosi solo su questa differenza, la città è in grado di sostenere più tendenze della moda. E solo le tendenze più convincenti — con la massima velocità di trasmissione — possono affermarsi al di fuori della città.

Tendiamo a pensare che se un'idea è buona, finirà per raggiungere tutti, mentre se un'idea è cattiva, sparirà. Questo è certamente vero nei casi estremi, ma tra di essi ci sono molte idee e pratiche che possono diventare virali solo in reti specifiche. È davvero sorprendente.

Non solo le città

Qui stiamo considerando l'influenza della densità della rete. Essa è definita per un dato insieme di nodi come il numero di archi effettivi, diviso per il numero di archi potenziali. Cioè la percentuale di possibili connessioni che esistono realmente.

Dunque, abbiamo visto che la densità della rete nei centri urbani è superiore rispetto alle zone rurali. Ma le città non sono l'unico luogo dove troviamo reti dense.

Un esempio interessante sono le scuole superiori. Ad esempio, per una specifica area geografica, confrontiamo la rete che esiste tra gli studenti con quella che esiste tra i loro genitori. Stessa area geografica e stessa popolazione, ma una rete è di gran lunga più densa dell'altra. Non sorprende quindi che le mode e le tendenze linguistiche si diffondano molto più rapidamente tra gli adolescenti.

Allo stesso modo, le reti d'élite sono generalmente molto più dense rispetto alle reti non d'élite — credo che questo fatto venga sottovalutato (le persone popolari o influenti dedicano più tempo alla creazione di reti, e quindi hanno più «vicini» rispetto agli individui comuni). Basandoci sulle simulazioni sopra menzionate, ci aspettiamo che le reti d'élite sostengano alcune forme culturali che non possono essere mantenute dal mainstream, semplicemente in base alle leggi matematiche, in base alla densità media della rete. Vi lascio riflettere su quali potrebbero essere queste forme culturali.

Infine, possiamo applicare questa idea a Internet, modellandolo come un immenso e molto denso città. Non sorprende che molti nuovi tipi di cultura prosperino su Internet, che è impossibile sostenere in reti puramente spaziali: hobby di nicchia, migliori standard di design, maggiore consapevolezza delle ingiustizie, e così via. E non sono solo cose piacevoli. Proprio come le prime città erano focolai di malattie che non potevano diffondersi con bassa densità di popolazione, così Internet è un terreno fertile per forme culturali maligne, come il clickbait, le fake news e l'incitamento a indignazioni artificiali.

Conoscenza

«Coinvolgere il giusto esperto al momento giusto è spesso la risorsa più preziosa per trovare una soluzione creativa a un problema». — Michael Nielsen, «Inventing Discovery»

Spesso pensiamo alla scoperta o all'invenzione come a un processo che avviene nella mente di un'unica persona geniale. Riceve un colpo di ispirazione e— eureka! — all'improvviso otteniamo un nuovo modo di misurare un volume. O l'equazione della gravitazione. O la lampadina.

Ma se adottiamo il punto di vista dell'inventore solitario nel momento della scoperta, guardiamo il fenomeno dal punto di vista di un nodo. Sebbene sia più corretto interpretare l'invenzione come una rete . La rete è importante almeno sotto due aspetti. In primo luogo, le idee esistenti devono penetrare

nella mente dell'inventore. Queste sono citazioni da un nuovo articolo, la sezione bibliografica di un nuovo libro - i giganti sulle spalle dei quali si trovava Newton. In secondo luogo, la rete è essenziale per riportare una nuova idea nel mondo; un'invenzione che non si è diffusa difficilmente può essere chiamata «invenzione». Pertanto, per entrambe queste ragioni, ha senso modellare l'invenzione — o, in senso ampio, la crescita della conoscenza — come un processo di diffusione. Fra un momento presenterò una simulazione approssimativa di come le conoscenze possono diffondersi e crescere all'interno della rete. Ma prima devo spiegare. All'inizio della modellizzazione, in ciascun quadrante della griglia ci sono quattro esperti, disposti nel seguente modo:

Tra un momento presenterò una simulazione approssimativa di come possono diffondersi e crescere le conoscenze all'interno della rete. Ma prima devo spiegare.

All'inizio della simulazione, in ogni quadrante della rete si trovano quattro esperti, disposti come segue:

L'esperto 1 presenta la prima versione dell'idea, chiamata Idea 1.0. L'esperto 2 è la persona che sa come trasformare l'Idea 1.0 nell'Idea 2.0. L'esperto 3 sa come convertire l'Idea 2.0 nell'Idea 3.0. Infine, il quarto esperto sa come apportare gli ultimi ritocchi per creare l'Idea 4.0.

Questo è simile a una tecnica come l'origami, dove i metodi vengono sviluppati e combinati con altri metodi per creare strutture più interessanti. Oppure potrebbe essere un campo di conoscenza, come la fisica, in cui il lavoro successivo si basa sul lavoro fondamentale dei predecessori.

Il cuore di questa simulazione è che abbiamo bisogno di tutti e quattro gli esperti per contribuire alla versione finale dell'idea. E ad ogni fase, l'idea deve essere portata all'esperto corrispondente.

Alcune riserve. Nella simulazione sono codificate molte assunzioni irrealistiche. Ecco solo alcune di esse:

1. Si presume che le idee non possano essere conservate e trasferite se non da persona a persona (cioè, non ci sono libri e media).
2. Si presume che nella popolazione ci siano esperti permanenti in grado di generare idee, anche se in realtà molti fattori casuali influiscono sulla nascita di scoperte o invenzioni.
3. Per tutte e quattro le versioni dell'idea viene utilizzato lo stesso insieme di parametri SIS (velocità di trasmissione, percentuale di insensibilità, ecc.), anche se sarebbe probabilmente più realistico utilizzare parametri diversi per ogni versione (1.0, 2.0, ecc.).
4. Si presume che l'idea N+1 sostituisca sempre completamente l'idea N, anche se nella pratica spesso entrambe le versioni, vecchia e nuova, circolano contemporaneamente, senza un vincitore categorico.

… e molti altri.

Discussione

Questo è un modello riduttivo di come si sviluppano realmente le conoscenze. Molti dettagli importanti sono rimasti al di fuori del modello (vedi sopra). Tuttavia, riflette l'essenza fondamentale del processo. Pertanto, possiamo, con alcune riserve, discutere della crescita delle conoscenze utilizzando le nostre conoscenze sulla diffusione.

In particolare, il modello di diffusione fornisce una comprensione di come accelerare il processo: è necessario facilitare lo scambio di idee tra i nodi esperti. Questo può significare liberare la rete dai nodi morti che ostacolano la diffusione. Oppure può significare collocare tutti gli esperti in una città o in un cluster con alta densità di rete, dove le idee si diffondono rapidamente. O semplicemente mettere tutti nella stessa stanza:

Quindi… questo è tutto ciò che posso dire sulla diffusione.

Ma ho un ultimo pensiero, ed è molto importante. Si tratta di crescita (e stagnazione) delle conoscenze nelle comunità scientifiche. Questa idea è diversa nel tono e nel contenuto rispetto a tutto ciò che è stato detto finora, ma spero che mi perdonerete.

Sulle reti scientifiche

L'illustrazione mostra uno dei cicli di feedback positivi più importanti al mondo (e lo è stato per molto tempo):

Il ciclo ascendente (K ⟶ T) è piuttosto semplice: utilizziamo nuove conoscenze per sviluppare nuovi strumenti. Ad esempio, la comprensione della fisica dei semiconduttori ci consente di creare computer.

Tuttavia, il ciclo discendente richiede alcune spiegazioni. In che modo lo sviluppo delle tecnologie porta a una crescita delle conoscenze?

Uno dei modi, forse il più diretto, è quando le nuove tecnologie ci offrono nuovi modi di percepire il mondo. Ad esempio, i migliori microscopi ci permettono di esplorare più a fondo l'interno delle cellule, generando idee per la biologia molecolare. I tracker GPS mostrano come si muovono gli animali. I sonar consentono di esplorare gli oceani. E così via.

Senza dubbio, questo è un meccanismo vitale, ma ci sono almeno altri due modi per passare dalla tecnologia alla conoscenza. Potrebbero non essere così semplici, ma penso che siano altrettanto importanti:

PrimoLa tecnologia porta a una prosperità economica (cioè a ricchezza), permettendo a un numero maggiore di persone di dedicarsi alla produzione di conoscenza.

Se il 90% della popolazione del tuo paese si dedica all'agricoltura e il restante 10% si occupa di qualche forma di commercio (o di guerra), allora le persone avranno pochissimo tempo libero per riflettere sulle leggi della natura. Forse è per questo che in passato la scienza è stata principalmente promossa da giovani provenienti da famiglie benestanti.

Negli Stati Uniti ogni anno si laureano oltre 50.000 dottori di ricerca. Invece di iniziare a lavorare in fabbrica all'età di 18 anni (o anche prima), un dottorando può richiedere finanziamenti fino a 30 o, forse, persino 40 anni — e anche allora non è chiaro se il suo lavoro porterà a un reale impatto economico. Tuttavia, è necessario affinché una persona raggiunga i vertici della sua disciplina, specialmente in campi complessi come la fisica o la biologia.

Il fatto è che, dal punto di vista sistemico, gli specialisti sono costosi. E la fonte finale della ricchezza pubblica che finanzia questi professionisti è una nuova tecnologia: l'aratro subsidia la penna.

SecondoLe nuove tecnologie, in particolare nel campo dei viaggi e delle comunicazioni, stanno cambiando la struttura delle reti sociali in cui cresce la conoscenza. In particolare, questo consente agli esperti e ai professionisti di interagire più da vicino tra loro.

Tra le invenzioni più significative vi sono la stampa, i vapore, le ferrovie (che semplificano i viaggi e/o l'invio della posta su lunghe distanze), i telefoni, gli aerei e internet. Tutte queste tecnologie contribuiscono ad aumentare la densità della rete, specialmente all'interno di comunità specializzate (dove avviene quasi tutta la crescita delle conoscenze). Ad esempio, le reti di corrispondenza che sono emerse tra gli scienziati europei alla fine del Medioevo, o come i fisici moderni utilizzano arXiv.

In definitiva, entrambi questi percorsi sono simili. Entrambi aumentano la densità della rete di esperti, il che porta a una crescita delle conoscenze:

Per molti anni ho avuto una certa avversione nei confronti dell'istruzione superiore. Un breve periodo in un programma di dottorato mi ha lasciato un retrogusto sgradevole. Ma ora, guardando indietro e riflettendo (cercando di astrarmi da tutti i problemi personali), devo concludere che l'istruzione superiore è ancora estremamente importante.

Le reti sociali accademiche (ad esempio, le comunità di ricerca) sono una delle strutture più avanzate e preziose create dalla nostra civiltà. Qui abbiamo accumulato una concentrazione senza pari di esperti, focalizzati sulla produzione di conoscenza. Non altrove le persone hanno sviluppato una maggiore capacità di comprendere e criticare le idee reciproche. Questo è il cuore pulsante del progresso. È in queste reti che il fuoco dell'illuminazione brucia più intensamente.

Ma non possiamo dare per scontato il progresso. Se la crisi della riproducibilità degli esperimenti ci ha insegnato qualcosa, è che la scienza può incontrare problemi sistemici. Si tratta, in un certo senso, di una degradazione della rete.

Supponiamo che possiamo distinguere due modi di fare scienza: scienza autentica e carrierismo. La scienza autentica è quella pratica che produce conoscenza in modo affidabile. È motivata dalla curiosità e caratterizzata da onestà (Feynman: «Vedete, ho davvero bisogno di capire il mondo»). Il carrierismo, al contrario, è motivato da ambizioni professionali e caratterizzato da giochi di potere e etichette scientifiche. Può sembrare e agire come scienza, ma non genera conoscenze affidabili.

(Sì, è un'iperbole esagerata. Solo un esperimento mentale. Non prendertela).

Il fatto è che quando i carrieristi occupano posizioni nella vera comunità scientifica, rovinano il lavoro. Si concentrano sul promuovere se stessi, mentre il resto della comunità cerca di acquisire nuove conoscenze e condividerle. Invece di cercare la chiarezza, i carrieristi complicano e confondono, per apparire più impressionanti. Si dedicano a quella che Harry Frankfurt chiamerebbe scienza fallace. Pertanto, potremmo modellare loro come nodi morti, insensibili al scambio onesto di informazioni necessarie per la crescita della conoscenza:

Forse il miglior modello è quello in cui i nodi carrieristi non sono solo insensibili alla conoscenza, ma la diffondono attivamente conoscenze false. Le conoscenze false possono includere risultati irrilevanti, la cui importanza è artificialmente gonfiata, o risultati davvero falsi, derivanti da manipolazioni o dati fabbricati.

Indipendentemente da come li modelliamo, i carrieraisti possono sicuramente soffocare le nostre comunità scientifiche.

È simile a una reazione nucleare a catena di cui abbiamo urgentemente bisogno: abbiamo bisogno di un'esplosione di conoscenze, ma nel nostro arricchito U-235 c'è troppa impurità di isotoopo non reattivo U-238, che sopprime la reazione a catena.

Certo, non c'è una netta distinzione tra carrieraisti e veri scienziati. C'è un po' di carriera in ciascuno di noi. La domanda è: quanto reggerà la rete prima che la diffusione delle conoscenze si affievolisca.

Oh, sei arrivato fino alla fine. Grazie per aver letto.

Licenza

CC0 tutti i diritti non riservati. Puoi utilizzare questo lavoro come desideri :).

Ringraziamenti

• A Kevin Kwok e A Nicky Case per i loro commenti e suggerimenti ponderati su varie versioni della bozza.
• A Nick Barr — per il sostegno morale durante l'intero processo e per i feedback più utili sul mio lavoro.
• A Kit A. per avermi fatto notare il fenomeno della percolazione e la soglia di flusso.
• A Jeff Lonsdale per il link a questo saggio, che (nonostante i suoi numerosi difetti) è stata la principale motivazione per lavorare su questo post.

Esempi di saggi interattivi

• Tutte le opere di Niki Case, in particolare «La parabola dei poligoni» (con Vi Hart) e «Creare il miglior manifesto per il voto». Questo è un alto standard per ciò che può essere un saggio interattivo.
• Distill.pub: descrizioni interattive di machine learning di qualità eccezionale.
• Il lavoro classico di Bret Victor «Su e giù per la scala delle astrazioni». Non sono riuscito molto bene a progredire nella scala, ma c'è sempre un'altra possibilità.

Fonte: habr.com