Se hai passato del tempo a pensare ai sistemi complessi, probabilmente capisci 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 modellano il corso della storia.

Oppure considera questo articolo che stai leggendo. Probabilmente l'hai trovato in social network, scaricato da rete di computer e attualmente stanno decifrando il significato usando your rete neurale.

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

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

• Malattie infettive che si trasmettono da portatore a portatore all’interno di una popolazione.
• Meme che si diffondono nel grafico dei follower sui social network.
• Incendio forestale.
• Idee e pratiche che permeano una cultura.
• Cascata di neutroni nell'uranio arricchito.

Una breve nota sulla forma.

A differenza di tutti i miei lavori precedenti, questo saggio è interattivo [in articolo originale vengono forniti esempi interattivi con cursori e pulsanti che controllano gli oggetti sullo schermo - ca. sentiero].

Quindi iniziamo. Il primo compito è sviluppare un vocabolario visivo da diffondere attraverso le reti.

Modello semplice

Sono sicuro che tutti voi conosciate le basi delle reti, ovvero nodi + bordi. Per studiare la diffusione, devi solo contrassegnare alcuni nodi come attivo. Oppure, come piace dire agli epidemiologi, infetto:

Questa attivazione o infezione si diffonde nella rete da nodo a nodo secondo le regole che svilupperemo di seguito.

Le reti reali sono in genere molto più grandi di questa semplice rete a sette nodi. Sono anche molto più confusi. Ma per semplicità, costruiremo qui un modello giocattolo per studiare un reticolo, cioè una rete di reticoli.

(Ciò che manca alla mesh in termini di realismo, è compensato dalla facilità di disegno 😉

Salvo diversa indicazione, i nodi della rete hanno quattro vicini, ad esempio:

E devi immaginare che questi reticoli si estendano all'infinito in tutte le direzioni. In altre parole, non siamo interessati al comportamento che si verifica solo ai margini della rete o in piccole popolazioni.

Dato che i reticoli sono così ordinati, possiamo semplificarli in pixel. Ad esempio, queste due immagini rappresentano la stessa rete:

In un comportamento, il nodo attivo trasmette sempre l'infezione ai suoi vicini (non infetti). Ma è noioso. Durante il trasferimento accadono cose molto più interessanti probabilistico.

SIGNORE e SIS

В I modelli SIR (Suscettibile-Infetto-Rimosso) un nodo può trovarsi in tre stati:

• Sensibile
• Infetto
• RIMOSSO

Ecco come funziona la simulazione interattiva [in articolo originale è possibile selezionare la velocità di trasmissione dell'infezione da 0 a 1, vedere il processo passo dopo passo o nella sua interezza - ca. trad.]:

• I nodi iniziano come sensibili, 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 entrano quindi in uno stato “eliminato”, il che significa che non sono più in grado di infettare altri o di essere infettati.

Nel contesto della malattia, l’allontanamento può significare che la persona è morta o che ha sviluppato l’immunità all’agente patogeno. Diciamo che vengono "rimossi" dalla simulazione perché non gli succede nient'altro.

A seconda di ciò che stiamo cercando di modellare, potrebbe essere necessario un modello diverso da SIR.

Se stiamo simulando la diffusione del morbillo o un’epidemia di incendio, il SIR è l’ideale. Ma supponiamo di simulare la diffusione di una nuova pratica culturale, come la meditazione. All'inizio il nodo (la persona) è ricettivo perché non lo ha mai fatto prima. Poi, se comincia a meditare (magari dopo averne sentito parlare da un amico), lo modelleremo come infetto. Ma se interrompe la pratica, non morirà e non uscirà dalla simulazione, perché in futuro potrà facilmente riprendere questa abitudine. Quindi torna ad uno stato ricettivo.

Essa Modello SIS (Suscettibile-Infetto-Suscettibile). Il modello classico ha due parametri: velocità di trasmissione e velocità di recupero. Tuttavia, nelle simulazioni per questo articolo, ho deciso di semplificare omettendo il parametro del tasso di recupero. Invece, il nodo infetto ritorna automaticamente allo stato suscettibile al passaggio temporale successivo, a meno che non venga infettato da uno dei suoi vicini. Inoltre, consentiamo a un nodo infetto al passaggio n di infettarsi al passaggio 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 un reticolo molto piccolo e confinato può sostenere a lungo un'infezione da SIS. L’infezione salta semplicemente da un nodo all’altro e ritorna.

Nonostante le loro differenze, SIR e SIS risultano sorprendentemente intercambiabili per i nostri scopi. Quindi per il resto di questo articolo ci atterremo al SIS, principalmente perché è più durevole e quindi più divertente con cui lavorare.

Livello critico

Dopo aver giocato con i modelli SIR e SIS, potresti aver notato qualcosa sulla longevità 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 viva e si impadronisce di gran parte della rete. Se la rete fosse infinita, potremmo immaginarla continuare e diffondersi per sempre.

Tale diffusione illimitata ha molti nomi: “virale”, “nucleare” o (nel titolo di questo articolo) critico.

Si scopre che c'è specifico il punto di rottura che separa reti subcritiche (destinato all'estinzione) da reti supercritiche (capace di crescita infinita). Questo punto di svolta si chiama soglia critica, e questo è un segnale abbastanza generale di processi di diffusione nelle reti ordinarie.

Il valore esatto della soglia critica varia tra le reti. Ciò che è comune è questo наличие un tale significato.

[In una demo interattiva da articolo originale Puoi provare a trovare manualmente la soglia di rete critica modificando il valore della velocità di trasmissione. È compreso tra il 22% e il 23% - ca. trans.]

Al 22% (e inferiore), l’infezione alla fine si estingue. Al 23% (e oltre), l'infezione originale a volte si estingue, ma nella maggior parte dei casi riesce a sopravvivere e a diffondersi abbastanza a lungo da garantirne l'esistenza per sempre.

(A proposito, esiste un intero campo scientifico dedicato alla ricerca di queste soglie critiche per diverse topologie di rete. Per una rapida introduzione, consiglio di scorrere rapidamente l'articolo di Wikipedia su soglia di perdita).

In generale, ecco come funziona: al di sotto di una soglia critica, è garantito che qualsiasi infezione finita nella rete (con probabilità 1) alla fine si estingua. Ma al di sopra di una soglia critica esiste una probabilità (p > 0) che l’infezione continui per sempre e che così facendo si diffonda arbitrariamente lontano dal sito originale.

Tuttavia, si noti che la rete supercritica non lo è garanzieche l’infezione continuerà per sempre. Infatti spesso sfuma, soprattutto nelle primissime fasi della simulazione. Vediamo come ciò accade.

Supponiamo di aver iniziato con un nodo infetto e quattro vicini. Nella prima fase di modellazione, l’infezione ha 5 possibilità indipendenti di diffondersi (inclusa la possibilità di “diffondersi” su se stessa nella fase successiva):

Supponiamo ora che la velocità di trasferimento sia del 50%. In questo caso, nel primo passaggio lanciamo una moneta cinque volte. E se vengono lanciate cinque teste, l'infezione verrà distrutta. Ciò accade in circa il 3% dei casi – e solo nella prima fase. Un'infezione che sopravvive alla prima fase ha una certa probabilità (solitamente minore) di estinguersi nella seconda fase, una certa probabilità (anche minore) di estinguersi nella terza fase, ecc.

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

Ma l'importante è che non lo faccia sempre svanirà. Se si somma la probabilità che tutti i passaggi si estinguano all'infinito, il risultato è inferiore a 1. In altre parole, esiste una probabilità diversa da zero che l'infezione continui per sempre. Questo è ciò che significa per una rete essere supercritica.

SISa: attivazione spontanea

Fino a questo punto, tutte le nostre simulazioni sono iniziate con un piccolo pezzo di nodi pre-infetti al centro.

Ma cosa succede se inizi da zero? Quindi modelliamo l'attivazione spontanea, il processo mediante il quale un nodo suscettibile viene infettato per caso (non da uno dei suoi vicini).

Essa detto Modello SISa. La lettera "a" sta per "automatico".

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

Cosa serve affinché un’infezione si diffonda in tutta la rete?

Discussione

Forse avrete notato nella simulazione che l'aumento del tasso di attivazione spontanea non cambia se l'infezione prende o meno il controllo dell'intera rete. Soltanto velocità di trasmissione determina se la rete è sub- o supercritica. E quando la rete è subcritica (velocità di trasmissione inferiore o uguale al 22%), nessuna infezione può diffondersi all’intera rete, indipendentemente dalla frequenza con cui si avvia.

È come accendere un fuoco in un campo bagnato. Puoi dare fuoco ad alcune foglie secche, ma la fiamma si spegnerà rapidamente perché il resto del paesaggio non è abbastanza infiammabile (subcritico). Mentre ci si trova su un campo molto secco (supercritico), è sufficiente una scintilla perché inizi a infuriare un incendio.

Cose simili si osservano nella sfera delle idee e delle invenzioni. Spesso il mondo non è pronto per un'idea, nel qual caso può essere inventata ancora e ancora, ma non attira le masse. D'altra parte, il mondo può essere completamente pronto per un'invenzione (grande domanda latente), e non appena nasce, viene accettata da tutti. Nel mezzo ci sono idee che vengono inventate in diversi luoghi e diffuse localmente, ma non abbastanza perché una singola versione possa spazzare via l’intera rete in una volta. In quest'ultima categoria troviamo, ad esempio, l'agricoltura e la scrittura, che furono inventate in modo indipendente da diverse civiltà umane rispettivamente circa dieci e tre volte.

immunità

Supponiamo di rendere alcuni nodi completamente invulnerabili, cioè immuni all'attivazione. È come se inizialmente si trovassero in uno stato remoto e sui restanti nodi venisse lanciato il modello SIS(a).

Il dispositivo di scorrimento dell'immunità controlla la percentuale di nodi rimossi. Prova a cambiare il suo valore (mentre il modello è in esecuzione!) e guarda come influisce sullo stato della rete, se sarà supercritico o meno.

Discussione

La modifica del numero di nodi che non rispondono cambia completamente il quadro relativo al fatto che la rete sarà subcritica o supercritica. E non è difficile capire perché. Con un gran numero di ospiti non sensibili, l’infezione ha meno possibilità di diffondersi a nuovi ospiti.

Si scopre che ciò ha una serie di conseguenze pratiche molto importanti.

Uno di questi è prevenire la diffusione degli incendi boschivi. A livello locale, ogni persona deve adottare le proprie precauzioni (ad esempio, non lasciare mai una fiamma libera incustodita). Ma su larga scala, epidemie isolate sono inevitabili. Quindi un altro metodo di protezione è garantire che ci siano abbastanza "interruzioni" (nella rete di materiali infiammabili) in modo che un'epidemia non travolga l'intera rete. Le compensazioni svolgono questa funzione:

Un’altra epidemia che è importante fermare è una malattia infettiva. Qui viene introdotto il concetto immunità di gregge. Questa è l’idea che alcune persone non possono essere vaccinate (ad esempio, hanno un sistema immunitario compromesso), ma se un numero sufficiente di persone è immune all’infezione, la malattia non può diffondersi indefinitamente. In altre parole, dovresti vaccinare sufficiente parte della popolazione per trasferire la popolazione da uno stato supercritico a uno subcritico. Quando ciò accade, un paziente può comunque essere infettato (dopo aver viaggiato in un’altra regione, ad esempio), ma senza una rete supercritica in cui crescere, la malattia infetterà solo una piccola manciata di persone.

Infine, il concetto di nodi immunitari spiega cosa succede in un reattore nucleare. In una reazione a catena, un atomo di uranio-235 in decomposizione rilascia circa tre neutroni, che provocano (in media) la fissione di più di un atomo di U-235. I nuovi neutroni causano quindi un’ulteriore scissione degli atomi, e così via in modo esponenziale:

Quando si costruisce una bomba, lo scopo è garantire che la crescita esponenziale continui incontrollata. Ma in una centrale elettrica, l’obiettivo è produrre energia senza uccidere tutti coloro che ti circondano. A questo scopo vengono utilizzati aste di controllo, costituito da un materiale in grado di assorbire neutroni (ad esempio argento o boro). Poiché assorbono anziché rilasciare neutroni, nella nostra simulazione agiscono come nodi immunitari, impedendo così al nucleo radioattivo di diventare supercritico.

Quindi il trucco di un reattore nucleare è mantenere la reazione vicino a una soglia critica spostando le barre di controllo avanti e indietro e garantire che ogni volta che qualcosa va storto, le barre cadano nel nocciolo e lo fermino.

grado di

grado di di un nodo è il numero dei suoi vicini. Finora abbiamo considerato le reti di grado 4. Ma cosa succede se si modifica questo parametro?

Ad esempio, puoi collegare ciascun nodo non solo a quattro vicini immediati, ma anche ad altri quattro in diagonale. In tale rete il grado sarà 8.

I reticoli con gradi 4 e 8 sono ben simmetrici. Ma con il grado 5 (ad esempio), sorge un problema: quali cinque vicini dovremmo scegliere? In questo caso, selezioniamo quattro vicini più vicini (N, E, S, W), quindi selezioniamo casualmente un vicino dall'insieme {NE, SE, SW, NW}. La scelta viene effettuata indipendentemente per ciascun nodo in ogni passo temporale.

Discussione

Ancora una volta, non è difficile vedere cosa sta succedendo qui. Quando ciascun nodo ha più vicini, aumentano le possibilità di diffusione dell’infezione e quindi è più probabile che la rete diventi critica.

Tuttavia, le conseguenze potrebbero essere inaspettate, come vedremo di seguito.

Città e densità di rete

Finora le nostre reti sono state del tutto omogenee. Ogni nodo assomiglia a qualsiasi altro. Ma cosa succede se cambiamo le condizioni e consentiamo diversi stati dei nodi in tutta la rete?

Ad esempio, proviamo a modellare le città. Per fare ciò, aumenteremo la densità in alcune parti della rete (maggiore grado di nodi). Lo facciamo sulla base dei dati a disposizione dei cittadini cerchia sociale più ampia e maggiori interazioni socialirispetto alle persone fuori città.

Nel nostro modello, i nodi suscettibili sono colorati in base al loro grado. I nodi nelle "aree rurali" hanno grado 4 (e sono colorati in grigio chiaro), mentre i nodi nelle "aree urbane" hanno gradi più alti (e sono colorati più scuri), iniziando con il grado 5 in periferia e finendo con 8 nel centro città.

Prova a scegliere una velocità di propagazione tale che l'attivazione copra le città e poi non oltrepassi i loro confini.

Trovo questa simulazione ovvia e sorprendente. Naturalmente, le città mantengono il livello culturale meglio delle zone rurali - questo lo sanno tutti. Ciò che mi sorprende è che parte di questa diversità culturale deriva semplicemente dalla topologia della rete sociale.

Questo è un punto interessante, proverò a spiegarlo più nel dettaglio.

Qui si tratta di forme di cultura che si trasmettono in modo semplice e diretto da persona a persona. Per esempio, maniere, giochi di società, tendenze della moda, tendenze linguistiche, rituali in piccoli gruppi e prodotti che si diffondono con il passaparola, oltre a interi pacchetti di informazioni che chiamiamo idee.

(Nota: la diffusione delle informazioni tra le persone è resa estremamente difficile dai media. È più facile immaginare un ambiente tecnologicamente primitivo, come l’antica Grecia, dove quasi ogni scintilla di cultura veniva trasmessa mediante l’interazione nello spazio fisico.)

Dalla simulazione di cui sopra, ho imparato che ci sono idee e pratiche culturali che possono radicarsi e diffondersi in città, ma semplicemente non possono (matematicamente non possono) diffondersi nelle zone rurali. Queste sono le stesse idee e le stesse persone. Il punto non è che i residenti rurali siano in qualche modo “di mentalità chiusa”: quando interagiscono con la stessa idea, lo fanno esattamente le stesse possibilità di prenderlocome i cittadini. Il fatto è che l’idea in sé non può diventare virale nelle zone rurali, perché non ci sono molti collegamenti attraverso i quali può diffondersi.

Questo è forse più facile da vedere nel campo della moda: vestiti, acconciature, ecc. Nella rete della moda, possiamo catturare il bordo del reticolo quando due persone notano i rispettivi abiti. In un centro urbano, ogni persona può vedere più di 1000 altre persone ogni giorno: per strada, nella metropolitana, in un ristorante affollato, ecc. In una zona rurale, al contrario, ogni persona può vederne solo un paio di dozzine. Basato su solo questa differenza, la città è in grado di supportare più tendenze della moda. E solo le tendenze più convincenti, quelle con la velocità di trasmissione più elevata, potranno prendere piede fuori città.

Tendiamo a pensare che se un’idea è buona prima o poi raggiungerà tutti, mentre se è cattiva scomparirà. Naturalmente questo vale in casi estremi, ma nel mezzo ci sono molte idee e pratiche che possono diventare virali solo su determinate reti. Questo è davvero sorprendente.

Non solo città

Stiamo esaminando l'impatto qui densità di rete. È definito per un dato insieme di nodi come un numero vere e proprie costole, diviso per numero potenziali bordi. Cioè la percentuale di possibili connessioni che effettivamente esistono.

Abbiamo quindi visto che la densità della rete nei centri urbani è maggiore che nelle aree rurali. Ma le città non sono l’unico luogo in cui troviamo reti fitte.

Un esempio interessante sono le scuole secondarie. Ad esempio, per un'area specifica, confrontiamo la rete che esiste tra gli scolari con la rete che esiste tra i loro genitori. Stessa area geografica e stessa popolazione, ma una rete è molte volte più densa dell’altra. Non sorprende quindi che la moda e le tendenze linguistiche si diffondano molto più velocemente tra gli adolescenti.

Allo stesso modo, le reti d'élite tendono ad essere molto più dense delle reti non d'élite - un fatto che ritengo sia sottovalutato (le persone popolari o influenti trascorrono più tempo in rete e quindi hanno più "vicini" rispetto alla gente comune). Sulla base delle simulazioni di cui sopra, ci aspettiamo che le reti d’élite supportino alcune forme culturali che non possono essere supportate dal mainstream, semplicemente basandosi sulle leggi matematiche del grado medio della rete. Lascio a voi speculare su quali potrebbero essere queste forme culturali.

Infine, possiamo applicare questa idea a Internet modellandolo come enorme e molto denso città. Non sorprende che online stiano prosperando molti nuovi tipi di cultura che semplicemente non possono essere supportati su reti puramente spaziali: hobby di nicchia, migliori standard di progettazione, maggiore consapevolezza dell’ingiustizia, ecc. E non sono solo cose belle. Proprio come le prime città erano terreno fertile per malattie che non potevano diffondersi a bassa densità di popolazione, così Internet è un terreno fertile per forme culturali maligne come il clickbait, le notizie false e l’alimentazione di indignazione artificiale.

conoscenza

"Avere l'esperto giusto al momento giusto è spesso la risorsa più preziosa per la risoluzione creativa dei problemi." — Michael Nielsen, Inventare la scoperta

Spesso pensiamo alla scoperta o all'invenzione come a un processo che avviene nella mente di un singolo genio. Viene colpito da un lampo di ispirazione e... Eureka! - improvvisamente abbiamo un nuovo modo per misurare il volume. O l'equazione della gravità. O una lampadina.

Ma se assumiamo il punto di vista di un inventore solitario al momento della scoperta, allora stiamo osservando il fenomeno dal punto di vista di un nodo. Mentre sarebbe più corretto interpretare l'invenzione come Rete fenomeno.

La rete è importante in almeno due modi. Innanzitutto, le idee esistenti devono penetrare nella coscienza inventore. Queste sono citazioni da un nuovo articolo, la sezione bibliografica di un nuovo libro: i giganti sulle cui spalle stava Newton. In secondo luogo, la rete è fondamentale per il ritorno di una nuova idea di nuovo a nel mondo; un'invenzione che non si è diffusa difficilmente vale la pena chiamarla "invenzione". Pertanto, per entrambe queste ragioni, ha senso modellare l’invenzione – o, più in generale, la crescita della conoscenza – come un processo di diffusione.

Tra poco presenterò una simulazione approssimativa di come la conoscenza può diffondersi e crescere all'interno di una rete. Ma prima devo spiegare.

All’inizio della simulazione sono presenti quattro esperti in ciascun quadrante della griglia, così disposti:

L'Esperto 1 ha la prima versione dell'idea: chiamiamola Idea 1.0. L'Esperto 2 è la persona che sa trasformare Idea 1.0 in Idea 2.0. Expert 3 sa trasformare Idea 2.0 in Idea 3.0. E infine, il quarto esperto sa come dare gli ultimi ritocchi a Idea 4.0.

Questo è simile a una tecnica come l'origami, in cui le tecniche vengono sviluppate e combinate con altre tecniche per creare disegni più interessanti. Oppure potrebbe trattarsi di un campo della conoscenza, come la fisica, in cui il lavoro più recente si basa sul lavoro fondamentale dei predecessori.

Il punto di questa simulazione è che abbiamo bisogno che tutti e quattro gli esperti contribuiscano alla versione finale dell’idea. E in ogni fase l'idea deve essere portata all'attenzione dell'esperto appropriato.

Alcuni avvertimenti. Ci sono molte ipotesi non realistiche codificate nella simulazione. Eccone solo alcuni:

1. Si presuppone che le idee non possano essere archiviate e trasmesse se non da persona a persona (cioè senza libri o media).
2. Si presume che nella popolazione vi siano esperti permanenti in grado di generare idee, anche se in realtà molti fattori casuali influenzano il verificarsi di una scoperta o invenzione.
3. Tutte e quattro le versioni dell'idea utilizzano lo stesso set di parametri SIS (velocità di trasmissione, percentuale di immunità, ecc.), sebbene sia probabilmente più realistico utilizzare parametri diversi per ciascuna versione (1.0, 2.0, ecc.)
4. Si presuppone che l'idea N+1 sostituisca sempre completamente l'idea N, anche se in pratica spesso circolano contemporaneamente sia la vecchia che la nuova versione, senza un chiaro vincitore.

… e molti altri.

Discussione

Questo è un modello ridicolmente semplificato di come la conoscenza cresce effettivamente. Ci sono molti dettagli importanti lasciati fuori dal modello (vedi sopra). Tuttavia, cattura l’importante essenza del processo. E allora possiamo, con riserva, parlare di crescita della conoscenza utilizzando la nostra conoscenza di diffusione.

In particolare, il modello di diffusione fornisce informazioni su come accelerare il processo: Necessità di facilitare lo scambio di idee tra nodi esperti. Ciò potrebbe significare eliminare la rete dai nodi morti che ostacolano la diffusione. Oppure potrebbe significare collocare tutti gli esperti in una città o in un cluster ad alta densità di rete dove le idee si diffondono rapidamente. Oppure raccoglili semplicemente in una stanza:

Quindi... questo è tutto quello che posso dire sulla diffusione.

Ma ho un ultimo pensiero, ed è molto importante. Si tratta di crescitae stagnazione) conoscenza nelle comunità scientifiche. Questa idea è diversa nel tono e nel contenuto da qualsiasi altra cosa sopra, ma spero che mi perdonerete.

A proposito di reti scientifiche

L'illustrazione mostra uno dei cicli di feedback positivi più importanti al mondo (ed è così da un bel po' di tempo):

La progressione verso l’alto del ciclo (K ⟶ T) è abbastanza semplice: utilizziamo nuove conoscenze per sviluppare nuovi strumenti. Ad esempio, comprendere la fisica dei semiconduttori ci consente di costruire computer.

Tuttavia, il movimento al ribasso richiede qualche spiegazione. In che modo lo sviluppo della tecnologia porta ad un aumento della conoscenza?

Un modo, forse il più diretto, è quando le nuove tecnologie ci offrono nuovi modi di percepire il mondo. Ad esempio, i migliori microscopi consentono di guardare più in profondità all’interno di una cellula, fornendo approfondimenti per la biologia molecolare. I localizzatori GPS mostrano come si muovono gli animali. Il sonar ti consente di esplorare gli oceani. E così via.

Si tratta senza dubbio di un meccanismo vitale, ma ci sono almeno altri due percorsi che portano dalla tecnologia alla conoscenza. Potrebbero non essere così semplici, ma penso che siano altrettanto importanti:

Prima. La tecnologia porta all’abbondanza economica (cioè alla ricchezza), che consente a più persone di impegnarsi nella produzione di conoscenza.

Se il 90% della popolazione del tuo paese è impegnata nell'agricoltura e il restante 10% è impegnato in qualche forma di commercio (o guerra), le persone hanno pochissimo tempo libero per pensare alle leggi della natura. Forse è per questo che in passato la scienza veniva promossa principalmente da bambini provenienti da famiglie ricche.

Gli Stati Uniti producono più di 50 dottorati di ricerca ogni anno. Invece di andare a lavorare in una fabbrica all’età di 000 anni (o prima), uno studente laureato deve essere finanziato fino all’età di 18 o forse 30 anni – e anche allora non è chiaro se il suo lavoro avrà un reale impatto economico. Ma è necessario che una persona sia all'avanguardia nella propria disciplina, soprattutto in campi complessi come la fisica o la biologia.

Il fatto è che da un punto di vista sistemico gli specialisti sono costosi. E la principale fonte di ricchezza pubblica che finanzia questi specialisti è la nuova tecnologia: l’aratro sovvenziona il recinto.

Secondo. Le nuove tecnologie, soprattutto nel campo dei viaggi e delle comunicazioni, stanno cambiando la struttura delle reti sociali in cui cresce la conoscenza. In particolare, consente ad esperti e specialisti di interagire più strettamente tra loro.

Tra le invenzioni degne di nota figurano la macchina da stampa, le navi a vapore e le ferrovie (che facilitano i viaggi e/o l'invio di posta su lunghe distanze), i telefoni, gli aeroplani e Internet. Tutte queste tecnologie contribuiscono ad aumentare la densità della rete, soprattutto all’interno delle comunità specializzate (dove avviene quasi tutta la crescita della conoscenza). Ad esempio, le reti di corrispondenza emerse tra gli scienziati europei alla fine del Medioevo, o il modo in cui i fisici moderni utilizzano arXiv.

In definitiva, entrambi questi percorsi sono simili. Entrambi aumentano la densità della rete di specialisti, che a sua volta porta ad un aumento della conoscenza:

Per molti anni sono stato piuttosto sprezzante nei confronti dell’istruzione superiore. Il mio breve periodo alla scuola di specializzazione mi ha lasciato l'amaro in bocca. Ma ora che mi guardo indietro e penso (a parte tutti i problemi personali), devo concludere che l’istruzione superiore è ferma чрезвычайно è importante

I social network accademici (ad esempio, le comunità di ricerca) sono una delle strutture più avanzate e preziose che la nostra civiltà abbia creato. Da nessuna parte abbiamo accumulato una maggiore concentrazione di specialisti focalizzati sulla produzione di conoscenza. Da nessuna parte le persone hanno sviluppato una maggiore capacità di comprendere e criticare le idee degli altri. È il cuore pulsante del progresso. È in queste reti che il fuoco dell’illuminazione arde con più forza.

Ma non possiamo dare per scontato il progresso. Se sperimentare la crisi di irriproducibilità e se ci ha insegnato qualcosa, è che la scienza può avere problemi sistemici. Questa è una sorta di degrado della rete.

Supponiamo di distinguere tra due modi di fare scienza: vera scienza и carrierismo. La vera scienza è costituita da pratiche che producono conoscenza in modo affidabile. È motivato dalla curiosità e caratterizzato dall'onestà (Feynman: "Vedi, ho solo bisogno di capire il mondo"). Il carrierismo, al contrario, è motivato da ambizioni professionali ed è caratterizzato da giochi politici e scorciatoie scientifiche. Può sembrare e agire come la scienza, ma no produce conoscenze attendibili.

(Sì, questa è una dicotomia esagerata. Solo un esperimento mentale. Non incolparmi).

Il fatto è che quando i carrieristi occupano spazio nella vera comunità di ricerca, rovinano il lavoro. Si sforzano di promuovere se stessi mentre il resto della comunità cerca di acquisire e condividere nuove conoscenze. Invece di lottare per la chiarezza, i carrieristi complicano e confondono tutto per sembrare più impressionanti. Sono impegnati in (come direbbe Harry Frankfurt) sciocchezze scientifiche. E quindi potremmo modellarli come nodi morti, impermeabili all’equo scambio di informazioni necessarie per la crescita della conoscenza:

Forse il modello migliore è quello in cui i nodi carrieristi non sono solo impermeabili alla conoscenza, ma la diffondono attivamente conoscenza falsa. La conoscenza falsa può includere risultati insignificanti la cui importanza è gonfiata artificialmente, o risultati veramente falsi che derivano dalla manipolazione o da dati falsificati.

Non importa come li modelliamo, i carrieristi possono certamente strangolare le nostre comunità scientifiche.

È come la reazione nucleare a catena di cui abbiamo disperatamente bisogno - abbiamo bisogno di un'esplosione di conoscenza - solo che il nostro U-235 arricchito contiene una quantità eccessiva dell'isotopo non reattivo U-238, che sopprime la reazione a catena.

Naturalmente, non esiste una chiara differenza tra carrieristi e veri scienziati. Ognuno di noi ha un po’ di carrierismo nascosto dentro di sé. La domanda è quanto tempo potrà durare la rete prima che la diffusione della conoscenza svanisca.

Oh, hai letto fino alla fine. Grazie per aver letto.

Licenza

CC0 Tutti i diritti non riservati. Puoi utilizzare questo lavoro come meglio credi :).

Ringraziamenti

• Kevin Kwok и Caso Nicky per commenti ponderati e suggerimenti sulle varie versioni della bozza.
• Nick Barr — per il supporto morale durante l'intero processo e per il feedback più utile sul mio lavoro.
• Keith A. per avermi segnalato il fenomeno della percolazione e la soglia di percolazione.
• Geoff Lonsdale per il collegamento a questo è un saggio, che (nonostante i suoi numerosi difetti) è stato lo stimolo principale per lavorare su questo post.

Esempi di saggi interattivi

• Tutto il lavoro di Nicky Case, specialmente. "La parabola dei poligoni" (con Vi Hart) e "Sviluppare una scheda elettorale migliore". Questo è un livello elevato per ciò che può essere un saggio interattivo.
• distill.pub: Descrizioni interattive di altissima qualità dell'apprendimento automatico.
• Opera classica di Bret Victor "Su e giù per la scala dell'astrazione". Non ero molto bravo a salire le scale, ma c'è sempre un altro tentativo.

Fonte: habr.com