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

Oppure consideriamo questo articolo che stai leggendo. Probabilmente l'hai trovato in una rete sociale, l'hai scaricato da una rete informatica e attualmente stai decifrando il senso con il tuo network neurale.

Ma per quanto io abbia pensato alle reti per molti anni, fino a poco tempo fa non capivo l'importanza della semplice diffusione.

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

• Malattie contagiose che si trasmettono da un portatore all'altro all'interno di una popolazione.
• Meme che si diffondono attraverso la rete di followers sui social.
• Un incendio boschivo.
• Idee e pratiche che penetrano nella cultura.
• Un cascade 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 sono forniti esempi interattivi con slider e pulsanti che controllano gli oggetti sullo schermo - nota del traduttore].

Quindi iniziamo. Il primo compito è sviluppare un dizionario visivo per la diffusione attraverso le reti.

Un modello semplice

Sono sicuro che tutti voi conoscete le basi delle reti, ovvero nodi + collegamenti. Per esplorare la diffusione, è sufficiente contrassegnare alcuni nodi come attivi. O, come amano dire gli epidemiologi, infetti:

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

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

(Il fatto che la rete manchi di realismo è compensato dalla sua facilità di disegno 😉

A meno che non si specifichi diversamente, in ogni nodo della rete ci sono quattro vicini, per esempio:

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

Considerando che le griglie sono così ordinate, possono essere semplificate in 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. Ci sono cose molto più interessanti che accadono quando la trasmissione è probabilistica.

SIR e SIS

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

• Sensibile (Susceptible)
• Infettato (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 nella sua interezza — nota del traduttore]:

• 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 sensibili con una probabilità pari alla velocità di trasmissione.
• I nodi infetti poi passano allo stato 'rimosso', cioè non sono più in grado di infettare altri o di essere infettati.

Nel contesto della malattia, la rimozione può significare che una persona è morta o che ha sviluppato 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 necessario un altro modello, diverso dal SIR.

Se stiamo simulando la diffusione del morbillo o un'epidemia di incendio boschivo, il SIR è perfetto. Ma supponiamo che stiamo simulando la diffusione di una nuova pratica culturale, come la meditazione. Inizialmente, un nodo (persona) è sensibile, perché non l'ha mai fatta prima. Poi, se inizia a meditare (forse sentendone parlare da un amico), lo modelleremo come infetto. Ma se smette di praticare, non morirà e non verrà rimosso dalla simulazione, perché nel futuro potrebbe facilmente riprendere quell'abitudine. Così ritorna allo stato sensibile.

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, tralasciando il parametro di velocità di recupero. Invece, il nodo infetto torna automaticamente allo stato suscettibile al passo temporale successivo, a meno che non venga infettato da uno dei suoi vicini. Inoltre, permettiamo al 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 rete molto piccola e limitata può mantenere l'infezione SIS per lungo tempo. L'infezione semplicemente salta da nodo a nodo e ritorna indietro.

Nonostante le differenze, SIR e SIS si dimostrano sorprendentemente intercambiabili per i nostri scopi. Pertanto, per il resto dell'articolo ci concentreremo su SIS, principalmente perché è più resiliente e, di conseguenza, più interessante da gestire.

Livello critico

Giocando 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 elevati, come il 50%, l'infezione rimane attiva e cattura gran parte della rete. Se la rete fosse infinita, potremmo immaginare che continui a diffondersi all'infinito.

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

Si scopre che c'è un certo punto di rottura che separa le reti subcritiche (condannate all'estinzione) da reti sovracritiche (capaci di crescita infinita). Questo punto 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 di quell valore.

[Nella dimostrazione interattiva da l'articolo originale puoi provare a cercare manualmente la soglia critica della rete, modificando il valore della velocità di trasmissione. Essa si trova da qualche parte tra il 22% e il 23% - nt.]

Con il 22% (e meno) l'infezione alla fine si estingue. Con il 23% (e oltre) l'infezione iniziale a volte si estingue, ma nella maggior parte dei casi riesce a sopravvivere e a diffondersi abbastanza a lungo da garantirsi un'esistenza eterna.

(A proposito, esiste un intero campo scientifico dedicato alla ricerca di queste soglie critiche per diverse topologie di rete. Per un rapido riferimento, consiglio di dare un'occhiata all'articolo di Wikipedia su soglia di propagazione).

In generale, ecco come funziona: al di sotto della soglia critica, ogni infezione finita nella rete si estingue garantitamente (con una probabilità di 1) alla fine. Ma al di sopra della soglia critica, c'è una probabilità (p > 0) che l'infezione continui all'infinito e si diffonda arbitrariamente lontano dal punto di origine.

Tuttavia, si prega di notare che una rete supercritica non garantisca, che l'infezione continui all'infinito. In realtà, essa spesso si estingue, specialmente nelle fasi iniziali della simulazione. Vediamo come avviene.

Supponiamo di aver iniziato con un nodo infetto e quattro vicini. Nella prima fase della simulazione, l'infezione ha 5 possibilità indipendenti di diffusione (inclusa la possibilità di "diffondersi" su se stessa nella fase successiva):

Ora supponiamo che il tasso di trasmissione sia del 50%. In questo caso, nella prima fase lanciamo la moneta cinque volte. E se escono cinque teste, l'infezione verrà distrutta. Questo accade circa nel 3% dei casi — e questo è solo nella prima fase. L'infezione che è sopravvissuta alla prima fase ha una certa (di solito inferiore) probabilità di estinguersi nella seconda fase, una certa (ancora inferiore) probabilità di estinguersi nella terza fase e così via.

Quindi, anche quando la rete è supercritica — se il tasso di trasmissione è del 99% — c'è una probabilità che l'infezione scompaia.

Ma ciò che è importante è che essa non sempre si estinguerà. Se si somma la probabilità di estinzione di tutti i passaggi all'infinito, il risultato è inferiore a 1. In altre parole, con una probabilità non nulla l'infezione continuerà all'infinito. Ecco cosa significa per una rete essere supercritica.

SISa: attivazione spontanea

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

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

Questo si chiama modello SISa. La lettera “a” sta per «automatico».

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

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

Discussione

Forse, nella simulazione hai notato che aumentare la velocità di attivazione spontanea non cambia se l'infezione cattura o meno l'intera rete. Solo la velocità di trasmissione determina se la rete è sub- o sovra-critica. E quando la rete è subcritica (la velocità di trasmissione è inferiore o uguale al 22%), nessuna infezione può diffondersi all'intera griglia, indipendentemente da quanto spesso inizi.

È come accendere un fuoco in un campo bagnato. Puoi accendere alcune foglie secche, ma la fiamma si spegnerà rapidamente, poiché il resto del paesaggio non si accende abbastanza facilmente (subcritico). Mentre in un campo molto secco (sovra-critico) basta una sola scintilla perché si scateni 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 più e più volte, ma non riesce a catturare le masse. D'altra parte, il mondo può essere completamente pronto per un'invenzione (una grande domanda latente), e appena nasce viene accettata da tutti. In mezzo ci sono idee che vengono inventate in diversi luoghi e si diffondono localmente, ma non abbastanza affinché una versione singola copra immediatamente l'intera rete. In quest'ultima categoria troviamo, ad esempio, l'agricoltura e la scrittura, che sono state inventate in modo indipendente da diverse civiltà umane circa dieci e tre volte, rispettivamente.

Immunità

Supponiamo che rendiamo alcuni nodi completamente invulnerabili, cioè insensibili all'attivazione. È come se fossero inizialmente in uno stato remoto, e il modello SIS(a) viene attivato sui nodi rimanenti.

Il cursore «immunità» controlla la percentuale di nodi rimossi. Prova a modificarne il valore (durante il funzionamento del modello!) e osserva come influisce sullo stato della rete, se diventerà supercritica o meno.

Discussione

La variazione del numero di nodi non suscettibili modifica completamente il quadro, rendendo la rete subcritica o supercritica. Ed è facile capire perché. Con un alto numero di nodi non suscettibili, l'infezione ha meno opportunità di diffondersi a nuovi ospiti.

In effetti, questo comporta una serie di conseguenze pratiche molto importanti.

Una di queste è la prevenzione della diffusione degli incendi boschivi. A livello locale, ogni persona deve adottare le proprie misure di precauzione (per esempio, non lasciare mai una fiamma accesa senza supervisione). Ma su larga scala, focolai isolati sono inevitabili. Pertanto, un altro metodo di protezione consiste nell'assicurare un numero sufficiente di «interruzioni» (nella rete di materiali infiammabili), affinché il focolaio non possa estendersi all'intera rete. Questa funzione è svolta dalle strade tagliafuoco:

Un'altra epidemia che è importante fermare è quella infettiva. Qui entra in gioco il concetto di immunità di gregge. È l'idea che alcune persone non possono 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 una sufficiente parte della popolazione per spostare la comunità da uno stato supercritico a uno subcritico. Quando ciò accade, un paziente può ancora contrarre l'infezione (ad esempio, dopo un viaggio in un'altra regione), ma senza una rete supercritica in cui possa diffondersi, la malattia infetterà solo un numero ristretto di persone.

Infine, il concetto di nodi non suscettibili spiega cosa accade in un reattore nucleare. Nella reazione a catena, un atomo di uranio-235 che decade rilascia 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:

Quando si crea una bomba, l'intera questione è garantire la continuazione senza ostacoli della crescita esponenziale. Ma in una centrale elettrica, l'obiettivo è produrre energia senza uccidere tutti intorno. A tal fine vengono utilizzati aste di controllo, realizzate con materiali in grado di assorbire neutroni (ad esempio, argento o boro). Poiché assorbono e non rilasciano neutroni, nella nostra simulazione agiscono come nodi insensibili, impedendo così al nucleo radioattivo di entrare in uno stato supercritico.

Pertanto, il trucco di un reattore nucleare è mantenere la reazione vicino alla soglia critica, spostando le aste di controllo avanti e indietro e garantendo che ogni volta che qualcosa va storto, le aste scendano nel nucleo e lo fermino.

Il grado

Il grado di un nodo è il numero dei suoi vicini. Fino a questo momento abbiamo considerato reti di grado 4. Ma cosa succede se cambiamo questo parametro?

Ad esempio, si può connettere ogni nodo non solo a quattro vicini immediati, ma anche a quattro in diagonale. In una tale rete, il grado sarà 8.

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

Discussione

Ancora una volta, non è difficile capire cosa stia succedendo qui. Quando ogni nodo ha più vicini, aumentano le possibilità di diffusione dell'infezione — e quindi la rete ha maggiori 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 cambiamo le condizioni e permettiamo stati diversi dei nodi in tutta la rete?

Ad esempio, proviamo a modellare le città. Per fare ciò, aumentiamo la densità in alcune aree della rete (un grado più alto dei nodi). Lo facciamo sulla base dei dati che gli abitanti delle città hanno un cerchio sociale più ampio e più interazioni sociali, rispetto alle persone al di fuori delle città.

Nella nostra modella, i nodi sensibili sono colorati in base al loro grado. I nodi nella "zona rurale" hanno un grado 4 (e sono colorati di grigio chiaro), mentre i nodi nelle "città" hanno gradi più alti (e sono colorati più scuri), partendo dal grado 5 alla periferia e arrivando fino all'8 nel centro della città.

Cerca di trovare una velocità di diffusione tale da coinvolgere le città, senza oltrepassarne i confini.

Trovo che questa simulazione sia sia ovvia che sorprendente. Certo, le città sostengono meglio il livello culturale rispetto alle zone rurali—tutti lo sanno. Ciò che mi sorprende è che parte di questa diversità culturale emerge semplicemente in base alla topologia della rete sociale.

È un punto interessante, proverò a spiegare più in dettaglio.

Qui abbiamo a che fare con forme di cultura che si trasferiscono semplicemente e direttamente da persona a persona. Ad esempio, le buone maniere, i giochi di salon, le tendenze della moda, le tendenze linguistiche, i rituali di piccoli gruppi e i 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. È più facile immaginare un ambiente tecnologicamente primitivo, come la Grecia antica, dove quasi ogni scintilla di cultura veniva trasmessa attraverso interazioni nello spazio fisico).

Dalla simulazione proposta ho appreso che ci sono idee e pratiche culturali che possono radicarsi e diffondersi in città, ma semplicemente non riescono a diffondersi nelle zone rurali (matematicamente non possono). Queste sono le stesse idee e le stesse persone. Non si tratta del fatto che gli abitanti delle aree rurali siano "poco intelligenti": quando interagiscono con la stessa idea, hanno esattamente le stesse possibilità di assimilarla, come gli abitanti delle città. Semplicemente l'idea stessa non può diventare virale in campagna, perché ci sono meno connessioni tramite cui potrebbe diffondersi.

Questo, probabilmente, è più facile da vedere nel campo della moda — abbigliamento, acconciature, ecc. Nella rete della moda possiamo fissare l'arco della griglia quando due persone notano gli abiti l'una dell'altra. Nel centro urbano, ogni persona può vedere quotidianamente oltre 1000 altre persone — per strada, nella metropolitana, in un ristorante affollato, ecc. Nelle zone rurali, al contrario, ogni persona può vedere solo un paio di decine di altri. Basandosi solo su questa differenza, la città è in grado di sostenere più tendenze di moda. E solo le tendenze più persuasive — con la più alta velocità di passaggio — potranno radicarsi al di fuori della città.

Tendiamo a pensare che se un'idea è buona, alla fine arriverà a tutti, e se un'idea è cattiva, svanirà. Questo è certamente vero nei casi estremi, ma tra di essi ci sono molte idee e pratiche che possono diventare virali solo in determinate reti. È davvero sorprendente.

Non solo le città

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

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

Un esempio interessante sono le scuole medie. Ad esempio, per un'area specifica, confrontiamo la rete che esiste tra gli studenti con quella che esiste tra i loro genitori. La stessa area geografica e lo stesso numero di abitanti, ma una rete è molto più densa dell'altra. Pertanto, non sorprende che le tendenze della moda e linguistiche si diffondano molto più rapidamente tra gli adolescenti.

In modo analogo, le reti d'élite sono generalmente molto più dense delle reti non d'élite - secondo me, questo fatto è sottovalutato (le persone che sono popolari o influenti trascorrono più tempo a creare reti, e quindi hanno più "vicini" rispetto alle persone comuni). Sulla base delle simulazioni sopra menzionate, ci aspettiamo che le reti d'élite sostengano alcune forme culturali che non possono essere sostenute dal mainstream, semplicemente sulla base delle leggi matematiche, in base al grado medio della rete. Vi lascio riflettere su quali possano essere queste forme culturali.

Infine, possiamo applicare questa idea a Internet, modellandolo come un enorme e molto denso città. Non sorprende che su Internet prosperino molti nuovi tipi di cultura che semplicemente non possono essere sostenuti in reti puramente spaziali: hobby di nicchia, migliori standard di design, maggiore consapevolezza sulle ingiustizie, ecc. E non si tratta solo di cose piacevoli. Proprio come le prime città erano focolai di malattie che non potevano diffondersi a bassa densità di popolazione, così Internet è un terreno fertile per forme culturali maligne come clickbait, notizie false e incitazioni a risentimenti artificiali.

Conoscenze

"Coinvolgere il giusto esperto al momento giusto è spesso la risorsa più preziosa per una soluzione creativa a un problema." — Michael Nielsen, "Inventando scoperte"

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! - all'improvviso otteniamo un nuovo modo di misurare il volume. O un'equazione della gravità. O una lampadina.

Ma se adottiamo il punto di vista di un solitario inventore nel momento della scoperta, guardiamo il fenomeno dal punto di vista di un nodo. Mentre sarebbe più corretto interpretare l'invenzione come un fenomeno di rete.

La rete è importante in almeno due modi. Innanzitutto, le idee già esistenti devono infiltrarsi nella coscienza dell'inventore. Queste sono citazioni da un nuovo articolo, la sezione bibliografica di un nuovo libro - giganti, sulle cui spalle Newton si era eretto. In secondo luogo, la rete è cruciale per portare una nuova idea di nuovo 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.

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

All'inizio della simulazione, in ciascun quadrante della rete ci sono quattro esperti disposti come segue:

L'esperto 1 ha la prima versione dell'idea — chiamiamola Idea 1.0. L'esperto 2 è la persona che sa come trasformare l'Idea 1.0 in Idea 2.0. L'esperto 3 sa come trasformare l'Idea 2.0 in Idea 3.0. E, 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 può essere un'area 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 a ogni fase l'idea deve essere portata all'esperto corrispondente.

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

1. Si presume che le idee non possano essere conservate e trasmesse in altro modo se non da persona a persona (cioè, non ci sono libri e media).
2. Si presume che nella popolazione ci siano esperti costanti, capaci di generare idee, anche se in realtà molto fattori casuali influenzano la nascita di una scoperta o di un'invenzione.
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 probabilmente sarebbe più realistico usare parametri diversi per ciascuna 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 la vecchia e la nuova versione circolano contemporaneamente, senza un vincitore categorico.

… e molti altri.

Discussione

Questo è un modello ridicolmente semplificato di come in realtà crescono le conoscenze. Rimangono molte importanti dettagli al di fuori del modello (vedi sopra). Tuttavia, riflette l'essenza fondamentale del processo. E quindi possiamo, con riserve, discutere della crescita delle conoscenze utilizzando le nostre conoscenze sulla diffusione.

In particolare, il modello di diffusione fornisce comprensione su come accelerare il processo: è necessario facilitare lo scambio di idee tra i nodi esperti. Questo può significare ripulire la rete da 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. Oppure semplicemente radunarli in una stanza:

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

Ma ho un'ultima riflessione, e questa è molto importante. Si tratta della crescita (e stagnazione) delle conoscenze nelle comunità scientifiche. Questa idea differisce nel tono e nel contenuto da tutto ciò che è stato detto sopra, ma spero che mi perdonerete.

Sulle reti scientifiche

Nell'illustrazione è mostrato uno dei cicli di feedback positivi più importanti del mondo (e lo è stato per molto tempo):

Il percorso ascendente del ciclo (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 percorso discendente richiede alcune spiegazioni. In che modo lo sviluppo delle tecnologie porta alla crescita delle conoscenze?

Uno dei modi—probabilmente il più diretto—è quando le nuove tecnologie ci offrono nuovi modi di percepire il mondo. Ad esempio, i migliori microscopi ci permettono di guardare più in profondità all'interno della cellula, generando idee per la biologia molecolare. I tracker GPS mostrano come si muovono gli animali. Il sonar consente di esplorare gli oceani. E così via.

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

Primo. La tecnologia porta all'abbondanza economica (cioè alla ricchezza), il che consente a un numero maggiore di persone di dedicarsi alla produzione di conoscenze.

Se il 90% della popolazione del tuo paese è impegnato nell'agricoltura e il restante 10% in qualche forma di commercio (o guerra), allora le persone hanno pochissimo tempo libero per riflettere sulle leggi della natura. Forse è proprio per questo che nei tempi passati la scienza era principalmente promossa da bambini di famiglie abbienti.

Negli Stati Uniti ogni anno vengono laureati più di 50.000 dottori di ricerca. Invece di andare a lavorare in una fabbrica all'età di 18 anni (o prima), un dottorando deve essere finanziato fino a 30 o, forse, 40 anni — e anche allora non è chiaro se il suo lavoro porterà a qualche effettivo effetto economico. Ma è necessario affinché una persona raggiunga le frontiere avanzate della propria disciplina, specialmente in campi complessi come fisica o biologia.

Il fatto è che, in termini sistemici, le professioni specialistiche sono costose. E l'unica fonte finale di ricchezza pubblica, che finanzia questi specialisti, è una nuova tecnologia: l'aratro subsidia la penna.

Secondo. Le 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 a esperti e specialisti di interagire più strettamente tra loro.

Tra i notevoli invenzioni ci sono la stampa, le navi a vapore e le ferrovie (che facilitano i viaggi e/o l'invio della corrispondenza su grandi distanze), i telefoni, gli aeroplani e Internet. Tutte queste tecnologie contribuiscono a un aumento della densità della rete, specialmente all'interno di comunità specializzate (dove avviene quasi tutta la crescita della conoscenza). Ad esempio, le reti di corrispondenza nate tra i pensatori 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 degli specialisti, il che a sua volta porta a una crescita della conoscenza:

Per molti anni ho guardato con un certo disprezzo all'istruzione superiore. La mia breve esperienza di dottorato ha lasciato un sapore amaro. 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. In nessun altro luogo abbiamo accumulato una maggiore concentrazione di esperti focalizzati sulla produzione di conoscenze. In nessun altro luogo le persone hanno sviluppato una maggiore capacità di comprendere e criticare le idee degli altri. Questo è il cuore pulsante del progresso. È proprio in queste reti che il fuoco dell'illuminazione brucia più intensamente.

Ma non possiamo dare per scontato il progresso. Se la crisi della irripetibilità degli esperimenti ci ha insegnato qualcosa, è che la scienza può affrontare problemi sistemici. È, per così dire, una degradazione della rete.

Supponiamo che distinguiamo due modi di fare scienza: la vera scienza e il carrierismo. La vera scienza è quella pratica che produce conoscenza in modo affidabile. È motivata dalla curiosità e caratterizzata dalla onestà (Feynman: «Vedete, ho solo bisogno di capire il mondo»). Il carrierismo, al contrario, è motivato dalle ambizioni professionali e caratterizzato dal gioco politico e dalle etichette scientifiche. Può sembrare e agire come scienza, ma non non produce conoscenze affidabili.

(Sì, questa è un'esagerazione. Solo un esperimento mentale. Non me ne vogliate).

Il fatto è che quando i carrieristi occupano posti nell'effettivo comunità di ricerca scientifica, rovinano il lavoro. Cercano di promuovere se stessi, mentre il resto della comunità cerca di acquisire nuove conoscenze e condividerle. Invece di puntare alla chiarezza, i carrieristi complicano e confondono le cose per suonare più impressionanti. Si occupano (come direbbe Harry Frankfurt) di sciocchezze scientifiche. E, di conseguenza, potremmo modellare loro come nodi morti, insensibili allo scambio di informazioni di buona fede, necessario per la crescita della conoscenza:

Probabilmente, il miglior modello è quello in cui i nodi carrieristi non sono semplicemente insensibili alla conoscenza, ma diffondono attivamente conoscenze false. Le conoscenze false possono includere risultati insignificanti, la cui importanza è artificialmente gonfiata, o risultati veramente falsi, che sorgono da manomissioni o dati falsificati.

Indipendentemente da come li modelli, i carrieristi possono sicuramente soffocare le nostre comunità scientifiche.

Sembra una reazione nucleare a catena di cui abbiamo estremo bisogno: abbiamo bisogno di un'esplosione di conoscenze, ma nel nostro U-235 arricchito c'è troppa impurità dell'isotopo non reattivo U-238, che frena la reazione a catena.

Certo, non c'è una netta distinzione tra carrieristi e veri scienziati. Ognuno di noi ha un po' di carrierismo. La domanda è: quanto può resistere la rete prima che la diffusione del sapere si estingua?

Oh, hai letto fino alla fine. Grazie per la lettura.

Licenza

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

Ringraziamenti

• Kevin Kwok e Niki Case per i loro commenti approfonditi e suggerimenti su varie versioni della bozza.
• Nick Barrow — per il supporto morale durante tutto il processo e per i feedback più utili sul mio lavoro.
• Kit A. per avermi fatto notare il fenomeno della percolazione e la soglia di flusso.
• Jeff Lonsdale per il link a questo saggio, che (nonostante i suoi numerosi difetti) è stato il principale stimolo per lavorare a questo post.

Esempi di saggi interattivi

• Tutti i lavori di Niki Case, in particolare «La favola dei poligoni» (con Vi Hart) e «Creare un miglior bollettino per il voto». Questo è un alto standard di 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 salire la scala, ma c'è sempre un'altra possibilità.

Fonte: habr.com