複雑なシステムについて少しでも考えたことがある人なら、おそらくネットワークの重要性を理解しているでしょう。 ネットワークが私たちの世界を支配します。 細胞内の化学反応から、生態系内の関係の網目、そして歴史の流れを形作る貿易や政治的ネットワークに至るまで。

あるいは、あなたが読んでいるこの記事を検討してください。 あなたはおそらくそれを見つけました ソーシャルネットワーク、からダウンロード コンピュータネットワーク そして現在、あなたの情報を使って意味を解読しています。 ニューラルネットワーク.

しかし、私は長年ネットワークについて考えてきましたが、最近までシンプルなネットワークの重要性を理解していませんでした。 拡散.

これが今日の私たちのテーマです。あらゆるものがどのように、いかに無秩序に動き、広がっていくのかということです。 食欲をそそるいくつかの例:

• 集団内で保因者から保因者へと伝染する感染症。
• ソーシャル ネットワーク上のフォロワー グラフ全体に広がるミーム。
• 森林火災。
• 文化に浸透するアイデアと実践。
• 濃縮ウランの中の中性子カスケード。

フォームについての簡単なメモ。

これまでの私の作品とは異なり、このエッセイはインタラクティブです。 原著 インタラクティブな例には、画面上のオブジェクトを制御するスライダーとボタンが含まれています。 レーン]。

それでは始めましょう。 最初のタスクは、ネットワーク全体に配布するための視覚的な語彙を開発することです。

シンプルモデル

皆さんもネットワークの基本であるノード＋エッジをご存知かと思います。 拡散を研究するには、いくつかのノードを次のようにマークするだけです。 活動的。 あるいは、疫学者が好んで言うように、 感染した:

この活性化または感染は、以下で開発するルールに従って、ネットワークを通じてノードからノードへと広がります。

実際のネットワークは通常、この単純な XNUMX ノード ネットワークよりもはるかに大きくなります。 それらはさらに混乱を招くものでもあります。 しかし、簡単にするために、ここでは格子、つまり格子ネットワークを研究するためにおもちゃのモデルを構築します。

(メッシュには現実感が欠けていますが、描きやすいという点で補われています 😉

特に明記されていない限り、ネットワーク ノードには次の XNUMX つの隣接ノードがあります。

そして、これらの格子があらゆる方向に無限に広がっていると想像する必要があります。 言い換えれば、ネットワークのエッジや少数の集団でのみ発生する行動には興味がありません。

格子がそのように順序付けられているとすると、格子をピクセルに単純化できます。 たとえば、次の XNUMX つの画像は同じネットワークを表しています。

XNUMX つの動作では、アクティブ ノードは常にその (未感染の) 近隣ノードに感染を伝染させます。 でも退屈だよ。 転送するとさらに興味深いことが起こります 確率的な.

SIRとSIS

В SIRモデル (感染の可能性がある、感染している、削除された) ノードは XNUMX つの状態になる可能性があります。

• 影響を受けやすいです
• 感染した
• 削除されました

インタラクティブなシミュレーションがどのように機能するかは次のとおりです。 原著 感染伝播率を 0 から 1 まで選択でき、プロセスをステップバイステップまたは全体で確認できます。 翻訳]:

• 感染した状態で開始されるいくつかのノードを除き、ノードは影響を受けやすい状態で開始されます。
• 各タイムステップで、感染したノードは、感染しやすい隣接ノードのそれぞれに、伝達速度と等しい確率で感染を伝達する機会があります。
• 感染したノードは「削除」状態になり、他のノードに感染したり、自分自身が感染したりすることができなくなります。

病気の場合、除去はその人が死亡したこと、または病原体に対する免疫を獲得したことを意味する場合があります。 他に何も起こらないため、それらはシミュレーションから「削除」されると言います。

何をモデル化しようとしているかによっては、SIR とは異なるモデルが必要になる場合があります。

麻疹の蔓延や山火事の発生をシミュレーションする場合、SIR は理想的です。 しかし、瞑想などの新しい文化的実践の普及をシミュレートするとします。 最初は、ノード (人) はこれまでにこのようなことをしたことがないため、受け入れられます。 次に、彼が瞑想を始めた場合 (おそらく友人からそのことについて聞いた後)、私たちは彼を感染者としてモデル化します。 しかし、練習をやめても、死ぬことはなく、シミュレーションから外れることもありません。将来、この習慣が簡単に再び身につく可能性があるからです。 それで彼は受容的な状態に戻ります。

それ SISモデル (感受性–感染者–感受性)。 古典的なモデルには、送信速度と回復速度という 1 つのパラメータがあります。 ただし、この記事のシミュレーションでは、回収率パラメータを省略して簡略化することにしました。 代わりに、感染したノードは、近隣ノードのいずれかに感染しない限り、次のタイム ステップで自動的に影響を受けやすい状態に戻ります。 さらに、ステップ n で感染したノードが、送信速度に等しい確率でステップ n+XNUMX で自身に感染することを許可します。

議論

ご覧のとおり、これは SIR モデルとは大きく異なります。

ノードは決して削除されないため、非常に小さく制限された格子であっても、長期間にわたって SIS 感染をサポートする可能性があります。 感染は単にノードからノードに飛び移って戻ってくるだけです。

違いはあるものの、SIR と SIS は、私たちの目的にとって驚くほど互換性があることがわかりました。 したがって、この記事の残りの部分では SIS を使用することにします。主な理由は、SIS のほうが耐久性が高く、作業がより楽しいからです。

クリティカルレベル

SIR モデルと SIS モデルを試してみた後、感染の持続期間について何か気づいたかもしれません。 感染率が 10% など非常に低い場合、感染は消滅する傾向があります。 50% などの高い値に設定されている間、感染は生き続け、ネットワークの大部分を占拠します。 ネットワークが無限である場合、それが永遠に継続し、広がることを想像できます。

このような無限の拡散には、「ウイルス」、「核」、または（この記事のタイトルにある）など、さまざまな名前が付けられています。 クリティカル.

あることが判明しました コンクリート 分かれる限界点 未臨界ネットワーク （絶滅の運命にある）から 超臨界ネットワーク （無限の成長が可能です）。 この転換点はと呼ばれます クリティカルしきい値、そしてこれは、通常のネットワークにおける拡散プロセスのかなり一般的な兆候です。

クリティカルしきい値の正確な値はネットワークによって異なります。 共通しているのはこれです 可用性 そんな意味。

[インタラクティブなデモで 原著 伝送速度の値を変更することで、クリティカル ネットワークのしきい値を手動で見つけることができます。 それは約 22% と 23% の間のどこかです。 トランス。]

22% (およびそれ以下) になると、感染は最終的に消滅します。 23% (またはそれ以上) になると、最初の感染が消滅することもありますが、ほとんどの場合、感染は存続し、永遠に存続するのに十分な期間にわたって拡散します。

(ちなみに、さまざまなネットワーク トポロジに対するこれらの重要なしきい値を見つけることに特化した科学分野全体が存在します。簡単に説明するには、次のウィキペディアの記事をざっとスクロールすることをお勧めします。 漏れの閾値).

一般に、その仕組みは次のとおりです。クリティカルしきい値を下回ると、ネットワーク内のあらゆる有限感染は (確率 1 で) 最終的に消滅することが保証されます。 しかし、臨界閾値を超えると、感染が永久に継続し、元の場所から任意に遠くまで拡散する可能性 (p > 0) があります。

ただし、超臨界ネットワークはそうではないことに注意してください。 保証する感染は永遠に続くだろうということ。 実際、特にシミュレーションの非常に初期の段階では、フェードすることがよくあります。 これがどのように起こるかを見てみましょう。

5 つの感染したノードと XNUMX つの隣接ノードから開始したと仮定します。 最初のモデリング ステップでは、感染には XNUMX つの独立した拡散のチャンスがあります (次のステップで自分自身に「広がる」チャンスを含む)。

ここで、転送率が 50% であると仮定します。 この場合、最初のステップでコインを 3 回投げます。 そして、XNUMX つの頭が転がれば、感染は破壊されます。 これはケースの約 XNUMX% で発生しますが、これは最初のステップでのみ発生します。 最初のステップで生き残った感染は、第 XNUMX ステップである程度 (通常はより小さい) 確率で消滅し、ある程度 (さらに小さい) 確率で XNUMX 番目のステップで消滅します。

したがって、ネットワークが超臨界状態であっても、つまり送信率が 99% であれば、感染が消滅する可能性があります。

しかし重要なことは、彼女はそうではないということです 常に 消えていきます。 すべてのステップが消滅する確率を無限に合計すると、結果は 1 未満になります。言い換えれば、感染が永久に続く確率はゼロではありません。 これが、ネットワークが超臨界であることを意味します。

SISa: 自発的活性化

ここまでのシミュレーションはすべて、中央にある感染前ノードの小さな部分から始まりました。

しかし、ゼロから始めたらどうなるでしょうか? 次に、自発的活性化、つまり影響を受けやすいノードが (近隣ノードからではなく) 偶然に感染するプロセスをモデル化します。

それ と呼ばれる SISaモデル。 文字「a」は「自動」を表します。

SISa シミュレーションでは、新しいパラメーターである自発的活性化率が表示されます。これにより、自発的感染の頻度が変化します (前に見た感染率パラメーターも存在します)。

感染がネットワーク全体に広がるには何が必要ですか?

議論

シミュレーションで気づいたかもしれませんが、感染がネットワーク全体を占拠するかどうかにかかわらず、自発的アクティブ化の割合が増加しても変化はありません。 のみ 通信速度 ネットワークが亜臨界か超臨界かを決定します。 また、ネットワークが未臨界状態 (伝送率 22% 以下) の場合は、感染がどれほど頻繁に開始されても、グリッド全体に感染が広がることはありません。

湿った野原で火を起こすようなものです。 数枚の乾いた葉に火をつけることはできますが、風景の残りの部分は十分に可燃性ではない（未臨界）ため、炎はすぐに消えてしまいます。 非常に乾燥したフィールド（超臨界）では、火災が激しくなり始めるには XNUMX つの火花で十分です。

同様のことがアイデアや発明の分野でも観察されます。 多くの場合、世界はアイデアを受け入れる準備ができていません。その場合、アイデアは何度でも発明される可能性がありますが、大衆を魅了することはありません。 一方で、世の中には発明（大きな潜在需要）に対する準備が整っており、それが生まれるとすぐに万人に受け入れられることもあります。 真ん中には、いくつかの場所で発明され、ローカルに広まったアイデアがありますが、単一のバージョンではネットワーク全体を一度に広げるのに十分ではありません。 この最後のカテゴリには、たとえば、農業と文字が含まれます。これらは、それぞれ約 XNUMX 回と XNUMX 回、異なる人類文明によって独立して発明されました。

免疫

いくつかのノードを完全に無敵、つまりアクティベーションの影響を受けないようにしたとします。 最初はリモート状態にあるかのように、残りのノードで SIS(a) モデルが起動されます。

免疫スライダーは、削除されるノードの割合を制御します。 (モデルの実行中に) その値を変更してみて、それがネットワークの状態 (超臨界になるかどうか) にどのような影響を与えるかを確認してください。

議論

応答しないノードの数を変更すると、ネットワークが亜臨界状態になるか超臨界状態になるかという状況が完全に変わります。 その理由を理解するのは難しくありません。 感受性のない宿主が多数存在するため、感染が新たな宿主に広がる可能性は低くなります。

これは、多くの非常に重要な実際的な結果をもたらすことが判明しました。

その一つが森林火災の拡大防止です。 地域レベルでは、各人が独自の予防措置を講じる必要があります (たとえば、裸火を決して放置しないなど)。 しかし、大規模な場合、孤立した発生は避けられません。 したがって、別の保護方法は、爆発がネットワーク全体を飲み込まないように、（可燃性物質のネットワーク内に）十分な「切れ目」を確保することです。 決済は次の機能を実行します。

阻止することが重要なもう XNUMX つの流行は、感染症です。 ここでコンセプトを紹介します 集団免疫。 これは、一部の人々はワクチン接種を受けられないが（免疫システムが低下しているなど）、十分な数の人が感染に対する免疫を持っていれば、病気が無制限に広がることはないという考えです。 つまり、ワクチンを接種すべきです 十分 人口の一部を超臨界状態から亜臨界状態に移行させる。 これが起こった場合、（たとえば別の地域に旅行した後などに）XNUMX人の患者が感染する可能性はありますが、成長するための超臨界ネットワークがなければ、この病気はほんの一握りの人にしか感染しません。

最後に、免疫ノードの概念は、原子炉内で何が起こるかを説明します。 連鎖反応では、崩壊するウラン 235 原子が約 235 個の中性子を放出し、(平均して) XNUMX つ以上のウラン XNUMX 原子の核分裂を引き起こします。 新しい中性子は原子のさらなる分裂を引き起こし、以下同様に指数関数的に続きます。

爆弾を製造する際に重要なのは、指数関数的な成長が抑制されずに継続するようにすることです。 しかし、発電所の目標は、周囲の人を殺さずにエネルギーを生産することです。 この目的のために使用されます 制御棒、中性子を吸収できる材料（銀やホウ素など）で作られています。 これらは中性子を放出するのではなく吸収するため、シミュレーションでは免疫ノードとして機能し、それによって放射性核が超臨界になるのを防ぎます。

したがって、原子炉のコツは、制御棒を前後に動かして反応を臨界閾値近くに保ち、何か問題が発生したときに必ず制御棒が炉心に落ちて制御棒を確実に停止できるようにすることです。

学位

学位 ノードの数は、その隣接ノードの数です。 ここまで、次数 4 のネットワークについて考えてきました。 しかし、このパラメータを変更するとどうなるでしょうか?

たとえば、各ノードを 8 つの直接の隣接ノードだけでなく、さらに斜めの XNUMX つのノードにも接続できます。 このようなネットワークでは、次数は XNUMX になります。

次数 4 と 8 の格子はよく対称的です。 しかし、次数 5 (たとえば) では、問題が発生します。どの XNUMX つの近傍を選択すればよいでしょうか? この場合、XNUMX つの最近傍 (N、E、S、W) を選択し、セット {NE、SE、SW、NW} からランダムに XNUMX つの近傍を選択します。 この選択は、各タイム ステップで各ノードに対して独立して行われます。

議論

繰り返しますが、ここで何が起こっているのかを理解するのは難しくありません。 各ノードの隣接ノードが増えると、感染が広がる可能性が高まり、ネットワークが危機的になる可能性が高くなります。

ただし、以下で説明するように、予期しない結果が生じる可能性があります。

都市とネットワーク密度

これまで、私たちのネットワークは完全に同質でした。 各ノードは他のノードと同じように見えます。 しかし、条件を変更してネットワーク全体で異なるノード状態を許可したらどうなるでしょうか?

たとえば、都市をモデル化してみましょう。 これを行うには、ネットワークの一部の部分 (より高いレベルのノード) の密度を高めます。 国民が持つデータに基づいてこれを行う より広い社会的サークルとより多くの社会的交流都市の外の人よりも。

私たちのモデルでは、影響を受けやすいノードはその程度に基づいて色付けされています。 「農村地域」のノードの次数は 4 (明るい灰色) ですが、「都市部」のノードは次数が高く (濃い色で表示)、郊外の次数 5 から始まり市内中心部の 8 で終わります。

アクティベーションが都市をカバーし、その境界を越えないような伝播速度を選択するようにしてください。

このシミュレーションは明白であると同時に驚くべきものであると思います。 もちろん、都市は田舎よりも文化レベルを維持しています - これは誰もが知っています。 私が驚いたのは、この文化的多様性の一部は単にソーシャル ネットワークのトポロジーに基づいて生じているということです。

これは興味深い点ですので、さらに詳しく説明してみます。

ここで私たちは、人から人へと単純かつ直接的に伝わる文化の形態を扱っています。 例えば、 マナー、パーラーゲーム、ファッショントレンド、言語トレンド、小グループの儀式、口コミで広がる商品、そしてアイデアと呼ばれる情報のパッケージ全体。

(注: 人々の間で情報を広めることは、メディアによって非常に困難になっています。古代ギリシャのような、技術的に原始的な環境を想像するのは簡単です。そこでは、ほとんどすべての文化の火花が物理空間での相互作用によって伝達されました。)

上記のシミュレーションから、都市には根付き普及できる考え方や文化的実践があるが、地方では普及できない（数学的に普及できない）ことが分かりました。 これらは同じ考えであり、同じ人々です。 重要なのは、田舎の住民が何らかの形で「心が狭い」ということではありません。同じ考えを持って交流するとき、彼らは 捕まえる確率は全く同じ町民のように。 ただ、地方ではアイデア自体が広まりません。それが広まるきっかけとなるつながりがあまりないからです。

これはおそらく、服装、髪型などのファッションの分野で見るのが最も簡単です。ファッション ネットワークでは、1000 人がお互いの服装に気づいたときに格子の端を捉えることができます。 都市中心部では、路上、地下鉄、混雑したレストランなどで、XNUMX 人あたり毎日 XNUMX 人以上の他人を見ることができます。逆に、田舎では、XNUMX 人あたり数十人しか見ることができません。その他。 に基づく この違いだけ、都市はより多くのファッショントレンドをサポートすることができます。 そして、最も魅力的なトレンド、つまり通信速度が最も高いトレンドだけが、都市の外に足場を築くことができるでしょう。

私たちは、アイデアが良いものであれば、最終的には全員に届くだろうし、アイデアが悪いものであれば、消えてしまうものと考えがちです。 もちろん、これは極端な場合には当てはまりますが、その中間には、特定のネットワークでのみ広まるアイデアや実践がたくさんあります。 これは本当にすごいことです。

都市だけではない

ここでその影響を調べています ネットワーク密度。 指定されたノードのセットに対して数値として定義されます。 実際の肋骨を数値で割ったもの 潜在的なエッジ。 つまり、実際に存在する可能性のある接続の割合です。

したがって、都市中心部のネットワーク密度が地方よりも高いことがわかりました。 しかし、密なネットワークが見られるのは都市だけではありません。

興味深い例は中学校です。 たとえば、特定の地域について、学童の間に存在するネットワークとその保護者の間に存在するネットワークを比較します。 同じ地理的エリアと同じ人口ですが、一方のネットワークは他方のネットワークよりも何倍も密度が高くなります。 したがって、ファッションや言語の傾向が十代の若者たちの間でより早く広まるのも不思議ではありません。

同様に、エリートのネットワークは非エリートのネットワークよりもはるかに密度が高い傾向がありますが、この事実は過小評価されていると思います（人気のある人や影響力のある人はネットワーキングに多くの時間を費やすため、一般の人よりも多くの「隣人」がいます）。 上記のシミュレーションに基づいて、単にネットワークの平均学位の数学的法則に基づいて、エリート ネットワークは主流ではサポートできないいくつかの文化形態をサポートすると予想されます。 これらの文化形態がどのようなものであるかについては、ご想像にお任せします。

最後に、インターネットを巨大なものとしてモデル化することで、このアイデアをインターネットに適用できます。 非常に密な 市。 ニッチな趣味、優れたデザイン基準、不正に対する意識の向上など、純粋に空間的なネットワークではサポートできない多くの新しい種類の文化がオンラインで繁栄していることは驚くことではありません。そしてそれは良いことだけではありません。 初期の都市が人口密度が低いと蔓延しなかった病気の温床であったのと同じように、インターネットはクリックベイト、フェイクニュース、人為的な怒りを煽るなどの悪性の文化形態の温床となっています。

知識

「適切な専門家を適切なタイミングで配置することは、多くの場合、創造的な問題解決にとって最も貴重なリソースとなります。」 — マイケル・ニールセン、発明の発見

私たちは発見や発明を、一人の天才の頭の中で起こるプロセスとして考えることがよくあります。 彼はひらめきに打たれ、そして―― ユーレカ！ — 突然、体積を測定する新しい方法が登場しました。 あるいは重力方程式。 または電球。

しかし、発見の瞬間に一人の発明者の視点に立った場合、私たちはこの現象を見ていることになります。 ノードの観点から。 本発明を次のように解釈するのがより正確ですが、 通信網 現象です。

ネットワークは少なくとも XNUMX つの点で重要です。 まず、既存のアイデアを浸透させる必要があります 意識の中へ 発明家。 これらは、新しい記事、つまり新しい本の参考文献セクション、つまりニュートンが肩に乗った巨人たちからの引用です。 第二に、新しいアイデアを生み出すにはネットワークが不可欠です に戻る 世界へ。 普及していない発明は「発明」と呼ぶに値しません。 したがって、これらの理由の両方から、発明、またはより広義には知識の成長を普及のプロセスとしてモデル化することは理にかなっています。

すぐに、ネットワーク内で知識がどのように広がり、成長するかについての大まかなシミュレーションを紹介します。 しかし、最初に説明しなければなりません。

シミュレーションの開始時に、グリッドの各象限に XNUMX 人の専門家が次のように配置されます。

エキスパート 1 にはアイデアの最初のバージョンがあります。これをアイデア 1.0 と呼びます。 エキスパート 2 は、アイデア 1.0 をアイデア 2.0 に変える方法を知っている人です。 Expert 3 は、Idea 2.0 を Idea 3.0 に変換する方法を知っています。 そして最後に、4.0 番目の専門家は、Idea XNUMX に最後の仕上げをする方法を知っています。

これは、より興味深いデザインを作成するためにテクニックを開発し、他のテクニックと組み合わせる折り紙のようなテクニックに似ています。 あるいは、物理学のような、先人の基本的な研究に基づいて最近の研究が構築される知識分野である可能性もあります。

このシミュレーションのポイントは、XNUMX 人の専門家全員がアイデアの最終バージョンに貢献する必要があるということです。 そして、各段階で、アイデアは適切な専門家の注意を引く必要があります。

いくつかの注意点があります。 シミュレーションには非現実的な仮定が多くエンコードされています。 ここではそのうちのほんの一部を紹介します。

1. アイデアは人から人への場合を除いて保存したり伝達したりすることはできないと考えられています（つまり、本やメディアはありません）。
2. アイデアを生み出すことのできる常駐の専門家が集団の中に存在すると想定されていますが、実際には多くのランダムな要因が発見や発明の発生に影響を与えます。
3. このアイデアの 1.0 つのバージョンはすべて、同じ SIS パラメータのセット (ボー レート、イミュニティのパーセンテージなど) を使用しますが、バージョンごとに異なるパラメータ (2.0、XNUMX など) を使用する方がおそらく現実的です。
4. アイデア N+1 は常にアイデア N を完全に置き換えるものと想定されていますが、実際には古いバージョンと新しいバージョンが同時に流通し、明確な勝者がいないことがよくあります。

…そして他の多く。

議論

これは、知識が実際にどのように成長するかを示す、ばかばかしいほど単純化されたモデルです。 モデルの外には多くの重要な詳細が残されています (上記を参照)。 ただし、プロセスの重要な本質を捉えています。 したがって、私たちは拡散の知識を使って知識の成長について留保しながら話すことができます。

特に、拡散モデルは、どのようにして プロセスをスピードアップする: エキスパート ノード間のアイデアの交換を促進する必要があります。 これは、拡散を妨げているデッド ノードのネットワークを一掃することを意味する場合があります。 あるいは、アイデアがすぐに広がるネットワーク密度の高い都市またはクラスターにすべての専門家を配置することを意味する場合もあります。 または、それらを XNUMX つの部屋に集めます。

ということで…拡散について私が言えるのはこれだけです。

しかし、最後に一つ考えたいのですが、それはとても重要です。 それは成長についてですそして停滞) 科学コミュニティにおける知識。 上記の考えとはトーンも内容も異なりますが、ご容赦いただければ幸いです。

科学ネットワークについて

この図は、世界で最も重要な正のフィードバック ループの XNUMX つを示しています (これはかなり長い間この状態でした)。

サイクル (K ⟶ T) の上向きの進行は非常に単純です。新しい知識を使用して新しいツールを開発します。 たとえば、半導体の物理学を理解すれば、コンピューターを構築できるようになります。

ただし、この下落については説明が必要です。 テクノロジーの発展はどのようにして知識の増加につながるのでしょうか?

XNUMX つの方法は、おそらく最も直接的な方法ですが、新しいテクノロジーが世界を認識する新しい方法をもたらす場合です。 たとえば、最高の顕微鏡を使用すると、細胞の内部をより深く観察でき、分子生物学に関する洞察が得られます。 GPS トラッカーは動物の動きを示します。 ソナーを使用すると、海洋を探索できます。 等々。

これは間違いなく重要なメカニズムですが、テクノロジーから知識への道は他に少なくとも XNUMX つあります。 それらはそれほど単純ではないかもしれませんが、同じくらい重要だと思います。

最初の。 テクノロジーは経済的な豊かさ（つまり富）をもたらし、より多くの人々が知識生産に従事できるようになります。

あなたの国の人口の 90% が農業に従事し、残りの 10% が何らかの貿易 (または戦争) に従事している場合、人々には自然の法則について考える自由時間がほとんどありません。 おそらくこれが、初期の科学が主に裕福な家庭の子供たちによって推進された理由です。

米国は毎年 50 人を超える博士号を輩出しています。 000歳（またはそれ以前）から工場で働き始めるのではなく、大学院生は18歳、あるいはおそらく30歳まで資金を提供されなければならないが、それでも彼らの仕事が実際の経済的影響を与えるかどうかは不透明だ。 しかし、特に物理学や生物学などの複雑な分野では、自分の専門分野の最前線に到達する必要があります。

実際のところ、システムの観点から見ると、専門家に依頼するのは費用がかかります。 そして、これらの専門家に資金を提供する究極の公共富の源は、新しい技術です。鋤は囲いに補助金を与えます。

2番目の。 新しいテクノロジー、特に旅行と通信の分野では、知識が増えるソーシャル ネットワークの構造が変化しています。 特に、専門家や専門家が互いにより緊密に対話できるようになります。

ここでの注目すべき発明には、印刷機、蒸気船、鉄道 (長距離の旅行や郵便の送信を容易にする)、電話、飛行機、インターネットが含まれます。 これらのテクノロジーはすべて、特に専門コミュニティ (ほぼすべての知識の増加が発生する場所) 内でのネットワーク密度の増加に貢献します。 たとえば、中世の終わりにヨーロッパの科学者の間に出現した通信ネットワークや、現代の物理学者による arXiv の使用方法などです。

結局のところ、これらのパスは両方とも似ています。 どちらも専門家のネットワークの密度を高め、知識の増加につながります。

長年にわたり、私は高等教育をまったく否定していました。 大学院での短い期間は、私の口に後味の悪さが残りました。 しかし、今振り返って考えてみると、（すべての個人的な問題は別として）高等教育は依然として重要であると結論付けざるを得ません。 非常に 重要。

学術ソーシャル ネットワーク (研究コミュニティなど) は、私たちの文明が生み出した最も先進的で価値のある構造の XNUMX つです。 知識生産に重点を置いた専門家がこれほど集中している場所は他にありません。 人々がお互いのアイデアを理解し、批判する能力をこれほど発達させた国は他にありません。 それは進歩の鼓動です。 啓発の火が最も強く燃えるのは、こうしたネットワークです。

しかし、進歩を当然のことと考えることはできません。 もし 実験再現不可能性の危機 そしてそれが私たちに何かを教えてくれたとすれば、それは科学には体系的な問題が潜む可能性があるということです。 これはネットワークの劣化の一種です。

科学を行う XNUMX つの方法を区別するとします。 本当の科学 и 出世主義。 本当の科学とは、知識を確実に生み出す実践です。 それは好奇心によって動機づけられており、正直さを特徴としています（ファインマン：「ほら、世界を理解する必要があるだけです」）。 反対に、キャリア主義は職業上の野心によって動機付けられており、政治と科学の近道をすることによって特徴付けられます。 見た目も動作も科学のように見えるかもしれませんが、 ノー 信頼できる知識を生み出します。

（はい、これは誇張された二分法です。単なる思考実験です。私を責めないでください）。

実際のところ、キャリア主義者が実際の研究コミュニティでスペースを占めると、研究が台無しになってしまいます。 彼らは自分自身を宣伝しようと努める一方、コミュニティの他のメンバーは新しい知識を得て共有しようとします。 キャリア主義者は、明確さを追求する代わりに、より印象的に聞こえるようにすべてを複雑にし、混乱させます。 彼らは（ハリー・フランクフルトが言うように）科学的ナンセンスに取り組んでいます。 したがって、それらをデッドノードとしてモデル化し、知識の成長に必要な情報の公正な交換を妨げることができます。

おそらく最良のモデルは、キャリアリストノードが知識に影響されないだけでなく、積極的に広めるモデルです。 偽の知識。 偽の知識には、重要性が人為的に誇張された重要ではない結果や、操作または捏造されたデータから生じる真に誤った結果が含まれる場合があります。

私たちがそれらをどのようにモデル化しても、キャリア主義者は確かに私たちの科学コミュニティを絞める可能性があります。

それは私たちが切実に必要としている核連鎖反応のようなものです - 私たちは知識の爆発を必要としています - 私たちの濃縮されたウラン235だけがその中に非反応性同位体ウラン238を多量に含んでおり、それが連鎖反応を抑制します。

もちろん、キャリアリストと本物の科学者の間に明確な違いはありません。 私たちは誰しも、自分の中に少しのキャリア主義を隠しています。 問題は、知識の普及が衰退するまでにネットワークがどれだけ長く存続できるかです。

ああ、最後まで読みましたね。 読んでくれてありがとう。

ライセンス

CC0 すべての権利は留保されません。 この作品は必要に応じて使用できます:)。

感謝

• ケビン・クォック и ニッキー・ケース 草案のさまざまなバージョンに関する思慮深いコメントや提案をお寄せください。
• ニック・バー — プロセス全体を通しての精神的なサポートと、私の仕事に対する最も有益なフィードバックに対して。
• Keith A. パーコレーション現象とパーコレーション閾値について指摘してくれました。
• ジェフ・ロンズデール へのリンクについて これはエッセイです、これが（多くの欠点にもかかわらず）この投稿に取り組む主な推進力でした。

インタラクティブなエッセイのサンプル

• ニッキー・ケースのすべての作品、特に。 「多角形の寓話」 （ヴィ・ハートと）そして 「より良い投票用紙の開発」。 これは、インタラクティブなエッセイがどのようなものであるかについての高いハードルです。
• 蒸留パブ: 非常に高品質な機械学習のインタラクティブな説明。
• ブレット・ビクターの古典的な作品 「抽象化のはしごを上り下りする」。 私は階段を上るのがあまり得意ではありませんでしたが、いつでもあと一回だけ挑戦できます。

出所： habr.com