თუ რაიმე დრო გაატარეთ რთულ სისტემებზე ფიქრში, ალბათ გესმით ქსელების მნიშვნელობა. ქსელები მართავენ ჩვენს სამყაროს. უჯრედის შიგნით ქიმიური რეაქციებიდან, ეკოსისტემაში არსებული ურთიერთობების ქსელამდე, სავაჭრო და პოლიტიკურ ქსელებამდე, რომელიც აყალიბებს ისტორიის მსვლელობას.

ან გაითვალისწინეთ ეს სტატია, რომელსაც კითხულობთ. თქვენ ალბათ იპოვეთ მასში სოციალური ქსელი, გადმოწერილი კომპიუტერული ქსელი და ამჟამად მნიშვნელობის გაშიფვრას თქვენი გამოყენებით ნერვული ქსელი.

მაგრამ რამდენადაც მე ვფიქრობდი ქსელებზე წლების განმავლობაში, ბოლო დრომდე არ მესმოდა მარტივის მნიშვნელობა დიფუზია.

ეს არის ჩვენი დღევანდელი თემა: როგორ, როგორ ქაოსურად მოძრაობს და ვრცელდება ყველაფერი. რამდენიმე მაგალითი თქვენი მადის გასაძლიერებლად:

• ინფექციური დაავადებები, რომლებიც გადადიან მატარებლიდან მეორეზე პოპულაციაში.
• სოციალურ ქსელებში მიმდევრების დიაგრამაზე გავრცელებული მემები.
• ტყის ხანძარი.
• იდეები და პრაქტიკები, რომლებიც გაჟღენთილია კულტურაში.
• ნეიტრონების კასკადი გამდიდრებულ ურანში.

სწრაფი შენიშვნა ფორმის შესახებ.

ყველა ჩემი წინა ნამუშევრებისგან განსხვავებით, ეს ესე ინტერაქტიულია [in ორიგინალური სტატია ინტერაქტიული მაგალითები მოცემულია სლაიდერებით და ღილაკებით, რომლებიც აკონტროლებენ ობიექტებს ეკრანზე - დაახლ. შესახვევი].

ასე რომ, დავიწყოთ. პირველი ამოცანაა ვიზუალური ლექსიკის შემუშავება ქსელებში გავრცელებისთვის.

მარტივი მოდელი

დარწმუნებული ვარ, რომ თქვენ ყველამ იცით ქსელების საფუძველი, ანუ კვანძები + კიდეები. დიფუზიის შესასწავლად, თქვენ უბრალოდ უნდა მონიშნოთ რამდენიმე კვანძი, როგორც აქტიური. ან, როგორც ეპიდემიოლოგებს სურთ თქვან, ინფიცირებული:

ეს გააქტიურება ან ინფექცია ვრცელდება ქსელის მეშვეობით კვანძიდან კვანძში იმ წესების მიხედვით, რომლებსაც ქვემოთ განვიხილავთ.

რეალური ქსელები, როგორც წესი, ბევრად უფრო დიდია, ვიდრე ეს მარტივი შვიდი კვანძის ქსელი. ისინი ასევე ბევრად უფრო დამაბნეველი არიან. მაგრამ სიმარტივის მიზნით, ჩვენ ავაშენებთ სათამაშო მოდელს, რათა შეისწავლოს გისოსები, ანუ გისოსების ქსელი.

(რაც ბადეს აკლია რეალიზმში, ის ანაზღაურებს ადვილად დახატვას 😉

გარდა იმ შემთხვევისა, როდესაც სხვაგვარად არის აღნიშნული, ქსელის კვანძებს აქვთ ოთხი მეზობელი, მაგალითად:

და თქვენ უნდა წარმოიდგინოთ, რომ ეს გისოსები უსასრულოდ ვრცელდება ყველა მიმართულებით. სხვა სიტყვებით რომ ვთქვათ, ჩვენ არ გვაინტერესებს ქცევა, რომელიც ხდება მხოლოდ ქსელის კიდეებზე ან მცირე პოპულაციებში.

იმის გათვალისწინებით, რომ გისოსები ასე დალაგებულია, ჩვენ შეგვიძლია გავამარტივოთ ისინი პიქსელებად. მაგალითად, ეს ორი სურათი წარმოადგენს ერთსა და იმავე ქსელს:

ერთი ქცევით, აქტიური კვანძი ყოველთვის გადასცემს ინფექციას თავის (არაინფიცირებულ) მეზობლებს. მაგრამ მოსაწყენია. გაცილებით საინტერესო რამ ხდება ტრანსფერის დროს სავარაუდო.

SIR და SIS

В SIR მოდელები (მგრძნობიარე-ინფიცირებული-ამოღებული) კვანძი შეიძლება იყოს სამ მდგომარეობაში:

• მგრძნობიარე
• Ინფიცირებული
• ამოღებულია

აი, როგორ მუშაობს ინტერაქტიული სიმულაცია [in ორიგინალური სტატია შეგიძლიათ აირჩიოთ ინფექციის გადაცემის სიჩქარე 0-დან 1-მდე, იხილეთ პროცესი ეტაპობრივად ან მთლიანად - დაახლ. თარგმანი.]:

• კვანძები იწყება როგორც მგრძნობიარე, გარდა რამდენიმე კვანძისა, რომლებიც იწყება როგორც ინფიცირებული.
• ყოველი დროის საფეხურზე, ინფიცირებულ კვანძებს აქვთ შანსი გადასცენ ინფექცია თითოეულ მათ მგრძნობიარე მეზობელს გადაცემის სიჩქარის ტოლი ალბათობით.
• შემდეგ ინფიცირებული კვანძები შედიან „წაშლილ“ მდგომარეობაში, რაც იმას ნიშნავს, რომ მათ აღარ შეუძლიათ სხვების დაინფიცირება ან თავად დაინფიცირება.

დაავადების კონტექსტში, მოცილება შეიძლება ნიშნავდეს, რომ ადამიანი გარდაიცვალა ან მათ განუვითარდათ იმუნიტეტი პათოგენის მიმართ. ჩვენ ვამბობთ, რომ ისინი "ამოღებულნი" არიან სიმულაციისგან, რადგან მათ სხვა არაფერი ხდება.

იმისდა მიხედვით, თუ რას ვცდილობთ მოდელირებას, შეიძლება დაგჭირდეთ SIR-ისგან განსხვავებული მოდელი.

თუ წითელას ან ტყის ხანძრის გავრცელების სიმულაციას ვაკეთებთ, SIR იდეალურია. მაგრამ დავუშვათ, რომ ჩვენ ვქმნით ახალი კულტურული პრაქტიკის გავრცელების სიმულაციას, როგორიცაა მედიტაცია. თავდაპირველად კვანძი (პირი) არის მიმღები, რადგან მას ეს აქამდე არასდროს გაუკეთებია. შემდეგ, თუ ის დაიწყებს მედიტაციას (შესაძლოა, მეგობრისგან ამის შესახებ გაგონების შემდეგ), ჩვენ მას ინფიცირებულად გამოვარჩევთ. მაგრამ თუ ის შეწყვეტს პრაქტიკას, ის არ მოკვდება და არ გამოვა სიმულაციისგან, რადგან მომავალში ის ადვილად აითვისებს ამ ჩვევას. ასე რომ, ის უბრუნდება მიმღებ მდგომარეობას.

იგი SIS მოდელი (მგრძნობიარე–ინფიცირებული–მგრძნობიარე). კლასიკურ მოდელს აქვს ორი პარამეტრი: გადაცემის სიჩქარე და აღდგენის სიჩქარე. თუმცა, ამ სტატიის სიმულაციებში მე გადავწყვიტე გამარტივება აღდგენის სიჩქარის პარამეტრის გამოტოვებით. ამის ნაცვლად, ინფიცირებული კვანძი ავტომატურად უბრუნდება მგრძნობიარე მდგომარეობას მომდევნო დროის საფეხურზე, თუ ის არ არის ინფიცირებული მისი ერთ-ერთი მეზობლის მიერ. გარდა ამისა, ჩვენ ვაძლევთ საშუალებას n საფეხურზე ინფიცირებულ კვანძს დაინფიცირდეს საკუთარი თავი n+1 საფეხურზე გადაცემის სიჩქარის ტოლი ალბათობით.

დისკუსია

როგორც ხედავთ, ეს ძალიან განსხვავდება SIR მოდელისგან.

იმის გამო, რომ კვანძები არასოდეს მოიხსნება, ძალიან პატარა და შემოსაზღვრული გისოსიც კი შეუძლია SIS ინფექციის დიდი ხნის განმავლობაში მხარდაჭერა. ინფექცია უბრალოდ გადადის კვანძიდან კვანძზე და ბრუნდება.

მიუხედავად მათი განსხვავებებისა, SIR და SIS საოცრად ურთიერთშემცვლელნი არიან ჩვენი მიზნებისთვის. ასე რომ, ამ სტატიის დარჩენილი ნაწილისთვის ჩვენ მივყვებით SIS-ს - ძირითადად იმიტომ, რომ უფრო გამძლეა და, შესაბამისად, უფრო სახალისოა მასთან მუშაობა.

კრიტიკული დონე

SIR და SIS მოდელებთან თამაშის შემდეგ, შესაძლოა შეამჩნიეთ რაიმე ინფექციის ხანგრძლივობის შესახებ. გადაცემის ძალიან დაბალი სიხშირით, როგორიცაა 10%, ინფექცია კვდება. უფრო მაღალ მნიშვნელობებზე, როგორიცაა 50%, ინფექცია რჩება ცოცხალი და იკავებს ქსელის უმეტეს ნაწილს. ქსელი რომ იყოს უსასრულო, ჩვენ შეგვიძლია წარმოვიდგინოთ, რომ ის გაგრძელდება და გავრცელდება სამუდამოდ.

ასეთ უსაზღვრო დიფუზიას მრავალი სახელი აქვს: "ვირუსული", "ბირთვული" ან (ამ სტატიის სათაურში) კრიტიკული.

თურმე არსებობს ბეტონი წყვეტის წერტილი, რომელიც ჰყოფს სუბკრიტიკული ქსელები (გადაშენებისთვის განწირული) დან სუპერკრიტიკული ქსელები (უსასრულო ზრდის უნარი). ამ შემობრუნების მომენტს ე.წ კრიტიკული ბარიერი, და ეს არის ჩვეულებრივი ქსელების დიფუზიური პროცესების საკმაოდ ზოგადი ნიშანი.

კრიტიკული ზღვრის ზუსტი მნიშვნელობა მერყეობს ქსელებს შორის. რაც საერთოა ეს არის ხელმისაწვდომობა ასეთი მნიშვნელობა.

[ინტერაქტიულ დემოში ორიგინალური სტატია შეგიძლიათ სცადოთ ხელით იპოვოთ ქსელის კრიტიკული ბარიერი გადაცემის სიჩქარის მნიშვნელობის შეცვლით. ეს არის სადღაც 22%-დან 23%-მდე - დაახლ. ტრანს.]

22% (და ქვემოთ), ინფექცია საბოლოოდ კვდება. 23% (და ზემოთ), ორიგინალური ინფექცია ზოგჯერ კვდება, მაგრამ უმეტეს შემთხვევაში ის ახერხებს გადარჩენას და გავრცელდეს საკმარისად დიდხანს, რათა უზრუნველყოს მისი არსებობა სამუდამოდ.

(სხვათა შორის, არსებობს მთელი სამეცნიერო სფერო, რომელიც ეძღვნება ამ კრიტიკული ზღურბლების პოვნას სხვადასხვა ქსელის ტოპოლოგიისთვის. სწრაფი შესავლისთვის გირჩევთ სწრაფად გადახედოთ ვიკიპედიის სტატიას. გაჟონვის ბარიერი).

ზოგადად, აი, როგორ მუშაობს: კრიტიკული ზღურბლის ქვემოთ, ქსელში ნებისმიერი სასრული ინფექცია გარანტირებულია (ალბათობით 1) საბოლოოდ გაქრება. მაგრამ კრიტიკულ ზღვარს ზემოთ, არის ალბათობა (p > 0), რომ ინფექცია სამუდამოდ გაგრძელდება და ამით თვითნებურად გავრცელდება თავდაპირველი ადგილიდან შორს.

თუმცა, გაითვალისწინეთ, რომ სუპერკრიტიკული ქსელი არ არის გარანტიებირომ ინფექცია სამუდამოდ გაგრძელდება. სინამდვილეში, ის ხშირად ქრება, განსაკუთრებით სიმულაციის ადრეულ ეტაპებზე. ვნახოთ, როგორ ხდება ეს.

დავუშვათ, რომ დავიწყეთ ერთი ინფიცირებული კვანძით და ოთხი მეზობლით. მოდელირების პირველ ეტაპზე, ინფექციას აქვს გავრცელების 5 დამოუკიდებელი შანსი (მათ შორის, შემდეგ ეტაპზე საკუთარ თავზე "გავრცელების" შანსი):

ახლა დავუშვათ გადაცემის მაჩვენებელი 50%. ამ შემთხვევაში, პირველ ეტაპზე ჩვენ ვატრიალებთ მონეტას ხუთჯერ. და თუ ხუთი თავი შემოვიდა, ინფექცია განადგურდება. ეს ხდება დაახლოებით 3% შემთხვევაში - და ეს მხოლოდ პირველ ეტაპზეა. ინფექციას, რომელიც გადარჩა პირველ საფეხურზე, აქვს გარკვეული (ჩვეულებრივ, უფრო მცირე) ალბათობა, რომ მოკვდეს მეორე საფეხურზე, გარკვეული (კიდევ უფრო მცირე) ალბათობა მოკვდეს მესამე საფეხურზე და ა.შ.

ასე რომ, მაშინაც კი, როდესაც ქსელი სუპერკრიტიკულია - თუ გადაცემის მაჩვენებელი 99%-ია - არსებობს შანსი, რომ ინფექცია გაქრეს.

მაგრამ მთავარი ის არის, რომ ის არა ყოველთვის გაქრება. თუ დაუმატებთ ყველა საფეხურის დაღუპვის ალბათობას უსასრულობამდე, შედეგი იქნება 1-ზე ნაკლები. სხვა სიტყვებით რომ ვთქვათ, არსებობს არანულოვანი ალბათობა იმისა, რომ ინფექცია სამუდამოდ გაგრძელდება. სწორედ ეს ნიშნავს, რომ ქსელი იყოს სუპერკრიტიკული.

SISa: სპონტანური გააქტიურება

ამ მომენტამდე, ყველა ჩვენი სიმულაცია იწყებოდა ცენტრში წინასწარ ინფიცირებული კვანძების მცირე ნაწილით.

მაგრამ რა მოხდება, თუ ნულიდან დაიწყებთ? შემდეგ ჩვენ ვამოლებებთ სპონტანურ აქტივაციას - პროცესს, რომლის დროსაც მგრძნობიარე კვანძი შემთხვევით ინფიცირდება (არა ერთ-ერთი მეზობლისგან).

იგი მოუწოდა SISa მოდელი. ასო "a" ნიშნავს "ავტომატურს".

SISa სიმულაციაში ჩნდება ახალი პარამეტრი - სპონტანური გააქტიურების სიჩქარე, რომელიც ცვლის სპონტანური ინფექციის სიხშირეს (ასევე არის გადაცემის სიჩქარის პარამეტრი, რომელიც ადრე ვნახეთ).

რა სჭირდება ინფექციის გავრცელებას ქსელში?

დისკუსია

შესაძლოა სიმულაციაში შენიშნეთ, რომ სპონტანური აქტივაციის სიჩქარის გაზრდა არ ცვლის ინფექცია მთელ ქსელს თუ არა. მხოლოდ გადაცემის სიჩქარე განსაზღვრავს ქსელი სუბკრიტიკულია თუ სუპერკრიტიკულია. და როდესაც ქსელი სუბკრიტიკულია (გადაცემის სიჩქარე ნაკლები ან ტოლია 22%), ინფექცია არ შეიძლება გავრცელდეს მთელ ქსელში, რაც არ უნდა ხშირად დაიწყოს.

სველ მინდორში ხანძრის გაჩენას ჰგავს. შეგიძლიათ რამდენიმე მშრალი ფოთოლი დაანთოთ ცეცხლზე, მაგრამ ალი სწრაფად ჩაქრება, რადგან ლანდშაფტის დანარჩენი ნაწილი საკმარისად აალებადი არ არის (ქვეკრიტიკული). ძალიან მშრალ მინდორზე (ზეკრიტიკულ) ყოფნისას საკმარისია ერთი ნაპერწკალი, რომ ცეცხლი მძვინვარებს.

მსგავსი რამ შეინიშნება იდეებისა და გამოგონების სფეროში. ხშირად სამყარო არ არის მზად იდეისთვის, ამ შემთხვევაში მისი გამოგონება ისევ და ისევ შეიძლება, მაგრამ არ იზიდავს მასებს. მეორეს მხრივ, სამყარო შესაძლოა სრულიად მზად იყოს გამოგონებისთვის (დიდი ფარული მოთხოვნა) და როგორც კი ის დაიბადება, ის ყველამ მიიღოს. შუაში არის იდეები, რომლებიც გამოგონილია რამდენიმე ადგილას და ვრცელდება ადგილობრივად, მაგრამ არ არის საკმარისი იმისათვის, რომ რომელიმე ვერსიამ ერთდროულად მოიცვას მთელი ქსელი. ამ ბოლო კატეგორიაში ვხვდებით, მაგალითად, სოფლის მეურნეობას და მწერლობას, რომლებიც დამოუკიდებლად გამოიგონეს სხვადასხვა ადამიანური ცივილიზაციების მიერ, შესაბამისად, დაახლოებით ათჯერ და სამჯერ.

იმუნიტეტი

დავუშვათ, რომ ზოგიერთ კვანძს ვქმნით სრულიად დაუცველს, ანუ იმუნურს აქტივაციის მიმართ. თითქოს ისინი თავდაპირველად დისტანციურ მდგომარეობაში არიან და SIS(a) მოდელი გაშვებულია დანარჩენ კვანძებზე.

იმუნიტეტის სლაიდერი აკონტროლებს ამოღებული კვანძების პროცენტს. სცადეთ შეცვალოთ მისი მნიშვნელობა (სანამ მოდელი მუშაობს!) და ნახეთ, როგორ იმოქმედებს ეს ქსელის მდგომარეობაზე, იქნება ეს სუპერკრიტიკული თუ არა.

დისკუსია

უპასუხო კვანძების რაოდენობის შეცვლა მთლიანად ცვლის სურათს, იქნება თუ არა ქსელი ქვეკრიტიკული თუ სუპერკრიტიკული. და ძნელი არ არის იმის გაგება, თუ რატომ. არამგრძნობიარე მასპინძლების დიდი რაოდენობით, ინფექციას ნაკლები შესაძლებლობა აქვს ახალ მასპინძლებზე გავრცელდეს.

გამოდის, რომ ამას არაერთი ძალიან მნიშვნელოვანი პრაქტიკული შედეგი აქვს.

ერთ-ერთი მათგანი ტყის ხანძრის გავრცელების პრევენციაა. ადგილობრივ დონეზე, თითოეულმა ადამიანმა უნდა მიიღოს საკუთარი სიფრთხილის ზომები (მაგალითად, არასოდეს დატოვოთ ღია ცეცხლი უყურადღებოდ). მაგრამ დიდი მასშტაბით, იზოლირებული ეპიდემიები გარდაუვალია. ასე რომ, დაცვის კიდევ ერთი მეთოდია იმის უზრუნველყოფა, რომ იყოს საკმარისი „შესვენება“ (აალებადი მასალების ქსელში), რათა აფეთქებამ არ მოიცვას მთელი ქსელი. გამწმენდები ასრულებენ ამ ფუნქციას:

კიდევ ერთი ეპიდემია, რომლის შეჩერებაც მნიშვნელოვანია, არის ინფექციური დაავადება. აქ მოცემულია კონცეფცია ნახირის იმუნიტეტი. ეს არის იდეა, რომ ზოგიერთ ადამიანს არ შეუძლია ვაქცინაცია (მაგალითად, მათ აქვთ დასუსტებული იმუნური სისტემა), მაგრამ თუ საკმარისი ადამიანი იმუნურია ინფექციის მიმართ, დაავადება განუსაზღვრელი ვადით ვერ გავრცელდება. სხვა სიტყვებით რომ ვთქვათ, ვაქცინაცია უნდა მოხდეს საკმარისი მოსახლეობის ნაწილმა მოსახლეობა გადაიტანოს სუპერკრიტიკულიდან სუბკრიტიკულ მდგომარეობაში. როდესაც ეს მოხდება, ერთი პაციენტი შეიძლება მაინც დაინფიცირდეს (მაგალითად, სხვა რეგიონში მოგზაურობის შემდეგ), მაგრამ სუპერკრიტიკული ქსელის გარეშე, რომელშიც გაიზრდება, დაავადება მხოლოდ რამდენიმე ადამიანს დააინფიცირებს.

და ბოლოს, იმუნური კვანძების კონცეფცია ხსნის რა ხდება ბირთვულ რეაქტორში. ჯაჭვური რეაქციის დროს ურანის-235-ის დაშლის ატომი გამოყოფს დაახლოებით სამ ნეიტრონს, რაც იწვევს (საშუალოდ) ერთზე მეტი U-235 ატომის დაშლას. ახალი ნეიტრონები შემდეგ იწვევენ ატომების შემდგომ გაყოფას და ასე შემდეგ ექსპონენციალურად:

ბომბის აგებისას, მთელი საქმე იმაში მდგომარეობს, რომ ექსპონენციალური ზრდა შეუმჩნეველი გაგრძელდეს. მაგრამ ელექტროსადგურში მიზანია ენერგიის გამომუშავება გარშემომყოფების მოკვლის გარეშე. ამ მიზნით ისინი გამოიყენება კონტროლის წნელებიდამზადებულია მასალისგან, რომელსაც შეუძლია ნეიტრონების შთანთქმა (მაგალითად, ვერცხლი ან ბორი). იმის გამო, რომ ისინი შთანთქავენ, ვიდრე ათავისუფლებენ ნეიტრონებს, ისინი მოქმედებენ როგორც იმუნური კვანძები ჩვენს სიმულაციაში, რითაც ხელს უშლიან რადიოაქტიური ბირთვს სუპერკრიტიკულ მდგომარეობაში გადასვლას.

ასე რომ, ბირთვული რეაქტორის ხრიკი არის რეაქციის შენარჩუნება კრიტიკულ ზღურბლთან ახლოს საკონტროლო ღეროების წინ და უკან გადაადგილებით და იმის უზრუნველყოფა, რომ როდესაც რამე არასწორედ მოხდება, ღეროები ბირთვში ჩავარდეს და გააჩეროს იგი.

ხარისხი

ხარისხი კვანძის არის მისი მეზობლების რაოდენობა. ამ მომენტამდე ჩვენ განვიხილეთ მე-4 ხარისხის ქსელები. მაგრამ რა მოხდება, თუ ამ პარამეტრს შეცვლით?

მაგალითად, თქვენ შეგიძლიათ დააკავშიროთ თითოეული კვანძი არა მხოლოდ ოთხ უშუალო მეზობელთან, არამედ დიაგონალზე კიდევ ოთხთან. ასეთ ქსელში ხარისხი იქნება 8.

4 და 8 გრადუსიანი გისოსები კარგად სიმეტრიულია. მაგრამ მე-5 ხარისხით (მაგალითად), ჩნდება პრობლემა: რომელი ხუთი მეზობელი უნდა ავირჩიოთ? ამ შემთხვევაში ვირჩევთ ოთხ უახლოეს მეზობელს (N, E, S, W) და შემდეგ შემთხვევით ვირჩევთ ერთ მეზობელს სიმრავლიდან {NE, SE, SW, NW}. არჩევანი კეთდება დამოუკიდებლად თითოეული კვანძისთვის ყოველ საფეხურზე.

დისკუსია

ისევ და ისევ, ძნელი არ არის იმის დანახვა, თუ რა ხდება აქ. როდესაც თითოეულ კვანძს მეტი მეზობელი ჰყავს, ინფექციის გავრცელების შანსი იზრდება და, შესაბამისად, ქსელი უფრო კრიტიკული გახდება.

თუმცა, შედეგები შეიძლება იყოს მოულოდნელი, როგორც ამას ქვემოთ ვნახავთ.

ქალაქები და ქსელის სიმჭიდროვე

აქამდე ჩვენი ქსელები სრულიად ერთგვაროვანი იყო. თითოეული კვანძი სხვას ჰგავს. მაგრამ რა მოხდება, თუ შევცვლით პირობებს და დავუშვებთ სხვადასხვა კვანძის მდგომარეობას ქსელში?

მაგალითად, ვცადოთ ქალაქების მოდელირება. ამისათვის ჩვენ გავზრდით სიმკვრივეს ქსელის ზოგიერთ ნაწილში (კვანძების უფრო მაღალი ხარისხი). ჩვენ ამას ვაკეთებთ იმ მონაცემების საფუძველზე, რაც მოქალაქეებს აქვთ ფართო სოციალური წრე და მეტი სოციალური ინტერაქციავიდრე ხალხი ქალაქგარეთ.

ჩვენს მოდელში, მგრძნობიარე კვანძები შეფერილია მათი ხარისხის მიხედვით. „სოფლის რაიონებში“ კვანძებს აქვთ მე-4 ხარისხი (და შეფერილია ღია ნაცრისფერი), ხოლო „ურბანულ რაიონებში“ კვანძებს აქვთ უფრო მაღალი ხარისხი (და უფრო მუქი ფერისაა), დაწყებული მე-5 ხარისხით გარეუბანში და მთავრდება 8-ით ქალაქის ცენტრში.

შეეცადეთ აირჩიოთ გამრავლების ისეთი სიჩქარე, რომ აქტივაცია მოიცვას ქალაქებს და შემდეგ არ გასცდეს მათ საზღვრებს.

მე ეს სიმულაცია აშკარად და გასაკვირადაც მეჩვენება. რა თქმა უნდა,ქალაქები უკეთ ინარჩუნებენ კულტურულ დონეს, ვიდრე სოფლად - ეს ყველამ იცის. რაც მიკვირს არის ის, რომ ამ კულტურული მრავალფეროვნების ნაწილი წარმოიქმნება უბრალოდ სოციალური ქსელის ტოპოლოგიაზე დაყრდნობით.

ეს საინტერესო მომენტია, შევეცდები უფრო დეტალურად აგიხსნათ.

აქ საქმე გვაქვს კულტურის ფორმებთან, რომლებიც უბრალოდ და პირდაპირ გადაეცემა ადამიანიდან ადამიანზე. Მაგალითად, მანერები, სალონის თამაშები, მოდის ტენდენციები, ლინგვისტური ტენდენციები, მცირე ჯგუფების რიტუალები და პროდუქტები, რომლებიც ზეპირად ვრცელდება, პლუს ინფორმაციის მთელი პაკეტები, რომელსაც ჩვენ იდეებს ვუწოდებთ.

(შენიშვნა: ადამიანთა შორის ინფორმაციის გავრცელებას მედია ძალზე ართულებს. უფრო ადვილია წარმოვიდგინოთ რაიმე ტექნოლოგიურად პრიმიტიული გარემო, როგორიცაა ძველი საბერძნეთი, სადაც კულტურის თითქმის ყველა ნაპერწკალი გადადიოდა ფიზიკურ სივრცეში ურთიერთქმედებით).

ზემოაღნიშნული სიმულაციიდან გავიგე, რომ არსებობს იდეები და კულტურული პრაქტიკა, რომლებიც შეიძლება გაჩნდეს და გავრცელდეს ქალაქში, მაგრამ ისინი უბრალოდ ვერ (მათემატიკურად ვერ) გავრცელდებიან სოფლად. ეს არის იგივე იდეები და იგივე ხალხი. საქმე ის არ არის, რომ სოფლის მაცხოვრებლები რატომღაც „ახლომოაზროვნეები“ არიან: როდესაც ერთსა და იმავე იდეასთან ურთიერთობენ, ისინი მისი დაჭერის ზუსტად იგივე შანსებიქალაქელების მსგავსად. უბრალოდ, თავად იდეა ვერ გახდება ვირუსული სოფლად, რადგან არ არის ბევრი კავშირი, რომლითაც ის შეიძლება გავრცელდეს.

ამის დანახვა, ალბათ, ყველაზე მარტივია მოდის სფეროში - ტანსაცმელი, ვარცხნილობა და ა.შ. მოდის ქსელში ჩვენ შეგვიძლია დავიჭიროთ გისოსის კიდე, როდესაც ორი ადამიანი შეამჩნევს ერთმანეთის ჩაცმულობას. ურბანულ ცენტრში თითოეულ ადამიანს შეუძლია ნახოს 1000-ზე მეტი ადამიანი ყოველდღე - ქუჩაში, მეტროში, ხალხმრავალ რესტორანში და ა.შ. სოფლად, პირიქით, თითოეულ ადამიანს შეუძლია ნახოს მხოლოდ რამდენიმე ათეული ადამიანი. Დაფუძნებული მხოლოდ ეს განსხვავება, ქალაქს შეუძლია მეტი მოდის ტენდენციების მხარდაჭერა. და მხოლოდ ყველაზე დამაჯერებელი ტენდენციები - ისინი, ვისაც გადაცემის ყველაზე მაღალი მაჩვენებლები აქვთ - შეძლებენ ფეხის მოკიდებას ქალაქგარეთ.

ჩვენ მიდრეკილნი ვართ ვიფიქროთ, რომ თუ იდეა კარგია, ის საბოლოოდ ყველას მიაღწევს, ხოლო თუ იდეა ცუდია, ის გაქრება. რა თქმა უნდა, ეს ასეა ექსტრემალურ შემთხვევებში, მაგრამ მათ შორის არის უამრავი იდეა და პრაქტიკა, რომელიც მხოლოდ გარკვეულ ქსელებში შეიძლება გახდეს ვირუსული. ეს მართლაც საოცარია.

არა მარტო ქალაქები

ჩვენ აქ ვუყურებთ გავლენას ქსელის სიმკვრივე. იგი განისაზღვრება კვანძების მოცემული ნაკრებისთვის, როგორც რიცხვი ნამდვილი ნეკნები, გაყოფილი რიცხვით პოტენციური კიდეები. ანუ რეალურად არსებული შესაძლო კავშირების პროცენტი.

ამრიგად, ჩვენ ვნახეთ, რომ ქსელის სიმჭიდროვე ქალაქურ ცენტრებში უფრო მაღალია, ვიდრე სოფლად. მაგრამ ქალაქები არ არის ერთადერთი ადგილი, სადაც ვხვდებით მკვრივ ქსელებს.

საინტერესო მაგალითია საშუალო სკოლები. მაგალითად, კონკრეტული სფეროსთვის, ჩვენ ვადარებთ ქსელს, რომელიც არსებობს სკოლის მოსწავლეებს შორის, ქსელს, რომელიც არსებობს მათ მშობლებს შორის. ერთი და იგივე გეოგრაფიული ტერიტორია და იგივე მოსახლეობა, მაგრამ ერთი ქსელი ბევრჯერ უფრო მკვრივია, ვიდრე მეორე. ამიტომ გასაკვირი არ არის, რომ მოდა და ლინგვისტური ტენდენციები ბევრად უფრო სწრაფად ვრცელდება მოზარდებში.

ანალოგიურად, ელიტური ქსელები, როგორც წესი, ბევრად უფრო მჭიდროა, ვიდრე არაელიტარული ქსელები - ეს ფაქტი, ვფიქრობ, არ არის დაფასებული (ხალხი, რომლებიც პოპულარული ან გავლენიანი არიან, უფრო მეტ დროს უთმობენ ქსელებს და, შესაბამისად, უფრო მეტი "მეზობლები" ჰყავთ, ვიდრე ჩვეულებრივი ადამიანები). ზემოთ მოყვანილ სიმულაციებზე დაყრდნობით, ჩვენ ველით, რომ ელიტური ქსელები მხარს დაუჭერენ ზოგიერთ კულტურულ ფორმას, რომელთა მხარდაჭერაც არ შეიძლება იყოს მეინსტრიმში, უბრალოდ დაფუძნებულია ქსელის საშუალო ხარისხის მათემატიკურ კანონებზე. გიტოვებთ სპეკულირებას იმის შესახებ, თუ რა შეიძლება იყოს ეს კულტურული ფორმები.

და ბოლოს, ჩვენ შეგვიძლია გამოვიყენოთ ეს იდეა ინტერნეტში, მოდელირებით, როგორც უზარმაზარი და ძალიან მკვრივი ქალაქი. გასაკვირი არ არის, რომ ბევრი ახალი ტიპის კულტურა ვითარდება ინტერნეტში, რომლებიც უბრალოდ ვერ იქნება მხარდაჭერილი წმინდა სივრცით ქსელებში: ნიშური ჰობი, უკეთესი დიზაინის სტანდარტები, მეტი ინფორმირებულობა უსამართლობის შესახებ და ა.შ. და ეს არ არის მხოლოდ სასიამოვნო რამ. ისევე, როგორც ადრეული ქალაქები წარმოადგენდნენ იმ დაავადებების გამრავლებას, რომლებიც ვერ გავრცელდებოდა მოსახლეობის დაბალი სიმჭიდროვეში, ასევე ინტერნეტი არის სანაშენე საფუძველი ავთვისებიანი კულტურული ფორმებისთვის, როგორიცაა clickbait, ყალბი ამბები და ხელოვნური აღშფოთება.

Знания

"სწორ დროს სწორი ექსპერტის ყოლა ხშირად ყველაზე ღირებული რესურსია კრეატიული პრობლემების გადასაჭრელად." - მაიკლ ნილსენი, აღმოჩენის გამოგონება

ჩვენ ხშირად ვფიქრობთ აღმოჩენაზე ან გამოგონებაზე, როგორც პროცესზე, რომელიც ხდება ერთი გენიოსის გონებაში. მას აოცებს შთაგონება და - ევრიკა! — მოულოდნელად ჩვენ გვაქვს მოცულობის გაზომვის ახალი გზა. ან გრავიტაციის განტოლება. ან ნათურა.

მაგრამ თუ აღმოჩენის მომენტში განვიხილავთ მარტოხელა გამომგონებლის თვალსაზრისს, მაშინ ჩვენ ვუყურებთ ფენომენს. კვანძის თვალსაზრისით. მიუხედავად იმისა, რომ უფრო სწორი იქნებოდა გამოგონების ინტერპრეტაცია როგორც ქსელი ფენომენი.

ქსელი მნიშვნელოვანია მინიმუმ ორი თვალსაზრისით. პირველ რიგში, არსებული იდეები უნდა შეაღწიოს ცნობიერებაში გამომგონებელი. ეს არის ციტატები ახალი სტატიიდან, ახალი წიგნის ბიბლიოგრაფიული განყოფილებიდან - გიგანტები, რომელთა მხრებზე ნიუტონი იდგა. მეორეც, ქსელი გადამწყვეტია ახალი იდეის დასაბრუნებლად უკან სამყაროში; გამოგონება, რომელიც არ გავრცელებულა, ძნელად ღირს, რომ "გამოგონება" ვუწოდოთ. ამრიგად, ორივე ამ მიზეზის გამო, აზრი აქვს გამოგონების მოდელირებას - ან, უფრო ფართოდ, ცოდნის ზრდის - როგორც დიფუზიის პროცესს.

ცოტა ხანში მე წარმოგიდგენთ უხეშ სიმულაციას იმის შესახებ, თუ როგორ შეიძლება ცოდნა გავრცელდეს და გაიზარდოს ქსელში. მაგრამ ჯერ უნდა ავხსნა.

სიმულაციის დასაწყისში, არის ოთხი ექსპერტი ქსელის თითოეულ კვადრატში, რომლებიც მოწყობილია შემდეგნაირად:

ექსპერტ 1-ს აქვს იდეის პირველი ვერსია - მოდით დავარქვათ მას Idea 1.0. ექსპერტი 2 არის ადამიანი, რომელმაც იცის როგორ გადააქციოს იდეა 1.0 იდეა 2.0-ად. ექსპერტმა 3-მა იცის როგორ გარდაქმნას Idea 2.0 Idea 3.0-ად. და ბოლოს, მეოთხე ექსპერტმა იცის, როგორ დაასრულოს იდეა 4.0-ზე.

ეს ორიგამის მსგავსი ტექნიკის მსგავსია, სადაც ტექნიკის შემუშავება და შერწყმა სხვა ტექნიკასთან უფრო საინტერესო დიზაინის შესაქმნელად. ან ეს შეიძლება იყოს ცოდნის სფერო, როგორიცაა ფიზიკა, რომელშიც უფრო ახალი ნაშრომი ეფუძნება წინამორბედების ფუნდამენტურ მუშაობას.

ამ სიმულაციის აზრი ის არის, რომ ჩვენ გვჭირდება ოთხივე ექსპერტი, რათა ხელი შეუწყონ იდეის საბოლოო ვერსიას. და თითოეულ ეტაპზე იდეა უნდა მიეწოდოს შესაბამის ექსპერტს.

რამდენიმე გაფრთხილება. ბევრი არარეალური ვარაუდი არის კოდირებული სიმულაციაში. აქ არის მხოლოდ რამდენიმე მათგანი:

1. ვარაუდობენ, რომ იდეების შენახვა და გადაცემა შეუძლებელია, გარდა ადამიანიდან ადამიანზე (ანუ არ არის წიგნი ან მედია).
2. ვარაუდობენ, რომ მოსახლეობაში არსებობენ მუდმივი ექსპერტები, რომლებსაც შეუძლიათ იდეების გენერირება, თუმცა სინამდვილეში მრავალი შემთხვევითი ფაქტორი გავლენას ახდენს აღმოჩენის ან გამოგონების წარმოქმნაზე.
3. იდეის ოთხივე ვერსია იყენებს SIS პარამეტრების ერთსა და იმავე კომპლექტს (ბაუდის სიხშირე, იმუნიტეტის პროცენტი და ა.შ.), თუმცა, ალბათ, უფრო რეალურია თითოეული ვერსიისთვის სხვადასხვა პარამეტრის გამოყენება (1.0, 2.0 და ა.შ.)
4. ვარაუდობენ, რომ იდეა N+1 ყოველთვის მთლიანად ანაცვლებს N იდეას, თუმცა პრაქტიკაში ხშირად ორივე ძველი და ახალი ვერსიები ერთდროულად ვრცელდება, აშკარა გამარჯვებულის გარეშე.

… და მრავალი სხვა.

დისკუსია

ეს არის სასაცილოდ გამარტივებული მოდელი იმისა, თუ როგორ იზრდება ცოდნა რეალურად. მოდელის გარეთ ბევრი მნიშვნელოვანი დეტალია დარჩენილი (იხ. ზემოთ). თუმცა, ის ასახავს პროცესის მნიშვნელოვან არსს. ასე რომ, ჩვენ შეგვიძლია დათქმებით ვისაუბროთ ცოდნის ზრდაზე დიფუზიის შესახებ ჩვენი ცოდნის გამოყენებით.

კერძოდ, დიფუზიის მოდელი იძლევა იმის გარკვევას, თუ როგორ დააჩქაროს პროცესი: საჭიროა ხელი შეუწყოს იდეების გაცვლას ექსპერტთა კვანძებს შორის. ეს შეიძლება ნიშნავდეს ქსელის გაწმენდას მკვდარი კვანძებისგან, რომლებიც აფერხებენ დიფუზიას. ან შეიძლება ნიშნავდეს ყველა ექსპერტის მოთავსებას ქსელის მაღალი სიმკვრივის მქონე ქალაქში ან კლასტერში, სადაც იდეები სწრაფად ვრცელდება. ან უბრალოდ შეაგროვეთ ისინი ერთ ოთახში:

ასე რომ... სულ ეს არის რაც შემიძლია ვთქვა დიფუზიის შესახებ.

მაგრამ მე მაქვს ერთი ბოლო აზრი და ის ძალიან მნიშვნელოვანია. საუბარია ზრდაზედა სტაგნაცია) ცოდნა სამეცნიერო თემებში. ეს იდეა ტონითა და შინაარსით განსხვავდება ზემოთ ჩამოთვლილისაგან, მაგრამ იმედია მაპატიებთ.

სამეცნიერო ქსელების შესახებ

ილუსტრაცია გვიჩვენებს მსოფლიოში ერთ-ერთ ყველაზე მნიშვნელოვან პოზიტიური გამოხმაურების მარყუჟს (და ასე იყო საკმაოდ დიდი ხნის განმავლობაში):

ციკლის აღმავალი პროგრესი (K ⟶ T) საკმაოდ მარტივია: ჩვენ ვიყენებთ ახალ ცოდნას ახალი ინსტრუმენტების შესაქმნელად. მაგალითად, ნახევარგამტარების ფიზიკის გაგება საშუალებას გვაძლევს ავაშენოთ კომპიუტერები.

თუმცა, დაღმავალი ნაბიჯი გარკვეულ ახსნას მოითხოვს. როგორ იწვევს ტექნოლოგიების განვითარება ცოდნის ზრდას?

ერთი გზა - ალბათ ყველაზე პირდაპირი - არის, როდესაც ახალი ტექნოლოგიები გვაძლევს სამყაროს აღქმის ახალ გზებს. მაგალითად, საუკეთესო მიკროსკოპები საშუალებას გაძლევთ ღრმად ჩაიხედოთ უჯრედის შიგნით, რაც უზრუნველყოფს მოლეკულურ ბიოლოგიას. GPS ტრეკერები აჩვენებს, თუ როგორ მოძრაობენ ცხოველები. Sonar საშუალებას გაძლევთ შეისწავლოთ ოკეანეები. Და ასე შემდეგ.

ეს უდავოდ სასიცოცხლო მექანიზმია, მაგრამ არსებობს სულ მცირე ორი გზა ტექნოლოგიიდან ცოდნამდე. ისინი შეიძლება არც ისე მარტივი იყოს, მაგრამ მე ვფიქრობ, რომ ისინი ისეთივე მნიშვნელოვანია:

პირველი. ტექნოლოგია იწვევს ეკონომიკურ სიუხვეს (ანუ სიმდიდრეს), რაც საშუალებას აძლევს მეტ ადამიანს ჩაერთოს ცოდნის წარმოებაში.

თუ თქვენი ქვეყნის მოსახლეობის 90% დაკავებულია სოფლის მეურნეობით, ხოლო დანარჩენი 10% დაკავებულია რაიმე სახის ვაჭრობით (ან ომით), მაშინ ადამიანებს ძალიან ცოტა თავისუფალი დრო აქვთ ბუნების კანონებზე ფიქრისთვის. ალბათ ამიტომაა, რომ ადრე მეცნიერებას ძირითადად მდიდარი ოჯახების ბავშვები უწყობდნენ ხელს.

შეერთებული შტატები ყოველწლიურად აწარმოებს 50-ზე მეტ დოქტორანტს. იმის ნაცვლად, რომ ადამიანი 000 წლის (ან უფრო ადრე) ქარხანაში სამუშაოდ წავიდეს, მაგისტრატურის სტუდენტი უნდა დაფინანსდეს 18 ან შესაძლოა 30 წლამდე - და მაშინაც კი გაურკვეველია ექნება თუ არა მათ მუშაობას რაიმე რეალური ეკონომიკური გავლენა. მაგრამ აუცილებელია ადამიანმა მიაღწიოს თავისი დისციპლინის წინა პლანზე, განსაკუთრებით ისეთ რთულ სფეროებში, როგორიცაა ფიზიკა ან ბიოლოგია.

ფაქტია, რომ სისტემური თვალსაზრისით, სპეციალისტები ძვირია. და საზოგადოებრივი სიმდიდრის საბოლოო წყარო, რომელიც აფინანსებს ამ სპეციალისტებს, არის ახალი ტექნოლოგია: გუთანი სუბსიდირებს კალამს.

მეორე. ახალი ტექნოლოგიები, განსაკუთრებით მოგზაურობისა და კომუნიკაციების სფეროში, ცვლის სოციალური ქსელების სტრუქტურას, რომლებშიც ცოდნა იზრდება. კერძოდ, ის საშუალებას აძლევს ექსპერტებსა და სპეციალისტებს უფრო მჭიდროდ იმოქმედონ ერთმანეთთან.

აქ მნიშვნელოვანი გამოგონებები მოიცავს სტამბას, ორთქლის გემებს და რკინიგზას (ხელს უწყობს მოგზაურობას და/ან ფოსტის გაგზავნას დიდ მანძილზე), ტელეფონებს, თვითმფრინავებს და ინტერნეტს. ყველა ეს ტექნოლოგია ხელს უწყობს ქსელის სიმკვრივის გაზრდას, განსაკუთრებით სპეციალიზებულ თემებში (სადაც თითქმის მთელი ცოდნის ზრდა ხდება). მაგალითად, კორესპონდენციის ქსელები, რომლებიც გაჩნდა ევროპელ მეცნიერებს შორის შუა საუკუნეების ბოლოს, ან როგორ იყენებენ თანამედროვე ფიზიკოსები arXiv-ს.

საბოლოო ჯამში, ორივე ეს გზა მსგავსია. ორივე ზრდის სპეციალისტთა ქსელის სიმკვრივეს, რაც თავის მხრივ იწვევს ცოდნის ზრდას:

მრავალი წლის განმავლობაში მე საკმაოდ უარვყოფდი უმაღლეს განათლებას. ჩემმა ხანმოკლე სტაჟირებამ ასპირანტურაში ცუდი გემო დამიტოვა პირში. მაგრამ ახლა, როცა უკან ვიხედები და ვფიქრობ (ყველა პირადი პრობლემის გარდა), უნდა დავასკვნათ, რომ უმაღლესი განათლება ჯერ კიდევ არის ზედმეტად მნიშვნელოვანი.

აკადემიური სოციალური ქსელები (მაგ., კვლევითი თემები) არის ერთ-ერთი ყველაზე მოწინავე და ღირებული სტრუქტურა, რომელიც ჩვენმა ცივილიზაციამ შექმნა. არსად არ დაგვიგროვდა ცოდნის წარმოებაზე ორიენტირებული სპეციალისტების მეტი კონცენტრაცია. არსად ადამიანებს არ განუვითარებიათ ერთმანეთის იდეების გაგებისა და კრიტიკის უფრო დიდი უნარი. ეს არის პროგრესის მაცდური გული. სწორედ ამ ქსელებში იწვის ყველაზე ძლიერად განმანათლებლობის ცეცხლი.

მაგრამ ჩვენ ვერ მივიღებთ პროგრესს თავისთავად. თუ ექსპერიმენტის განუმეორებლობის კრიზისი და თუ რამე გვასწავლა, ეს იყო ის, რომ მეცნიერებას შეიძლება ჰქონდეს სისტემური პრობლემები. ეს არის ერთგვარი ქსელის დეგრადაცია.

დავუშვათ, ჩვენ განვასხვავებთ მეცნიერების კეთების ორ გზას: ნამდვილი მეცნიერება и კარიერიზმი. რეალური მეცნიერება არის პრაქტიკა, რომელიც საიმედოდ აწარმოებს ცოდნას. ის მოტივირებულია ცნობისმოყვარეობით და ახასიათებს პატიოსნება (ფეინმანი: „ხედავთ, მე უბრალოდ უნდა გავიგო სამყარო“). კარიერიზმი, პირიქით, პროფესიული ამბიციებით არის მოტივირებული და ახასიათებს პოლიტიკის თამაში და მეცნიერული მალსახმობები. ის შეიძლება გამოიყურებოდეს და მოქმედებდეს როგორც მეცნიერება, მაგრამ არარის აწარმოებს სანდო ცოდნას.

(დიახ, ეს არის გადაჭარბებული დიქოტომია. უბრალოდ სააზროვნო ექსპერიმენტი. ნუ დამაბრალებთ).

ფაქტია, რომ როდესაც კარიერისტები ადგილს იკავებენ რეალურ კვლევით საზოგადოებაში, ისინი ანგრევენ სამუშაოს. ისინი ცდილობენ საკუთარი თავის პოპულარიზაციას, ხოლო დანარჩენი საზოგადოება ცდილობს მოიპოვოს და გაიზიაროს ახალი ცოდნა. იმის ნაცვლად, რომ ისწრაფოდნენ სიცხადისაკენ, კარიერისტები ართულებენ და აბნევენ ყველაფერს, რათა უფრო შთამბეჭდავად ჟღერდეს. ისინი დაკავებულნი არიან (როგორც ჰარი ფრანკფურტი იტყოდა) სამეცნიერო სისულელეებით. და აქედან გამომდინარე, ჩვენ შეგვეძლო მათი მოდელირება, როგორც მკვდარი კვანძები, დაუცველი ცოდნის ზრდისთვის საჭირო ინფორმაციის სამართლიანი გაცვლისთვის:

ალბათ საუკეთესო მოდელია ის, რომელშიც კარიერული კვანძები არა მხოლოდ ცოდნისადმი შეუღწევადია, არამედ აქტიურად ავრცელებენ ყალბი ცოდნა. ყალბი ცოდნა შეიძლება მოიცავდეს უმნიშვნელო შედეგებს, რომელთა მნიშვნელობა ხელოვნურად არის გაბერილი, ან მართლაც ცრუ შედეგებს, რომლებიც წარმოიქმნება მანიპულირების ან შეთითხნილი მონაცემებისგან.

არ აქვს მნიშვნელობა, როგორ მოვეჩვენოთ მათ, კარიერისტებს ნამდვილად შეუძლიათ ჩვენი სამეცნიერო საზოგადოების დახრჩობა.

ეს ჰგავს ბირთვულ ჯაჭვურ რეაქციას, რომელიც ჩვენ ძალიან გვჭირდება - ჩვენ გვჭირდება ცოდნის აფეთქება - მხოლოდ ჩვენს გამდიდრებულ U-235-ს აქვს ძალიან ბევრი არარეაქტიული იზოტოპი U-238, რომელიც თრგუნავს ჯაჭვურ რეაქციას.

რა თქმა უნდა, არ არსებობს აშკარა განსხვავება კარიერისტებსა და ნამდვილ მეცნიერებს შორის. თითოეულ ჩვენგანს ცოტაოდენი კარიერიზმი აქვს ჩაფლული. საკითხავია რამდენ ხანს შეიძლება გაგრძელდეს ქსელი ცოდნის გავრცელებამდე.

ოჰ, ბოლომდე წაიკითხე. გმადლობთ, რომ კითხულობთ.

ლიცენზია

CC0 ყველა უფლება არ არის დაცული. თქვენ შეგიძლიათ გამოიყენოთ ეს ნამუშევარი, როგორც თქვენთვის შესაფერისი :).

მადლობა

• კევინ კვოკი и ნიკი საქმე პროექტის სხვადასხვა ვერსიებზე გააზრებული კომენტარებისა და წინადადებებისთვის.
• ნიკ ბარი - მორალური მხარდაჭერისთვის მთელი პროცესის განმავლობაში და ყველაზე სასარგებლო გამოხმაურებისთვის ჩემს საქმიანობაზე.
• Keith A.-სთვის, რომ მიმანიშნეს პერკოლაციის ფენომენი და პერკოლაციის ზღურბლი.
• ჯეფ ლონსდეილი ბმულისთვის ეს არის ესე, რომელიც (მიუხედავად მრავალი ნაკლოვანებისა) იყო ამ პოსტზე მუშაობის მთავარი სტიმული.

ინტერაქტიული ესეების ნიმუშები

• ნიკი ქეისის მთელი ნამუშევარი, ეს. "მრავალკუთხედების იგავი" (ვი ჰარტთან ერთად) და "უკეთესი ხმის მიცემის ბიულეტენის შემუშავება". ეს არის მაღალი ზღვარი იმისთვის, თუ რა შეიძლება იყოს ინტერაქტიული ესსე.
• გამოხდა.pub: მანქანათმცოდნეობის ძალიან მაღალი ხარისხის ინტერაქტიული აღწერილობები.
• ბრეტ ვიქტორის კლასიკური ნამუშევარი "აბსტრაქციის კიბეზე მაღლა და ქვევით". მე არ ვიყავი კიბეებზე ასვლა კარგად, მაგრამ ყოველთვის არის კიდევ ერთი ცდა.

წყარო: www.habr.com