복잡한 시스템에 대해 생각해 본 적이 있다면 아마도 네트워크의 중요성을 이해했을 것입니다. 네트워크가 우리 세상을 지배합니다. 세포 내 화학 반응부터 생태계 내 관계망, 역사의 흐름을 형성하는 무역 및 정치 네트워크까지.

아니면 당신이 읽고 있는 이 기사를 생각해 보십시오. 아마 당신은 그것을 찾았을 것입니다 소셜 네트워크, 에서 다운로드됨 컴퓨터 네트워크 현재 당신의 기술을 사용하여 그 의미를 해독하고 있습니다. 신경망.

그러나 지난 수년 동안 네트워크에 대해 생각해 본 만큼 최근까지 나는 단순한 것의 중요성을 이해하지 못했습니다. 확산.

이것이 오늘 우리의 주제입니다: 모든 것이 얼마나 혼란스럽게 움직이고 퍼지는지. 식욕을 자극하는 몇 가지 예:

• 집단 내의 보균자에서 보균자로 전염되는 전염병입니다.
• 소셜 네트워크의 팔로어 그래프에 퍼지는 밈.
• 산불.
• 문화에 스며드는 아이디어와 관행.
• 농축 우라늄의 중성자 캐스케이드.

양식에 대한 간단한 메모입니다.

이전의 모든 작품과 달리 이 에세이는 대화형입니다. 원본 기사 화면의 개체를 제어하는 ​​슬라이더와 버튼이 포함된 대화형 예제가 제공됩니다. 레인].

그럼 시작해 보겠습니다. 첫 번째 작업은 네트워크 전반에 걸쳐 전파할 수 있는 시각적 어휘를 개발하는 것입니다.

단순 모델

네트워크의 기본, 즉 노드(Node)+에지(Edge)는 여러분 모두 알고 계시리라 믿습니다. 확산을 연구하려면 일부 노드를 다음으로 표시하면 됩니다. 활동적인. 아니면 전염병학자들이 말했듯이, 감염된:

이러한 활성화 또는 감염은 아래에서 개발할 규칙에 따라 노드에서 노드로 네트워크를 통해 확산됩니다.

실제 네트워크는 일반적으로 이 단순한 XNUMX노드 네트워크보다 훨씬 더 큽니다. 그들은 또한 훨씬 더 혼란스럽습니다. 그러나 단순화를 위해 여기서는 격자, 즉 격자 네트워크를 연구하기 위해 장난감 모델을 구축하겠습니다.

(메쉬의 사실성이 부족한 점을 보완하여 그리기 쉽습니다 😉

별도로 명시하지 않는 한 네트워크 노드에는 XNUMX개의 이웃이 있습니다. 예를 들면 다음과 같습니다.

그리고 이 격자가 모든 방향으로 끝없이 뻗어 있다고 상상해야 합니다. 즉, 우리는 네트워크 가장자리나 소규모 인구에서만 발생하는 행동에는 관심이 없습니다.

격자가 이렇게 정렬되어 있으면 이를 픽셀로 단순화할 수 있습니다. 예를 들어 다음 두 이미지는 동일한 네트워크를 나타냅니다.

한 가지 동작에서 활성 노드는 항상 (감염되지 않은) 이웃에게 감염을 전송합니다. 하지만 지루해요. 이전할 때 훨씬 더 흥미로운 일이 발생합니다. 확률적인.

선생님과 SIS

В 경 모델 (감수성-감염-제거) 노드는 세 가지 상태일 수 있습니다.

• 느끼기 쉬운
• 감염된
• 제거됨

대화형 시뮬레이션이 작동하는 방식은 다음과 같습니다. 원본 기사 감염 전송률을 0에서 1까지 선택할 수 있으며, 프로세스를 단계별로 또는 전체적으로 볼 수 있습니다. 번역]:

• 감염된 상태로 시작되는 일부 노드를 제외하고 노드는 취약한 상태로 시작됩니다.
• 각 시간 단계에서 감염된 노드는 전송 속도와 동일한 확률로 취약한 이웃 각각에게 감염을 전송할 기회를 갖습니다.
• 그러면 감염된 노드는 "삭제" 상태가 됩니다. 즉, 더 이상 다른 노드를 감염시킬 수 없거나 스스로 감염될 수 없습니다.

질병의 맥락에서 제거는 그 사람이 사망했거나 병원체에 대한 면역력이 생겼다는 것을 의미할 수 있습니다. 우리는 그들에게 아무 일도 일어나지 않기 때문에 시뮬레이션에서 "제거"되었다고 말합니다.

모델링하려는 대상에 따라 SIR과 다른 모델이 필요할 수 있습니다.

홍역 확산이나 산불 발생을 시뮬레이션하는 경우 SIR이 이상적입니다. 그러나 명상과 같은 새로운 문화적 관습의 확산을 시뮬레이션한다고 가정해 보겠습니다. 처음에는 노드(사람)가 이전에 이런 일을 한 적이 없었기 때문에 수용적입니다. 그런 다음 그가 명상을 시작하면(아마도 친구로부터 이에 대해 듣고 나서) 우리는 그를 감염된 것으로 모델링할 것입니다. 그러나 만약 그가 수행을 중단한다면, 그는 죽지 않을 것이고 시뮬레이션에서 벗어나지 않을 것입니다. 왜냐하면 미래에 그는 이 습관을 다시 쉽게 얻을 수 있기 때문입니다. 그래서 그는 수용적인 상태로 돌아갑니다.

그것 SIS 모델 (민감성–감염됨–민감성). 클래식 모델에는 전송 속도와 복구 속도라는 두 가지 매개변수가 있습니다. 그러나 이 기사의 시뮬레이션에서는 복구율 매개변수를 생략하여 단순화하기로 결정했습니다. 대신, 감염된 노드는 이웃 중 하나에 감염되지 않는 한 다음 단계에서 자동으로 취약 상태로 돌아갑니다. 또한 n 단계에서 감염된 노드가 n+1 단계에서 전송률과 동일한 확률로 자신을 감염시키도록 허용합니다.

토크

보시다시피 이는 SIR 모델과 매우 다릅니다.

노드는 절대 제거되지 않기 때문에 매우 작고 제한된 격자라도 오랫동안 SIS 감염을 지원할 수 있습니다. 감염은 단순히 노드에서 노드로 이동했다가 다시 나타납니다.

차이점에도 불구하고 SIR과 SIS는 우리의 목적에 맞게 놀라울 정도로 상호 교환이 가능한 것으로 나타났습니다. 따라서 이 기사의 나머지 부분에서는 SIS를 계속 사용하겠습니다. 그 이유는 SIS가 내구성이 더 뛰어나고 작업하기가 더 재미있기 때문입니다.

위험 수준

SIR 및 SIS 모델을 사용해 본 후에는 감염의 지속성에 대해 알아차렸을 것입니다. 10%와 같은 매우 낮은 전염률에서는 감염이 사라지는 경향이 있습니다. 50%와 같이 더 높은 값에서는 감염이 계속 남아 있으며 대부분의 네트워크를 차지합니다. 네트워크가 무한하다면 우리는 그것이 계속해서 영원히 퍼져나가는 것을 상상할 수 있습니다.

이러한 무한한 확산에는 "바이러스", "핵" 또는 (이 기사 제목에서) 등 많은 이름이 있습니다. 위독한.

거기에있는 것으로 밝혀졌습니다 콘크리트 분리되는 한계점 아임계 네트워크 (멸종될 운명) 초임계 네트워크 (무한 성장 가능). 이 전환점을 소위 임계 임계값, 이는 일반 네트워크의 확산 프로세스에 대한 상당히 일반적인 신호입니다.

중요 임계값의 정확한 값은 네트워크마다 다릅니다. 공통점은 이것이다 가용성 그런 의미.

[대화형 데모에서 원본 기사 전송 속도 값을 변경하여 중요한 네트워크 임계값을 수동으로 찾을 수 있습니다. 대략 22%에서 23% 사이입니다. 트랜스]

22%(이하)에서는 감염이 결국 사라집니다. 23%(이상)에서는 원래 감염이 사라지는 경우도 있지만, 대부분의 경우 영원히 생존할 수 있을 만큼 오랫동안 생존하고 확산됩니다.

(그런데, 다양한 네트워크 토폴로지에 대한 이러한 중요한 임계값을 찾는 데 전념하는 전체 과학 분야가 있습니다. 빠른 소개를 위해 Wikipedia 기사를 빠르게 스크롤하는 것이 좋습니다. 누출 임계값).

일반적으로 작동 방식은 다음과 같습니다. 임계 임계값 미만에서는 네트워크의 모든 유한한 감염이 결국 소멸될 가능성이 보장됩니다(확률 1). 그러나 임계 임계값을 초과하면 감염이 영원히 지속될 확률(p > 0)이 있으며, 그렇게 하면 원래 사이트에서 임의로 퍼질 수 있습니다.

그러나 초임계 네트워크는 그렇지 않습니다. 보증감염이 영원히 계속될 것이라는 것입니다. 실제로, 특히 시뮬레이션의 초기 단계에서 종종 희미해집니다. 이것이 어떻게 일어나는지 봅시다.

감염된 노드 5개와 이웃 XNUMX개로 시작했다고 가정해 보겠습니다. 첫 번째 모델링 단계에서 감염은 XNUMX개의 독립적인 확산 기회를 갖습니다(다음 단계에서 자체적으로 "전파"될 기회 포함).

이제 전송률이 50%라고 가정해 보겠습니다. 이 경우 첫 번째 단계에서는 동전을 다섯 번 뒤집습니다. 그리고 다섯 개의 머리를 굴리면 감염이 파괴됩니다. 이는 약 3%의 경우에 발생하며 이는 첫 번째 단계에만 해당됩니다. 첫 번째 단계에서 살아남은 감염은 두 번째 단계에서 어느 정도(보통 더 작은) 사망 확률, 세 번째 단계에서 어느 정도(더 작은) 확률 등을 갖습니다.

따라서 네트워크가 매우 중요하더라도(전송률이 99%라면) 감염이 사라질 가능성이 있습니다.

하지만 중요한 것은 그녀는 그렇지 않다는 것이다 항상 사라질 것이다. 모든 단계가 죽을 확률을 무한대로 합산하면 결과는 1보다 작습니다. 즉, 감염이 영원히 지속될 확률은 XNUMX이 아닙니다. 이것이 바로 네트워크가 초임계적이라는 의미입니다.

SISa: 자발적인 활성화

지금까지 우리의 모든 시뮬레이션은 중앙에 있는 사전 감염된 노드의 작은 조각으로 시작되었습니다.

하지만 처음부터 시작한다면 어떨까요? 그런 다음 취약한 노드가 우연히(이웃 노드 중 하나가 아닌) 감염되는 과정인 자발적인 활성화를 모델링합니다.

그것 라고 SISa 모델. 문자 "a"는 "자동"을 의미합니다.

SISa 시뮬레이션에서는 자발적 감염 빈도를 변경하는 자발적 활성화 속도라는 새로운 매개변수가 나타납니다(앞서 본 전송 속도 매개변수도 존재함).

감염이 네트워크 전체에 퍼지려면 무엇이 필요합니까?

토크

자발적인 활성화 속도를 높여도 감염이 전체 네트워크를 장악하는지 여부는 변하지 않는다는 것을 시뮬레이션에서 알아차렸을 것입니다. 오직 전송 속도 네트워크가 임계 이하인지 초임계인지를 결정합니다. 그리고 네트워크가 중요하지 않은 경우(전송률이 22% 이하) 시작 횟수에 관계없이 감염이 전체 그리드로 확산될 수 없습니다.

그것은 젖은 들판에서 불을 피우는 것과 같습니다. 몇 개의 마른 나뭇잎에 불을 붙일 수 있지만 나머지 풍경은 가연성이 충분하지 않기 때문에 불꽃은 빨리 꺼집니다(아임계). 매우 건조한 들판(초임계)에서는 한 번의 불꽃만으로도 화재가 격렬해지기 시작합니다.

아이디어와 발명의 영역에서도 비슷한 일이 관찰됩니다. 종종 세상은 아이디어를 받아들일 준비가 되어 있지 않습니다. 이 경우 아이디어는 계속해서 발명될 수 있지만 대중의 관심을 끌지는 못합니다. 반면에 세상은 발명을 할 준비가 완전히 되어 있고(잠재 수요가 크다), 그것이 탄생하자마자 모든 사람이 받아들인다. 중간에는 여러 곳에서 고안되어 지역적으로 확산되지만 단일 버전이 전체 네트워크를 한 번에 휩쓸기에는 충분하지 않은 아이디어가 있습니다. 예를 들어, 이 마지막 범주에는 서로 다른 인류 문명에 의해 각각 XNUMX번과 XNUMX번씩 독립적으로 발명된 농업과 글쓰기가 있습니다.

내성

일부 노드를 완전히 무적, 즉 활성화에 면역으로 만든다고 가정합니다. 이는 마치 처음에는 원격 상태에 있는 것과 같으며 나머지 노드에서는 SIS(a) 모델이 시작됩니다.

면역 슬라이더는 제거되는 노드의 비율을 제어합니다. 해당 값을 변경해 보고(모델이 실행되는 동안!) 초임계 여부에 관계없이 네트워크 상태에 어떤 영향을 미치는지 확인하세요.

토크

응답하지 않는 노드의 수를 변경하면 네트워크가 임계 이하인지 초임계인지에 대한 그림이 완전히 변경됩니다. 그리고 그 이유를 아는 것은 어렵지 않습니다. 감수할 수 없는 숙주가 많으면 감염이 새로운 숙주로 확산될 기회가 줄어듭니다.

이는 여러 가지 매우 중요한 실제적 결과를 가져오는 것으로 밝혀졌습니다.

그 중 하나가 산불 확산을 막는 것입니다. 지역 차원에서 각 사람은 각자의 예방 조치를 취해야 합니다(예를 들어 화염을 방치하지 마십시오). 그러나 대규모로 볼 때 고립된 발병은 불가피합니다. 따라서 또 다른 보호 방법은 (인화성 물질 네트워크에) 충분한 "단절"을 확보하여 발생이 전체 네트워크를 휩쓸지 않도록 하는 것입니다. 청산은 다음 기능을 수행합니다.

예방해야 할 또 다른 발병은 전염병입니다. 여기서 개념이 소개됩니다. 집단면역. 이는 일부 사람들은 예방접종을 받을 수 없지만(예를 들어 면역체계가 저하된 경우) 충분한 사람들이 감염에 면역되면 질병이 무기한 확산될 수 없다는 생각입니다. 즉, 예방접종을 해야 합니다. 충분한 인구의 일부가 인구를 초임계 상태에서 아임계 상태로 전환합니다. 이런 일이 발생하면 한 명의 환자가 여전히 감염될 수 있지만(예를 들어 다른 지역으로 여행한 후) 성장할 수 있는 초임계 네트워크가 없으면 이 질병은 소수의 사람들에게만 감염될 것입니다.

마지막으로, 면역 노드의 개념은 원자로에서 일어나는 일을 설명합니다. 연쇄 반응에서 우라늄-235 원자는 붕괴하면서 약 235개의 중성자를 방출하며, 이로 인해 (평균) 하나 이상의 U-XNUMX 원자가 핵분열됩니다. 그러면 새로운 중성자는 원자를 더 분열시키는 등 기하급수적으로 발생합니다.

폭탄을 만들 때 가장 중요한 점은 기하급수적인 성장이 억제되지 않고 계속되도록 하는 것입니다. 하지만 발전소에서는 주변의 모든 사람을 죽이지 않고 에너지를 생산하는 것이 목표입니다. 이 목적을 위해 그들은 사용됩니다 제어봉, 중성자를 흡수할 수 있는 물질(예: 은 또는 붕소)로 만들어졌습니다. 중성자를 방출하기보다는 흡수하기 때문에 시뮬레이션에서 면역 노드 역할을 하여 방사성 핵이 초임계 상태가 되는 것을 방지합니다.

따라서 원자로의 비결은 제어봉을 앞뒤로 움직여 반응을 임계 임계값 근처로 유지하고, 문제가 발생할 때마다 제어봉이 노심으로 떨어져 멈추도록 하는 것입니다.

학위

학위 노드의 이웃 수입니다. 지금까지 우리는 4차 네트워크를 고려했습니다. 하지만 이 매개변수를 변경하면 어떻게 될까요?

예를 들어, 각 노드를 8개의 인접 이웃뿐만 아니라 대각선으로 XNUMX개 더 연결할 수도 있습니다. 그러한 네트워크에서는 차수는 XNUMX이 됩니다.

4도와 8도의 격자는 대칭이 잘 맞습니다. 그러나 (예를 들어) 5차에서는 문제가 발생합니다. 어떤 XNUMX개의 이웃을 선택해야 할까요? 이 경우에는 가장 가까운 이웃 XNUMX개(N, E, S, W)를 선택한 다음 {NE, SE, SW, NW} 세트에서 무작위로 하나의 이웃을 선택합니다. 선택은 각 시간 단계에서 각 노드에 대해 독립적으로 이루어집니다.

토크

다시 말하지만, 여기서 무슨 일이 일어나고 있는지 보는 것은 어렵지 않습니다. 각 노드에 더 많은 이웃이 있으면 감염 확산 가능성이 높아지므로 네트워크가 더욱 중요해질 가능성이 높습니다.

그러나 아래에서 볼 수 있듯이 결과는 예상치 못한 것일 수 있습니다.

도시 및 네트워크 밀도

지금까지 우리의 네트워크는 완전히 동질적이었습니다. 각 노드는 다른 노드와 비슷해 보입니다. 하지만 조건을 변경하고 네트워크 전체에 걸쳐 다른 노드 상태를 허용하면 어떻게 될까요?

예를 들어 도시를 모델링해 보겠습니다. 이를 위해 우리는 네트워크의 일부 부분(더 높은 수준의 노드)에서 밀도를 높일 것입니다. 시민들이 보유한 데이터를 바탕으로 이를 수행합니다. 더 넓은 사회적 범위와 더 많은 사회적 상호 작용도시 밖의 사람들보다

우리 모델에서는 취약한 노드가 정도에 따라 색상이 지정됩니다. "농촌 지역"의 노드는 차수가 4(밝은 회색으로 표시됨)인 반면, "도시 지역"의 노드는 차수가 더 높으며(더 어둡게 표시됨) 외곽에서 차수 5로 시작하여 도심에서 8로 끝납니다.

활성화가 도시를 포괄하고 국경을 넘지 않도록 전파 속도를 선택하십시오.

나는 이 시뮬레이션이 명백하고 놀랍다고 생각합니다. 물론, 도시는 농촌 지역보다 문화 수준을 더 잘 유지합니다. 모두가 이것을 알고 있습니다. 나를 놀라게 하는 것은 이러한 문화적 다양성 중 일부가 단순히 소셜 네트워크의 토폴로지에 기초하여 발생한다는 것입니다.

이것은 흥미로운 점입니다. 이에 대해 더 자세히 설명하겠습니다.

여기서 우리는 사람에게서 사람으로 간단하고 직접적으로 전달되는 문화 형태를 다루고 있습니다. 예를 들어, 예의, 응접실 게임, 패션 트렌드, 언어적 트렌드, 소그룹 의식, 입소문으로 퍼지는 제품, 그리고 우리가 아이디어라고 부르는 정보의 전체 패키지입니다.

(참고: 미디어는 사람들 간의 정보 전파를 극도로 어렵게 만듭니다. 거의 모든 문화의 불꽃이 물리적 공간에서의 상호 작용을 통해 전달되었던 고대 그리스와 같은 기술적으로 원시적인 환경을 상상하는 것이 더 쉽습니다.)

위의 시뮬레이션을 통해 저는 도시에 뿌리를 내리고 확산될 수 있는 아이디어와 문화적 관행이 있지만 농촌 지역에서는 확산될 수 없다는(수학적으로 불가능함) 것을 배웠습니다. 이들은 같은 생각이고 같은 사람들입니다. 요점은 농촌 주민들이 어떤 식으로든 "가까운 마음"을 갖고 있다는 것이 아닙니다. 잡을 확률은 똑같습니다마을 사람들처럼. 단지 아이디어 자체가 시골 지역에서는 퍼질 수 없을 뿐입니다. 아이디어가 퍼질 수 있는 연결고리가 많지 않기 때문입니다.

이는 아마도 옷, 헤어스타일 등 패션 분야에서 가장 쉽게 볼 수 있는 부분일 것입니다. 패션 네트워크에서는 두 사람이 서로의 의상을 알아차릴 때 격자의 가장자리를 포착할 수 있습니다. 도심에서는 거리, 지하철, 붐비는 식당 등에서 한 사람이 매일 1000명 이상의 다른 사람을 볼 수 있습니다. 반면에 시골 지역에서는 한 사람이 수십 명만 볼 수 있습니다. 다른 사람. 기반 딱 이 차이, 도시는 더 많은 패션 트렌드를 지원할 수 있습니다. 그리고 전송률이 가장 높은 가장 강력한 트렌드만이 도시 외부에 발판을 마련할 수 있습니다.

우리는 좋은 아이디어가 결국 모든 사람에게 전달되고 나쁜 아이디어는 사라질 것이라고 생각하는 경향이 있습니다. 물론 이는 극단적인 경우에 해당하지만, 그 사이에는 특정 네트워크에서만 입소문이 날 수 있는 아이디어와 관행이 많이 있습니다. 정말 놀랍습니다.

도시뿐만 아니라

우리는 여기서 영향을 보고 있습니다. 네트워크 밀도. 주어진 노드 세트에 대해 숫자로 정의됩니다. 실제 갈비뼈, 숫자로 나눈 값 잠재적 가장자리. 즉, 실제로 존재하는 가능한 연결의 비율입니다.

따라서 우리는 도시 중심부의 네트워크 밀도가 농촌 지역보다 높다는 것을 확인했습니다. 그러나 도시만이 우리가 조밀한 네트워크를 찾을 수 있는 유일한 장소는 아닙니다.

흥미로운 사례는 중등학교이다. 예를 들어 특정 지역에 대해 학생 사이에 존재하는 네트워크와 부모 사이에 존재하는 네트워크를 비교합니다. 동일한 지리적 영역과 동일한 인구이지만 한 네트워크는 다른 네트워크보다 밀도가 몇 배 더 높습니다. 따라서 패션과 언어 트렌드가 XNUMX대들 사이에서 훨씬 더 빠르게 확산되는 것은 놀라운 일이 아닙니다.

마찬가지로, 엘리트 네트워크는 비엘리트 네트워크보다 훨씬 밀도가 높은 경향이 있습니다. 제 생각에는 이 사실이 과소평가되어 있는 것 같습니다(인기 있거나 영향력 있는 사람들은 네트워킹에 더 많은 시간을 소비하므로 일반 사람들보다 "이웃"이 더 많습니다). 위의 시뮬레이션을 바탕으로 우리는 엘리트 네트워크가 단순히 네트워크의 평균 정도에 대한 수학적 법칙을 기반으로 주류가 지원할 수 없는 일부 문화적 형태를 지원할 것으로 기대합니다. 이러한 문화적 형태가 무엇인지에 대해 추측해 보시기 바랍니다.

마지막으로, 우리는 이 아이디어를 인터넷에 거대한 규모로 모델링하여 적용할 수 있습니다. 매우 조밀하다 도시. 틈새 취미, 더 나은 디자인 표준, 불의에 대한 더 큰 인식 등 순전히 공간 네트워크에서는 지원할 수 없는 많은 새로운 종류의 문화가 온라인에서 번성하고 있다는 것은 놀라운 일이 아닙니다. 그리고 그것은 단지 좋은 것만은 아닙니다. 초기 도시가 낮은 인구밀도에서는 확산되지 않는 질병의 온상이었던 것처럼, 인터넷은 클릭베이트, 가짜 뉴스, 인위적인 분노를 조장하는 등 악성 문화 형태의 온상입니다.

지식

"적시에 적절한 전문가를 확보하는 것은 창의적인 문제 해결을 위한 가장 귀중한 리소스인 경우가 많습니다." — 마이클 닐슨, 발견의 발명

우리는 종종 발견이나 발명을 한 명의 천재의 마음 속에서 일어나는 과정으로 생각합니다. 그는 번쩍이는 영감에 사로잡혔고 - 유레카! — 갑자기 볼륨을 측정하는 새로운 방법이 생겼습니다. 아니면 중력 방정식. 아니면 전구.

하지만 발견의 순간에 고독한 발명가의 관점을 취한다면 우리는 현상을 보고 있는 것입니다. 노드의 관점에서. 발명품을 다음과 같이 해석하는 것이 더 정확할 것입니다. 회로망 현상.

네트워크는 적어도 두 가지 측면에서 중요합니다. 첫째, 기존 아이디어가 침투해야 한다. 의식 속으로 발명자. 이것은 새 기사의 인용문, 새 책의 서지 섹션, 즉 뉴턴이 어깨에 섰던 거인입니다. 둘째, 네트워크는 새로운 아이디어의 귀환에 매우 중요합니다. 돌아 가기 세상에; 널리 퍼지지 않은 발명품은 '발명품'이라고 부를 가치가 전혀 없습니다. 따라서 이러한 두 가지 이유 때문에 발명, 더 넓게는 지식의 성장을 확산 과정으로 모델링하는 것이 합리적입니다.

잠시 후에 네트워크 내에서 지식이 어떻게 확산되고 성장할 수 있는지에 대한 대략적인 시뮬레이션을 제시하겠습니다. 하지만 먼저 설명해야 합니다.

시뮬레이션 시작 시 그리드의 각 사분면에는 다음과 같이 배열된 XNUMX명의 전문가가 있습니다.

전문가 1은 아이디어의 첫 번째 버전을 가지고 있습니다. 이를 아이디어 1.0이라고 부르겠습니다. 전문가 2는 아이디어 1.0을 아이디어 2.0으로 바꾸는 방법을 아는 사람이다. 전문가 3은 아이디어 2.0을 아이디어 3.0으로 변환하는 방법을 알고 있습니다. 그리고 마지막으로 네 번째 전문가는 Idea 4.0을 마무리하는 방법을 알고 있습니다.

이는 기술을 개발하고 다른 기술과 결합하여 보다 흥미로운 디자인을 만드는 종이접기와 같은 기술과 유사합니다. 또는 물리학과 같은 지식 분야일 수도 있으며, 더 최근의 작업은 이전 작업의 기본 작업을 기반으로 합니다.

이 시뮬레이션의 요점은 아이디어의 최종 버전에 기여하려면 네 명의 전문가가 모두 필요하다는 것입니다. 그리고 각 단계에서 아이디어는 적절한 전문가에게 전달되어야 합니다.

몇 가지 주의 사항. 시뮬레이션에는 비현실적인 가정이 많이 포함되어 있습니다. 다음은 그중 몇 가지입니다.

1. 아이디어는 사람 대 사람을 제외하고는 저장되거나 전송될 수 없다고 가정됩니다(예: 책이나 미디어 없음).
2. 실제로는 많은 무작위 요인이 발견이나 발명의 발생에 영향을 미치긴 하지만 인구 중에는 아이디어를 생성할 수 있는 영구 전문가가 있다고 가정합니다.
3. 아이디어의 네 가지 버전은 모두 동일한 SIS 매개변수 세트(전송 속도, 내성 비율 등)를 사용하지만 각 버전(1.0, 2.0 등)에 대해 서로 다른 매개변수를 사용하는 것이 더 현실적일 수 있습니다.
4. 아이디어 N+1이 항상 아이디어 N을 완전히 대체한다고 가정합니다. 하지만 실제로는 이전 버전과 새 버전이 동시에 유포되는 경우가 많아 확실한 승자가 없습니다.

… 그리고 많은 다른 사람들.

토크

이것은 지식이 실제로 어떻게 성장하는지에 대한 터무니없이 단순화된 모델입니다. 모델 외부에 중요한 세부정보가 많이 남아 있습니다(위 참조). 그러나 이는 프로세스의 중요한 본질을 포착합니다. 따라서 우리는 확산에 대한 지식을 사용하여 지식의 성장에 대해 유보적으로 이야기할 수 있습니다.

특히, 확산 모델은 어떻게 이루어지는지에 대한 통찰력을 제공합니다. 프로세스 속도를 높이다: 전문가 노드 간 아이디어 교환을 촉진해야 합니다. 이는 확산을 방해하는 데드 노드의 네트워크를 제거하는 것을 의미할 수 있습니다. 또는 아이디어가 빠르게 확산되는 네트워크 밀도가 높은 도시나 클러스터에 모든 전문가를 배치하는 것을 의미할 수도 있습니다. 아니면 그냥 한 방에 모아두세요:

그래서... 이것이 확산에 관해 제가 말할 수 있는 전부입니다.

하지만 마지막으로 한 가지 생각이 있는데 그것은 매우 중요합니다. 성장에 관한 것입니다그리고 침체) 과학계의 지식. 이 아이디어는 위의 아이디어와 어조나 내용이 다르지만 양해해 주시기 바랍니다.

과학 네트워크 정보

그림은 세계에서 가장 중요한 긍정적 피드백 루프 중 하나를 보여줍니다(이는 꽤 오랫동안 이랬습니다).

주기(K ⟶ T)의 상향 진행은 매우 간단합니다. 새로운 지식을 사용하여 새로운 도구를 개발합니다. 예를 들어, 반도체의 물리학을 이해하면 컴퓨터를 만들 수 있습니다.

그러나 하향 움직임에는 약간의 설명이 필요합니다. 기술의 발전은 어떻게 지식의 증가로 이어지는가?

한 가지 방법, 아마도 가장 직접적인 방법은 신기술이 우리에게 세상을 인식하는 새로운 방법을 제공하는 것입니다. 예를 들어, 최고의 현미경을 사용하면 세포 내부를 더 깊이 관찰할 수 있어 분자생물학에 대한 통찰력을 얻을 수 있습니다. GPS 추적기는 동물이 어떻게 움직이는지 보여줍니다. 소나(Sonar)를 사용하면 바다를 탐험할 수 있습니다. 등등.

이는 의심할 여지 없이 중요한 메커니즘이지만 기술에서 지식으로 가는 경로는 적어도 두 가지가 있습니다. 그렇게 간단하지는 않을 수도 있지만 그만큼 중요하다고 생각합니다.

처음으로. 기술은 경제적 풍요(즉, 부)로 이어지며, 이를 통해 더 많은 사람들이 지식 생산에 참여할 수 있습니다.

만약 당신 나라 인구의 90%가 농업에 종사하고 나머지 10%가 어떤 형태로든 무역(또는 전쟁)에 종사한다면 사람들은 자연 법칙에 대해 생각할 자유 시간이 거의 없습니다. 아마도 이것이 초기에 과학이 주로 부유한 집안의 아이들에 의해 장려되었던 이유일 것입니다.

미국은 매년 50명 이상의 박사 학위를 배출합니다. 000세(또는 그 이전)에 공장에서 일하는 대신 대학원생은 18세 또는 30세가 될 때까지 자금을 지원받아야 하며, 그 이후에도 그들의 작업이 실제 경제적 영향을 미칠지는 불분명합니다. 그러나 사람이 자신의 학문 분야, 특히 물리학이나 생물학과 같은 복잡한 분야에서 최전선에 도달하는 것이 필요합니다.

사실 시스템 관점에서 볼 때 전문가는 비용이 많이 듭니다. 그리고 이러한 전문가들에게 자금을 지원하는 공공 부의 궁극적인 원천은 신기술입니다. 즉, 쟁기는 펜에 보조금을 지급합니다.

초. 특히 여행과 커뮤니케이션 분야의 신기술은 지식이 성장하는 소셜 네트워크의 구조를 변화시키고 있습니다. 특히, 전문가와 전문가가 서로 더욱 긴밀하게 상호작용할 수 있게 해줍니다.

여기서 주목할만한 발명품으로는 인쇄기, 증기선, 철도(여행을 용이하게 하거나 장거리 우편물 보내기), 전화, 비행기, 인터넷 등이 있습니다. 이러한 모든 기술은 특히 전문 커뮤니티(거의 모든 지식 성장이 발생하는 곳) 내에서 네트워크 밀도를 높이는 데 기여합니다. 예를 들어, 중세 말 유럽 과학자들 사이에서 등장한 통신 네트워크나 현대 물리학자들이 arXiv를 사용하는 방식 등이 있습니다.

궁극적으로 이 두 경로는 모두 비슷합니다. 둘 다 전문가 네트워크의 밀도를 높여 지식의 증가로 이어집니다.

수년 동안 나는 고등 교육을 매우 무시했습니다. 대학원에서의 짧은 시간은 내 입에 나쁜 맛을 남겼습니다. 하지만 지금 돌이켜 생각해보면 (모든 개인적인 문제는 제외하고) 고등교육은 여전히 대단히 중요한.

학문적 소셜 네트워크(예: 연구 커뮤니티)는 우리 문명이 만들어낸 가장 발전되고 가치 있는 구조 중 하나입니다. 지식 생산에 초점을 맞춘 전문가가 더 집중적으로 축적된 곳은 없습니다. 사람들이 서로의 생각을 이해하고 비판하는 능력을 이보다 더 잘 발전시킨 곳은 어디에도 없습니다. 진보의 심장이 뛰는 것입니다. 깨달음의 불이 가장 강하게 타오르는 곳은 바로 이러한 네트워크입니다.

그러나 우리는 진전을 당연하게 여길 수 없습니다. 만약에 실험 재현 불가능 위기 그리고 그것이 우리에게 무엇인가를 가르쳐준다면, 그것은 과학이 체계적인 문제를 가질 수 있다는 것입니다. 이것은 일종의 네트워크 성능 저하입니다.

과학을 수행하는 두 가지 방법을 구별한다고 가정해 보겠습니다. 실제 과학 и 출세 제일주의. 실제 과학은 지식을 안정적으로 생산하는 관행입니다. 이는 호기심에 의해 동기가 부여되고 정직함이 특징입니다(Feynman: “보시다시피, 저는 세상을 이해하면 됩니다”). 반면에 직업주의는 직업적 야망에 의해 동기가 부여되며 정치와 과학적 지름길을 사용하는 것이 특징입니다. 그것은 과학처럼 보이고 행동할 수도 있지만, 아니 믿을 수 있는 지식을 생산합니다.

(예, 이것은 과장된 이분법입니다. 단지 사고 실험일 뿐입니다. 저를 비난하지 마십시오.)

사실 직업주의자들이 실제 연구 커뮤니티에서 자리를 차지하면 작업이 망가집니다. 나머지 커뮤니티가 새로운 지식을 얻고 공유하려고 노력하는 동안 그들은 자신을 홍보하려고 노력합니다. 명확성을 위해 노력하는 대신 경력 전문가는 더 인상적인 소리를 내기 위해 모든 것을 복잡하고 혼란스럽게 만듭니다. 그들은 (해리 프랑크푸르트가 말했듯이) 과학적 넌센스에 관여하고 있습니다. 따라서 우리는 지식 성장에 필요한 정보의 공정한 교환에 영향을 받지 않는 데드 노드로 모델링할 수 있습니다.

아마도 가장 좋은 모델은 직업주의 노드가 지식에 영향을 받지 않을 뿐만 아니라 적극적으로 지식을 전파하는 모델일 것입니다. 가짜 지식. 가짜 지식에는 중요성이 인위적으로 부풀려진 중요하지 않은 결과가 포함될 수도 있고 데이터 조작이나 조작으로 인해 발생하는 실제로 잘못된 결과가 포함될 수도 있습니다.

우리가 어떻게 모델링하든, 직업주의자들은 확실히 우리 과학계를 목졸라버릴 ​​수 있습니다.

이는 우리에게 절실히 필요한 핵 연쇄 반응과 같습니다. 지식의 폭발이 필요합니다. 농축된 U-235에만 비반응 동위원소 U-238이 너무 많이 포함되어 연쇄 반응을 억제합니다.

물론 직업주의자와 실제 과학자 사이에는 뚜렷한 차이가 없습니다. 우리 각자는 내면에 약간의 직업주의를 숨기고 있습니다. 문제는 지식 전파가 사라지기 전에 네트워크가 얼마나 오래 지속될 수 있느냐는 것입니다.

아, 끝까지 읽으셨군요. 읽어 주셔서 감사합니다.

라이센스

CC0 모든 권리는 보유되지 않습니다. 이 작품은 당신이 적합하다고 생각하는 대로 사용할 수 있습니다 :).

감사의 말

• 케빈 곽 и 니키 케이스 초안의 다양한 버전에 대한 사려 깊은 의견과 제안을 위해.
• 닉 바 — 전체 프로세스 전반에 걸쳐 도덕적 지원과 내 작업에 대한 가장 유용한 피드백을 제공합니다.
• Keith A.는 삼출 현상과 삼출 역치를 지적해 주었습니다.
• 제프 론스데일 링크를 위해 이건 에세이야, (많은 단점에도 불구하고) 이 게시물을 작업하는 주요 원동력이었습니다.

대화형 에세이 샘플

• 특히 Nicky Case의 모든 작품. "다각형의 비유" (비 하트와 함께) 그리고 "더 나은 투표용지 개발". 이는 대화형 에세이가 무엇인지에 대한 높은 기준입니다.
• distill.pub: 기계 학습에 대한 매우 높은 품질의 대화형 설명입니다.
• 브렛 빅터(Bret Victor)의 고전 작품 "추상화의 사다리 위아래로". 계단을 올라가는 걸 잘 못했는데, 늘 한 번 더 시도할 수 있어요.

출처 : habr.com