Jei praleidote laiko galvodami apie sudėtingas sistemas, tikriausiai suprantate tinklų svarbą. Tinklai valdo mūsų pasaulį. Nuo cheminių reakcijų ląstelėje iki santykių tinklo ekosistemoje iki prekybos ir politinių tinklų, kurie formuoja istorijos eigą.

Arba apsvarstykite šį straipsnį, kurį skaitote. Tikriausiai jį radote Socialinis tinklas, atsisiųsta iš kompiuterinis tinklas ir šiuo metu iššifruojate reikšmę naudodami jūsų neuroninis tinklas.

Tačiau, kad ir kaip per daugelį metų galvojau apie tinklus, iki šiol nesupratau paprasto svarbos difuzija.

Tai mūsų šios dienos tema: kaip, kaip chaotiškai viskas juda ir plinta. Keletas apetito sužadinimo pavyzdžių:

• Infekcinės ligos, kurios populiacijoje pereina nuo nešiotojo kitam.
• Socialiniuose tinkluose sekėjų grafike plintantys memai.
• Miško gaisras.
• Idėjos ir praktika, persmelkianti kultūrą.
• Neutronų kaskada prisodrintame urane.

Greita pastaba apie formą.

Skirtingai nuo visų mano ankstesnių darbų, ši esė yra interaktyvi [in originalus straipsnis pateikiami interaktyvūs pavyzdžiai su slankikliais ir mygtukais, kurie valdo objektus ekrane – apytiksl. juosta].

Taigi pradėkime. Pirmoji užduotis yra sukurti vizualinį žodyną sklaidai tinkluose.

Paprastas modelis

Esu tikras, kad jūs visi žinote tinklų pagrindą, tai yra mazgai + kraštai. Norėdami ištirti difuziją, tereikia pažymėti kai kuriuos mazgus kaip aktyvus. Arba, kaip mėgsta sakyti epidemiologai, užkrėstas:

Šis suaktyvinimas arba infekcija plinta tinkle nuo mazgo iki mazgo pagal taisykles, kurias sukursime toliau.

Tikrieji tinklai paprastai yra daug didesni nei šis paprastas septynių mazgų tinklas. Jie taip pat yra daug painesni. Tačiau paprastumo dėlei mes sukursime žaislo modelį, skirtą grotelių, tai yra, grotelių tinklui, tyrimui.

(Ko tinkleliui trūksta tikroviškumo, jį kompensuoja lengva piešti 😉

Jei nenurodyta kitaip, tinklo mazgai turi keturis kaimynus, pavyzdžiui:

Ir jūs turite įsivaizduoti, kad šios grotelės tęsiasi be galo į visas puses. Kitaip tariant, mūsų nedomina elgesys, pasireiškiantis tik tinklo pakraščiuose arba mažose populiacijose.

Atsižvelgiant į tai, kad grotelės yra taip išdėstytos, galime jas supaprastinti iki pikselių. Pavyzdžiui, šie du vaizdai vaizduoja tą patį tinklą:

Vienu elgesiu aktyvus mazgas visada perduoda infekciją savo (neužkrėstiems) kaimynams. Bet tai nuobodu. Perkeliant nutinka daug įdomesnių dalykų tikimybinis.

SIR ir SIS

В SIR modeliai (Jausmingas-užkrėstas-pašalintas) mazgas gali būti trijų būsenų:

• Jautrūs
• Užkrėstas
• Pašalinta

Štai kaip veikia interaktyvus modeliavimas [in originalus straipsnis galite pasirinkti infekcijos perdavimo greitį nuo 0 iki 1, žiūrėti procesą žingsnis po žingsnio arba visą – apytiksliai. vertimas]:

• Mazgai prasideda kaip jautrūs, išskyrus kelis mazgus, kurie prasideda kaip užkrėsti.
• Kiekviename laiko etape užkrėsti mazgai turi galimybę perduoti infekciją kiekvienam iš savo jautrių kaimynų, kurių tikimybė yra lygi perdavimo greičiui.
• Tada užkrėsti mazgai pereina į „ištrintą“ būseną, ty jie nebegali užkrėsti kitų arba patys užsikrėsti.

Ligos kontekste pašalinimas gali reikšti, kad asmuo mirė arba susiformavo imunitetas patogenui. Mes sakome, kad jie yra „pašalinti“ iš modeliavimo, nes jiems nieko daugiau nenutinka.

Priklausomai nuo to, ką bandome modeliuoti, gali prireikti kitokio nei SIR modelio.

Jei imituojame tymų plitimą ar gaisro protrūkį, SIR yra idealus. Bet tarkime, kad imituojame naujos kultūrinės praktikos, tokios kaip meditacija, plitimą. Iš pradžių mazgas (asmuo) yra imlus, nes niekada anksčiau to nedarė. Tada, jei jis pradės medituoti (galbūt apie tai išgirdęs iš draugo), modeliuosime jį kaip užsikrėtusį. Bet jei jis nutrauks praktiką, jis nemirs ir neiškris iš simuliacijos, nes ateityje jis gali lengvai vėl įgyti šį įprotį. Taigi jis grįžta į imlią būseną.

Jis SIS modelis (Jausmingi – Infekuoti – Jautrūs). Klasikinis modelis turi du parametrus: perdavimo greitį ir atkūrimo greitį. Tačiau šio straipsnio modeliavime nusprendžiau supaprastinti, praleisdamas atkūrimo greičio parametrą. Vietoj to, užkrėstas mazgas automatiškai grįžta į jautrią būseną kitame laiko etape, nebent jį užkrės vienas iš jo kaimynų. Be to, n veiksme užkrėstam mazgui leidžiame užkrėsti save n+1 veiksme tikimybe, lygia perdavimo greičiui.

Diskusija

Kaip matote, tai labai skiriasi nuo SIR modelio.

Kadangi mazgai niekada nepašalinami, net labai maža ir uždara grotelė gali ilgą laiką palaikyti SIS infekciją. Infekcija tiesiog šokinėja iš mazgo į mazgą ir grįžta atgal.

Nepaisant skirtumų, SIR ir SIS mūsų tikslais yra stebėtinai pakeičiamos. Taigi likusią šio straipsnio dalį pasiliksime prie SIS – daugiausia dėl to, kad ji patvaresnė ir todėl smagiau dirbti.

Kritinis lygis

Pažaidę su SIR ir SIS modeliais, galbūt pastebėjote, kad infekcija trunka ilgai. Esant labai mažam perdavimo greičiui, pvz., 10%, infekcija paprastai išnyksta. Esant didesnėms vertėms, pvz., 50%, infekcija išlieka gyva ir užima didžiąją tinklo dalį. Jei tinklas būtų begalinis, galėtume įsivaizduoti, kad jis tęsiasi ir plinta amžinai.

Tokia neribota sklaida turi daug pavadinimų: „virusinė“, „branduolinė“ arba (šio straipsnio pavadinime) kritiškas.

Pasirodo, yra specifinis lūžio taškas, kuris atskiria subkritiniai tinklai (pasmerktas išnykimui) iš superkritiniai tinklai (gali be galo augti). Šis lūžio taškas vadinamas kritinė riba, ir tai yra gana bendras difuzijos procesų įprastuose tinkluose požymis.

Tiksli kritinės slenksčio reikšmė skirtinguose tinkluose skiriasi. Kas yra įprasta, yra tai prieinamumas tokia prasmė.

[Interaktyvioje demonstracijoje iš originalus straipsnis Galite pabandyti rankiniu būdu rasti kritinę tinklo slenkstį, pakeisdami perdavimo greičio reikšmę. Tai yra kažkur tarp 22% ir 23% – apytiksliai. vertimas]

Esant 22% (ir mažiau), infekcija galiausiai išnyksta. 23% (ir daugiau) pradinė infekcija kartais išnyksta, tačiau daugeliu atvejų ji sugeba išgyventi ir plisti pakankamai ilgai, kad užtikrintų savo egzistavimą amžinai.

(Beje, yra visa mokslo sritis, skirta šių skirtingų tinklo topologijų kritinių slenksčių paieškai. Norėdami greitai įvesti, rekomenduoju greitai peržvelgti Vikipedijos straipsnį apie nuotėkio slenkstis).

Apskritai, tai veikia taip: žemiau kritinės ribos garantuojama, kad bet kokia ribota infekcija tinkle galiausiai išnyks (1 tikimybė). Tačiau viršijant kritinę ribą, yra tikimybė (p > 0), kad infekcija tęsis amžinai ir savavališkai išplis toli nuo pradinės vietos.

Tačiau atkreipkite dėmesį, kad superkritinis tinklas nėra garantijaskad infekcija tęsis amžinai. Tiesą sakant, jis dažnai išnyksta, ypač labai ankstyvose modeliavimo stadijose. Pažiūrėkime, kaip tai atsitiks.

Tarkime, kad pradėjome nuo vieno užkrėsto mazgo ir keturių kaimynų. Pirmajame modeliavimo etape infekcija turi 5 nepriklausomas plitimo galimybes (įskaitant galimybę „išplisti“ sau kitam žingsnyje):

Dabar tarkime, kad perdavimo greitis yra 50%. Tokiu atveju pirmame žingsnyje monetą išverčiame penkis kartus. O jei penkios galvos bus ridenamos, infekcija bus sunaikinta. Taip nutinka maždaug 3% atvejų – ir tai tik pirmame žingsnyje. Infekcija, kuri išgyvena pirmąjį žingsnį, turi tam tikrą (dažniausiai mažesnę) tikimybę išmirti antrajame etape, tam tikrą (dar mažesnę) tikimybę išmirti trečiajame etape ir tt

Taigi, net kai tinklas yra superkritinis – jei perdavimo greitis yra 99 % – yra tikimybė, kad infekcija išnyks.

Bet svarbiausia, kad ji to nedaro visada išnyks. Jei sudėsite tikimybę, kad visi žingsniai išnyks iki begalybės, rezultatas bus mažesnis nei 1. Kitaip tariant, tikimybė, kad infekcija tęsis amžinai, nėra nulinė. Štai ką reiškia, kad tinklas yra superkritiškas.

SISa: spontaniškas aktyvavimas

Iki šiol visi mūsų modeliavimai prasidėjo nuo nedidelio iš anksto užkrėstų mazgų gabalo centre.

Bet ką daryti, jei pradėsite nuo nulio? Tada modeliuojame spontanišką aktyvavimą – procesą, kurio metu jautrus mazgas užsikrečia atsitiktinai (ne nuo vieno iš kaimynų).

Jis ji paragino SISa modelis. Raidė „a“ reiškia „automatinis“.

SISa modeliavime atsiranda naujas parametras - spontaninio aktyvavimo greitis, kuris keičia savaiminio užsikrėtimo dažnį (yra ir anksčiau matytas perdavimo greičio parametras).

Ko reikia, kad infekcija išplistų visame tinkle?

Diskusija

Galbūt pastebėjote modeliavimo metu, kad padidinus spontaniško aktyvavimo greitį, nepasikeičia, ar infekcija perima visą tinklą, ar ne. Tik perdavimo greitis nustato, ar tinklas yra subkritinis, ar virškritinis. O kai tinklas yra subkritinis (perdavimo greitis mažesnis arba lygus 22%), jokia infekcija negali išplisti visame tinkle, kad ir kaip dažnai ji prasidėtų.

Tai tarsi laužo uždegimas šlapiame lauke. Galite uždegti kelis sausus lapus, bet liepsna greitai užges, nes likęs kraštovaizdis nėra pakankamai degus (subkritinis). Būnant labai sausame lauke (superkritinis), užtenka vienos kibirkšties, kad pradėtų siautėti ugnis.

Panašūs dalykai pastebimi idėjų ir išradimų sferoje. Dažnai pasaulis nėra pasiruošęs idėjai, tokiu atveju ją galima sugalvoti vėl ir vėl, tačiau ji nepritraukia masių. Kita vertus, pasaulis gali būti visiškai pasiruošęs išradimui (didelė latentinė paklausa), o kai tik jis gimsta, jį priima visi. Viduryje yra idėjos, kurios yra sugalvotos keliose vietose ir pasklidusios lokaliai, tačiau jų neužtenka, kad kuri nors viena versija iš karto nušluotų visą tinklą. Šioje paskutinėje kategorijoje randame, pavyzdžiui, žemdirbystę ir rašymą, kuriuos skirtingos žmonių civilizacijos savarankiškai sugalvojo atitinkamai maždaug dešimt ir tris kartus.

imunitetas

Tarkime, kad kai kuriuos mazgus padarome visiškai nepažeidžiamus, tai yra, atsparius aktyvacijai. Atrodo, kad iš pradžių jie yra nuotolinėje būsenoje, o SIS(a) modelis paleidžiamas likusiuose mazguose.

Atsparumo slankiklis valdo pašalintų mazgų procentą. Pabandykite pakeisti jo reikšmę (kol modelis veikia!) ir pažiūrėkite, kaip ji veikia tinklo būseną, ar ji bus superkritinė, ar ne.

Diskusija

Pakeitus nereaguojančių mazgų skaičių, visiškai pasikeičia vaizdas, ar tinklas bus subkritinis, ar virškritinis. Ir nesunku suprasti kodėl. Esant dideliam nejautrų šeimininkų skaičiui, infekcija turi mažiau galimybių plisti į naujus šeimininkus.

Pasirodo, tai turi nemažai labai svarbių praktinių pasekmių.

Vienas iš jų – užkirsti kelią miško gaisrų plitimui. Vietos lygiu kiekvienas asmuo turi imtis savo atsargumo priemonių (pavyzdžiui, niekada nepalikite atviros liepsnos be priežiūros). Tačiau dideliu mastu pavieniai protrūkiai yra neišvengiami. Taigi kitas apsaugos būdas – užtikrinti, kad būtų pakankamai „pertraukų“ (degiųjų medžiagų tinkle), kad protrūkis neapimtų viso tinklo. Išvalymai atlieka šią funkciją:

Kitas protrūkis, kurį svarbu sustabdyti, yra infekcinė liga. Čia pristatoma koncepcija bandos imunitetas. Tai yra idėja, kad kai kurie žmonės negali būti paskiepyti (pavyzdžiui, jų imuninė sistema yra susilpnėjusi), tačiau jei pakankamai žmonių yra atsparūs infekcijai, liga negali plisti neribotą laiką. Kitaip tariant, turėtumėte pasiskiepyti pakankamai gyventojų dalis, kad populiacija būtų perkelta iš superkritinės į subkritinę būseną. Kai taip atsitiks, vienas pacientas vis tiek gali užsikrėsti (pavyzdžiui, nuvykęs į kitą regioną), tačiau be superkritinio tinklo, kuriame augti, liga užkrės tik nedidelę saujelę žmonių.

Galiausiai imuninių mazgų sąvoka paaiškina, kas vyksta branduoliniame reaktoriuje. Vykstant grandininei reakcijai, skylantis urano-235 atomas išskiria apie tris neutronus, kurie sukelia (vidutiniškai) daugiau nei vieno U-235 atomo skilimą. Tada nauji neutronai sukelia tolesnį atomų skilimą ir taip toliau eksponentiškai:

Statant bombą, svarbiausia užtikrinti, kad eksponentinis augimas ir toliau būtų nekontroliuojamas. Tačiau elektrinėje tikslas yra gaminti energiją nežudant visų aplinkinių. Šiuo tikslu jie naudojami valdymo strypai, pagamintas iš medžiagos, galinčios sugerti neutronus (pavyzdžiui, sidabro ar boro). Kadangi jie sugeria, o ne išleidžia neutronus, mūsų modeliavime jie veikia kaip imuniniai mazgai ir taip neleidžia radioaktyviajam branduoliui tapti superkritiniu.

Taigi branduolinio reaktoriaus gudrybė yra išlaikyti reakciją netoli kritinės slenksčio judinant valdymo strypus pirmyn ir atgal ir užtikrinti, kad kai tik kas nors nutinka, strypai nukristų į aktyvią zoną ir ją sustabdytų.

Laipsnis

Laipsnis mazgo yra jo kaimynų skaičius. Iki šiol mes svarstėme 4 laipsnio tinklus. Bet kas atsitiks, jei pakeisite šį parametrą?

Pavyzdžiui, kiekvieną mazgą galite prijungti ne tik prie keturių artimiausių kaimynų, bet ir dar keturių įstrižai. Tokiame tinkle laipsnis bus 8.

4 ir 8 laipsnių grotelės yra gerai simetriškos. Tačiau su 5 laipsniu (pavyzdžiui) iškyla problema: kuriuos penkis kaimynus turėtume pasirinkti? Šiuo atveju pasirenkame keturis artimiausius kaimynus (Š, R, P, V), o tada atsitiktinai pasirenkame vieną kaimyną iš rinkinio {NE, SE, SW, NW}. Pasirinkimas atliekamas atskirai kiekvienam mazgui kiekviename laiko žingsnyje.

Diskusija

Vėlgi, nesunku suprasti, kas čia vyksta. Kai kiekvienas mazgas turi daugiau kaimynų, padidėja infekcijos plitimo tikimybė, todėl tinklas greičiausiai taps kritinis.

Tačiau pasekmės gali būti netikėtos, kaip pamatysime toliau.

Miestai ir tinklo tankis

Iki šiol mūsų tinklai buvo visiškai vienarūšiai. Kiekvienas mazgas atrodo kaip bet kuris kitas. Bet ką daryti, jei pakeisime sąlygas ir leisime įvairias mazgų būsenas visame tinkle?

Pavyzdžiui, pabandykime modeliuoti miestus. Norėdami tai padaryti, padidinsime tankį kai kuriose tinklo dalyse (didesnis mazgų laipsnis). Tai darome remdamiesi piliečių turimais duomenimis platesnis socialinis ratas ir daugiau socialinių sąveikųnei žmonės už miestų ribų.

Mūsų modelyje jautrūs mazgai yra spalvoti pagal jų laipsnį. „Kaimo vietovių“ mazgai turi 4 laipsnį (ir yra šviesiai pilkos spalvos), o „miesto vietovių“ mazgai turi aukštesnius laipsnius (ir yra tamsesnės spalvos), pradedant 5 laipsniu pakraštyje ir baigiant 8 miesto centre .

Pabandykite pasirinkti tokį sklidimo greitį, kad aktyvinimas apimtų miestus ir neperžengtų jų ribų.

Manau, kad šis modeliavimas yra akivaizdus ir stebinantis. Žinoma, miestai kultūrinį lygį išlaiko geriau nei kaimo vietovės – tai žino visi. Mane stebina tai, kad dalis šios kultūrinės įvairovės atsiranda tiesiog remiantis socialinio tinklo topologija.

Tai įdomus dalykas, pabandysiu tai paaiškinti išsamiau.

Čia kalbame apie kultūros formas, kurios paprastai ir tiesiogiai perduodamos iš žmogaus žmogui. Pavyzdžiui, manieros, saloniniai žaidimai, mados tendencijos, kalbinės tendencijos, mažų grupių ritualai ir produktai, kurie plinta iš lūpų į lūpas, taip pat ištisos informacijos paketai, vadinami idėjomis.

(Pastaba: informacijos sklaidą tarp žmonių itin apsunkina žiniasklaida. Lengviau įsivaizduoti kokią nors technologiškai primityvią aplinką, pavyzdžiui, Senovės Graikiją, kur beveik kiekviena kultūros kibirkštis buvo perduota sąveikaujant fizinėje erdvėje.)

Iš minėtos simuliacijos sužinojau, kad yra idėjų ir kultūrinių praktikų, kurios gali įsitvirtinti ir plisti mieste, bet jos tiesiog negali (matematiškai negali) skleistis kaimo vietovėse. Tai tos pačios idėjos ir tie patys žmonės. Esmė ne ta, kad kaimo gyventojai būtų kažkaip „uždaryti“: bendraudami su ta pačia idėja jie lygiai tokios pačios galimybės jį sugautikaip ir miestiečiai. Tiesiog pati idėja negali tapti virusine kaimo vietovėse, nes nėra daug ryšių, kuriais ji galėtų plisti.

Tai bene lengviausia pastebėti mados srityje – drabužiai, šukuosenos ir pan.. Mados tinkle galime užfiksuoti gardelės kraštą, kai du žmonės pastebi vienas kito aprangą. Miesto centre kiekvienas žmogus kasdien gali pamatyti daugiau nei 1000 kitų žmonių – gatvėje, metro, sausakimšame restorane ir t. t. Kaimo vietovėje, priešingai, kiekvienas gali pamatyti tik porą dešimčių kitų. Remiantis tik šis skirtumas, miestas gali palaikyti daugiau mados tendencijų. Ir tik įtikinamiausios tendencijos – didžiausios perdavimo spartos – galės įsitvirtinti už miesto ribų.

Esame linkę manyti, kad jei idėja gera, ji ilgainiui pasieks visus, o jei idėja bloga – išnyks. Žinoma, tai galioja kraštutiniais atvejais, tačiau tarp jų yra daugybė idėjų ir praktikos, kurios gali plisti tik tam tikruose tinkluose. Tai tikrai nuostabu.

Ne tik miestai

Čia žiūrime į poveikį tinklo tankis. Tam tikram mazgų rinkiniui jis apibrėžiamas kaip skaičius tikrieji šonkauliai, padalintas iš skaičiaus potencialios briaunos. Tai yra iš tikrųjų egzistuojančių galimų ryšių procentas.

Taigi, matėme, kad miestų centruose tinklo tankis yra didesnis nei kaimo vietovėse. Tačiau miestai nėra vienintelė vieta, kur randame tankius tinklus.

Įdomus pavyzdys – vidurinės mokyklos. Pavyzdžiui, konkrečios srities tinklą, kuris egzistuoja tarp moksleivių, lyginame su tinklu, kuris egzistuoja tarp jų tėvų. Ta pati geografinė vietovė ir ta pati populiacija, tačiau vienas tinklas daug kartų tankesnis už kitą. Todėl nenuostabu, kad mados ir kalbinės tendencijos tarp paauglių plinta daug greičiau.

Lygiai taip pat elitiniai tinklai yra daug tankesni nei neelitiniai – manau, kad tai yra nepakankamai įvertinta (populiarūs ar įtakingi žmonės praleidžia daugiau laiko tinklų kūrimui ir todėl turi daugiau „kaimynų“ nei paprasti žmonės). Remdamiesi aukščiau pateiktais modeliavimais, tikimės, kad elitiniai tinklai palaikys kai kurias kultūrines formas, kurių negali palaikyti pagrindinė srovė, tiesiog remiantis matematiniais tinklo vidutinio laipsnio dėsniais. Leidžiu jums spėlioti, kokios gali būti šios kultūros formos.

Galiausiai šią idėją galime pritaikyti internete, modeliuodami ją kaip didžiulę ir labai tankus miestas. Nenuostabu, kad internete klesti daug naujų kultūros rūšių, kurios tiesiog negali būti palaikomos vien erdviniuose tinkluose: nišiniai pomėgiai, geresni dizaino standartai, didesnis supratimas apie neteisybę ir tt Ir tai ne tik gražūs dalykai. Kaip ankstyvieji miestai buvo ligų, kurios negalėjo plisti esant mažam gyventojų tankumui, veisimosi vieta, taip internetas yra piktybinių kultūrinių formų, tokių kaip spragtelėjimas, netikros naujienos ir dirbtinio pasipiktinimo kurstymas, auginimo vieta.

Знания

„Tinkamas ekspertas tinkamu laiku dažnai yra pats vertingiausias kūrybiško problemų sprendimo šaltinis. - Michaelas Nielsenas, „Išradimas atradimas“.

Mes dažnai galvojame apie atradimą ar išradimą kaip procesą, kuris vyksta vieno genijaus galvoje. Jį užklumpa įkvėpimo pliūpsnis ir - Eureka! - staiga turime naują būdą tūriui matuoti. Arba gravitacijos lygtis. Arba lemputė.

Bet jei pažvelgsime į vienintelį išradėją atradimo momentu, tada mes žiūrime į reiškinį. mazgo požiūriu. Nors teisingiau būtų išradimą interpretuoti kaip tinklą reiškinys.

Tinklas svarbus bent dviem būdais. Pirma, turi prasiskverbti esamos idėjos į sąmonę išradėjas. Tai citatos iš naujo straipsnio, naujos knygos bibliografinės dalies – milžinai, ant kurių pečių stovėjo Niutonas. Antra, tinklas yra labai svarbus naujos idėjos grąžinimui atgal į pasaulį; neišplitęs išradimas vargu ar išvis vertas vadinti „išradimu“. Taigi, dėl abiejų šių priežasčių prasminga modeliuoti išradimą – arba, plačiau, žinių augimą – kaip sklaidos procesą.

Netrukus pateiksiu apytikslį modeliavimą, kaip žinias gali skleisti ir augti tinkle. Bet pirmiausia turiu paaiškinti.

Modeliavimo pradžioje kiekviename tinklelio kvadrante yra keturi ekspertai, išdėstyti taip:

1 ekspertas turi pirmąją idėjos versiją – pavadinkime ją Idea 1.0. 2 ekspertas yra asmuo, kuris žino, kaip idėją 1.0 paversti idėja 2.0. 3 ekspertas žino, kaip paversti idėją 2.0 į idėją 3.0. Ir galiausiai ketvirtasis ekspertas žino, kaip užbaigti 4.0 idėją.

Tai panašu į tokią techniką kaip origami, kai technikos yra kuriamos ir derinamos su kitomis technikomis, kad būtų sukurti įdomesni dizainai. Arba tai gali būti žinių sritis, pavyzdžiui, fizika, kurioje naujesni darbai remiasi pagrindiniais pirmtakų darbais.

Šio modeliavimo esmė ta, kad mums reikia visų keturių ekspertų, kurie prisidėtų prie galutinės idėjos versijos. Ir kiekviename etape į idėją turi atkreipti atitinkamo eksperto dėmesį.

Keletas įspėjimų. Simuliacijoje užkoduota daug nerealių prielaidų. Štai tik keletas iš jų:

1. Daroma prielaida, kad idėjos negali būti saugomos ir perduodamos kitaip, kaip iš žmogaus žmogui (t. y. jokių knygų ar žiniasklaidos).
2. Daroma prielaida, kad populiacijoje yra nuolatinių ekspertų, galinčių generuoti idėjas, nors iš tikrųjų atradimo ar išradimo atsiradimui įtakos turi daug atsitiktinių veiksnių.
3. Visose keturiose idėjos versijose naudojamas tas pats SIS parametrų rinkinys (bodo sparta, atsparumo procentas ir kt.), nors tikriausiai realiau kiekvienai versijai naudoti skirtingus parametrus (1.0, 2.0 ir kt.).
4. Daroma prielaida, kad idėja N+1 visada visiškai išstumia idėją N, nors praktikoje dažnai tiek senoji, tiek nauja versija cirkuliuoja vienu metu, be aiškaus laimėtojo.

... ir daugelis kitų.

Diskusija

Tai juokingai supaprastintas modelis, kaip iš tikrųjų auga žinios. Už modelio ribų liko daug svarbių detalių (žr. aukščiau). Tačiau tai atspindi svarbią proceso esmę. Taigi mes galime su išlygomis kalbėti apie žinių augimą, naudodami savo žinias apie sklaidą.

Visų pirma, difuzijos modelis suteikia supratimo apie tai, kaip pagreitinti procesą: Reikia palengvinti keitimąsi idėjomis tarp ekspertų mazgų. Tai gali reikšti, kad reikia išvalyti negyvų mazgų tinklą, kuris trukdo sklaidai. Arba tai gali reikšti, kad visi ekspertai turi būti sutelkti į miestą ar grupę, kurioje yra didelis tinklo tankis, kur idėjos greitai plinta. Arba tiesiog surinkite juos viename kambaryje:

Taigi... tiek galiu pasakyti apie difuziją.

Bet aš turiu paskutinę mintį, ir tai labai svarbu. Tai apie augimąir stagnacija) žinias mokslo bendruomenėse. Šios idėjos tonas ir turinys skiriasi nuo to, kas buvo aukščiau, bet tikiuosi, kad man atleisite.

Apie mokslinius tinklus

Iliustracijoje pavaizduota viena iš svarbiausių teigiamų atsiliepimų kilpų pasaulyje (ir tokia ji buvo jau gana seniai):

Ciklo eiga aukštyn (K ⟶ T) yra gana paprasta: mes naudojame naujas žinias kurdami naujus įrankius. Pavyzdžiui, puslaidininkių fizikos supratimas leidžia kurti kompiuterius.

Tačiau judėjimas žemyn reikalauja tam tikro paaiškinimo. Kaip technologijų plėtra lemia žinių augimą?

Vienas iš būdų – galbūt tiesiausias – yra tada, kai naujos technologijos suteikia mums naujų būdų suvokti pasaulį. Pavyzdžiui, geriausi mikroskopai leidžia pažvelgti giliau į ląstelės vidų, suteikiant įžvalgų apie molekulinę biologiją. GPS sekliai rodo, kaip gyvūnai juda. Sonaras leidžia tyrinėti vandenynus. Ir taip toliau.

Tai neabejotinai gyvybiškai svarbus mechanizmas, tačiau yra dar mažiausiai du keliai nuo technologijų iki žinių. Jie gali būti ne tokie paprasti, bet manau, kad jie yra tokie pat svarbūs:

Pirmas. Technologijos veda į ekonominę gausą (t. y. turtą), o tai leidžia daugiau žmonių užsiimti žinių kūrimu.

Jei 90% jūsų šalies gyventojų užsiima žemės ūkiu, o likę 10% užsiima kokia nors prekyba (arba karu), tai žmonės turi labai mažai laisvo laiko mąstyti apie gamtos dėsnius. Galbūt todėl ankstesniais laikais mokslą daugiausia propagavo vaikai iš turtingų šeimų.

JAV kasmet parengiama daugiau nei 50 000 daktaro laipsnių. Užuot 18 metų (ar anksčiau) dirbęs gamykloje, absolventas turi būti finansuojamas iki 30 ar galbūt 40 metų, ir net tada neaišku, ar jo darbas turės realią ekonominę įtaką. Tačiau būtina, kad žmogus pasiektų savo disciplinos priešakį, ypač sudėtingose ​​srityse, tokiose kaip fizika ar biologija.

Faktas yra tas, kad sistemų požiūriu specialistai yra brangūs. Ir pagrindinis visuomenės turto šaltinis, finansuojantis šiuos specialistus, yra nauja technologija: plūgas subsidijuoja rašiklį.

Antra. Naujos technologijos, ypač kelionių ir komunikacijų srityje, keičia socialinių tinklų, kuriuose auga žinios, struktūrą. Visų pirma tai leidžia ekspertams ir specialistams glaudžiau bendrauti tarpusavyje.

Žymūs išradimai čia yra spausdinimo mašina, garlaiviai ir geležinkeliai (palengvinantys keliavimą ir (arba) pašto siuntimą dideliais atstumais), telefonai, lėktuvai ir internetas. Visos šios technologijos prisideda prie didesnio tinklo tankio, ypač specializuotose bendruomenėse (kur vyksta beveik visas žinių augimas). Pavyzdžiui, korespondencijos tinklai, atsiradę tarp Europos mokslininkų viduramžių pabaigoje, arba tai, kaip šiuolaikiniai fizikai naudoja arXiv.

Galiausiai abu šie keliai yra panašūs. Ir viena, ir kita didina specialistų tinklo tankumą, o tai savo ruožtu padidina žinias:

Daugelį metų aukštojo mokslo atžvilgiu buvau gana atmetusi. Mano trumpas darbas abiturientų mokykloje paliko nemalonų skonį burnoje. Bet dabar, kai žiūriu atgal ir pagalvoju (neskaitant visų asmeninių problemų), turiu daryti išvadą, kad aukštasis mokslas vis dar yra labai svarbu.

Akademiniai socialiniai tinklai (pvz., mokslinių tyrimų bendruomenės) yra viena iš pažangiausių ir vertingiausių mūsų civilizacijos sukurtų struktūrų. Niekur nesame sukaupę didesnės į žinių kūrimą orientuotų specialistų koncentracijos. Niekur žmonės nesugebėjo geriau suprasti ir kritikuoti vieni kitų idėjų. Tai plakanti progreso širdis. Būtent šiuose tinkluose labiausiai dega nušvitimo ugnis.

Tačiau negalime pažangos laikyti savaime suprantamu dalyku. Jeigu eksperimento neatkuriamumo krizė ir jei tai ko nors išmokė, tai kad mokslas gali turėti sisteminių problemų. Tai savotiškas tinklo degradavimas.

Tarkime, kad skiriame du mokslo atlikimo būdus: tikras mokslas и karjerizmas. Tikrasis mokslas yra praktika, kuri patikimai sukuria žinias. Ją skatina smalsumas ir jam būdingas sąžiningumas (Feynmanas: „Matai, man tereikia suprasti pasaulį“). Karjerizmas, priešingai, yra motyvuotas profesinių ambicijų ir pasižymi žaidimu politika ir mokslinėmis nuorodomis. Tai gali atrodyti ir veikti kaip mokslas, bet ne sukuria patikimas žinias.

(Taip, tai perdėta dichotomija. Tik minties eksperimentas. Nekaltink manęs).

Faktas yra tas, kad kai karjeristai užima vietą tikroje mokslininkų bendruomenėje, jie sugadina darbą. Jie stengiasi reklamuotis, o likusi bendruomenė bando įgyti naujų žinių ir dalytis ja. Užuot siekę aiškumo, karjeristai viską apsunkina ir painioja, kad skambėtų įspūdingiau. Jie užsiima (kaip pasakytų Haris Frankfurtas) mokslinėmis nesąmonėmis. Taigi galėtume juos modeliuoti kaip mirusius mazgus, nepralaidžius sąžiningam keitimuisi informacija, reikalinga žinių augimui:

Galbūt geriausias modelis yra toks, kuriame karjeristiniai mazgai ne tik nepraleidžia žinių, bet ir aktyviai skleidžia netikros žinios. Suklastotos žinios gali apimti nereikšmingus rezultatus, kurių svarba yra dirbtinai padidinta, arba tikrai klaidingus rezultatus, atsirandančius dėl manipuliavimo ar išgalvotų duomenų.

Kad ir kaip juos modeliuotume, karjeristai tikrai gali pasmaugti mūsų mokslo bendruomenes.

Tai tarsi branduolinė grandininė reakcija, kurios mums labai reikia – reikia žinių sprogimo – tik mūsų praturtintame U-235 yra per daug nereaktyvaus izotopo U-238, kuris slopina grandininę reakciją.

Žinoma, aiškaus skirtumo tarp karjeristų ir tikrų mokslininkų nėra. Kiekvienas iš mūsų turi savyje paslėptą dalelę karjerizmo. Kyla klausimas, kiek laiko gali veikti tinklas, kol žinių sklaida išnyks.

O, perskaitei iki galo. Ačiū, kad skaitėte.

Licencija

CC0 Visos teisės nesaugomos. Šį darbą galite naudoti kaip jums atrodo tinkama :).

Padėkos

• Kevinas Kwokas и Nicky Case už apgalvotus komentarus ir pasiūlymus dėl įvairių projekto variantų.
• Nikas Baras — už moralinę paramą viso proceso metu ir už naudingiausius atsiliepimus apie mano darbą.
• Keith A. už tai, kad atkreipė dėmesį į perkoliacijos fenomeną ir prasiskverbimo slenkstį.
• Geoffas Lonsdale'as už nuorodą į tai esė, kuris (nepaisant daugybės trūkumų) buvo pagrindinis postūmis dirbti prie šio posto.

Interaktyvūs esė pavyzdžiai

• Visi Nicky Case darbai, ypač. "Palyginimas apie daugiakampius" (su Vi Hartu) ir „Geresnio balsavimo biuletenio kūrimas“. Tai aukšta kartelė, kokia gali būti interaktyvi esė.
• distiliuoti.pub: išskirtinai aukštos kokybės interaktyvūs mašininio mokymosi aprašymai.
• Klasikinis Breto Viktoro darbas "Aukštyn ir žemyn Abstrakcijos kopėčiomis". Man nelabai sekėsi lipti laiptais, bet visada yra dar vienas bandymas.

Šaltinis: www.habr.com