Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Ja esat veltÄ«jis laiku, domājot par sarežģītām sistēmām, jÅ«s droÅ”i vien saprotat tÄ«klu nozÄ«mi. TÄ«kli valda mÅ«su pasaulē. No Ä·Ä«miskajām reakcijām Ŕūnā lÄ«dz attiecÄ«bu tÄ«klam ekosistēmā, lÄ«dz tirdzniecÄ«bas un politiskajiem tÄ«kliem, kas veido vēstures gaitu.

Vai arÄ« apsveriet Å”o rakstu, ko lasāt. JÅ«s droÅ”i vien to atradāt sociālais tÄ«kls, lejupielādēts no datortÄ«kls un paÅ”laik atÅ”ifrē nozÄ«mi, izmantojot jÅ«su neironu tÄ«kls.

Bet, lai arī kā es gadu gaitā esmu domājis par tīkliem, līdz nesenam laikam es nesapratu, cik svarīgi ir vienkārŔi difūzija.

Tā ir mÅ«su Å”odienas tēma: kā, cik haotiski viss kustas un izplatās. Daži piemēri apetÄ«tes izraisÄ«Å”anai:

  • Infekcijas slimÄ«bas, kas populācijā pāriet no nesēja uz nesēju.
  • Mēmas izplatās visā sekotāju diagrammā sociālajos tÄ«klos.
  • Meža ugunsgrēks.
  • Idejas un prakse, kas caurstrāvo kultÅ«ru.
  • Neitronu kaskāde bagātinātā urānā.


ÄŖsa piezÄ«me par veidlapu.

AtŔķirÄ«bā no visiem maniem iepriekŔējiem darbiem, Ŕī eseja ir interaktÄ«va [in oriÄ£ināls raksts ir doti interaktÄ«vie piemēri ar slÄ«dņiem un pogām, kas kontrolē objektus ekrānā - apm. josla].

Tātad sāksim. Pirmais uzdevums ir izveidot vizuālu vārdu krājumu izplatīŔanai tīklos.

VienkārŔs modelis

Esmu pārliecināts, ka jÅ«s visi zināt tÄ«klu pamatu, tas ir, mezglus + malas. Lai pētÄ«tu difÅ«ziju, jums vienkārÅ”i jāatzÄ«mē daži mezgli kā aktÄ«vs. Vai arÄ«, kā epidemiologi mēdz teikt, inficēts:

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Å Ä« aktivizÄ“Å”ana vai infekcija izplatās tÄ«klā no mezgla uz mezglu saskaņā ar noteikumiem, kurus mēs izstrādāsim tālāk.

Reālie tÄ«kli parasti ir daudz lielāki nekā Å”is vienkārÅ”ais septiņu mezglu tÄ«kls. Tie ir arÄ« daudz mulsinoŔāki. Bet vienkārŔības labad mēs Å”eit izveidosim rotaļlietas modeli, lai pētÄ«tu režģi, tas ir, režģa tÄ«klu.

(Tas, kas sietam trÅ«kst reālisma, tas kompensē to, ka ir viegli uzzÄ«mēt šŸ˜‰

Ja vien nav norādīts citādi, tīkla mezgliem ir četri kaimiņi, piemēram:

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Un jums ir jāiedomājas, ka Å”ie režģi stiepjas bezgalÄ«gi visos virzienos. Citiem vārdiem sakot, mÅ«s neinteresē uzvedÄ«ba, kas notiek tikai tÄ«kla malās vai nelielās populācijās.

Ņemot vērā, ka režģi ir tik sakārtoti, mēs varam tos vienkārÅ”ot lÄ«dz pikseļiem. Piemēram, Å”ie divi attēli attēlo vienu un to paÅ”u tÄ«klu:

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Vienā uzvedÄ«bā aktÄ«vais mezgls vienmēr pārnēsā infekciju saviem (neinficētajiem) kaimiņiem. Bet tas ir garlaicÄ«gi. PārsÅ«tÄ«Å”anas laikā notiek daudz interesantākas lietas varbÅ«tÄ«bas.

SIR un SIS

Š’ SIR modeļi (UzņēmÄ«gs-inficēts-noņemts) mezglam var bÅ«t trÄ«s stāvokļi:

  • UzņēmÄ«gs
  • Inficēts
  • Noņemts

LÅ«k, kā darbojas interaktÄ«vā simulācija [in oriÄ£ināls raksts JÅ«s varat izvēlēties infekcijas pārneÅ”anas ātrumu no 0 lÄ«dz 1, skatÄ«t procesu soli pa solim vai kopumā - apm. tulk.]:

  • Mezgli sākas kā uzņēmÄ«gi, izņemot dažus mezglus, kas sākas kā inficēti.
  • Katrā laika posmā inficētajiem mezgliem ir iespēja pārnest infekciju katram no saviem uzņēmÄ«gajiem kaimiņiem ar varbÅ«tÄ«bu, kas vienāda ar pārraides ātrumu.
  • Pēc tam inficētie mezgli nonāk ā€œdzēstāā€ stāvoklÄ«, kas nozÄ«mē, ka tie vairs nespēj inficēt citus vai inficēties paÅ”i.

SlimÄ«bas kontekstā izņemÅ”ana var nozÄ«mēt, ka persona ir mirusi vai viņam ir izveidojusies imunitāte pret patogēnu. Mēs sakām, ka tie ir "noņemti" no simulācijas, jo nekas cits ar tiem nenotiek.

AtkarÄ«bā no tā, ko mēs cenÅ”amies modelēt, var bÅ«t nepiecieÅ”ams cits modelis, nevis SIR.

Ja mēs simulējam masalu izplatÄ«bu vai ugunsgrēka uzliesmojumu, SIR ir ideāls risinājums. Bet pieņemsim, ka mēs simulējam jaunas kultÅ«ras prakses, piemēram, meditācijas, izplatÄ«bu. Sākumā mezgls (persona) ir uztveroÅ”s, jo tas nekad agrāk to nav darÄ«jis. Tad, ja viņŔ sāks meditēt (varbÅ«t pēc tam, kad par to dzirdējis no drauga), mēs viņu modelēsim kā inficētu. Bet, ja viņŔ pārtrauks praksi, viņŔ nenomirs un neizkritÄ«s no simulācijas, jo nākotnē viņŔ var viegli pārņemt Å”o ieradumu. Tāpēc viņŔ atgriežas uztveroŔā stāvoklÄ«.

Tā SIS modelis (UzņēmÄ«gieā€“inficētieā€“uzņēmÄ«gie). Klasiskajam modelim ir divi parametri: pārraides ātrums un atkopÅ”anas ātrums. Tomēr Ŕī raksta simulācijās es nolēmu vienkārÅ”ot, izlaižot atkopÅ”anas ātruma parametru. Tā vietā inficētais mezgls nākamajā laika posmā automātiski atgriežas jutÄ«gā stāvoklÄ«, ja vien to nav inficējis kāds no tā kaimiņiem. Turklāt mēs ļaujam mezglam, kas inficēts solÄ« n, inficēt sevi solÄ« n+1 ar varbÅ«tÄ«bu, kas vienāda ar pārraides ātrumu.

Diskusija

Kā redzat, tas ļoti atŔķiras no SIR modeļa.

Tā kā mezgli nekad netiek noņemti, pat ļoti mazs un ierobežots režģis var ilgstoÅ”i uzturēt SIS infekciju. Infekcija vienkārÅ”i pāriet no mezgla uz mezglu un atgriežas.

Neskatoties uz atŔķirÄ«bām, SIR un SIS mÅ«su vajadzÄ«bām ir pārsteidzoÅ”i savstarpēji aizstājamas. Tāpēc pārējā Ŕī raksta daļā mēs paliksim pie SIS ā€” galvenokārt tāpēc, ka tā ir izturÄ«gāka un tāpēc ar to ir patÄ«kamāk strādāt.

Kritiskais līmenis

Pēc spēlÄ“Å”anās ar SIR un SIS modeļiem jÅ«s, iespējams, pamanÄ«jāt kaut ko par infekcijas ilgmūžību. Pie ļoti zemiem pārneÅ”anas ātrumiem, piemēram, 10%, infekcijai ir tendence izmirt. Ja ir augstākas vērtÄ«bas, piemēram, 50%, infekcija paliek dzÄ«va un pārņem lielāko daļu tÄ«kla. Ja tÄ«kls bÅ«tu bezgalÄ«gs, mēs varētu iedomāties, ka tas turpinās un izplatās mūžīgi.

Šādai neierobežotai difÅ«zijai ir daudz nosaukumu: ā€œvÄ«russā€, ā€œkodolsā€ vai (Ŕī raksta nosaukumā) kritisks.

Izrādās, ka ir specifisks lÅ«zuma punkts, kas atdala subkritiskie tÄ«kli (lemts izzuÅ”anai) no superkritiskie tÄ«kli (spējÄ«gs bezgalÄ«gi augt). Å o pagrieziena punktu sauc kritiskais slieksnis, un tā ir diezgan vispārÄ«ga pazÄ«me par difÅ«zijas procesiem parastajos tÄ«klos.

PrecÄ«za kritiskā sliekŔņa vērtÄ«ba dažādos tÄ«klos atŔķiras. Kopējais ir Å”is pieejamÄ«ba tāda nozÄ«me.

[Interaktīvā demonstrācijā no oriģināls raksts Varat mēģināt manuāli atrast kritisko tīkla slieksni, mainot pārraides ātruma vērtību. Tas ir kaut kur starp 22% un 23% - apm. tulk.]

Pie 22% (un mazāk) infekcija galu galā izmirst. Pie 23% (un vairāk) sākotnējā infekcija dažreiz izmirst, taču vairumā gadÄ«jumu tai izdodas izdzÄ«vot un izplatÄ«ties pietiekami ilgi, lai nodroÅ”inātu tās pastāvÄ“Å”anu uz visiem laikiem.

(Starp citu, Å”o kritisko sliekŔņu atraÅ”anai dažādām tÄ«kla topoloÄ£ijām ir veltÄ«ta vesela zinātnes joma. Ātrai ievadam iesaku ātri ritināt Wikipedia rakstu par noplÅ«des slieksnis).

Kopumā tas darbojas Ŕādi: zem kritiskā sliekŔņa jebkura ierobežota infekcija tÄ«klā tiek garantēta (ar varbÅ«tÄ«bu 1), kas galu galā izmirs. Bet, pārsniedzot kritisko slieksni, pastāv iespējamÄ«ba (p > 0), ka infekcija turpināsies mūžīgi un, to darot, patvaļīgi izplatÄ«sies tālu no sākotnējās vietas.

Tomēr ņemiet vērā, ka superkritiskais tÄ«kls nav garantijaska infekcija turpināsies mūžīgi. Faktiski tas bieži izzÅ«d, it Ä«paÅ”i simulācijas sākumposmā. PaskatÄ«simies, kā tas notiek.

Pieņemsim, ka mēs sākām ar vienu inficētu mezglu un četriem kaimiņiem. Pirmajā modelÄ“Å”anas posmā infekcijai ir 5 neatkarÄ«gas izplatÄ«Å”anās iespējas (ieskaitot iespēju nākamajā solÄ« ā€œizplatÄ«tiesā€ sev):

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Tagad pieņemsim, ka pārsÅ«tÄ«Å”anas ātrums ir 50%. Å ajā gadÄ«jumā pirmajā solÄ« mēs uzmetam monētu piecas reizes. Un, ja tiek ripinātas piecas galvas, infekcija tiks iznÄ«cināta. Tas notiek apmēram 3% gadÄ«jumu - un tas ir tikai pirmajā posmā. Infekcijai, kas izdzÄ«vo pirmajā posmā, ir zināma (parasti mazāka) varbÅ«tÄ«ba izmirt otrajā posmā, zināma (vēl mazāka) izmirÅ”anas iespējamÄ«ba treÅ”ajā posmā utt.

Tātad, pat ja tīkls ir superkritisks - ja pārraides ātrums ir 99%, pastāv iespēja, ka infekcija pazudīs.

Bet galvenais ir tas, ka viņa to nedara vienmēr izgaisīs. Ja saskaita varbūtību, ka visi soļi izmirs līdz bezgalībai, rezultāts ir mazāks par 1. Citiem vārdiem sakot, pastāv nulles varbūtība, ka infekcija turpināsies mūžīgi. Tas nozīmē, ka tīkls ir superkritisks.

SISa: spontāna aktivizÄ“Å”ana

LÄ«dz Å”im visas mÅ«su simulācijas sākās ar nelielu iepriekÅ” inficētu mezglu gabalu centrā.

Bet ko tad, ja sākat no nulles? Pēc tam mēs modelējam spontānu aktivizāciju ā€” procesu, kurā uzņēmÄ«gs mezgls nejauÅ”i inficējas (nevis no kāda no kaimiņiem).

Tā aicināja SISa modelis. Burts "a" nozīmē "automātisks".

SISa simulācijā parādās jauns parametrs - spontānas aktivācijas ātrums, kas maina spontānas infekcijas biežumu (ir arÄ« iepriekÅ” redzētais pārraides ātruma parametrs).

Kas nepiecieŔams, lai infekcija izplatītos visā tīklā?

Diskusija

Iespējams, simulācijā pamanÄ«jāt, ka spontānas aktivizÄ“Å”anas ātruma palielināŔana nemaina to, vai infekcija pārņem visu tÄ«klu vai nē. Tikai pārraides ātrums nosaka, vai tÄ«kls ir zemkritisks vai virskritisks. Un, ja tÄ«kls ir subkritisks (pārraides ātrums ir mazāks vai vienāds ar 22%), neviena infekcija nevar izplatÄ«ties visā tÄ«klā neatkarÄ«gi no tā, cik bieži tā sākas.

Tas ir tāpat kā aizdedzināt uguni slapjā laukā. JÅ«s varat aizdedzināt dažas sausas lapas, bet liesma ātri nodzisÄ«s, jo pārējā ainava nav pietiekami viegli uzliesmojoÅ”a (subkritiska). Esot uz ļoti sausa lauka (superkritisks), pietiek ar vienu dzirksteli, lai ugunsgrēks sāktu plosÄ«ties.

LÄ«dzÄ«gas lietas vērojamas arÄ« ideju un izgudrojumu jomā. Bieži vien pasaule nav gatava idejai, un tādā gadÄ«jumā to var izdomāt atkal un atkal, bet tas nepiesaista masas. No otras puses, pasaule var bÅ«t pilnÄ«bā gatava izgudrojumam (liels latentais pieprasÄ«jums), un, tiklÄ«dz tas ir dzimis, to pieņem visi. Pa vidu ir idejas, kas ir izdomātas vairākās vietās un izplatās lokāli, taču ar to nepietiek, lai kāda atseviŔķa versija uzreiz izslaucÄ«tu visu tÄ«klu. Å ajā pēdējā kategorijā mēs atrodam, piemēram, lauksaimniecÄ«bu un rakstniecÄ«bu, ko dažādas cilvēku civilizācijas neatkarÄ«gi izgudroja attiecÄ«gi aptuveni desmit un trÄ«s reizes.

Imunitāte

Pieņemsim, ka mēs padarām dažus mezglus pilnÄ«gi neievainojamus, tas ir, imÅ«nus pret aktivizāciju. It kā sākotnēji tie atrodas attālā stāvoklÄ«, un atlikuÅ”ajos mezglos tiek palaists SIS(a) modelis.

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Imunitātes slīdnis kontrolē noņemto mezglu procentuālo daudzumu. Mēģiniet mainīt tā vērtību (kamēr modelis darbojas!) un skatiet, kā tas ietekmē tīkla stāvokli, neatkarīgi no tā, vai tas būs superkritisks vai nē.

Diskusija

Mainot nereaģējoÅ”o mezglu skaitu, pilnÄ«bā mainās priekÅ”stats par to, vai tÄ«kls bÅ«s sub- vai superkritisks. Un nav grÅ«ti saprast, kāpēc. Ja ir liels skaits neuzņēmÄ«gu saimnieku, infekcijai ir mazāk iespēju izplatÄ«ties uz jauniem saimniekiem.

Izrādās, ka tam ir vairākas ļoti svarīgas praktiskas sekas.

Viens no tiem ir meža ugunsgrēku izplatÄ«bas novērÅ”ana. Vietējā lÄ«menÄ« katrai personai ir jāveic savi piesardzÄ«bas pasākumi (piemēram, nekad neatstājiet atklātu liesmu bez uzraudzÄ«bas). Bet plaŔā mērogā atseviŔķi uzliesmojumi ir neizbēgami. Tātad vēl viena aizsardzÄ«bas metode ir nodroÅ”ināt pietiekami daudz "pārrāvumu" (uzliesmojoÅ”u materiālu tÄ«klā), lai uzliesmojums neaptvertu visu tÄ«klu. KlÄ«ringi veic Å”o funkciju:

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Vēl viens uzliesmojums, kuru ir svarīgi apturēt, ir infekcijas slimība. Šeit tiek ieviests jēdziens ganāmpulka imunitāte. Tā ir doma, ka dažus cilvēkus nevar vakcinēt (piemēram, viņiem ir novājināta imūnsistēma), taču, ja pietiekami daudz cilvēku ir imūni pret infekciju, slimība nevar izplatīties bezgalīgi. Citiem vārdiem sakot, jums vajadzētu vakcinēties pietiekams daļa iedzīvotāju, lai pārceltu populāciju no superkritiskā stāvokļa uz subkritisku stāvokli. Ja tas notiek, viens pacients joprojām var inficēties (piemēram, pēc ceļojuma uz citu reģionu), bet bez superkritiskā tīkla, kurā augt, slimība inficēs tikai nelielu saujiņu cilvēku.

Visbeidzot, imÅ«no mezglu jēdziens izskaidro, kas notiek kodolreaktorā. Ķēdes reakcijā urāna-235 atoms, kas sadalās, atbrÄ«vo apmēram trÄ«s neitronus, kas izraisa (vidēji) vairāk nekā viena U-235 atoma sadalÄ«Å”anos. Jaunie neitroni pēc tam izraisa turpmāku atomu sadalÄ«Å”anos un tā tālāk eksponenciāli:

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Veidojot bumbu, galvenais mērÄ·is ir nodroÅ”ināt eksponenciālās izaugsmes nepārtrauktÄ«bu. Taču spēkstacijā mērÄ·is ir ražot enerÄ£iju, nenogalinot visus apkārtējos. Å im nolÅ«kam tie tiek izmantoti vadÄ«bas stieņi, kas izgatavots no materiāla, kas spēj absorbēt neitronus (piemēram, sudraba vai bora). Tā kā tie absorbē, nevis atbrÄ«vo neitronus, mÅ«su simulācijā tie darbojas kā imÅ«nmezgli, tādējādi novērÅ”ot radioaktÄ«vajam kodolam, kas kļūst superkritisks.

Tātad kodolreaktora triks ir noturēt reakciju tuvu kritiskajam slieksnim, kustinot vadÄ«bas stieņus uz priekÅ”u un atpakaļ, un nodroÅ”ināt, ka ikreiz, kad kaut kas noiet greizi, stieņi iekrÄ«t aktÄ«vās zonā un to aptur.

Grāds

Grāds mezgla skaits ir tā kaimiņu skaits. LÄ«dz Å”im mēs esam apsvēruÅ”i 4. pakāpes tÄ«klus. Bet kas notiks, ja mainÄ«sit Å”o parametru?

Piemēram, jÅ«s varat savienot katru mezglu ne tikai ar četriem tieÅ”ajiem kaimiņiem, bet arÄ« ar vēl četriem pa diagonāli. Šādā tÄ«klā grāds bÅ«s 8.

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Režģi ar 4 un 8 grādiem ir labi simetriski. Bet ar 5. pakāpi (piemēram,) rodas problēma: kādus piecus kaimiņus izvēlēties? Å ajā gadÄ«jumā mēs atlasām četrus tuvākos kaimiņus (Z, A, S, R) un pēc tam nejauÅ”i atlasām vienu kaimiņu no kopas {ZA, DA, DR, ZR}. Izvēle tiek veikta neatkarÄ«gi katram mezglam katrā laika posmā.

Diskusija

Atkal nav grÅ«ti saprast, kas Å”eit notiek. Ja katram mezglam ir vairāk kaimiņu, palielinās infekcijas izplatÄ«Å”anās iespējamÄ«ba, un tādējādi tÄ«kls, visticamāk, kļūs kritisks.

Tomēr sekas var būt negaidītas, kā mēs redzēsim tālāk.

Pilsētas un tīkla blīvums

LÄ«dz Å”im mÅ«su tÄ«kli ir bijuÅ”i pilnÄ«gi viendabÄ«gi. Katrs mezgls izskatās kā jebkurÅ” cits. Bet ko darÄ«t, ja mēs mainÄ«tu nosacÄ«jumus un atļautu dažādus mezglu stāvokļus visā tÄ«klā?

Piemēram, mēģināsim modelēt pilsētas. Lai to izdarÄ«tu, mēs palielināsim blÄ«vumu dažās tÄ«kla daļās (augstāka mezglu pakāpe). Mēs to darām, pamatojoties uz datiem, kas ir pilsoņu rÄ«cÄ«bā plaŔāks sociālais loks un vairāk sociālās mijiedarbÄ«basnekā cilvēki ārpus pilsētām.

MÅ«su modelÄ« jutÄ«gie mezgli ir iekrāsoti atkarÄ«bā no to pakāpes. Mezglu "lauku apvidos" ir 4. pakāpe (un tie ir gaiÅ”i pelēkā krāsā), savukārt mezgliem "pilsētu apgabalos" ir augstākas pakāpes (un to krāsa ir tumŔāka), sākot ar 5. pakāpi nomalē un beidzot ar 8. grādu pilsētas centrā .

Mēģiniet izvēlēties tādu izplatÄ«Å”anās ātrumu, lai aktivizÄ“Å”ana aptvertu pilsētas un pēc tam nepārsniegtu to robežas.

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Man Ŕī simulācija Ŕķiet acÄ«mredzama un pārsteidzoÅ”a. Protams, pilsētas saglabā kultÅ«ras lÄ«meni labāk nekā laukos - to zina visi. Mani pārsteidz tas, ka daļa no Ŕīs kultÅ«ras daudzveidÄ«bas rodas, vienkārÅ”i pamatojoties uz sociālā tÄ«kla topoloÄ£iju.

Å is ir interesants punkts, es mēģināŔu to izskaidrot sÄ«kāk.

Å eit mēs runājam par kultÅ«ras formām, kuras tiek vienkārÅ”i un tieÅ”i nodotas no cilvēka uz cilvēku. Piemēram, manieres, salona spēles, modes tendences, lingvistiskās tendences, mazo grupu rituāli un produkti, kas izplatās no mutes mutē, kā arÄ« veselas informācijas paketes, ko mēs saucam par idejām.

(PiezÄ«me: informācijas izplatÄ«Å”anu starp cilvēkiem ārkārtÄ«gi apgrÅ«tina mediji. Vieglāk ir iedomāties kādu tehnoloÄ£iski primitÄ«vu vidi, piemēram, Seno GrieÄ·iju, kur gandrÄ«z katra kultÅ«ras dzirksts tika nodota mijiedarbÄ«bā fiziskajā telpā.)

No iepriekÅ” minētās simulācijas es uzzināju, ka ir idejas un kultÅ«ras prakse, kas var iesakņoties un izplatÄ«ties pilsētā, bet tās vienkārÅ”i nevar (matemātiski) izplatÄ«ties laukos. Tās ir tās paÅ”as idejas un tie paÅ”i cilvēki. Lieta nav par to, ka lauku iedzÄ«votāji ir kaut kā ā€œtuvprātÄ«giā€: mijiedarbojoties ar vienu un to paÅ”u ideju, viņi tieÅ”i tādas paÅ”as iespējas to noÄ·erttāpat kā pilsētnieki. VienkārÅ”i Ŕī ideja nevar kļūt par virkni lauku apvidos, jo nav daudz savienojumu, caur kuriem tā varētu izplatÄ«ties.

To, iespējams, visvieglāk var redzēt modes jomā ā€“ apģērbā, frizÅ«rās u.c. Modes tÄ«klā varam noÄ·ert režģa malu, kad divi cilvēki pamana viens otra tērpus. Pilsētas centrā katrs cilvēks katru dienu var redzēt vairāk nekā 1000 citu cilvēku - uz ielas, metro, pārpildÄ«tā restorānā utt. Lauku apvidÅ«, gluži pretēji, katrs cilvēks var redzēt tikai pāris desmitus citi. Balstoties uz tikai Ŕī atŔķirÄ«ba, pilsēta spēj atbalstÄ«t vairāk modes tendenču. Un tikai vispievilcÄ«gākās tendences ā€” tās, kurām ir vislielākais pārraides ātrums ā€” spēs nostiprināties ārpus pilsētas.

Mums ir tendence domāt, ka, ja ideja ir laba, tā galu galā sasniegs visus, un, ja ideja ir slikta, tā pazudÄ«s. Protams, tas ir taisnÄ«ba ārkārtējos gadÄ«jumos, taču starp tām ir daudz ideju un prakses, kas var izplatÄ«ties tikai noteiktos tÄ«klos. Tas ir patiesi pārsteidzoÅ”s.

Ne tikai pilsētas

Å eit mēs aplÅ«kojam ietekmi tÄ«kla blÄ«vums. Tas noteiktai mezglu kopai ir definēts kā skaitlis faktiskās ribas, dalÄ«ts ar skaitli potenciālās malas. Tas ir, faktiski pastāvoÅ”o iespējamo savienojumu procentuālā daļa.

Tātad, mēs esam redzējuÅ”i, ka tÄ«klu blÄ«vums pilsētu centros ir lielāks nekā laukos. Taču pilsētas nav vienÄ«gā vieta, kur mēs atrodam blÄ«vus tÄ«klus.

Interesants piemērs ir vidusskolas. Piemēram, konkrētai jomai mēs salÄ«dzinām tÄ«klu, kas pastāv skolēnu vidÅ«, ar tÄ«klu, kas pastāv starp viņu vecākiem. Tas pats Ä£eogrāfiskais apgabals un vienādi iedzÄ«votāji, taču viens tÄ«kls ir daudzkārt blÄ«vāks par otru. Tāpēc nav pārsteidzoÅ”i, ka modes un valodu tendences pusaudžu vidÅ« izplatās daudz ātrāk.

Tāpat arÄ« elites tÄ«kli mēdz bÅ«t daudz blÄ«vāki nekā tie, kas nav elites tÄ«kli ā€” tas, manuprāt, netiek novērtēts (cilvēki, kuri ir populāri vai ietekmÄ«gi, pavada vairāk laika tÄ«klu veidoÅ”anā, un tāpēc viņiem ir vairāk "kaimiņu" nekā parastiem cilvēkiem). Pamatojoties uz iepriekÅ”minētajām simulācijām, mēs sagaidām, ka elites tÄ«kli atbalstÄ«s dažas kultÅ«ras formas, kuras nevar atbalstÄ«t galvenā plÅ«sma, vienkārÅ”i pamatojoties uz tÄ«kla vidējās pakāpes matemātiskajiem likumiem. Es ļauju jums spriest par to, kādas varētu bÅ«t Ŕīs kultÅ«ras formas.

Visbeidzot, mēs varam piemērot Å”o ideju internetam, modelējot to kā milzÄ«gu un ļoti blÄ«vs pilsēta. Nav pārsteigums, ka tieÅ”saistē plaukst daudzi jauni kultÅ«ras veidi, kurus vienkārÅ”i nevar atbalstÄ«t tikai telpiskajos tÄ«klos: niÅ”as vaļasprieki, labāki dizaina standarti, lielāka netaisnÄ«bas apziņa utt. Un tās nav tikai patÄ«kamas lietas. Tāpat kā agrÄ«nās pilsētas bija augsne slimÄ«bām, kuras nevarēja izplatÄ«ties zemā iedzÄ«votāju blÄ«vumā, tāpat internets ir labvēlÄ«ga augsne ļaundabÄ«gām kultÅ«ras formām, piemēram, klikŔķu ēsmai, viltus ziņām un mākslÄ«ga saÅ”utuma izraisÄ«Å”anai.

ZināŔanas

"Pareizais eksperts Ä«stajā laikā bieži vien ir visvērtÄ«gākais resurss radoÅ”ai problēmu risināŔanai." ā€” Maikls NÄ«lsens, Atklājuma izgudroÅ”ana

Mēs bieži domājam par atklāŔanu vai izgudrojumu kā procesu, kas notiek viena ģēnija prātā. Viņu pārsteidz iedvesmas uzplaiksnÄ«jums un - Eureka! ā€” pēkŔņi mums ir jauns veids, kā izmērÄ«t apjomu. Vai gravitācijas vienādojums. Vai spuldze.

Bet, ja mēs skatāmies no vientuļa izgudrotāja viedokļa atklāŔanas brÄ«dÄ«, tad mēs skatāmies uz fenomenu no mezgla viedokļa. Lai gan pareizāk bÅ«tu izgudrojumu interpretēt kā tÄ«kls parādÄ«ba.

TÄ«kls ir svarÄ«gs vismaz divos veidos. Pirmkārt, jāiekļūst esoÅ”ajām idejām apziņā izgudrotājs. Tie ir citāti no jauna raksta, jaunas grāmatas bibliogrāfiskās sadaļas ā€“ milži, uz kuru pleciem stāvēja Ņūtons. Otrkārt, tÄ«kls ir ļoti svarÄ«gs jaunas idejas atgrieÅ”anai atpakaļ pasaulē; izgudrojumu, kas nav izplatÄ«jies, diez vai vispār ir vērts saukt par "izgudrojumu". Tādējādi abu Å”o iemeslu dēļ ir lietderÄ«gi izgudrojumu vai, plaŔākā nozÄ«mē, zināŔanu pieaugumu modelēt kā izplatÄ«Å”anas procesu.

Pēc brīža es iepazÄ«stināŔu ar aptuvenu simulāciju par to, kā zināŔanas var izplatÄ«ties un augt tÄ«klā. Bet vispirms man jāpaskaidro.

Simulācijas sākumā katrā režģa kvadrantā ir četri eksperti, kas ir sakārtoti Ŕādi:

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

1. ekspertam ir idejas pirmā versija ā€“ sauksim to par Ideju 1.0. 2. eksperts ir persona, kas zina, kā ideju 1.0 pārvērst par Ideju 2.0. 3. eksperts zina, kā ideju 2.0 pārveidot par ideju 3.0. Un visbeidzot, ceturtais eksperts zina, kā pielikt pēdējo pieskārienu Idea 4.0.

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Tas ir lÄ«dzÄ«gs tādai tehnikai kā origami, kur metodes tiek izstrādātas un apvienotas ar citām metodēm, lai radÄ«tu interesantākus dizainus. Vai arÄ« tā var bÅ«t zināŔanu joma, piemēram, fizika, kurā jaunākie darbi balstās uz priekÅ”gājēju pamatdarbiem.

Šīs simulācijas jēga ir tāda, ka mums ir vajadzīgi visi četri eksperti, lai sniegtu ieguldījumu idejas galīgajā versijā. Un katrā posmā idejai ir jābūt vērstai uz attiecīgā eksperta uzmanību.

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Daži brīdinājumi. Simulācijā ir iekodēti daudzi nereāli pieņēmumi. Šeit ir tikai daži no tiem:

  1. Tiek pieņemts, ka idejas nevar glabāt un nodot tālāk, kā vien no cilvēka uz cilvēku (t.i., bez grāmatām vai medijiem).
  2. Tiek pieņemts, ka populācijā ir pastāvÄ«gi eksperti, kas var radÄ«t idejas, lai gan patiesÄ«bā atklājuma vai izgudrojuma raÅ”anos ietekmē daudzi nejauÅ”i faktori.
  3. Visās četrās idejas versijās tiek izmantots viens un tas pats SIS parametru kopums (boda pārraides ātrums, imunitātes procents utt.), lai gan, iespējams, ir reālāk katrai versijai izmantot dažādus parametrus (1.0, 2.0 utt.).
  4. Tiek pieņemts, ka ideja N+1 vienmēr pilnībā izspiež ideju N, lai gan praksē bieži vien vienlaikus cirkulē gan vecā, gan jaunā versija, bez skaidra uzvarētāja.

ā€¦ un daudzi citi.

Diskusija

Å is ir smieklÄ«gi vienkārÅ”ots modelis tam, kā zināŔanas patiesÄ«bā pieaug. Ārpus modeļa ir atstātas daudzas svarÄ«gas detaļas (skat. iepriekÅ”). Tomēr tas atspoguļo procesa svarÄ«go bÅ«tÄ«bu. Un tāpēc mēs varam ar atrunām runāt par zināŔanu pieaugumu, izmantojot savas zināŔanas par izplatÄ«bu.

Jo Ä«paÅ”i difÅ«zijas modelis sniedz ieskatu par to, kā paātrināt procesu: NepiecieÅ”ams veicināt ideju apmaiņu starp ekspertu mezgliem. Tas var nozÄ«mēt tÄ«kla attÄ«rÄ«Å”anu no miruÅ”ajiem mezgliem, kas kavē difÅ«ziju. Vai arÄ« tas varētu nozÄ«mēt visu ekspertu ievietoÅ”anu pilsētā vai klasterÄ« ar augstu tÄ«kla blÄ«vumu, kur idejas ātri izplatās. Vai vienkārÅ”i savāciet tos vienā telpā:

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Tātad... tas ir viss, ko varu teikt par difūziju.

Bet man ir pēdējā doma, un tā ir ļoti svarÄ«ga. Tas ir par izaugsmiun stagnācija) zināŔanas zinātnieku aprindās. Å Ä«s idejas tonis un saturs atŔķiras no iepriekÅ” minētā, taču es ceru, ka jÅ«s man piedosiet.

Par zinātniskajiem tīkliem

Ilustrācijā ir parādīta viena no vissvarīgākajām pozitīvās atgriezeniskās saites cilpām pasaulē (un tā tas ir bijis jau labu laiku):

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Cikla virzÄ«ba uz augÅ”u (K āŸ¶ T) ir diezgan vienkārÅ”a: mēs izmantojam jaunas zināŔanas, lai izstrādātu jaunus rÄ«kus. Piemēram, pusvadÄ«tāju fizikas izpratne ļauj mums izveidot datorus.

Tomēr lejupslÄ«de prasa zināmu skaidrojumu. Kā tehnoloÄ£iju attÄ«stÄ«ba noved pie zināŔanu pieauguma?

Viens no veidiem ā€” iespējams, vistieŔākais ā€” ir tas, ka jaunās tehnoloÄ£ijas sniedz mums jaunus veidus, kā uztvert pasauli. Piemēram, labākie mikroskopi ļauj ieskatÄ«ties Ŕūnā dziļāk, sniedzot ieskatu molekulārajā bioloÄ£ijā. GPS izsekotāji parāda, kā dzÄ«vnieki pārvietojas. Sonārs ļauj izpētÄ«t okeānus. Un tā tālāk.

Tas neapÅ”aubāmi ir vitāli svarÄ«gs mehānisms, taču ir vēl vismaz divi citi ceļi no tehnoloÄ£ijas uz zināŔanām. Tie var nebÅ«t tik vienkārÅ”i, bet es domāju, ka tie ir tikpat svarÄ«gi:

Pirmais. TehnoloÄ£ija noved pie ekonomiskās pārpilnÄ«bas (t.i., bagātÄ«bas), kas ļauj lielākam skaitam cilvēku iesaistÄ«ties zināŔanu radÄ«Å”anā.

Ja 90% jÅ«su valsts iedzÄ«votāju nodarbojas ar lauksaimniecÄ«bu, bet atlikuÅ”ie 10% nodarbojas ar kādu tirdzniecÄ«bu (vai karu), tad cilvēkiem ir ļoti maz brÄ«vā laika, lai domātu par dabas likumiem. VarbÅ«t tāpēc agrākos laikos zinātni galvenokārt veicināja bērni no bagātām Ä£imenēm.

Amerikas Savienotās Valstis katru gadu sagatavo vairāk nekā 50 000 doktora grādu. Tā vietā, lai cilvēks 18 gadu vecumā (vai agrāk) dotos strādāt rÅ«pnÄ«cā, absolventam ir jāsaņem finansējums lÄ«dz 30 vai, iespējams, 40 gadu vecumam, un pat tad nav skaidrs, vai viņa darbam bÅ«s reāla ekonomiska ietekme. Bet ir nepiecieÅ”ams, lai cilvēks sasniegtu savas disciplÄ«nas priekÅ”galu, Ä«paÅ”i tādās sarežģītās jomās kā fizika vai bioloÄ£ija.

Fakts ir tāds, ka no sistēmu viedokļa speciālisti ir dārgi. Un galvenais valsts bagātÄ«bas avots, kas finansē Å”os speciālistus, ir jaunā tehnoloÄ£ija: arkls subsidē pildspalvu.

Otrais. Jaunās tehnoloģijas, īpaŔi ceļojumu un komunikāciju jomā, maina sociālo tīklu struktūru, kurā aug zināŔanas. Jo īpaŔi tas ļauj ekspertiem un speciālistiem cieŔāk mijiedarboties vienam ar otru.

Ievērojami izgudrojumi Å”eit ir tipogrāfija, tvaikoņi un dzelzceļi (kas atvieglo ceļoÅ”anu un/vai pasta sÅ«tÄ«Å”anu lielos attālumos), telefoni, lidmaŔīnas un internets. Visas Ŕīs tehnoloÄ£ijas veicina tÄ«kla blÄ«vuma palielināŔanos, Ä«paÅ”i specializētās kopienās (kur notiek gandrÄ«z visa zināŔanu izaugsme). Piemēram, korespondences tÄ«kli, kas radās Eiropas zinātnieku vidÅ« viduslaiku beigās, vai veids, kā mÅ«sdienu fiziÄ·i izmanto arXiv.

Galu galā abi Ŕie ceļi ir līdzīgi. Abi palielina speciālistu tīkla blīvumu, kas savukārt noved pie zināŔanu pieauguma:

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Daudzus gadus es biju diezgan noraidoÅ”s pret augstāko izglÄ«tÄ«bu. Mans Ä«sais darbs absolventu skolā atstāja sliktu garÅ”u manā mutē. Bet tagad, kad es atskatos un domāju (ja neskaita visas personÄ«gās problēmas), man jāsecina, ka augstākā izglÄ«tÄ«ba joprojām ir ārkārtÄ«gi svarÄ«gs.

Akadēmiskie sociālie tÄ«kli (piemēram, pētnieku kopienas) ir viena no vismodernākajām un vērtÄ«gākajām struktÅ«rām, ko mÅ«su civilizācija ir radÄ«jusi. Nekur mēs neesam uzkrājuÅ”i lielāku speciālistu koncentrāciju, kas orientēti uz zināŔanu radÄ«Å”anu. Nekur cilvēki nav attÄ«stÄ«juÅ”i lielāku spēju saprast un kritizēt viens otra idejas. Tā ir progresa pukstoŔā sirds. TieÅ”i Å”ajos tÄ«klos visspēcÄ«gāk deg apgaismÄ«bas uguns.

Taču progresu nevar uzskatÄ«t par paÅ”saprotamu. Ja eksperimentu neproducējamÄ«bas krÄ«ze un, ja tas mums kaut ko mācÄ«ja, tad zinātnē var bÅ«t sistēmiskas problēmas. Tā ir sava veida tÄ«kla degradācija.

Pieņemsim, ka mēs izŔķiram divus zinātnes veidoÅ”anas veidus: Ä«sta zinātne Šø karjerisms. ÄŖsta zinātne ir prakse, kas uzticami rada zināŔanas. To motivē zinātkāre, un to raksturo godÄ«gums (Finmens: ā€œRedzi, man tikai jāsaprot pasauleā€). Gluži pretēji, karjeru motivē profesionālas ambÄ«cijas, un to raksturo spēlÄ“Å”ana ar politiku un zinātniskiem Ä«sceļiem. Tas var izskatÄ«ties un darboties kā zinātne, bet nē rada uzticamas zināŔanas.

(Jā, Ŕī ir pārspÄ«lēta dihotomija. Tikai domu eksperiments. Nevainojiet mani).

Fakts ir tāds, ka, kad karjeristi aizņem vietu reālajā pētnieku aprindās, viņi sabojā darbu. Viņi cenÅ”as sevi reklamēt, kamēr pārējā sabiedrÄ«ba cenÅ”as iegÅ«t un dalÄ«ties ar jaunām zināŔanām. Tā vietā, lai tiektos pēc skaidrÄ«bas, karjeristi visu sarežģī un jauc, lai izklausÄ«tos iespaidÄ«gāk. Viņi nodarbojas ar (kā teiktu Harijs Frankfurts) zinātniskās muļķības. Un tāpēc mēs varētu tos modelēt kā miruÅ”us mezglus, kas ir necaurlaidÄ«gi godÄ«gai informācijas apmaiņai, kas nepiecieÅ”ama zināŔanu izaugsmei:

Sarežģītas sistēmas. Kritiskā lÄ«meņa sasniegÅ”ana

Iespējams, ka labākais modelis ir tāds, kurā karjeristu mezgli ir ne tikai necaurlaidÄ«gi zināŔanām, bet arÄ« aktÄ«vi izplata viltus zināŔanas. Viltus zināŔanas var ietvert nenozÄ«mÄ«gus rezultātus, kuru nozÄ«me ir mākslÄ«gi palielināta, vai patiesi nepatiesus rezultātus, kas izriet no manipulācijām vai safabricētiem datiem.

Neatkarīgi no tā, kā mēs tos modelējam, karjeristi noteikti var nožņaugt mūsu zinātniskās kopienas.

Tas ir kā kodolenerÄ£ijas ķēdes reakcija, kas mums ļoti nepiecieÅ”ama - mums ir vajadzÄ«gs zināŔanu eksplozija - tikai mÅ«su bagātinātajā U-235 ir pārāk daudz nereaktÄ«vā izotopa U-238, kas nomāc ķēdes reakciju.

Protams, nav skaidras atŔķirÄ«bas starp karjeristiem un Ä«stiem zinātniekiem. Ikvienā no mums ir paslēpts nedaudz karjerisma. Jautājums ir par to, cik ilgi tÄ«kls var darboties, pirms zināŔanu izplatÄ«Å”ana pazÅ«d.

Ak, tu izlasīji līdz galam. Paldies par lasīŔanu.

Licence

CC0 Visas tiesības nav aizsargātas. Šo darbu vari izmantot pēc saviem ieskatiem :).

Pateicības

  • Kevins Kvoks Šø Nikijs Lieta par pārdomātiem komentāriem un ieteikumiem par dažādām projekta versijām.
  • Niks Bars ā€” par morālu atbalstu visā procesā un par visnoderÄ«gākajām atsauksmēm par manu darbu.
  • KÄ«ts A. par to, ka viņŔ man norādÄ«ja uz perkolācijas fenomenu un perkolācijas slieksni.
  • Džefs Lonsdeils par saiti uz Ŕī ir eseja, kas (neskatoties uz daudzajiem trÅ«kumiem) bija galvenais stimuls strādāt pie Ŕī amata.

Interaktīvie eseju paraugi

Avots: www.habr.com

Pievieno komentāru