Ако сте поминале некое време размислувајќи за сложени системи, веројатно ја разбирате важноста на мрежите. Мрежите владеат со нашиот свет. Од хемиските реакции во една клетка, до мрежата на односи во екосистемот, до трговските и политичките мрежи кои го обликуваат текот на историјата.

Или размислете за оваа статија што ја читате. Веројатно сте го нашле во социјална мрежа, преземено од компјутерска мрежа и моментално го дешифрираат значењето користејќи го вашиот нервна мрежа.

Но, колку и да размислував за мрежите низ годините, до неодамна не ја разбирав важноста на едноставното дифузија.

Ова е нашата тема за денес: како, како хаотично сè се движи и се шири. Неколку примери за да ви го отворите апетитот:

• Заразни болести кои минуваат од носител до носител во рамките на популацијата.
• Меми кои се шират низ графиконот на следбениците на социјалните мрежи.
• Шумски пожар.
• Идеи и практики кои проникнуваат во културата.
• Неутронска каскада во збогатен ураниум.

Брза забелешка за формата.

За разлика од сите мои претходни дела, овој есеј е интерактивен [во оригинална статија Дадени се интерактивни примери со лизгачи и копчиња кои контролираат објекти на екранот - прибл. лента].

Па ајде да започнеме. Првата задача е да се развие визуелен вокабулар за дисеминација низ мрежите.

Едноставен модел

Сигурен сум дека сите ја знаете основата на мрежите, односно јазли + рабови. За да ја проучувате дифузијата, само треба да означите некои јазли како активни. Или, како што сакаат да кажат епидемиолозите, заразен:

Оваа активација или инфекција се шири низ мрежата од јазол до јазол според правилата што ќе ги развиеме подолу.

Вистинските мрежи обично се многу поголеми од оваа едноставна мрежа со седум јазли. Тие се исто така многу повеќе збунувачки. Но, заради едноставност, овде ќе изградиме модел на играчки за да проучуваме решетка, односно мрежа на решетки.

(Она што ѝ недостига на мрежата во реализмот, го надополнува со тоа што е лесно да се црта 😉

Освен кога е поинаку наведено, мрежните јазли имаат четири соседи, на пример:

И треба да замислите дека овие решетки се протегаат бескрајно во сите правци. Со други зборови, не нè интересира однесување кое се јавува само на рабовите на мрежата или кај мали популации.

Имајќи предвид дека решетките се така подредени, можеме да ги поедноставиме во пиксели. На пример, овие две слики ја претставуваат истата мрежа:

Во едно однесување, активниот јазол секогаш ја пренесува инфекцијата на своите (неинфицирани) соседи. Но, тоа е досадно. Многу поинтересни работи се случуваат при трансферот веројатност.

SIR и SIS

В SIR модели (Одложен-Инфициран-Отстранет) јазолот може да биде во три состојби:

• Подложни
• Заразен
• Отстранет

Еве како функционира интерактивната симулација [во оригинална статија можете да ја изберете стапката на пренос на инфекција од 0 до 1, погледнете го процесот чекор по чекор или во целост - прибл. превод.]:

• Јазлите започнуваат како подложни, со исклучок на неколку јазли кои започнуваат како инфицирани.
• Во секој временски чекор, заразените јазли имаат шанса да ја пренесат инфекцијата на секој од нивните подложни соседи со веројатност еднаква на стапката на пренос.
• Инфицираните јазли потоа влегуваат во „избришана“ состојба, што значи дека повеќе не можат да заразат други или самите да се заразат.

Во контекст на болеста, отстранувањето може да значи дека лицето умрело или дека развило имунитет на патогенот. Велиме дека се „отстранети“ од симулацијата затоа што ништо друго не им се случува.

Во зависност од тоа што се обидуваме да моделираме, може да биде потребен различен модел од SIR.

Ако симулираме ширење на сипаници или појава на шумски пожар, SIR е идеален. Но, да претпоставиме дека симулираме ширење на нова културна практика, како што е медитацијата. Отпрвин, јазолот (лицето) е приемчив бидејќи никогаш претходно не го направил тоа. Потоа, ако почне да медитира (можеби откако ќе слушне за тоа од пријател), ќе го моделираме како заразен. Но, ако ја прекине практиката, нема да умре и нема да испадне од симулацијата, бидејќи во иднина лесно може повторно да ја земе оваа навика. Така, тој се враќа во рецептивна состојба.

Тоа SIS модел (Одложни-Инфицирани-Осетливи). Класичниот модел има два параметри: брзина на пренос и брзина на обновување. Сепак, во симулациите за овој напис, решив да се поедноставам со испуштање на параметарот за стапка на обновување. Наместо тоа, инфицираниот јазол автоматски се враќа во осетливата состојба на следниот временски чекор, освен ако не е заразен од некој од неговите соседи. Дополнително, дозволуваме јазол инфициран на чекор n да се инфицира себеси на чекор n+1 со веројатност еднаква на брзината на пренос.

Дискусијата

Како што можете да видите, ова е многу различно од моделот SIR.

Бидејќи јазлите никогаш не се отстрануваат, дури и многу мала и ограничена решетка може да поддржува SIS инфекција долго време. Инфекцијата едноставно скока од јазол до јазол и се враќа.

И покрај нивните разлики, SIR и SIS се испостави дека се изненадувачки заменливи за нашите цели. Така, во остатокот од оваа статија ќе се задржиме на SIS - главно затоа што е поиздржлив и затоа е позабавен за работа.

Критично ниво

По поигрувањето со моделите SIR и SIS, можеби сте забележале нешто за долговечноста на инфекцијата. При многу ниски стапки на пренос, како што е 10%, инфекцијата има тенденција да изумира. Додека кај повисоките вредности, како 50%, инфекцијата останува жива и го зазема најголемиот дел од мрежата. Ако мрежата беше бесконечна, би можеле да замислиме дека ќе продолжи и ќе се шири засекогаш.

Таквата неограничена дифузија има многу имиња: „вирусна“, „нуклеарна“ или (во насловот на овој напис) критички.

Излегува дека има бетон точката на прекршување што раздвојува субкритични мрежи (осудени на истребување) од суперкритични мрежи (способни за бесконечен раст). Оваа пресвртна точка се нарекува критичен праг, и ова е прилично општ знак за процесите на дифузија во обичните мрежи.

Точната вредност на критичниот праг варира помеѓу мрежите. Она што е заедничко е ова достапност такво значење.

[Во интерактивно демо од оригинална статија Може да се обидете рачно да го пронајдете критичниот праг на мрежата со менување на вредноста на брзината на преносот. Тоа е некаде помеѓу 22% и 23% - приближно. транс.]

На 22% (и подолу), инфекцијата на крајот изумира. На 23% (и повеќе), првобитната инфекција понекогаш изумира, но во повеќето случаи успева да преживее и да се шири доволно долго за да го обезбеди своето постоење засекогаш.

(Патем, постои цела научна област посветена на наоѓање на овие критични прагови за различни мрежни топологии. За брз вовед, препорачувам брзо прелистување низ статијата на Википедија за праг на истекување).

Општо земено, еве како функционира: Под критичниот праг, секоја конечна инфекција во мрежата е загарантирана (со веројатност 1) на крајот да изумре. Но, над критичниот праг, постои веројатност (p > 0) дека инфекцијата ќе продолжи засекогаш, и притоа ќе се шири произволно далеку од оригиналното место.

Сепак, имајте предвид дека суперкритичната мрежа не е гаранциидека инфекцијата ќе продолжи засекогаш. Всушност, често избледува, особено во многу раните фази на симулацијата. Ајде да видиме како се случува ова.

Да претпоставиме дека започнавме со еден инфициран јазол и четири соседи. На првиот чекор на моделирање, инфекцијата има 5 независни шанси за ширење (вклучувајќи ја и можноста да се „рашири“ на себе на следниот чекор):

Сега да претпоставиме дека стапката на пренос е 50%. Во овој случај, во првиот чекор превртуваме паричка пет пати. И ако се тркалаат пет глави, инфекцијата ќе биде уништена. Ова се случува во околу 3% од случаите - и ова е само во првиот чекор. Инфекцијата што го преживува првиот чекор има одредена (обично помала) веројатност да изумре во вториот чекор, некоја (уште помала) веројатност да изумре во третиот чекор, итн.

Значи, дури и кога мрежата е суперкритична - ако стапката на пренос е 99% - постои шанса инфекцијата да исчезне.

Но, важно е дека таа не го прави тоа секогаш ќе избледи. Ако ја соберете веројатноста сите чекори да изумираат до бесконечност, резултатот е помал од 1. Со други зборови, постои ненула веројатност дека инфекцијата ќе продолжи засекогаш. Ова е она што значи мрежата да биде суперкритична.

SISa: спонтано активирање

До овој момент, сите наши симулации започнаа со мало парче претходно инфицирани јазли во центарот.

Но, што ако почнете од нула? Потоа го моделираме спонтано активирање - процес со кој чувствителен јазол станува случајно инфициран (не од некој од неговите соседи).

Тоа наречен SISa модел. Буквата „а“ означува „автоматско“.

Во симулацијата SISa се појавува нов параметар - стапката на спонтано активирање, која ја менува фреквенцијата на спонтана инфекција (присутен е и параметарот за брзина на пренос што го видовме претходно).

Што е потребно за инфекција да се прошири низ мрежата?

Дискусијата

Можеби сте забележале во симулацијата дека зголемувањето на стапката на спонтано активирање не менува дали инфекцијата ја зафаќа целата мрежа или не. Само брзина на пренос одредува дали мрежата е суб- или суперкритична. И кога мрежата е субкритична (стапка на пренос помала или еднаква на 22%), ниту една инфекција не може да се прошири на целата мрежа, без разлика колку често таа започнува.

Тоа е како палење пожар на влажно поле. Можете да запалите неколку суви лисја на оган, но пламенот брзо ќе изгасне бидејќи остатокот од пејзажот не е доволно запалив (подкритичен). Додека се наоѓате на многу суво поле (суперкритично), една искра е доволна за да почне да беснее пожар.

Слични работи се забележуваат и во сферата на идеи и пронајдоци. Често светот не е подготвен за идеја, во тој случај таа може да се измислува повторно и повторно, но не ги привлекува масите. Од друга страна, светот можеби е целосно подготвен за пронајдок (голема латентна побарувачка), а штом ќе се роди, ќе биде прифатен од сите. Во средината се идеите кои се измислени на неколку места и се шират локално, но не доволно за ниту една верзија да ја зафати целата мрежа одеднаш. Во оваа последна категорија ги наоѓаме, на пример, земјоделството и пишувањето, кои биле независно измислени од различни човечки цивилизации околу десет и три пати, соодветно.

Имунитет

Да претпоставиме дека правиме некои јазли целосно неранливи, односно имуни на активирање. Како да се првично во оддалечена состојба, а моделот SIS(a) се активира на преостанатите јазли.

Лизгачот за имунитет го контролира процентот на отстранети јазли. Обидете се да ја промените неговата вредност (додека моделот работи!) и видете како тоа влијае на состојбата на мрежата, дали ќе биде суперкритична или не.

Дискусијата

Промената на бројот на јазли кои не реагираат целосно ја менува сликата за тоа дали мрежата ќе биде суб- или суперкритична. И не е тешко да се види зошто. Со голем број неосетливи домаќини, инфекцијата има помала можност да се прошири на нови домаќини.

Излегува дека ова има голем број многу важни практични последици.

Еден од нив е спречување на ширење на шумски пожари. На локално ниво, секое лице мора да преземе свои мерки на претпазливост (на пример, никогаш не оставајте отворен пламен без надзор). Но, во голем обем, изолираните епидемии се неизбежни. Значи, друг метод на заштита е да се обезбеди дека има доволно „прекинувања“ (во мрежата на запаливи материјали), така што избувнувањето не ја зафати целата мрежа. Расчистувањата ја извршуваат оваа функција:

Друга епидемија што е важно да се запре е заразна болест. Тука се воведува концептот стадо имунитет. Ова е идејата дека некои луѓе не можат да се вакцинираат (на пример, имаат компромитиран имунолошки систем), но ако доволно луѓе се имуни на инфекцијата, болеста не може да се шири на неодредено време. Со други зборови, треба да се вакцинирате доволно дел од населението да го префрли населението од суперкритична во субкритична состојба. Кога тоа ќе се случи, еден пациент сепак може да се зарази (по патувањето во друг регион, на пример), но без суперкритична мрежа во која ќе расте, болеста ќе зарази само мал број луѓе.

Конечно, концептот на имунолошки јазли објаснува што се случува во нуклеарниот реактор. Во верижна реакција, атом на ураниум-235 во распаѓање ослободува околу три неутрони, кои предизвикуваат (во просек) фисија на повеќе од еден атом U-235. Новите неутрони потоа предизвикуваат понатамошно расцепување на атомите, и така експоненцијално:

Кога се гради бомба, целата поента е да се обезбеди експоненцијален раст да продолжи неконтролирано. Но, во електрана, целта е да се произведе енергија без да се убијат сите околу вас. За таа цел се користат контролни прачки, направен од материјал кој може да апсорбира неутрони (на пример, сребро или бор). Бидејќи тие апсорбираат наместо да ослободуваат неутрони, тие дејствуваат како имунолошки јазли во нашата симулација, со што го спречуваат радиоактивното јадро да стане суперкритично.

Така, трикот за нуклеарниот реактор е да се задржи реакцијата во близина на критичниот праг со поместување на контролните шипки напред-назад, и да се осигура дека секогаш кога нешто тргне наопаку, прачките паѓаат во јадрото и го запираат.

Степен

Степен на еден јазол е бројот на неговите соседи. До овој момент, разгледавме мрежи од степен 4. Но, што ќе се случи ако го промените овој параметар?

На пример, можете да го поврзете секој јазол не само со четири непосредни соседи, туку и со уште четири дијагонално. Во таква мрежа степенот ќе биде 8.

Решетките со степени 4 и 8 се добро симетрични. Но, со степен 5 (на пример), се јавува проблем: кои пет соседи да ги избереме? Во овој случај, избираме четири најблиски соседи (N, E, S, W), а потоа по случаен избор избираме еден сосед од множеството {NE, SE, SW, NW}. Изборот се прави независно за секој јазол во секој временски чекор.

Дискусијата

Повторно, не е тешко да се види што се случува овде. Кога секој јазол има повеќе соседи, шансите за ширење на инфекцијата се зголемуваат - а со тоа и мрежата е поверојатно да стане критична.

Сепак, последиците може да бидат неочекувани, како што ќе видиме подолу.

Градови и густина на мрежата

Досега нашите мрежи беа целосно хомогени. Секој јазол изгледа како и секој друг. Но, што ако ги промениме условите и дозволиме различни состојби на јазли низ мрежата?

На пример, да се обидеме да моделираме градови. За да го направите ова, ќе ја зголемиме густината во некои делови од мрежата (повисок степен на јазли). Ова го правиме врз основа на податоците што ги имаат граѓаните поширок социјален круг и повеќе социјални интеракцииотколку луѓето надвор од градовите.

Во нашиот модел, подложните јазли се обоени врз основа на нивниот степен. Јазлите во „руралните области“ имаат степен 4 (и се обоени во светло сива боја), додека јазлите во „урбаните области“ имаат повисоки степени (и се обоени потемни), почнувајќи со степен 5 во периферијата и завршувајќи со 8 во центарот на градот.

Обидете се да изберете брзина на размножување така што активирањето ги покрива градовите и потоа не ги надминува нивните граници.

Сметам дека оваа симулација е очигледна и изненадувачка. Се разбира,, градовите подобро го одржуваат културното ниво од руралните средини - ова го знаат сите. Она што ме изненадува е што дел од оваа културна разновидност произлегува едноставно врз основа на топологијата на социјалната мрежа.

Ова е интересна точка, ќе се обидам да го објаснам подетално.

Овде имаме работа со форми на култура кои се пренесуваат едноставно и директно од човек на човек. На пример, манири, игри во салони, модни трендови, јазични трендови, мали групни ритуали и производи кои се шират од уста на уста, плус цели пакети информации што ги нарекуваме идеи.

(Забелешка: ширењето на информациите меѓу луѓето е екстремно отежнато од медиумите. Полесно е да се замисли некоја технолошки примитивна средина, како што е Античка Грција, каде што речиси секоја искра на културата се пренесувала со интеракција во физичкиот простор.)

Од горенаведената симулација дознав дека постојат идеи и културни практики кои можат да се вкоренат и да се шират во градот, но едноставно не можат (математички) да се шират во руралните средини. Тоа се истите идеи и истите луѓе. Поентата не е во тоа што жителите на руралните средини се некако „блиски умови“: кога се во интеракција со истата идеја, тие токму истите шанси да го фатитекако жителите на градот. Само што самата идеја не може да стане вирална во руралните средини, бидејќи нема многу врски преку кои може да се прошири.

Ова е можеби најлесно да се види на полето на модата - облека, фризури итн. Во модната мрежа, можеме да го доловиме работ на решетката кога двајца ќе забележат облека на едни со други. Во урбан центар, секој човек може да види повеќе од 1000 други луѓе секој ден - на улица, во метро, ​​во преполн ресторан итн. Во рурална средина, напротив, секој човек може да види само неколку десетици други. Базирано на само оваа разлика, градот може да поддржи повеќе модни трендови. И само најпривлечните трендови - оние со највисоки стапки на пренос - ќе можат да стекнат основа надвор од градот.

Имаме тенденција да мислиме дека ако идејата е добра, на крајот ќе стигне до сите, а ако идејата е лоша, ќе исчезне. Се разбира, ова е точно во екстремни случаи, но меѓу нив има многу идеи и практики кои можат да станат вирални само на одредени мрежи. Ова е навистина неверојатно.

Не само градовите

Овде го разгледуваме влијанието густина на мрежата. Тој е дефиниран за даден сет на јазли како број вистински ребра, поделено со број потенцијални рабови. Односно, процентот на можни врски што всушност постојат.

Значи, видовме дека густината на мрежата во урбаните центри е поголема отколку во руралните средини. Но, градовите не се единственото место каде што наоѓаме густи мрежи.

Интересен пример се средните училишта. На пример, за одредена област, ја споредуваме мрежата што постои меѓу учениците со мрежата што постои меѓу нивните родители. Иста географска област и иста популација, но едната мрежа е многу пати погуста од другата. Затоа не е чудно што модните и јазичните трендови се шират многу побрзо меѓу тинејџерите.

Слично на тоа, елитните мрежи имаат тенденција да бидат многу погусти од неелитни мрежи - факт што мислам дека е недоволно ценет (луѓето кои се популарни или влијателни поминуваат повеќе време во вмрежување и затоа имаат повеќе „соседи“ од обичните луѓе). Врз основа на горенаведените симулации, очекуваме дека елитните мрежи ќе поддржат некои културни форми кои не можат да бидат поддржани од мејнстримот, едноставно врз основа на математичките закони на просечниот степен на мрежата. Ве оставам да шпекулирате за тоа какви би можеле да бидат овие културни форми.

Конечно, оваа идеја можеме да ја примениме на Интернет така што ќе ја моделираме како огромна и многу густа град. Не е изненадување што многу нови видови на култура просперираат на интернет кои едноставно не можат да се поддржат на чисто просторни мрежи: ниши хоби, подобри стандарди за дизајн, поголема свест за неправдата итн. И тоа не се само убави работи. Исто како што раните градови беа размножување на болести кои не можеа да се шират со мала густина на население, така и Интернетот е почва за малигни културни форми како што се кликање, лажни вести и поттикнување вештачки бес.

Знаење

„Да се ​​има вистински експерт во вистинско време често е највредниот ресурс за креативно решавање на проблемите“. - Мајкл Нилсен, измислување откритие

Често размислуваме за откритието или пронајдокот како процес што се јавува во умот на еден гениј. Тој е погоден од блесок на инспирација и - Еурека! — Одеднаш имаме нов начин за мерење на јачината на звукот. Или равенката на гравитацијата. Или сијалица.

Но, ако ја земеме гледната точка на осамен пронаоѓач во моментот на откривањето, тогаш го разгледуваме феноменот од гледна точка на јазол. Додека би било поправилно да се толкува пронајдокот како мрежа феномен.

Мрежата е важна на најмалку два начина. Прво, постоечките идеи мора да навлезат во свеста пронаоѓач. Ова се цитати од нова статија, библиографскиот дел од новата книга - џиновите на чии раменици стоел Њутн. Второ, мрежата е критична за враќање на нова идеја назад кон во светот; пронајдок кој не се раширил едвај вреди да се нарече „пронајдок“. Така, поради двете од овие причини, има смисла да се моделира пронајдокот - или, пошироко, растот на знаењето - како процес на дифузија.

Во еден момент, ќе претставам груба симулација за тоа како знаењето може да се шири и расте во мрежата. Но, прво морам да објаснам.

На почетокот на симулацијата, има четири експерти во секој квадрант на мрежата, распоредени на следниов начин:

Експерт 1 ја има првата верзија на идејата - да ја наречеме Идеа 1.0. Експерт 2 е личноста која знае како да ја претвори Идеја 1.0 во Идеја 2.0. Експертот 3 знае како да ја трансформира Idea 2.0 во Idea 3.0. И, конечно, четвртиот експерт знае како да стави крај на Idea 4.0.

Ова е слично на техника како оригами, каде што се развиваат техники и се комбинираат со други техники за да се создадат поинтересни дизајни. Или тоа може да биде поле на знаење, како физиката, во кое поновата работа се надоврзува на основната работа на претходниците.

Поентата на оваа симулација е дека ни требаат сите четворица експерти да придонесат за конечната верзија на идејата. И во секоја фаза на идејата мора да му се стави внимание на соодветниот експерт.

Неколку предупредувања. Има многу нереални претпоставки кодирани во симулацијата. Еве само неколку од нив:

1. Се претпоставува дека идеите не можат да се складираат и пренесат освен од човек на човек (т.е. нема книги или медиуми).
2. Се претпоставува дека во популацијата има постојани експерти кои можат да генерираат идеи, иако во реалноста многу случајни фактори влијаат на појавата на откритието или пронајдокот.
3. Сите четири верзии на идејата користат ист сет на параметри на SIS (стапка на бауд, процент на имунитет, итн.), иако веројатно е пореално да се користат различни параметри за секоја верзија (1.0, 2.0, итн.)
4. Се претпоставува дека идејата N+1 секогаш целосно ја поместува идејата N, иако во пракса честопати и старите и новите верзии циркулираат истовремено, без јасен победник.

… и многу други.

Дискусијата

Ова е смешно поедноставен модел за тоа како знаењето всушност расте. Има многу важни детали оставени надвор од моделот (види погоре). Сепак, ја доловува важната суштина на процесот. И така, можеме, со резерва, да зборуваме за растот на знаењето користејќи го нашето знаење за дифузијата.

Конкретно, моделот на дифузија дава увид во тоа како забрзајте го процесот: Потреба да се олесни размената на идеи помеѓу експертските јазли. Ова може да значи чистење на мрежата од мртви јазли кои ја попречуваат дифузијата. Или тоа може да значи сместување на сите експерти во град или кластер со голема густина на мрежата каде идеите брзо се шират. Или само соберете ги во една просторија:

Значи... тоа е сè што можам да кажам за дифузијата.

Но, имам една последна мисла, и таа е многу важна. Се работи за расти стагнација) знаење во научните заедници. Оваа идеја е различна по тон и содржина од се погоре, но се надевам дека ќе ми простите.

За научните мрежи

Илустрацијата покажува една од најважните циклуси за позитивни повратни информации во светот (и вака е веќе подолго време):

Нагорната прогресија на циклусот (K ⟶ T) е прилично едноставна: користиме ново знаење за да развиеме нови алатки. На пример, разбирањето на физиката на полупроводниците ни овозможува да изградиме компјутери.

Сепак, надолниот потег бара одредено објаснување. Како развојот на технологијата води до зголемување на знаењето?

Еден начин - можеби најдиректен - е кога новите технологии ни даваат нови начини на перцепција на светот. На пример, најдобрите микроскопи ви дозволуваат да погледнете подлабоко во клетката, обезбедувајќи увид за молекуларната биологија. ГПС-тракерите покажуваат како се движат животните. Сонар ви овозможува да ги истражувате океаните. И така натаму.

Ова е несомнено витален механизам, но има најмалку два други патишта од технологијата до знаењето. Можеби не се толку едноставни, но мислам дека се исто толку важни:

Прво. Технологијата води до економско изобилство (т.е. богатство), што им овозможува на повеќе луѓе да се вклучат во производството на знаење.

Ако 90% од населението во вашата земја се занимава со земјоделство, а останатите 10% се занимаваат со некаков вид трговија (или војна), тогаш луѓето имаат многу малку слободно време да размислуваат за законите на природата. Можеби затоа во поранешните времиња науката главно ја промовирале децата од богатите семејства.

Соединетите Американски Држави произведуваат повеќе од 50 докторати секоја година. Наместо едно лице да оди да работи во фабрика на 000 години (или порано), дипломиран студент треба да биде финансиран до 18 или можеби 30 години - па дури и тогаш не е јасно дали нивната работа ќе има некое вистинско економско влијание. Но, неопходно е човекот да го достигне првите редови на својата дисциплина, особено во сложените области како што се физиката или биологијата.

Факт е дека од системска гледна точка, специјалистите се скапи. А, крајниот извор на јавното богатство што ги финансира овие специјалисти е новата технологија: плугот го субвенционира перото.

Вториот. Новите технологии, особено во областа на патувањето и комуникациите, ја менуваат структурата на социјалните мрежи во кои расте знаењето. Особено, тоа им овозможува на експертите и специјалистите да комуницираат поблиску едни со други.

Значајните пронајдоци овде вклучуваат печатарска преса, парабродови и железници (што го олеснуваат патувањето и/или испраќањето пошта на долги растојанија), телефони, авиони и Интернет. Сите овие технологии придонесуваат за зголемена густина на мрежата, особено во специјализираните заедници (каде што се случува речиси целокупниот раст на знаењето). На пример, мрежите за кореспонденција што се појавија меѓу европските научници на крајот на средниот век или начинот на кој современите физичари го користат arXiv.

На крајот на краиштата, и двете од овие патеки се слични. И двете ја зголемуваат густината на мрежата на специјалисти, што пак доведува до зголемување на знаењето:

Долги години бев прилично отфрлен кон високото образование. Мојот краток престој на постдипломски студии остави лош вкус во мојата уста. Но, сега кога ќе погледнам наназад и ќе размислам (покрај сите лични проблеми), морам да заклучам дека високото образование сè уште е премногу важно.

Академските социјални мрежи (на пример, истражувачките заедници) се една од најнапредните и највредните структури што ги создала нашата цивилизација. Никаде немаме акумулирано поголема концентрација на специјалисти фокусирани на производство на знаење. Никаде луѓето не развиле поголема способност за разбирање и критикување на идеите на едни со други. Тоа е срцето на напредокот што чука. Токму во овие мрежи најсилно гори огнот на просветлувањето.

Но, не можеме да го земеме напредокот здраво за готово. Ако експеримент криза на непродуктивност и ако нè научи нешто, тоа е дека науката може да има системски проблеми. Ова е еден вид деградација на мрежата.

Да претпоставиме дека правиме разлика помеѓу два начини на наука: вистинска наука и кариеризам. Вистинската наука е практики кои со сигурност произведуваат знаење. Таа е мотивирана од љубопитност и се карактеризира со искреност (Фајнман: „Гледаш, само треба да го разберам светот“). Кариеризмот, напротив, е мотивиран од професионални амбиции и се карактеризира со играње политика и научни кратенки. Можеби изгледа и делува како наука, но Нема произведува доверливо знаење.

(Да, ова е претерана дихотомија. Само мисловен експеримент. Не ме обвинувајте).

Факт е дека кога кариеристите заземаат простор во вистинската истражувачка заедница, тие ја уништуваат работата. Тие се трудат да се промовираат додека остатокот од заедницата се обидува да стекне и сподели ново знаење. Наместо да се стремат кон јасност, кариеристите комплицираат и збунуваат сè за да звучат повпечатливо. Тие се занимаваат со (што би рекол Хари Франкфурт) научни глупости. И оттука би можеле да ги моделираме како мртви јазли, непропустливи за правичната размена на информации неопходни за раст на знаењето:

Можеби најдобриот модел е оној во кој кариеристичките јазли не се само непропустливи за знаење, туку и активно шират лажно знаење. Лажното знаење може да вклучува незначителни резултати чија важност е вештачки надуена, или навистина лажни резултати кои произлегуваат од манипулации или фабрикувани податоци.

Како и да ги моделираме, кариеристите секако можат да ги задават нашите научни заедници.

Тоа е како нуклеарната верижна реакција што ни е очајно потребна - ни треба експлозија на знаење - само нашиот збогатен У-235 има премногу нереактивниот изотоп У-238 во него, што ја потиснува верижната реакција.

Се разбира, не постои јасна разлика помеѓу кариеристите и вистинските научници. Секој од нас има по малку скриен кариеризам во себе. Прашањето е колку долго може да трае мрежата пред да згасне ширењето на знаењето.

О, читаш до крај. Ви благодариме што прочитавте.

Лиценца

CC0 Сите права не се задржани. Можете да го користите ова дело како што ви одговара :).

Благодарници

• Кевин Квок и Случајот Ники за внимателни коментари и предлози за различни верзии на нацртот.
• Ник Бар — за морална поддршка во текот на целиот процес и за најкорисните повратни информации за мојата работа.
• Keith A. што ми го посочи феноменот на перколација и прагот на перколација.
• Џеф Лонсдејл за врската до ова е есеј, што (и покрај многуте недостатоци) беше главниот поттик за работа на оваа функција.

Интерактивни примероци од есеи

• Целата работа на Ники Кејс, пр. „Парабола за многуаголниците“ (со Ви Харт) и „Развивање на подобро гласачко ливче“. Ова е висока граница за тоа што може да биде интерактивен есеј.
• Дестил.паб: Исклучително висококвалитетни интерактивни описи на машинско учење.
• Класично дело на Брет Виктор „Горе и надолу по скалата на апстракцијата“. Не бев многу добар во движењето по скалите, но секогаш има уште еден обид.

Извор: www.habr.com