സങ്കീർണ്ണമായ സിസ്റ്റങ്ങളെ കുറിച്ച് ചിന്തിച്ച് നിങ്ങൾ സമയം ചിലവഴിച്ചിട്ടുണ്ടെങ്കിൽ, നെറ്റ്‌വർക്കുകളുടെ പ്രാധാന്യം നിങ്ങൾ മനസ്സിലാക്കിയേക്കാം. നെറ്റ്‌വർക്കുകൾ നമ്മുടെ ലോകത്തെ ഭരിക്കുന്നു. ഒരു കോശത്തിനുള്ളിലെ രാസപ്രവർത്തനങ്ങളിൽ നിന്ന്, ഒരു ആവാസവ്യവസ്ഥയിലെ ബന്ധങ്ങളുടെ വലയിലേക്ക്, ചരിത്രത്തിന്റെ ഗതി രൂപപ്പെടുത്തുന്ന വ്യാപാര, രാഷ്ട്രീയ ശൃംഖലകൾ വരെ.

അല്ലെങ്കിൽ നിങ്ങൾ വായിക്കുന്ന ഈ ലേഖനം പരിഗണിക്കുക. നിങ്ങൾ ഒരുപക്ഷേ അത് കണ്ടെത്തി സോഷ്യൽ നെറ്റ്വർക്ക്, ഡൗൺലോഡ് ചെയ്തത് കമ്പ്യൂട്ടർ ശൃംഖല നിങ്ങളുടെ ഉപയോഗിച്ച് ഇപ്പോൾ അർത്ഥം മനസ്സിലാക്കുന്നു ന്യൂറൽ നെറ്റ്വർക്ക്.

എന്നാൽ വർഷങ്ങളായി നെറ്റ്‌വർക്കുകളെ കുറിച്ച് ഞാൻ ചിന്തിച്ചത് പോലെ, ഈ അടുത്ത കാലം വരെ സിമ്പിളിന്റെ പ്രാധാന്യം എനിക്ക് മനസ്സിലായിരുന്നില്ല വ്യാപനം.

ഇതാണ് ഇന്നത്തെ നമ്മുടെ വിഷയം: എങ്ങനെ, എത്ര അരാജകമായി എല്ലാം നീങ്ങുകയും വ്യാപിക്കുകയും ചെയ്യുന്നു. നിങ്ങളുടെ വിശപ്പ് വർദ്ധിപ്പിക്കുന്നതിനുള്ള ചില ഉദാഹരണങ്ങൾ:

• ഒരു ജനസംഖ്യയ്ക്കുള്ളിൽ വാഹകരിൽ നിന്ന് വാഹകരിലേക്ക് പകരുന്ന പകർച്ചവ്യാധികൾ.
• സോഷ്യൽ നെറ്റ്‌വർക്കുകളിലെ ഫോളോവേഴ്‌സ് ഗ്രാഫിലുടനീളം മീമുകൾ പടരുന്നു.
• കാട്ടുതീ.
• ഒരു സംസ്കാരത്തിൽ വ്യാപിക്കുന്ന ആശയങ്ങളും പ്രയോഗങ്ങളും.
• സമ്പുഷ്ടമായ യുറേനിയത്തിൽ ന്യൂട്രോൺ കാസ്കേഡ്.

ഫോമിനെക്കുറിച്ചുള്ള ഒരു ദ്രുത കുറിപ്പ്.

എന്റെ മുമ്പത്തെ എല്ലാ കൃതികളിൽ നിന്നും വ്യത്യസ്തമായി, ഈ ഉപന്യാസം സംവേദനാത്മകമാണ് യഥാർത്ഥ ലേഖനം സ്ക്രീനിലെ ഒബ്ജക്റ്റുകളെ നിയന്ത്രിക്കുന്ന സ്ലൈഡറുകളും ബട്ടണുകളും ഉപയോഗിച്ച് സംവേദനാത്മക ഉദാഹരണങ്ങൾ നൽകിയിരിക്കുന്നു - ഏകദേശം. പാത].

അതുകൊണ്ട് നമുക്ക് തുടങ്ങാം. നെറ്റ്‌വർക്കുകളിലുടനീളം വ്യാപിപ്പിക്കുന്നതിനുള്ള ഒരു വിഷ്വൽ പദാവലി വികസിപ്പിക്കുക എന്നതാണ് ആദ്യ ദൗത്യം.

ലളിതമായ മോഡൽ

നെറ്റ്‌വർക്കുകളുടെ അടിസ്ഥാനം, അതായത് നോഡുകൾ + അരികുകൾ നിങ്ങൾക്കെല്ലാവർക്കും അറിയാമെന്ന് എനിക്ക് ഉറപ്പുണ്ട്. വ്യാപനം പഠിക്കാൻ, നിങ്ങൾ ചില നോഡുകൾ ഇതായി അടയാളപ്പെടുത്തേണ്ടതുണ്ട് സജീവമാണ്. അല്ലെങ്കിൽ, എപ്പിഡെമിയോളജിസ്റ്റുകൾ പറയാൻ ഇഷ്ടപ്പെടുന്നതുപോലെ, അണുബാധയുണ്ടായി:

ഈ ആക്ടിവേഷൻ അല്ലെങ്കിൽ അണുബാധ ഞങ്ങൾ താഴെ വികസിപ്പിക്കുന്ന നിയമങ്ങൾ അനുസരിച്ച് നോഡിൽ നിന്ന് നോഡിലേക്ക് നെറ്റ്‌വർക്കിലൂടെ വ്യാപിക്കുന്നു.

യഥാർത്ഥ നെറ്റ്‌വർക്കുകൾ ഈ ലളിതമായ ഏഴ്-നോഡ് നെറ്റ്‌വർക്കിനേക്കാൾ വളരെ വലുതാണ്. അവ കൂടുതൽ ആശയക്കുഴപ്പത്തിലാക്കുകയും ചെയ്യുന്നു. എന്നാൽ ലാളിത്യത്തിനായി, ഒരു ലാറ്റിസ്, അതായത് ഒരു ലാറ്റിസ് നെറ്റ്‌വർക്ക് പഠിക്കാൻ ഞങ്ങൾ ഇവിടെ ഒരു കളിപ്പാട്ട മാതൃക നിർമ്മിക്കും.

(മെഷിന് റിയലിസത്തിൽ ഇല്ലാത്തത്, അത് വരയ്ക്കാൻ എളുപ്പമുള്ളതാക്കുന്നു 😉

മറ്റുവിധത്തിൽ സൂചിപ്പിച്ചിട്ടില്ലെങ്കിൽ, നെറ്റ്‌വർക്ക് നോഡുകൾക്ക് നാല് അയൽക്കാരുണ്ട്, ഉദാഹരണത്തിന്:

ഈ ലാറ്റിസുകൾ എല്ലാ ദിശകളിലേക്കും അനന്തമായി വ്യാപിക്കുന്നുവെന്ന് നിങ്ങൾ സങ്കൽപ്പിക്കേണ്ടതുണ്ട്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, നെറ്റ്‌വർക്കിന്റെ അരികുകളിലോ ചെറിയ ജനസംഖ്യയിലോ മാത്രം സംഭവിക്കുന്ന പെരുമാറ്റത്തിൽ ഞങ്ങൾക്ക് താൽപ്പര്യമില്ല.

ലാറ്റിസുകൾ ക്രമീകരിച്ചിരിക്കുന്നതിനാൽ, നമുക്ക് അവയെ പിക്സലുകളായി ലളിതമാക്കാം. ഉദാഹരണത്തിന്, ഈ രണ്ട് ചിത്രങ്ങളും ഒരേ നെറ്റ്‌വർക്കിനെ പ്രതിനിധീകരിക്കുന്നു:

ഒരു സ്വഭാവത്തിൽ, സജീവമായ നോഡ് എല്ലായ്പ്പോഴും അണുബാധയെ അതിന്റെ (അണുബാധയില്ലാത്ത) അയൽക്കാർക്ക് കൈമാറുന്നു. പക്ഷേ ബോറടിക്കുന്നു. കൈമാറ്റം ചെയ്യുമ്പോൾ കൂടുതൽ രസകരമായ കാര്യങ്ങൾ സംഭവിക്കുന്നു സാധ്യതയുള്ള.

എസ്ഐആറും എസ്ഐഎസും

В SIR മോഡലുകൾ (സാധ്യതയുള്ള-അണുബാധ-നീക്കം ചെയ്യപ്പെട്ടത്) ഒരു നോഡ് മൂന്ന് അവസ്ഥകളിലായിരിക്കാം:

• സാധ്യതയുള്ള
• അണുബാധയുണ്ടായി
• നീക്കം ചെയ്തു

ഇന്ററാക്ടീവ് സിമുലേഷൻ എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് ഇതാ യഥാർത്ഥ ലേഖനം നിങ്ങൾക്ക് അണുബാധ സംക്രമണ നിരക്ക് 0 മുതൽ 1 വരെ തിരഞ്ഞെടുക്കാം, പ്രക്രിയ ഘട്ടം ഘട്ടമായോ അതിന്റെ പൂർണ്ണമായോ കാണുക - ഏകദേശം. വിവർത്തനം.]:

• രോഗബാധയുള്ളതായി ആരംഭിക്കുന്ന ഏതാനും നോഡുകൾ ഒഴികെയുള്ള നോഡുകൾ രോഗസാധ്യതയുള്ളതായി ആരംഭിക്കുന്നു.
• ഓരോ ഘട്ടത്തിലും, രോഗബാധിതമായ നോഡുകൾക്ക്, സംക്രമണ നിരക്കിന് തുല്യമായ സംഭാവ്യതയോടെ, രോഗബാധിതരായ ഓരോ അയൽക്കാരിലേക്കും അണുബാധ പകരാനുള്ള അവസരമുണ്ട്.
• രോഗബാധിതമായ നോഡുകൾ പിന്നീട് "ഇല്ലാതാക്കപ്പെട്ട" അവസ്ഥയിലേക്ക് പ്രവേശിക്കുന്നു, അതായത് അവർക്ക് മറ്റുള്ളവരെ ബാധിക്കാനോ സ്വയം രോഗബാധിതരാകാനോ കഴിയില്ല.

രോഗത്തിന്റെ പശ്ചാത്തലത്തിൽ, നീക്കം ചെയ്യുന്നത് വ്യക്തി മരിച്ചു എന്നോ രോഗകാരിക്ക് പ്രതിരോധശേഷി വികസിപ്പിച്ചുവെന്നോ അർത്ഥമാക്കാം. അവർക്ക് മറ്റൊന്നും സംഭവിക്കാത്തതിനാൽ അവരെ സിമുലേഷനിൽ നിന്ന് "നീക്കംചെയ്തു" എന്ന് ഞങ്ങൾ പറയുന്നു.

നമ്മൾ മാതൃകയാക്കാൻ ശ്രമിക്കുന്നതിനെ ആശ്രയിച്ച്, SIR-ൽ നിന്ന് വ്യത്യസ്തമായ ഒരു മോഡൽ ആവശ്യമായി വന്നേക്കാം.

അഞ്ചാംപനി പടരുന്നതോ കാട്ടുതീ പടർന്നതോ ആണ് നമ്മൾ അനുകരിക്കുന്നതെങ്കിൽ, SIR അനുയോജ്യമാണ്. എന്നാൽ ധ്യാനം പോലെയുള്ള ഒരു പുതിയ സാംസ്കാരിക സമ്പ്രദായത്തിന്റെ വ്യാപനത്തെ നാം അനുകരിക്കുന്നുവെന്ന് കരുതുക. ആദ്യം നോഡ് (വ്യക്തി) സ്വീകാര്യമാണ്, കാരണം ഇത് മുമ്പ് ഇത് ചെയ്തിട്ടില്ല. പിന്നെ, അവൻ ധ്യാനിക്കാൻ തുടങ്ങിയാൽ (ഒരുപക്ഷേ ഒരു സുഹൃത്തിൽ നിന്ന് അതിനെക്കുറിച്ച് കേട്ടതിന് ശേഷം), ഞങ്ങൾ അവനെ രോഗബാധിതനായി മാതൃകയാക്കും. എന്നാൽ അവൻ പ്രാക്ടീസ് നിർത്തിയാൽ, അവൻ മരിക്കില്ല, സിമുലേഷനിൽ നിന്ന് വീഴുകയുമില്ല, കാരണം ഭാവിയിൽ അയാൾക്ക് ഈ ശീലം വീണ്ടും എളുപ്പത്തിൽ എടുക്കാൻ കഴിയും. അങ്ങനെ അവൻ സ്വീകാര്യമായ അവസ്ഥയിലേക്ക് മടങ്ങുന്നു.

ഈ SIS മോഡൽ (Susceptible-infected-Susceptible). ക്ലാസിക്കൽ മോഡലിന് രണ്ട് പാരാമീറ്ററുകൾ ഉണ്ട്: ട്രാൻസ്മിഷൻ വേഗതയും വീണ്ടെടുക്കൽ വേഗതയും. എന്നിരുന്നാലും, ഈ ലേഖനത്തിനായുള്ള സിമുലേഷനുകളിൽ, വീണ്ടെടുക്കൽ നിരക്ക് പാരാമീറ്റർ ഒഴിവാക്കിക്കൊണ്ട് ലളിതമാക്കാൻ ഞാൻ തീരുമാനിച്ചു. പകരം, അടുത്ത ഘട്ടത്തിൽ രോഗബാധിതമായ നോഡ് സ്വയമേവ രോഗബാധിതമായ അവസ്ഥയിലേക്ക് മടങ്ങുന്നു, അയൽക്കാരിൽ ഒരാളിൽ നിന്ന് രോഗം ബാധിച്ചില്ലെങ്കിൽ. കൂടാതെ, n ഘട്ടത്തിൽ ബാധിച്ച ഒരു നോഡിനെ, n+1 ഘട്ടത്തിൽ, സംപ്രേഷണ നിരക്കിന് തുല്യമായ സംഭാവ്യതയോടെ സ്വയം ബാധിക്കാൻ ഞങ്ങൾ അനുവദിക്കുന്നു.

ചർച്ച

നിങ്ങൾക്ക് കാണാനാകുന്നതുപോലെ, ഇത് SIR മോഡലിൽ നിന്ന് വളരെ വ്യത്യസ്തമാണ്.

നോഡുകൾ ഒരിക്കലും നീക്കം ചെയ്യാത്തതിനാൽ, വളരെ ചെറുതും പരിമിതവുമായ ലാറ്റിസിന് പോലും ദീർഘകാലത്തേക്ക് SIS അണുബാധയെ പിന്തുണയ്ക്കാൻ കഴിയും. അണുബാധ ഒരു നോഡിൽ നിന്ന് നോഡിലേക്ക് ചാടി തിരികെ വരുന്നു.

വ്യത്യാസങ്ങൾ ഉണ്ടെങ്കിലും, SIR ഉം SIS ഉം നമ്മുടെ ഉദ്ദേശ്യങ്ങൾക്കായി പരസ്പരം മാറ്റാവുന്നവയായി മാറുന്നു. അതിനാൽ ഈ ലേഖനത്തിന്റെ ബാക്കി ഭാഗങ്ങളിൽ ഞങ്ങൾ SIS-ൽ ഉറച്ചുനിൽക്കും - പ്രധാനമായും ഇത് കൂടുതൽ മോടിയുള്ളതും അതിനാൽ പ്രവർത്തിക്കുന്നത് കൂടുതൽ രസകരവുമാണ്.

ക്രിട്ടിക്കൽ ലെവൽ

SIR, SIS മോഡലുകൾക്കൊപ്പം കളിച്ചതിന് ശേഷം, അണുബാധയുടെ ദീർഘായുസ്സിനെക്കുറിച്ച് നിങ്ങൾ എന്തെങ്കിലും ശ്രദ്ധിച്ചിരിക്കാം. 10% പോലെയുള്ള വളരെ കുറഞ്ഞ പ്രക്ഷേപണ നിരക്കിൽ, അണുബാധ മരിക്കുന്നു. 50% പോലുള്ള ഉയർന്ന മൂല്യങ്ങളിൽ, അണുബാധ സജീവമായി തുടരുകയും നെറ്റ്‌വർക്കിന്റെ ഭൂരിഭാഗവും ഏറ്റെടുക്കുകയും ചെയ്യുന്നു. ശൃംഖല അനന്തമായിരുന്നെങ്കിൽ, അത് എന്നെന്നേക്കുമായി തുടരുന്നതും വ്യാപിക്കുന്നതും നമുക്ക് സങ്കൽപ്പിക്കാൻ കഴിയും.

അത്തരം പരിധിയില്ലാത്ത വ്യാപനത്തിന് നിരവധി പേരുകളുണ്ട്: "വൈറൽ", "ന്യൂക്ലിയർ" അല്ലെങ്കിൽ (ഈ ലേഖനത്തിന്റെ തലക്കെട്ടിൽ) ക്രിട്ടിചെസ്കയ.

ഉണ്ടെന്ന് തെളിയുന്നു കോൺക്രീറ്റ് വേർതിരിക്കുന്ന ബ്രേക്കിംഗ് പോയിന്റ് സബ്ക്രിറ്റിക്കൽ നെറ്റ്വർക്കുകൾ (വംശനാശത്തിന് വിധിക്കപ്പെട്ട) നിന്ന് സൂപ്പർക്രിട്ടിക്കൽ നെറ്റ്‌വർക്കുകൾ (അനന്തമായ വളർച്ചയ്ക്ക് കഴിവുണ്ട്). ഈ വഴിത്തിരിവ് എന്ന് വിളിക്കപ്പെടുന്നു നിർണായക പരിധി, ഇത് സാധാരണ നെറ്റ്‌വർക്കുകളിലെ വ്യാപന പ്രക്രിയകളുടെ പൊതുവായ അടയാളമാണ്.

നെറ്റ്‌വർക്കുകൾക്കിടയിൽ ക്രിട്ടിക്കൽ ത്രെഷോൾഡിന്റെ കൃത്യമായ മൂല്യം വ്യത്യാസപ്പെടുന്നു. ഇതാണ് പൊതുവായ കാര്യം ലഭ്യത അത്തരമൊരു അർത്ഥം.

[ഇതിൽ നിന്നുള്ള ഒരു സംവേദനാത്മക ഡെമോയിൽ യഥാർത്ഥ ലേഖനം ട്രാൻസ്മിഷൻ സ്പീഡ് മൂല്യം മാറ്റിക്കൊണ്ട് നിങ്ങൾക്ക് നിർണായക നെറ്റ്‌വർക്ക് ത്രെഷോൾഡ് സ്വമേധയാ കണ്ടെത്താൻ ശ്രമിക്കാം. ഇത് 22% നും 23% നും ഇടയിലാണ് - ഏകദേശം. ട്രാൻസ്.]

22% (കൂടാതെ താഴെ), അണുബാധ ഒടുവിൽ മരിക്കുന്നു. 23% (ഉം അതിനുമുകളിലും), യഥാർത്ഥ അണുബാധ ചിലപ്പോൾ മരിക്കുന്നു, എന്നാൽ മിക്ക കേസുകളിലും അത് അതിജീവിക്കാനും അതിന്റെ അസ്തിത്വം എന്നെന്നേക്കുമായി ഉറപ്പാക്കാൻ വേണ്ടത്ര വ്യാപിക്കാനും കൈകാര്യം ചെയ്യുന്നു.

(വഴിയിൽ, വ്യത്യസ്ത നെറ്റ്‌വർക്ക് ടോപ്പോളജികൾക്കായി ഈ നിർണായക പരിധികൾ കണ്ടെത്തുന്നതിന് സമർപ്പിതമായ ഒരു മുഴുവൻ ശാസ്ത്ര മേഖലയും ഉണ്ട്. ഒരു ദ്രുത ആമുഖത്തിനായി, വിക്കിപീഡിയ ലേഖനത്തിലൂടെ വേഗത്തിൽ സ്ക്രോൾ ചെയ്യാൻ ഞാൻ ശുപാർശ ചെയ്യുന്നു. ചോർച്ചയുടെ പരിധി).

പൊതുവേ, ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നത് ഇതാ: ഒരു നിർണായക പരിധിക്ക് താഴെ, നെറ്റ്‌വർക്കിലെ ഏതൊരു പരിമിതമായ അണുബാധയും ഒടുവിൽ മരിക്കുമെന്ന് ഉറപ്പുനൽകുന്നു (സംഭാവ്യത 1 ഉപയോഗിച്ച്). എന്നാൽ ഒരു നിർണായക പരിധിക്ക് മുകളിൽ, അണുബാധ എന്നെന്നേക്കുമായി തുടരാനുള്ള ഒരു സംഭാവ്യത (p > 0) ഉണ്ട്, അങ്ങനെ ചെയ്യുമ്പോൾ യഥാർത്ഥ സൈറ്റിൽ നിന്ന് ഏകപക്ഷീയമായി വ്യാപിക്കും.

എന്നിരുന്നാലും, സൂപ്പർക്രിട്ടിക്കൽ നെറ്റ്‌വർക്ക് അങ്ങനെയല്ല എന്നത് ശ്രദ്ധിക്കുക ഉറപ്പുനൽകുന്നുഅണുബാധ എന്നെന്നേക്കുമായി തുടരുമെന്ന്. വാസ്തവത്തിൽ, ഇത് പലപ്പോഴും മങ്ങുന്നു, പ്രത്യേകിച്ച് സിമുലേഷന്റെ ആദ്യ ഘട്ടങ്ങളിൽ. ഇത് എങ്ങനെ സംഭവിക്കുന്നുവെന്ന് നോക്കാം.

ഒരു രോഗബാധിതമായ നോഡും നാല് അയൽക്കാരും ഉപയോഗിച്ചാണ് ഞങ്ങൾ ആരംഭിച്ചതെന്ന് നമുക്ക് അനുമാനിക്കാം. ആദ്യ മോഡലിംഗ് ഘട്ടത്തിൽ, അണുബാധ പടരാനുള്ള 5 സ്വതന്ത്ര സാധ്യതകളുണ്ട് (അടുത്ത ഘട്ടത്തിൽ സ്വയം "പരത്താനുള്ള" അവസരം ഉൾപ്പെടെ):

ഇപ്പോൾ ട്രാൻസ്ഫർ നിരക്ക് 50% ആണെന്ന് കരുതുക. ഈ സാഹചര്യത്തിൽ, ആദ്യ ഘട്ടത്തിൽ ഞങ്ങൾ ഒരു നാണയം അഞ്ച് തവണ ഫ്ലിപ്പുചെയ്യുന്നു. കൂടാതെ അഞ്ച് തലകൾ ഉരുട്ടിയാൽ അണുബാധ നശിക്കും. ഇത് ഏകദേശം 3% കേസുകളിൽ സംഭവിക്കുന്നു - ഇത് ആദ്യ ഘട്ടത്തിൽ മാത്രമാണ്. ആദ്യ ഘട്ടത്തെ അതിജീവിക്കുന്ന ഒരു അണുബാധയ്ക്ക് രണ്ടാം ഘട്ടത്തിൽ മരിക്കാനുള്ള ചില (സാധാരണയായി ചെറിയ) സംഭാവ്യതയുണ്ട്, ചിലത് (ഇതിലും ചെറുത്) മൂന്നാം ഘട്ടത്തിൽ മരിക്കാനുള്ള സാധ്യതയുണ്ട്.

അതിനാൽ, നെറ്റ്‌വർക്ക് സൂപ്പർക്രിട്ടിക്കൽ ആയിരിക്കുമ്പോൾ പോലും - ട്രാൻസ്മിഷൻ നിരക്ക് 99% ആണെങ്കിൽ - അണുബാധ അപ്രത്യക്ഷമാകാനുള്ള സാധ്യതയുണ്ട്.

എന്നാൽ പ്രധാന കാര്യം അവൾ അങ്ങനെ ചെയ്യുന്നില്ല എന്നതാണ് എപ്പോഴും മാഞ്ഞു പോകും. നിങ്ങൾ അനന്തതയിലേക്കുള്ള എല്ലാ ഘട്ടങ്ങളുടെയും സാധ്യത കൂട്ടുകയാണെങ്കിൽ, ഫലം 1-ൽ താഴെയാണ്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, അണുബാധ ശാശ്വതമായി തുടരാനുള്ള പൂജ്യമല്ലാത്ത ഒരു സംഭാവ്യതയുണ്ട്. ഒരു നെറ്റ്‌വർക്ക് സൂപ്പർ ക്രിറ്റിക്കൽ ആയിരിക്കുക എന്നതിന്റെ അർത്ഥം ഇതാണ്.

SISA: സ്വയമേവ സജീവമാക്കൽ

ഈ ഘട്ടം വരെ, ഞങ്ങളുടെ എല്ലാ സിമുലേഷനുകളും ആരംഭിച്ചത് മധ്യഭാഗത്ത് മുൻകൂട്ടി ബാധിച്ച നോഡുകളുടെ ഒരു ചെറിയ കഷണം ഉപയോഗിച്ചാണ്.

എന്നാൽ നിങ്ങൾ ആദ്യം മുതൽ ആരംഭിച്ചാലോ? പിന്നീട് ഞങ്ങൾ സ്വയമേവയുള്ള സജീവമാക്കൽ മാതൃകയാക്കുന്നു - ഒരു രോഗബാധിതമായ നോഡ് ആകസ്മികമായി (അതിന്റെ അയൽക്കാരിൽ നിന്നല്ല) രോഗബാധിതമാകുന്ന പ്രക്രിയ.

ഈ വിളിക്കുന്നു SISA മോഡൽ. "എ" എന്ന അക്ഷരം "ഓട്ടോമാറ്റിക്" എന്നാണ്.

SISa സിമുലേഷനിൽ, ഒരു പുതിയ പാരാമീറ്റർ ദൃശ്യമാകുന്നു - സ്വയമേവയുള്ള സജീവമാക്കൽ നിരക്ക്, ഇത് സ്വയമേവയുള്ള അണുബാധയുടെ ആവൃത്തിയെ മാറ്റുന്നു (നാം നേരത്തെ കണ്ട ട്രാൻസ്മിഷൻ നിരക്ക് പാരാമീറ്ററും നിലവിലുണ്ട്).

നെറ്റ്‌വർക്കിലുടനീളം അണുബാധ പടരുന്നതിന് എന്താണ് വേണ്ടത്?

ചർച്ച

അണുബാധ മുഴുവൻ നെറ്റ്‌വർക്കിനെയും കീഴടക്കിയാലും ഇല്ലെങ്കിലും സ്വയമേവ സജീവമാക്കൽ നിരക്ക് വർദ്ധിപ്പിക്കുന്നത് മാറില്ലെന്ന് നിങ്ങൾ സിമുലേഷനിൽ ശ്രദ്ധിച്ചിരിക്കാം. മാത്രം ട്രാൻസ്മിഷൻ വേഗത നെറ്റ്‌വർക്ക് ഉപ-അതോ സൂപ്പർക്രിട്ടിക്കൽ ആണോ എന്ന് നിർണ്ണയിക്കുന്നു. നെറ്റ്‌വർക്ക് സബ്‌ക്രിറ്റിക്കൽ ആയിരിക്കുമ്പോൾ (ട്രാൻസ്മിഷൻ നിരക്ക് 22%-ൽ കുറവോ അതിന് തുല്യമോ ആണ്), എത്ര തവണ ആരംഭിച്ചാലും ഒരു അണുബാധയും മുഴുവൻ ഗ്രിഡിലേക്കും വ്യാപിക്കില്ല.

നനഞ്ഞ പറമ്പിൽ തീ ആളിക്കത്തുന്നത് പോലെ. നിങ്ങൾക്ക് കുറച്ച് ഉണങ്ങിയ ഇലകൾ തീയിൽ കത്തിക്കാം, പക്ഷേ ജ്വാല പെട്ടെന്ന് നശിക്കും, കാരണം ബാക്കിയുള്ള ഭൂപ്രകൃതി വേണ്ടത്ര കത്തുന്നതല്ല (സബ്‌ക്രിറ്റിക്കൽ). വളരെ വരണ്ട വയലിൽ (സൂപ്പർക്രിട്ടിക്കൽ), തീ ആളിപ്പടരാൻ ഒരു തീപ്പൊരി മതി.

ആശയങ്ങളുടെയും കണ്ടുപിടുത്തങ്ങളുടെയും മേഖലയിലും സമാനമായ കാര്യങ്ങൾ നിരീക്ഷിക്കപ്പെടുന്നു. പലപ്പോഴും ലോകം ഒരു ആശയത്തിന് തയ്യാറല്ല, ഈ സാഹചര്യത്തിൽ അത് വീണ്ടും വീണ്ടും കണ്ടുപിടിക്കാൻ കഴിയും, പക്ഷേ അത് ജനങ്ങളെ ആകർഷിക്കുന്നില്ല. മറുവശത്ത്, ലോകം ഒരു കണ്ടുപിടുത്തത്തിന് പൂർണ്ണമായും തയ്യാറായേക്കാം (മഹത്തായ ഒളിഞ്ഞിരിക്കുന്ന ആവശ്യം), അത് ജനിച്ചയുടനെ അത് എല്ലാവരും അംഗീകരിക്കുന്നു. മധ്യഭാഗത്ത് നിരവധി സ്ഥലങ്ങളിൽ കണ്ടുപിടിച്ചതും പ്രാദേശികമായി പ്രചരിക്കുന്നതുമായ ആശയങ്ങൾ ഉണ്ട്, എന്നാൽ ഒരു പതിപ്പിന് മുഴുവൻ നെറ്റ്‌വർക്കിനെയും ഒരേസമയം തൂത്തുവാരാൻ പര്യാപ്തമല്ല. ഈ അവസാന വിഭാഗത്തിൽ, ഉദാഹരണത്തിന്, കൃഷിയും എഴുത്തും, യഥാക്രമം പത്തും മൂന്നും തവണ വ്യത്യസ്ത മനുഷ്യ നാഗരികതകൾ സ്വതന്ത്രമായി കണ്ടുപിടിച്ചവയാണ്.

രോഗപ്രതിരോധം

നമ്മൾ ചില നോഡുകൾ പൂർണ്ണമായും അഭേദ്യമാക്കുന്നു എന്ന് കരുതുക, അതായത്, സജീവമാക്കുന്നതിന് പ്രതിരോധം. അവ തുടക്കത്തിൽ ഒരു വിദൂര അവസ്ഥയിലാണെന്ന് തോന്നുന്നു, ശേഷിക്കുന്ന നോഡുകളിൽ SIS(a) മോഡൽ സമാരംഭിക്കുന്നു.

ഇമ്മ്യൂണിറ്റി സ്ലൈഡർ നീക്കം ചെയ്യപ്പെടുന്ന നോഡുകളുടെ ശതമാനം നിയന്ത്രിക്കുന്നു. അതിന്റെ മൂല്യം മാറ്റാൻ ശ്രമിക്കുക (മോഡൽ പ്രവർത്തിക്കുമ്പോൾ!) അത് സൂപ്പർ ക്രിട്ടിക്കൽ ആണെങ്കിലും അല്ലെങ്കിലും, നെറ്റ്‌വർക്കിന്റെ അവസ്ഥയെ അത് എങ്ങനെ ബാധിക്കുന്നുവെന്ന് കാണുക.

ചർച്ച

പ്രതികരിക്കാത്ത നോഡുകളുടെ എണ്ണം മാറ്റുന്നത് നെറ്റ്‌വർക്ക് സബ്-അതോ സൂപ്പർ ക്രിറ്റിക്കൽ ആയിരിക്കുമോ എന്നതിന്റെ ചിത്രം പൂർണ്ണമായും മാറ്റുന്നു. പിന്നെ എന്തുകൊണ്ടാണെന്ന് കാണാൻ പ്രയാസമില്ല. അസ്വാസ്ഥ്യമുള്ള ആതിഥേയരുടെ ഒരു വലിയ എണ്ണം ഉള്ളതിനാൽ, അണുബാധ പുതിയ ഹോസ്റ്റുകളിലേക്ക് പടരാനുള്ള സാധ്യത കുറവാണ്.

ഇതിന് വളരെ പ്രധാനപ്പെട്ട നിരവധി പ്രായോഗിക പ്രത്യാഘാതങ്ങൾ ഉണ്ടെന്ന് ഇത് മാറുന്നു.

അതിലൊന്നാണ് കാട്ടുതീ പടരുന്നത് തടയുന്നത്. ഒരു പ്രാദേശിക തലത്തിൽ, ഓരോ വ്യക്തിയും അവരുടേതായ മുൻകരുതലുകൾ എടുക്കണം (ഉദാഹരണത്തിന്, തുറന്ന തീജ്വാല ഒരിക്കലും ശ്രദ്ധിക്കാതെ വിടരുത്). എന്നാൽ വലിയ തോതിൽ, ഒറ്റപ്പെട്ട പൊട്ടിത്തെറികൾ അനിവാര്യമാണ്. അതിനാൽ, ഒരു പൊട്ടിത്തെറി മുഴുവൻ നെറ്റ്‌വർക്കിനെയും വിഴുങ്ങാതിരിക്കാൻ ആവശ്യമായ "ബ്രേക്കുകൾ" (തീപിടിക്കുന്ന വസ്തുക്കളുടെ ശൃംഖലയിൽ) ഉണ്ടെന്ന് ഉറപ്പാക്കുക എന്നതാണ് മറ്റൊരു സംരക്ഷണ രീതി. ക്ലിയറിംഗുകൾ ഈ പ്രവർത്തനം നിർവ്വഹിക്കുന്നു:

തടയാൻ പ്രധാനപ്പെട്ട മറ്റൊരു പകർച്ചവ്യാധി ഒരു പകർച്ചവ്യാധിയാണ്. ഇവിടെ ആശയം അവതരിപ്പിക്കുന്നു കന്നുകാലി പ്രതിരോധശേഷി. ചില ആളുകൾക്ക് വാക്സിനേഷൻ ചെയ്യാൻ കഴിയില്ല എന്ന ആശയമാണിത് (ഉദാഹരണത്തിന്, അവർക്ക് ഒരു വിട്ടുവീഴ്ചയില്ലാത്ത രോഗപ്രതിരോധ സംവിധാനമുണ്ട്), എന്നാൽ മതിയായ ആളുകൾക്ക് അണുബാധയിൽ നിന്ന് പ്രതിരോധശേഷി ഉണ്ടെങ്കിൽ, രോഗം അനിശ്ചിതമായി പടരാൻ കഴിയില്ല. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, നിങ്ങൾ വാക്സിനേഷൻ നൽകണം മതിയായ ജനസംഖ്യയുടെ ഒരു ഭാഗം, ജനസംഖ്യയെ സൂപ്പർക്രിട്ടിക്കലിൽ നിന്ന് സബ്‌ക്രിറ്റിക്കൽ അവസ്ഥയിലേക്ക് മാറ്റുന്നു. ഇത് സംഭവിക്കുമ്പോൾ, ഒരു രോഗിക്ക് ഇപ്പോഴും രോഗം ബാധിച്ചേക്കാം (ഉദാഹരണത്തിന്, മറ്റൊരു പ്രദേശത്തേക്ക് യാത്ര ചെയ്തതിന് ശേഷവും), എന്നാൽ വളരാനുള്ള ഒരു സൂപ്പർക്രിട്ടിക്കൽ നെറ്റ്‌വർക്ക് ഇല്ലാതെ, ഈ രോഗം വളരെ കുറച്ച് ആളുകളെ മാത്രമേ ബാധിക്കുകയുള്ളൂ.

അവസാനമായി, ഒരു ന്യൂക്ലിയർ റിയാക്ടറിൽ എന്താണ് സംഭവിക്കുന്നതെന്ന് രോഗപ്രതിരോധ നോഡുകൾ എന്ന ആശയം വിശദീകരിക്കുന്നു. ഒരു ചെയിൻ റിയാക്ഷനിൽ, ക്ഷയിക്കുന്ന യുറേനിയം-235 ആറ്റം ഏകദേശം മൂന്ന് ന്യൂട്രോണുകൾ പുറത്തുവിടുന്നു, ഇത് ഒന്നിലധികം U-235 ആറ്റങ്ങളുടെ വിഘടനത്തിന് കാരണമാകുന്നു (ശരാശരി). പുതിയ ന്യൂട്രോണുകൾ പിന്നീട് ആറ്റങ്ങളുടെ കൂടുതൽ വിഭജനത്തിന് കാരണമാകുന്നു.

ഒരു ബോംബ് നിർമ്മിക്കുമ്പോൾ, എക്‌സ്‌പോണൻഷ്യൽ വളർച്ച അനിയന്ത്രിതമായി തുടരുന്നുവെന്ന് ഉറപ്പാക്കുക എന്നതാണ് മുഴുവൻ പോയിന്റും. എന്നാൽ ഒരു പവർ പ്ലാന്റിൽ, നിങ്ങളുടെ ചുറ്റുമുള്ള എല്ലാവരെയും കൊല്ലാതെ ഊർജ്ജം ഉൽപ്പാദിപ്പിക്കുക എന്നതാണ് ലക്ഷ്യം. ഈ ആവശ്യത്തിനായി അവ ഉപയോഗിക്കുന്നു നിയന്ത്രണ തണ്ടുകൾ, ന്യൂട്രോണുകൾ ആഗിരണം ചെയ്യാൻ കഴിയുന്ന ഒരു വസ്തുവിൽ നിന്നാണ് നിർമ്മിച്ചിരിക്കുന്നത് (ഉദാഹരണത്തിന്, വെള്ളി അല്ലെങ്കിൽ ബോറോൺ). ന്യൂട്രോണുകൾ പുറത്തുവിടുന്നതിനുപകരം അവ ആഗിരണം ചെയ്യുന്നതിനാൽ, അവ നമ്മുടെ സിമുലേഷനിൽ രോഗപ്രതിരോധ നോഡുകളായി പ്രവർത്തിക്കുന്നു, അതുവഴി റേഡിയോ ആക്ടീവ് ന്യൂക്ലിയസ് സൂപ്പർ ക്രിട്ടിക്കൽ ആകുന്നത് തടയുന്നു.

അതിനാൽ ഒരു ന്യൂക്ലിയർ റിയാക്ടറിലേക്കുള്ള തന്ത്രം, നിയന്ത്രണ ദണ്ഡുകൾ അങ്ങോട്ടും ഇങ്ങോട്ടും ചലിപ്പിച്ച് പ്രതികരണത്തെ ഒരു നിർണായക പരിധിക്ക് സമീപം നിലനിർത്തുകയും എന്തെങ്കിലും കുഴപ്പം സംഭവിക്കുമ്പോഴെല്ലാം തണ്ടുകൾ കാമ്പിലേക്ക് വീഴുകയും അത് നിർത്തുകയും ചെയ്യുക എന്നതാണ്.

ഡിഗ്രി

ഡിഗ്രി ഒരു നോഡിന്റെ അയൽവാസികളുടെ എണ്ണമാണ്. ഈ സമയം വരെ, ഞങ്ങൾ ഡിഗ്രി 4-ന്റെ നെറ്റ്‌വർക്കുകൾ പരിഗണിച്ചു. എന്നാൽ നിങ്ങൾ ഈ പരാമീറ്റർ മാറ്റിയാൽ എന്ത് സംഭവിക്കും?

ഉദാഹരണത്തിന്, നിങ്ങൾക്ക് ഓരോ നോഡും നാല് അടുത്ത അയൽക്കാരുമായി മാത്രമല്ല, നാല് ഡയഗണലുമായി ബന്ധിപ്പിക്കാൻ കഴിയും. അത്തരമൊരു ശൃംഖലയിൽ ബിരുദം 8 ആയിരിക്കും.

ഡിഗ്രി 4 ഉം 8 ഉം ഉള്ള ലാറ്റിസുകൾ നല്ല സമമിതിയാണ്. എന്നാൽ ഡിഗ്രി 5 (ഉദാഹരണത്തിന്), ഒരു പ്രശ്നം ഉയർന്നുവരുന്നു: ഏത് അഞ്ച് അയൽക്കാരെയാണ് ഞങ്ങൾ തിരഞ്ഞെടുക്കേണ്ടത്? ഈ സാഹചര്യത്തിൽ, ഞങ്ങൾ നാല് അടുത്തുള്ള അയൽക്കാരെ (N, E, S, W) തിരഞ്ഞെടുക്കുന്നു, തുടർന്ന് {NE, SE, SW, NW} എന്ന സെറ്റിൽ നിന്ന് ക്രമരഹിതമായി ഒരു അയൽക്കാരനെ തിരഞ്ഞെടുക്കുക. ഓരോ ഘട്ടത്തിലും ഓരോ നോഡിനും സ്വതന്ത്രമായി തിരഞ്ഞെടുക്കൽ നടത്തുന്നു.

ചർച്ച

വീണ്ടും, ഇവിടെ എന്താണ് സംഭവിക്കുന്നതെന്ന് കാണാൻ പ്രയാസമില്ല. ഓരോ നോഡിനും കൂടുതൽ അയൽക്കാർ ഉള്ളപ്പോൾ, അണുബാധ പടരാനുള്ള സാധ്യത വർദ്ധിക്കുന്നു-അതിനാൽ നെറ്റ്‌വർക്ക് നിർണായകമാകാനുള്ള സാധ്യത കൂടുതലാണ്.

എന്നിരുന്നാലും, അനന്തരഫലങ്ങൾ അപ്രതീക്ഷിതമായിരിക്കാം, നമ്മൾ താഴെ കാണും.

നഗരങ്ങളും നെറ്റ്‌വർക്ക് സാന്ദ്രതയും

ഇതുവരെ, ഞങ്ങളുടെ നെറ്റ്‌വർക്കുകൾ പൂർണ്ണമായും ഏകതാനമായിരുന്നു. ഓരോ നോഡും മറ്റേത് പോലെ കാണപ്പെടുന്നു. എന്നാൽ നമ്മൾ വ്യവസ്ഥകൾ മാറ്റുകയും നെറ്റ്‌വർക്കിലുടനീളം വ്യത്യസ്ത നോഡ് അവസ്ഥകൾ അനുവദിക്കുകയും ചെയ്താലോ?

ഉദാഹരണത്തിന്, നഗരങ്ങളെ മാതൃകയാക്കാൻ ശ്രമിക്കാം. ഇത് ചെയ്യുന്നതിന്, ഞങ്ങൾ നെറ്റ്വർക്കിന്റെ ചില ഭാഗങ്ങളിൽ സാന്ദ്രത വർദ്ധിപ്പിക്കും (ഉയർന്ന ഡിഗ്രി നോഡുകൾ). പൗരന്മാരുടെ പക്കലുള്ള ഡാറ്റയെ അടിസ്ഥാനമാക്കിയാണ് ഞങ്ങൾ ഇത് ചെയ്യുന്നത് വിശാലമായ സാമൂഹിക വലയവും കൂടുതൽ സാമൂഹിക ഇടപെടലുകളുംനഗരത്തിന് പുറത്തുള്ള ആളുകളേക്കാൾ.

ഞങ്ങളുടെ മാതൃകയിൽ, സാധ്യതയുള്ള നോഡുകൾ അവയുടെ ഡിഗ്രിയെ അടിസ്ഥാനമാക്കി നിറമുള്ളതാണ്. "ഗ്രാമീണ പ്രദേശങ്ങളിലെ" നോഡുകൾക്ക് ഡിഗ്രി 4 ഉണ്ട് (ഒപ്പം ഇളം ചാരനിറമാണ്), അതേസമയം "നഗര പ്രദേശങ്ങളിലെ" നോഡുകൾക്ക് ഉയർന്ന ഡിഗ്രിയുണ്ട് (കൂടാതെ ഇരുണ്ട നിറമുണ്ട്), പ്രാന്തപ്രദേശങ്ങളിൽ ഡിഗ്രി 5 ൽ തുടങ്ങി നഗര മധ്യത്തിൽ 8 ൽ അവസാനിക്കുന്നു .

സജീവമാക്കൽ നഗരങ്ങളെ കവർ ചെയ്യുന്നതും പിന്നീട് അവയുടെ അതിർത്തികൾക്കപ്പുറത്തേക്ക് പോകാത്തതുമായ ഒരു പ്രചരണ വേഗത തിരഞ്ഞെടുക്കാൻ ശ്രമിക്കുക.

ഈ സിമുലേഷൻ വ്യക്തവും ആശ്ചര്യകരവുമായി ഞാൻ കാണുന്നു. തീർച്ചയായും, നഗരങ്ങൾ ഗ്രാമപ്രദേശങ്ങളേക്കാൾ സാംസ്കാരിക നിലവാരം നിലനിർത്തുന്നു - ഇത് എല്ലാവർക്കും അറിയാം. ഈ സാംസ്കാരിക വൈവിധ്യങ്ങളിൽ ചിലത് സോഷ്യൽ നെറ്റ്‌വർക്കിന്റെ ടോപ്പോളജിയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് എന്നതാണ് എന്നെ അത്ഭുതപ്പെടുത്തുന്നത്.

ഇതൊരു രസകരമായ പോയിന്റാണ്, ഞാൻ ഇത് കൂടുതൽ വിശദമായി വിശദീകരിക്കാൻ ശ്രമിക്കും.

വ്യക്തിയിൽ നിന്ന് വ്യക്തിയിലേക്ക് ലളിതമായും നേരിട്ടും കൈമാറ്റം ചെയ്യപ്പെടുന്ന സംസ്കാരത്തിന്റെ രൂപങ്ങളാണ് ഇവിടെ നമ്മൾ കൈകാര്യം ചെയ്യുന്നത്. ഉദാഹരണത്തിന്, മര്യാദകൾ, പാർലർ ഗെയിമുകൾ, ഫാഷൻ ട്രെൻഡുകൾ, ഭാഷാപരമായ പ്രവണതകൾ, ചെറിയ ഗ്രൂപ്പ് ആചാരങ്ങൾ, കൂടാതെ വാമൊഴിയായി പ്രചരിക്കുന്ന ഉൽപ്പന്നങ്ങൾ, കൂടാതെ ഞങ്ങൾ ആശയങ്ങൾ എന്ന് വിളിക്കുന്ന വിവരങ്ങളുടെ മുഴുവൻ പാക്കേജുകളും.

(ശ്രദ്ധിക്കുക: ആളുകൾക്കിടയിൽ വിവരങ്ങളുടെ വ്യാപനം മാധ്യമങ്ങൾ വളരെ പ്രയാസകരമാക്കുന്നു. പുരാതന ഗ്രീസ് പോലെയുള്ള സാങ്കേതികമായി പ്രാകൃതമായ ചില പരിതസ്ഥിതികൾ സങ്കൽപ്പിക്കാൻ എളുപ്പമാണ്, അവിടെ സംസ്ക്കാരത്തിന്റെ എല്ലാ തീപ്പൊരികളും ഭൗതിക ബഹിരാകാശത്തെ ഇടപെടൽ വഴി കൈമാറ്റം ചെയ്യപ്പെട്ടു.)

മേൽപ്പറഞ്ഞ അനുകരണത്തിൽ നിന്ന്, നഗരത്തിൽ വേരൂന്നിയതും വ്യാപിക്കുന്നതുമായ ആശയങ്ങളും സാംസ്കാരിക സമ്പ്രദായങ്ങളും ഉണ്ടെന്ന് ഞാൻ മനസ്സിലാക്കി, പക്ഷേ അവയ്ക്ക് ഗ്രാമപ്രദേശങ്ങളിൽ വ്യാപിക്കാൻ കഴിയില്ല (ഗണിതപരമായി കഴിയില്ല). ഇവർ ഒരേ ആശയങ്ങളും ഒരേ ആളുകളുമാണ്. ഗ്രാമീണ നിവാസികൾ എങ്ങനെയെങ്കിലും "അടുത്ത മനസ്സുള്ളവർ" എന്നല്ല കാര്യം: ഒരേ ആശയവുമായി ഇടപഴകുമ്പോൾ, അവർ അത് പിടിക്കാനുള്ള അതേ സാധ്യതകൾനഗരവാസികളെ പോലെ. ഈ ആശയം ഗ്രാമപ്രദേശങ്ങളിൽ വൈറലാകാൻ കഴിയില്ല, കാരണം അത് വ്യാപിക്കാൻ കഴിയുന്ന നിരവധി ബന്ധങ്ങൾ ഇല്ല.

ഫാഷൻ - വസ്ത്രങ്ങൾ, ഹെയർസ്റ്റൈലുകൾ മുതലായവയിൽ ഇത് ഒരുപക്ഷേ കാണാൻ എളുപ്പമാണ്. ഫാഷൻ നെറ്റ്‌വർക്കിൽ, രണ്ട് ആളുകൾ പരസ്പരം വസ്ത്രങ്ങൾ ശ്രദ്ധിക്കുമ്പോൾ നമുക്ക് ലാറ്റിസിന്റെ അഗ്രം പിടിച്ചെടുക്കാൻ കഴിയും. ഒരു നഗര കേന്ദ്രത്തിൽ, ഓരോ വ്യക്തിക്കും ഓരോ ദിവസവും 1000-ത്തിലധികം ആളുകളെ കാണാൻ കഴിയും - തെരുവിൽ, സബ്‌വേയിൽ, തിരക്കേറിയ റെസ്റ്റോറന്റിൽ, മുതലായവ. ഒരു ഗ്രാമപ്രദേശത്ത്, നേരെമറിച്ച്, ഓരോ വ്യക്തിക്കും രണ്ട് ഡസൻ ആളുകളെ മാത്രമേ കാണാൻ കഴിയൂ. മറ്റുള്ളവർ. ഇതിനെ അടിസ്ഥാനമാക്കി ഈ വ്യത്യാസം മാത്രം, കൂടുതൽ ഫാഷൻ ട്രെൻഡുകളെ പിന്തുണയ്ക്കാൻ നഗരത്തിന് കഴിയും. ഏറ്റവും ശ്രദ്ധേയമായ ട്രെൻഡുകൾക്ക് മാത്രമേ-ഏറ്റവും ഉയർന്ന പ്രക്ഷേപണ നിരക്കുള്ളവ- നഗരത്തിന് പുറത്ത് കാലുറപ്പിക്കാൻ കഴിയൂ.

ഒരു ആശയം നല്ലതാണെങ്കിൽ, അത് ഒടുവിൽ എല്ലാവരിലേക്കും എത്തുമെന്നും ഒരു ആശയം മോശമായാൽ അത് അപ്രത്യക്ഷമാകുമെന്നും നാം ചിന്തിക്കുന്നു. തീർച്ചയായും, ഇത് അങ്ങേയറ്റത്തെ കേസുകളിൽ ശരിയാണ്, എന്നാൽ അതിനിടയിൽ ചില നെറ്റ്‌വർക്കുകളിൽ മാത്രം വൈറലാകുന്ന ധാരാളം ആശയങ്ങളും സമ്പ്രദായങ്ങളും ഉണ്ട്. ഇത് ശരിക്കും അത്ഭുതകരമാണ്.

നഗരങ്ങൾ മാത്രമല്ല

ഞങ്ങൾ ഇവിടെ ആഘാതം നോക്കുകയാണ് നെറ്റ്വർക്ക് സാന്ദ്രത. നൽകിയിരിക്കുന്ന നോഡുകളുടെ ഒരു സംഖ്യയായി ഇത് നിർവ്വചിച്ചിരിക്കുന്നു യഥാർത്ഥ വാരിയെല്ലുകൾ, എണ്ണം കൊണ്ട് ഹരിച്ചാൽ സാധ്യതയുള്ള അറ്റങ്ങൾ. അതായത്, യഥാർത്ഥത്തിൽ നിലനിൽക്കുന്ന സാധ്യമായ കണക്ഷനുകളുടെ ശതമാനം.

അതിനാൽ, നഗര കേന്ദ്രങ്ങളിൽ നെറ്റ്‌വർക്ക് സാന്ദ്രത ഗ്രാമപ്രദേശങ്ങളെ അപേക്ഷിച്ച് കൂടുതലാണെന്ന് ഞങ്ങൾ കണ്ടു. എന്നാൽ നഗരങ്ങൾ മാത്രമല്ല ഞങ്ങൾ ഇടതൂർന്ന നെറ്റ്‌വർക്കുകൾ കണ്ടെത്തുന്നത്.

രസകരമായ ഒരു ഉദാഹരണം സെക്കൻഡറി സ്കൂളുകളാണ്. ഉദാഹരണത്തിന്, ഒരു നിർദ്ദിഷ്ട പ്രദേശത്തിനായി, സ്കൂൾ കുട്ടികൾക്കിടയിൽ നിലനിൽക്കുന്ന നെറ്റ്‌വർക്കിനെ അവരുടെ രക്ഷിതാക്കൾക്കിടയിൽ നിലനിൽക്കുന്ന നെറ്റ്‌വർക്കുമായി ഞങ്ങൾ താരതമ്യം ചെയ്യുന്നു. ഒരേ ഭൂമിശാസ്ത്രപരമായ പ്രദേശവും ഒരേ ജനസംഖ്യയും, എന്നാൽ ഒരു നെറ്റ്‌വർക്ക് മറ്റൊന്നിനേക്കാൾ പലമടങ്ങ് സാന്ദ്രതയുള്ളതാണ്. അതിനാൽ ഫാഷനും ഭാഷാപരമായ പ്രവണതകളും കൗമാരക്കാർക്കിടയിൽ വളരെ വേഗത്തിൽ വ്യാപിക്കുന്നതിൽ അതിശയിക്കാനില്ല.

അതുപോലെ, എലൈറ്റ് നെറ്റ്‌വർക്കുകൾ നോൺ-എലൈറ്റ് നെറ്റ്‌വർക്കുകളേക്കാൾ വളരെ സാന്ദ്രതയുള്ളവയാണ് - ഇത് വിലമതിക്കാനാവാത്തതാണെന്ന് ഞാൻ കരുതുന്നു (ജനപ്രിയരായ അല്ലെങ്കിൽ സ്വാധീനമുള്ള ആളുകൾ നെറ്റ്‌വർക്കിംഗിൽ കൂടുതൽ സമയം ചെലവഴിക്കുന്നു, അതിനാൽ സാധാരണ ആളുകളേക്കാൾ കൂടുതൽ "അയൽക്കാർ" ഉണ്ട്). മുകളിലെ സിമുലേഷനുകളെ അടിസ്ഥാനമാക്കി, നെറ്റ്‌വർക്കിന്റെ ശരാശരി ബിരുദത്തിന്റെ ഗണിതശാസ്ത്ര നിയമങ്ങളെ അടിസ്ഥാനമാക്കി, മുഖ്യധാരയ്ക്ക് പിന്തുണയ്‌ക്കാനാവാത്ത ചില സാംസ്‌കാരിക രൂപങ്ങളെ എലൈറ്റ് നെറ്റ്‌വർക്കുകൾ പിന്തുണയ്ക്കുമെന്ന് ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു. ഈ സാംസ്കാരിക രൂപങ്ങൾ എന്തായിരിക്കുമെന്ന് ഊഹിക്കാൻ ഞാൻ നിങ്ങളെ വിടുന്നു.

അവസാനമായി, ഈ ആശയം വലുതായി മാതൃകയാക്കി ഇന്റർനെറ്റിൽ പ്രയോഗിക്കാം വളരെ ഇറുകിയ നഗരം. പൂർണ്ണമായും സ്പേഷ്യൽ നെറ്റ്‌വർക്കുകളിൽ പിന്തുണയ്‌ക്കാനാവാത്ത നിരവധി പുതിയ സംസ്‌കാരങ്ങൾ ഓൺലൈനിൽ തഴച്ചുവളരുന്നതിൽ അതിശയിക്കാനില്ല: നല്ല ഹോബികൾ, മികച്ച ഡിസൈൻ മാനദണ്ഡങ്ങൾ, അനീതിയെക്കുറിച്ചുള്ള കൂടുതൽ അവബോധം മുതലായവ. ഇത് വെറും നല്ല കാര്യമല്ല. ആദ്യകാല നഗരങ്ങൾ കുറഞ്ഞ ജനസാന്ദ്രതയിൽ പടരാൻ കഴിയാത്ത രോഗങ്ങളുടെ പ്രജനന കേന്ദ്രമായിരുന്നതുപോലെ, ഇന്റർനെറ്റ് മാരകമായ സാംസ്കാരിക രൂപങ്ങളായ ക്ലിക്ക്ബെയ്റ്റ്, വ്യാജവാർത്തകൾ, കൃത്രിമ രോഷം വളർത്തൽ തുടങ്ങിയവയുടെ വിളനിലമാണ്.

അറിവ്

"ശരിയായ സമയത്ത് ശരിയായ വിദഗ്ധൻ ഉണ്ടായിരിക്കുന്നത് പലപ്പോഴും ക്രിയേറ്റീവ് പ്രശ്‌ന പരിഹാരത്തിനുള്ള ഏറ്റവും മൂല്യവത്തായ വിഭവമാണ്." - മൈക്കൽ നീൽസൺ, കണ്ടുപിടുത്തം കണ്ടുപിടിക്കുന്നു

കണ്ടെത്തൽ അല്ലെങ്കിൽ കണ്ടുപിടുത്തം എന്നത് ഒരു പ്രതിഭയുടെ മനസ്സിൽ സംഭവിക്കുന്ന ഒരു പ്രക്രിയയായാണ് നമ്മൾ പലപ്പോഴും ചിന്തിക്കുന്നത്. പ്രചോദനത്തിന്റെ ഒരു മിന്നലിലൂടെ അവൻ ഞെട്ടിപ്പോയി - യുറീക്ക! — പെട്ടെന്ന് നമുക്ക് വോളിയം അളക്കാൻ ഒരു പുതിയ മാർഗമുണ്ട്. അല്ലെങ്കിൽ ഗുരുത്വാകർഷണ സമവാക്യം. അല്ലെങ്കിൽ ഒരു ലൈറ്റ് ബൾബ്.

എന്നാൽ കണ്ടുപിടുത്തത്തിന്റെ നിമിഷത്തിൽ നമ്മൾ ഒരു ഏകാന്ത കണ്ടുപിടുത്തക്കാരന്റെ വീക്ഷണം എടുക്കുകയാണെങ്കിൽ, നമ്മൾ ഈ പ്രതിഭാസത്തെ നോക്കുകയാണ്. ഒരു നോഡിന്റെ വീക്ഷണകോണിൽ നിന്ന്. കണ്ടുപിടുത്തത്തെ ഇങ്ങനെ വ്യാഖ്യാനിക്കുന്നതാണ് കൂടുതൽ ശരി നെറ്റ്വർക്ക് പ്രതിഭാസം.

കുറഞ്ഞത് രണ്ട് തരത്തിലെങ്കിലും നെറ്റ്‌വർക്ക് പ്രധാനമാണ്. ഒന്നാമതായി, നിലവിലുള്ള ആശയങ്ങൾ കടന്നുവരണം ബോധത്തിലേക്ക് കണ്ടുപിടുത്തക്കാരൻ. ഇവ ഒരു പുതിയ ലേഖനത്തിൽ നിന്നുള്ള ഉദ്ധരണികളാണ്, ഒരു പുതിയ പുസ്തകത്തിന്റെ ഗ്രന്ഥസൂചിക വിഭാഗം - ന്യൂട്ടൺ ആരുടെ ചുമലിൽ നിന്നിരുന്ന ഭീമന്മാർ. രണ്ടാമതായി, ഒരു പുതിയ ആശയത്തിന്റെ തിരിച്ചുവരവിന് നെറ്റ്‌വർക്ക് നിർണായകമാണ് തിരികെ ലോകത്തിലേക്ക്; പ്രചരിച്ചിട്ടില്ലാത്ത ഒരു കണ്ടുപിടുത്തത്തെ "കണ്ടുപിടിത്തം" എന്ന് വിളിക്കുന്നത് ഒട്ടും യോഗ്യമല്ല. അതിനാൽ, ഈ രണ്ട് കാരണങ്ങളാലും, കണ്ടുപിടുത്തത്തെ മാതൃകയാക്കുന്നത് അർത്ഥമാക്കുന്നു-അല്ലെങ്കിൽ, കൂടുതൽ വിശാലമായി, അറിവിന്റെ വളർച്ച- വ്യാപന പ്രക്രിയയായി.

ഒരു നെറ്റ്‌വർക്കിനുള്ളിൽ അറിവ് എങ്ങനെ വ്യാപിക്കുകയും വളരുകയും ചെയ്യാം എന്നതിന്റെ ഒരു ഏകദേശ അനുകരണം ഒരു നിമിഷത്തിനുള്ളിൽ ഞാൻ അവതരിപ്പിക്കും. എന്നാൽ ആദ്യം ഞാൻ വിശദീകരിക്കണം.

സിമുലേഷന്റെ തുടക്കത്തിൽ, ഗ്രിഡിന്റെ ഓരോ ക്വാഡ്രന്റിലും നാല് വിദഗ്ധർ ഉണ്ട്, ഇനിപ്പറയുന്ന രീതിയിൽ ക്രമീകരിച്ചിരിക്കുന്നു:

വിദഗ്ദ്ധൻ 1 ന് ആശയത്തിന്റെ ആദ്യ പതിപ്പുണ്ട് - നമുക്ക് അതിനെ ഐഡിയ 1.0 എന്ന് വിളിക്കാം. ഐഡിയ 2 എങ്ങനെ ഐഡിയ 1.0 ആക്കാമെന്ന് അറിയാവുന്ന വ്യക്തിയാണ് വിദഗ്ദ്ധൻ 2.0. ഐഡിയ 3യെ ഐഡിയ 2.0 ആക്കി മാറ്റുന്നത് എങ്ങനെയെന്ന് വിദഗ്ധൻ 3.0-ന് അറിയാം. അവസാനമായി, ഐഡിയ 4.0-ൽ എങ്ങനെ ഫിനിഷിംഗ് ടച്ചുകൾ നൽകാമെന്ന് നാലാമത്തെ വിദഗ്ധന് അറിയാം.

ഇത് ഒറിഗാമി പോലെയുള്ള ഒരു സാങ്കേതികതയ്ക്ക് സമാനമാണ്, അവിടെ ടെക്നിക്കുകൾ വികസിപ്പിക്കുകയും മറ്റ് സാങ്കേതിക വിദ്യകളുമായി സംയോജിപ്പിച്ച് കൂടുതൽ രസകരമായ ഡിസൈനുകൾ സൃഷ്ടിക്കുകയും ചെയ്യുന്നു. അല്ലെങ്കിൽ അത് ഭൗതികശാസ്ത്രം പോലെയുള്ള ഒരു വിജ്ഞാന മേഖലയായിരിക്കാം, അതിൽ ഏറ്റവും പുതിയ സൃഷ്ടികൾ മുൻഗാമികളുടെ അടിസ്ഥാന പ്രവർത്തനങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്.

ഈ സിമുലേഷന്റെ കാര്യം, ആശയത്തിന്റെ അന്തിമ പതിപ്പിലേക്ക് സംഭാവന നൽകാൻ ഞങ്ങൾക്ക് നാല് വിദഗ്ധരും ആവശ്യമാണ് എന്നതാണ്. ഓരോ ഘട്ടത്തിലും ആശയം ഉചിതമായ വിദഗ്ധന്റെ ശ്രദ്ധയിൽ കൊണ്ടുവരണം.

കുറച്ച് മുന്നറിയിപ്പുകൾ. സിമുലേഷനിൽ എൻകോഡ് ചെയ്‌തിരിക്കുന്ന യാഥാർത്ഥ്യബോധമില്ലാത്ത നിരവധി അനുമാനങ്ങളുണ്ട്. അവയിൽ ചിലത് മാത്രം ഇതാ:

1. വ്യക്തിയിൽ നിന്ന് മറ്റൊരാളിലേക്ക് (അതായത്, പുസ്തകങ്ങളോ മാധ്യമങ്ങളോ ഇല്ല) അല്ലാതെ ആശയങ്ങൾ സംഭരിക്കാനും കൈമാറാനും കഴിയില്ലെന്ന് അനുമാനിക്കപ്പെടുന്നു.
2. ആശയങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയുന്ന സ്ഥിരമായ വിദഗ്ധർ ജനസംഖ്യയിൽ ഉണ്ടെന്ന് അനുമാനിക്കപ്പെടുന്നു, വാസ്തവത്തിൽ പല ക്രമരഹിതമായ ഘടകങ്ങളും ഒരു കണ്ടെത്തലിന്റെയോ കണ്ടുപിടുത്തത്തിന്റെയോ സംഭവത്തെ സ്വാധീനിക്കുന്നു.
3. ആശയത്തിന്റെ നാല് പതിപ്പുകളും ഒരേ SIS പാരാമീറ്ററുകൾ ഉപയോഗിക്കുന്നു (ബോഡ് നിരക്ക്, പ്രതിരോധശേഷിയുടെ ശതമാനം മുതലായവ), എന്നിരുന്നാലും ഓരോ പതിപ്പിനും വ്യത്യസ്ത പാരാമീറ്ററുകൾ ഉപയോഗിക്കുന്നത് കൂടുതൽ യാഥാർത്ഥ്യമാണെങ്കിലും (1.0, 2.0, മുതലായവ)
4. ആശയം N+1 എല്ലായ്‌പ്പോഴും N ആശയത്തെ പൂർണ്ണമായും സ്ഥാനഭ്രഷ്ടനാക്കുന്നു എന്ന് അനുമാനിക്കപ്പെടുന്നു, എന്നിരുന്നാലും പ്രായോഗികമായി പലപ്പോഴും പഴയതും പുതിയതുമായ പതിപ്പുകൾ ഒരേസമയം പ്രചരിക്കുന്നു, വ്യക്തമായ വിജയികളില്ല.

… കൂടാതെ മറ്റു പലതും.

ചർച്ച

അറിവ് യഥാർത്ഥത്തിൽ എങ്ങനെ വളരുന്നു എന്നതിന്റെ പരിഹാസ്യമായ ലളിതമായ മാതൃകയാണിത്. മോഡലിന് പുറത്ത് ധാരാളം പ്രധാനപ്പെട്ട വിശദാംശങ്ങൾ അവശേഷിക്കുന്നു (മുകളിൽ കാണുക). എന്നിരുന്നാലും, ഇത് പ്രക്രിയയുടെ പ്രധാന സാരാംശം പിടിച്ചെടുക്കുന്നു. അതിനാൽ, സംവരണങ്ങളോടെ, വ്യാപനത്തെക്കുറിച്ചുള്ള നമ്മുടെ അറിവ് ഉപയോഗിച്ച് അറിവിന്റെ വളർച്ചയെക്കുറിച്ച് സംസാരിക്കാം.

പ്രത്യേകിച്ചും, ഡിഫ്യൂഷൻ മോഡൽ എങ്ങനെ എന്നതിനെക്കുറിച്ചുള്ള ഉൾക്കാഴ്ച നൽകുന്നു പ്രക്രിയ വേഗത്തിലാക്കുക: വിദഗ്ധ നോഡുകൾക്കിടയിൽ ആശയങ്ങളുടെ കൈമാറ്റം സുഗമമാക്കേണ്ടതുണ്ട്. വ്യാപനത്തെ തടസ്സപ്പെടുത്തുന്ന ഡെഡ് നോഡുകളുടെ ശൃംഖല മായ്‌ക്കുക എന്നാണ് ഇത് അർത്ഥമാക്കുന്നത്. അല്ലെങ്കിൽ ആശയങ്ങൾ വേഗത്തിൽ പ്രചരിക്കുന്ന ഉയർന്ന നെറ്റ്‌വർക്ക് സാന്ദ്രതയുള്ള ഒരു നഗരത്തിലോ ക്ലസ്റ്ററിലോ എല്ലാ വിദഗ്‌ധരെയും സ്ഥാപിക്കുക എന്നാണ് ഇതിനർത്ഥം. അല്ലെങ്കിൽ അവയെ ഒരു മുറിയിൽ ശേഖരിക്കുക:

അതുകൊണ്ട്... ഡിഫ്യൂഷനെക്കുറിച്ച് എനിക്ക് പറയാനുള്ളത് ഇത്രമാത്രം.

പക്ഷെ എനിക്ക് അവസാനമായി ഒരു ചിന്തയുണ്ട്, അത് വളരെ പ്രധാനമാണ്. അത് വളർച്ചയെക്കുറിച്ചാണ്സ്തംഭനാവസ്ഥയും) ശാസ്ത്ര സമൂഹങ്ങളിലെ അറിവ്. ഈ ആശയം ടോണിലും ഉള്ളടക്കത്തിലും മുകളിലുള്ളതിൽ നിന്ന് വ്യത്യസ്തമാണ്, എന്നാൽ നിങ്ങൾ എന്നോട് ക്ഷമിക്കുമെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു.

ശാസ്ത്ര ശൃംഖലകളെ കുറിച്ച്

ചിത്രീകരണം ലോകത്തിലെ ഏറ്റവും പ്രധാനപ്പെട്ട പോസിറ്റീവ് ഫീഡ്‌ബാക്ക് ലൂപ്പുകളിൽ ഒന്ന് കാണിക്കുന്നു (കുറെ കാലമായി ഇത് ഇങ്ങനെയാണ്):

സൈക്കിളിന്റെ മുകളിലേക്കുള്ള പുരോഗതി (K ⟶ T) വളരെ ലളിതമാണ്: പുതിയ ഉപകരണങ്ങൾ വികസിപ്പിക്കുന്നതിന് ഞങ്ങൾ പുതിയ അറിവ് ഉപയോഗിക്കുന്നു. ഉദാഹരണത്തിന്, അർദ്ധചാലകങ്ങളുടെ ഭൗതികശാസ്ത്രം മനസ്സിലാക്കുന്നത് കമ്പ്യൂട്ടറുകൾ നിർമ്മിക്കാൻ നമ്മെ അനുവദിക്കുന്നു.

എന്നിരുന്നാലും, താഴേക്കുള്ള നീക്കത്തിന് കുറച്ച് വിശദീകരണം ആവശ്യമാണ്. സാങ്കേതികവിദ്യയുടെ വികസനം എങ്ങനെ അറിവിന്റെ വർദ്ധനവിന് കാരണമാകുന്നു?

ഒരു വഴി-ഒരുപക്ഷേ ഏറ്റവും നേരിട്ടുള്ള-പുതിയ സാങ്കേതികവിദ്യകൾ ലോകത്തെ മനസ്സിലാക്കുന്നതിനുള്ള പുതിയ വഴികൾ നൽകുന്നു. ഉദാഹരണത്തിന്, മികച്ച സൂക്ഷ്മദർശിനികൾ ഒരു കോശത്തിനുള്ളിൽ കൂടുതൽ ആഴത്തിൽ നോക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു, തന്മാത്രാ ജീവശാസ്ത്രത്തിന് ഉൾക്കാഴ്ചകൾ നൽകുന്നു. മൃഗങ്ങൾ എങ്ങനെ നീങ്ങുന്നുവെന്ന് ജിപിഎസ് ട്രാക്കറുകൾ കാണിക്കുന്നു. സമുദ്രങ്ങൾ പര്യവേക്ഷണം ചെയ്യാൻ സോണാർ നിങ്ങളെ അനുവദിക്കുന്നു. ഇത്യാദി.

ഇത് നിസ്സംശയമായും ഒരു സുപ്രധാന സംവിധാനമാണ്, പക്ഷേ സാങ്കേതികവിദ്യയിൽ നിന്ന് അറിവിലേക്കുള്ള മറ്റ് രണ്ട് പാതകളെങ്കിലും ഉണ്ട്. അവ അത്ര ലളിതമല്ലായിരിക്കാം, പക്ഷേ അവ വളരെ പ്രധാനപ്പെട്ടതാണെന്ന് ഞാൻ കരുതുന്നു:

ആദ്യത്തേത്. സാങ്കേതിക വിദ്യ സാമ്പത്തിക സമൃദ്ധിയിലേക്ക് നയിക്കുന്നു (അതായത് സമ്പത്ത്), ഇത് കൂടുതൽ ആളുകളെ വിജ്ഞാന ഉൽപ്പാദനത്തിൽ ഏർപ്പെടാൻ അനുവദിക്കുന്നു.

നിങ്ങളുടെ രാജ്യത്തെ ജനസംഖ്യയുടെ 90% പേർ കൃഷിയിൽ ഏർപ്പെട്ടിരിക്കുന്നവരാണെങ്കിൽ, ബാക്കിയുള്ള 10% പേർ ഏതെങ്കിലും തരത്തിലുള്ള വ്യാപാരത്തിൽ (അല്ലെങ്കിൽ യുദ്ധത്തിൽ) ഏർപ്പെട്ടിരിക്കുന്നവരാണെങ്കിൽ, പ്രകൃതി നിയമങ്ങളെക്കുറിച്ച് ചിന്തിക്കാൻ ആളുകൾക്ക് വളരെ കുറച്ച് സമയമേ ഉള്ളൂ. അതുകൊണ്ടായിരിക്കാം മുൻകാലങ്ങളിൽ ശാസ്ത്രത്തെ പ്രധാനമായും പ്രോത്സാഹിപ്പിച്ചത് സമ്പന്ന കുടുംബങ്ങളിലെ കുട്ടികളാണ്.

യുണൈറ്റഡ് സ്റ്റേറ്റ്സ് ഓരോ വർഷവും 50-ത്തിലധികം പിഎച്ച്ഡികൾ നിർമ്മിക്കുന്നു. ഒരു വ്യക്തി 000 വയസ്സിൽ (അല്ലെങ്കിൽ അതിനുമുമ്പ്) ഒരു ഫാക്ടറിയിൽ ജോലിക്ക് പോകുന്നതിനുപകരം, ഒരു ബിരുദ വിദ്യാർത്ഥിക്ക് 18 വയസ്സ് വരെ അല്ലെങ്കിൽ ഒരുപക്ഷേ 30 വയസ്സ് വരെ ധനസഹായം നൽകണം-അപ്പോഴും അവരുടെ ജോലിക്ക് യഥാർത്ഥ സാമ്പത്തിക സ്വാധീനം ഉണ്ടോ എന്ന് വ്യക്തമല്ല. എന്നാൽ ഒരു വ്യക്തി തന്റെ അച്ചടക്കത്തിൽ, പ്രത്യേകിച്ച് ഭൗതികശാസ്ത്രം അല്ലെങ്കിൽ ജീവശാസ്ത്രം പോലുള്ള സങ്കീർണ്ണമായ മേഖലകളിൽ മുൻപന്തിയിൽ എത്തേണ്ടത് ആവശ്യമാണ്.

ഒരു സിസ്റ്റം വീക്ഷണകോണിൽ നിന്ന്, സ്പെഷ്യലിസ്റ്റുകൾ ചെലവേറിയതാണ് എന്നതാണ് വസ്തുത. ഈ സ്പെഷ്യലിസ്റ്റുകൾക്ക് ധനസഹായം നൽകുന്ന പൊതു സമ്പത്തിന്റെ ആത്യന്തിക ഉറവിടം പുതിയ സാങ്കേതികവിദ്യയാണ്: കലപ്പ പേനയ്ക്ക് സബ്‌സിഡി നൽകുന്നു.

രണ്ടാമത്. പുതിയ സാങ്കേതികവിദ്യകൾ, പ്രത്യേകിച്ച് യാത്രാ, ആശയവിനിമയ മേഖലകളിൽ, അറിവ് വളരുന്ന സോഷ്യൽ നെറ്റ്‌വർക്കുകളുടെ ഘടനയെ മാറ്റുന്നു. പ്രത്യേകിച്ചും, വിദഗ്ധരും സ്പെഷ്യലിസ്റ്റുകളും പരസ്പരം കൂടുതൽ അടുത്തിടപഴകാൻ ഇത് അനുവദിക്കുന്നു.

ഇവിടെ ശ്രദ്ധേയമായ കണ്ടുപിടുത്തങ്ങളിൽ പ്രിന്റിംഗ് പ്രസ്, സ്റ്റീംഷിപ്പുകൾ, റെയിൽ‌റോഡുകൾ (ദീർഘ ദൂരത്തേക്ക് യാത്ര ചെയ്യുന്നതിനും കൂടാതെ/അല്ലെങ്കിൽ മെയിൽ അയയ്‌ക്കുന്നതിനും), ടെലിഫോണുകൾ, വിമാനങ്ങൾ, ഇന്റർനെറ്റ് എന്നിവ ഉൾപ്പെടുന്നു. ഈ സാങ്കേതികവിദ്യകളെല്ലാം നെറ്റ്‌വർക്ക് സാന്ദ്രത വർദ്ധിപ്പിക്കുന്നതിന് സംഭാവന ചെയ്യുന്നു, പ്രത്യേകിച്ച് പ്രത്യേക കമ്മ്യൂണിറ്റികൾക്കുള്ളിൽ (ഏതാണ്ട് എല്ലാ വിജ്ഞാന വളർച്ചയും സംഭവിക്കുന്നിടത്ത്). ഉദാഹരണത്തിന്, മധ്യകാലഘട്ടത്തിന്റെ അവസാനത്തിൽ യൂറോപ്യൻ ശാസ്ത്രജ്ഞർക്കിടയിൽ ഉയർന്നുവന്ന കത്തിടപാടുകളുടെ നെറ്റ്‌വർക്കുകൾ അല്ലെങ്കിൽ ആധുനിക ഭൗതികശാസ്ത്രജ്ഞർ arXiv ഉപയോഗിക്കുന്ന രീതി.

ആത്യന്തികമായി, ഈ രണ്ട് പാതകളും സമാനമാണ്. രണ്ടും സ്പെഷ്യലിസ്റ്റുകളുടെ ശൃംഖലയുടെ സാന്ദ്രത വർദ്ധിപ്പിക്കുന്നു, ഇത് അറിവിന്റെ വർദ്ധനവിന് കാരണമാകുന്നു:

വർഷങ്ങളോളം ഞാൻ ഉന്നത വിദ്യാഭ്യാസം നിരസിച്ചു. ഗ്രാജ്വേറ്റ് സ്കൂളിലെ എന്റെ ഹ്രസ്വകാല ജീവിതം എന്റെ വായിൽ ഒരു മോശം രുചി അവശേഷിപ്പിച്ചു. എന്നാൽ ഇപ്പോൾ ഞാൻ തിരിഞ്ഞു നോക്കുകയും ചിന്തിക്കുകയും ചെയ്യുമ്പോൾ (എല്ലാ വ്യക്തിപരമായ പ്രശ്നങ്ങളും ഒഴികെ), ഉന്നത വിദ്യാഭ്യാസം ഇപ്പോഴും തുടരുകയാണെന്ന് എനിക്ക് നിഗമനം ചെയ്യേണ്ടിവരും വളരെ പ്രധാനപ്പെട്ടത്.

നമ്മുടെ നാഗരികത സൃഷ്ടിച്ച ഏറ്റവും വികസിതവും മൂല്യവത്തായതുമായ ഘടനകളിൽ ഒന്നാണ് അക്കാദമിക് സോഷ്യൽ നെറ്റ്‌വർക്കുകൾ (ഉദാ. ഗവേഷണ കമ്മ്യൂണിറ്റികൾ). വിജ്ഞാന ഉൽപ്പാദനത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ച സ്പെഷ്യലിസ്റ്റുകളുടെ ഒരു വലിയ കേന്ദ്രീകരണം ഞങ്ങൾ ഒരിടത്തും ശേഖരിച്ചിട്ടില്ല. പരസ്പരം ആശയങ്ങൾ മനസ്സിലാക്കാനും വിമർശിക്കാനുമുള്ള വലിയ കഴിവ് ഒരിടത്തും ആളുകൾക്ക് ഉണ്ടായിട്ടില്ല. പുരോഗതിയുടെ മിടിക്കുന്ന ഹൃദയമാണത്. ഈ ശൃംഖലകളിലാണ് പ്രബുദ്ധതയുടെ അഗ്നി ഏറ്റവും ശക്തമായി ജ്വലിക്കുന്നത്.

എന്നാൽ പുരോഗതിയെ നമുക്ക് നിസ്സാരമായി കാണാനാകില്ല. എങ്കിൽ പരീക്ഷണം പുനരുൽപ്പാദിപ്പിക്കാനാവാത്ത പ്രതിസന്ധി അത് നമ്മെ എന്തെങ്കിലും പഠിപ്പിച്ചാൽ, ശാസ്ത്രത്തിന് വ്യവസ്ഥാപരമായ പ്രശ്നങ്ങൾ ഉണ്ടാകാം. ഇതൊരു തരം നെറ്റ്‌വർക്ക് ഡീഗ്രഡേഷനാണ്.

ശാസ്ത്രം ചെയ്യുന്നതിനുള്ള രണ്ട് വഴികൾ ഞങ്ങൾ വേർതിരിച്ചറിയുന്നുവെന്ന് കരുതുക: യഥാർത്ഥ ശാസ്ത്രം и കരിയറിസം. വിശ്വസനീയമായ അറിവ് ഉൽപ്പാദിപ്പിക്കുന്ന സമ്പ്രദായങ്ങളാണ് യഥാർത്ഥ ശാസ്ത്രം. അത് ജിജ്ഞാസയാൽ പ്രചോദിപ്പിക്കപ്പെടുകയും സത്യസന്ധതയാൽ വിശേഷിപ്പിക്കപ്പെടുകയും ചെയ്യുന്നു (ഫെയ്ൻമാൻ: "നിങ്ങൾ കാണുന്നു, എനിക്ക് ലോകത്തെ മനസ്സിലാക്കേണ്ടതുണ്ട്"). കരിയറിസം, മറിച്ച്, പ്രൊഫഷണൽ അഭിലാഷങ്ങളാൽ പ്രചോദിതമാണ്, കൂടാതെ രാഷ്ട്രീയവും ശാസ്ത്രീയ കുറുക്കുവഴികളും കളിക്കുന്നതാണ് ഇതിന്റെ സവിശേഷത. ഇത് ശാസ്ത്രം പോലെ കാണുകയും പ്രവർത്തിക്കുകയും ചെയ്യാം, പക്ഷേ അല്ല വിശ്വസനീയമായ അറിവ് ഉത്പാദിപ്പിക്കുന്നു.

(അതെ, ഇത് അതിശയോക്തി കലർന്ന ഒരു ദ്വന്ദ്വമാണ്. ഒരു ചിന്താ പരീക്ഷണം മാത്രം. എന്നെ കുറ്റപ്പെടുത്തരുത്).

കരിയറിസ്റ്റുകൾ യഥാർത്ഥ ഗവേഷണ സമൂഹത്തിൽ ഇടം പിടിക്കുമ്പോൾ, അവർ ജോലി നശിപ്പിക്കുന്നു എന്നതാണ് വസ്തുത. സമൂഹത്തിലെ മറ്റുള്ളവർ പുതിയ അറിവ് നേടാനും പങ്കിടാനും ശ്രമിക്കുമ്പോൾ അവർ സ്വയം പ്രമോട്ട് ചെയ്യാൻ ശ്രമിക്കുന്നു. വ്യക്തതയ്ക്കായി പരിശ്രമിക്കുന്നതിനുപകരം, കരിയറിസ്റ്റുകൾ കൂടുതൽ ആകർഷകമാക്കുന്നതിനായി എല്ലാം സങ്കീർണ്ണമാക്കുകയും ആശയക്കുഴപ്പത്തിലാക്കുകയും ചെയ്യുന്നു. അവർ (ഹാരി ഫ്രാങ്ക്ഫർട്ട് പറയും പോലെ) ശാസ്ത്രീയ വിഡ്ഢിത്തങ്ങളിൽ ഏർപ്പെട്ടിരിക്കുന്നു. അതിനാൽ അറിവിന്റെ വളർച്ചയ്ക്ക് ആവശ്യമായ വിവരങ്ങളുടെ ന്യായമായ കൈമാറ്റത്തിന് വിധേയമല്ലാത്ത, ഡെഡ് നോഡുകളായി നമുക്ക് അവയെ മാതൃകയാക്കാം:

കരിയറിസ്റ്റ് നോഡുകൾ അറിവിലേക്ക് കടക്കാത്തതും സജീവമായി പ്രചരിപ്പിക്കുന്നതുമായ ഒന്നാണ് ഒരുപക്ഷേ മികച്ച മാതൃക. വ്യാജ അറിവ്. കൃത്രിമമായി ഊതിപ്പെരുപ്പിച്ച പ്രാധാന്യമുള്ള അപ്രധാനമായ ഫലങ്ങളോ കൃത്രിമമായോ കെട്ടിച്ചമച്ചതോ ആയ ഡാറ്റയിൽ നിന്നുണ്ടാകുന്ന യഥാർത്ഥ തെറ്റായ ഫലങ്ങളും വ്യാജ അറിവിൽ ഉൾപ്പെടാം.

നാം അവരെ എങ്ങനെ മാതൃകയാക്കുന്നു എന്നത് പരിഗണിക്കാതെ തന്നെ, കരിയറിസ്റ്റുകൾക്ക് തീർച്ചയായും നമ്മുടെ ശാസ്ത്ര സമൂഹങ്ങളെ കഴുത്തു ഞെരിച്ച് കൊല്ലാൻ കഴിയും.

നമുക്ക് അത്യധികം ആവശ്യമായ ന്യൂക്ലിയർ ചെയിൻ റിയാക്ഷൻ പോലെയാണ് - അറിവിന്റെ ഒരു വിസ്ഫോടനം ആവശ്യമാണ് - നമ്മുടെ സമ്പുഷ്ടമായ U-235-ൽ മാത്രമേ അതിൽ കൂടുതൽ നോൺ-റിയാക്ടീവ് ഐസോടോപ്പ് U-238 ഉള്ളൂ, അത് ചെയിൻ പ്രതികരണത്തെ അടിച്ചമർത്തുന്നു.

തീർച്ചയായും, കരിയറിസ്റ്റുകളും യഥാർത്ഥ ശാസ്ത്രജ്ഞരും തമ്മിൽ വ്യക്തമായ വ്യത്യാസമില്ല. നമ്മിൽ ഓരോരുത്തർക്കും നമ്മുടെ ഉള്ളിൽ ഒളിഞ്ഞിരിക്കുന്ന ഒരു ചെറിയ കരിയറിസം ഉണ്ട്. വിജ്ഞാന വ്യാപനം മങ്ങുന്നതിന് മുമ്പ് ശൃംഖല എത്രത്തോളം നിലനിൽക്കും എന്നതാണ് ചോദ്യം.

ഓ, നിങ്ങൾ അവസാനം വരെ വായിച്ചു. വായിച്ചതിന് നന്ദി.

ലൈസൻസ്

ച്ച്ക്സനുമ്ക്സ എല്ലാ അവകാശങ്ങളും നിക്ഷിപ്തമല്ല. നിങ്ങൾക്ക് അനുയോജ്യമെന്ന് തോന്നുന്നതുപോലെ നിങ്ങൾക്ക് ഈ ജോലി ഉപയോഗിക്കാം :).

അംഗീകാരങ്ങൾ

• കെവിൻ ക്വോക്ക് и നിക്കി കേസ് ഡ്രാഫ്റ്റിന്റെ വിവിധ പതിപ്പുകളെക്കുറിച്ചുള്ള ചിന്തനീയമായ അഭിപ്രായങ്ങൾക്കും നിർദ്ദേശങ്ങൾക്കും.
• നിക്ക് ബാർ - മുഴുവൻ പ്രക്രിയയിലുടനീളം ധാർമ്മിക പിന്തുണയ്‌ക്കും എന്റെ ജോലിയെക്കുറിച്ചുള്ള ഏറ്റവും സഹായകരമായ ഫീഡ്‌ബാക്കിനും.
• പെർകോലേഷൻ എന്ന പ്രതിഭാസവും പെർകോലേഷൻ ത്രെഷോൾഡും എന്നെ ചൂണ്ടിക്കാണിച്ചതിന് കീത്ത് എ.
• ജെഫ് ലോൻസ്ഡേൽ എന്നതിലേക്കുള്ള ലിങ്കിനായി ഇതൊരു ഉപന്യാസമാണ്, (പല പോരായ്മകൾ ഉണ്ടായിരുന്നിട്ടും) ഈ പോസ്റ്റിൽ പ്രവർത്തിക്കാനുള്ള പ്രധാന പ്രേരണയായിരുന്നു അത്.

സംവേദനാത്മക ഉപന്യാസ സാമ്പിളുകൾ

• നിക്കി കേസിന്റെ എല്ലാ പ്രവർത്തനങ്ങളും, ഉദാ. "ബഹുഭുജങ്ങളുടെ ഉപമ" (വി ഹാർട്ടിനൊപ്പം) കൂടാതെ "മികച്ച വോട്ടിംഗ് ബാലറ്റ് വികസിപ്പിക്കുക". ഒരു സംവേദനാത്മക ഉപന്യാസം എന്തായിരിക്കുമെന്നതിനുള്ള ഉയർന്ന ബാറാണിത്.
• ഡിസ്റ്റിൽ.പബ്: മെഷീൻ ലേണിംഗിന്റെ അസാധാരണമായ ഉയർന്ന നിലവാരമുള്ള സംവേദനാത്മക വിവരണങ്ങൾ.
• ബ്രെറ്റ് വിക്ടറിന്റെ ക്ലാസിക് വർക്ക് "അമൂർത്തീകരണത്തിന്റെ ഗോവണി മുകളിലേക്കും താഴേക്കും". കോണിപ്പടികൾ കയറാൻ ഞാൻ അത്ര നല്ലവനല്ലായിരുന്നു, പക്ഷേ എപ്പോഴും ഒരു ശ്രമം കൂടിയുണ്ട്.

അവലംബം: www.habr.com