यदि तपाईंले जटिल प्रणालीहरूको बारेमा सोच्न कुनै पनि समय बिताउनुभएको छ भने, तपाईंले नेटवर्कहरूको महत्त्व बुझ्नुहुन्छ। नेटवर्कहरूले हाम्रो संसारमा शासन गर्छन्। कोशिकाभित्र हुने रासायनिक प्रतिक्रियाहरूबाट, पारिस्थितिकी प्रणालीमा सम्बन्धहरूको जालसम्म, व्यापार र राजनीतिक नेटवर्कहरू जसले इतिहासको पाठ्यक्रमलाई आकार दिन्छ।

वा तपाईंले पढिरहनु भएको यो लेखलाई विचार गर्नुहोस्। तपाईंले सायद यसलाई फेला पार्नुभयो सामाजिक संजालबाट डाउनलोड गरियो कम्प्युटर नेटवर्क र हाल तपाईंको प्रयोग गरी अर्थ बुझाउँदै हुनुहुन्छ न्यूरल नेटवर्क.

तर मैले धेरै वर्षहरूमा सञ्जालहरूको बारेमा सोचेको छु, हालसम्म मैले सरलको महत्त्व बुझिन प्रसार.

यो आजको लागि हाम्रो विषय हो: कसरी, कसरी अराजकतापूर्वक सबै चल्छ र फैलिन्छ। केही उदाहरणहरू तपाईंको भूख हटाउन:

• संक्रामक रोगहरू जुन जनसंख्या भित्र वाहकबाट वाहकमा सर्छ।
• सामाजिक सञ्जालहरूमा फलोअर ग्राफमा फैलिएको मेम्स।
• जंगलको आगो।
• विचार र अभ्यासहरू जसले संस्कृतिलाई पार्छ।
• समृद्ध युरेनियममा न्यूट्रोन क्यास्केड।

फारमको बारेमा द्रुत नोट।

मेरा सबै अघिल्ला कामहरू विपरीत, यो निबन्ध अन्तरक्रियात्मक छ [मा मूल लेख स्क्रिनमा वस्तुहरू नियन्त्रण गर्ने स्लाइडर र बटनहरूसँग अन्तरक्रियात्मक उदाहरणहरू दिइन्छ - लगभग। लेन]।

त्यसैले सुरु गरौं। पहिलो कार्य नेटवर्कहरूमा प्रसारको लागि भिजुअल शब्दावली विकास गर्नु हो।

सरल मोडेल

म पक्का छु कि तपाई सबैलाई नेटवर्कको आधार थाहा छ, त्यो हो, नोड्स + किनाराहरू। प्रसार अध्ययन गर्न, तपाईंले भर्खर केही नोडहरू चिन्ह लगाउन आवश्यक छ सक्रियता। वा, महामारीविद्हरूले भन्न मन पराउँछन्, संक्रमित:

यो सक्रियता वा संक्रमण हामीले तल विकास गर्ने नियमहरू अनुसार नोडबाट नोडमा नेटवर्क मार्फत फैलिन्छ।

वास्तविक नेटवर्कहरू सामान्यतया यो साधारण सात-नोड नेटवर्क भन्दा धेरै ठूला हुन्छन्। तिनीहरू पनि धेरै भ्रमित छन्। तर सरलताको खातिर, हामी जाली अध्ययन गर्नको लागि यहाँ एउटा खेलौना मोडेल निर्माण गर्नेछौं, त्यो जाली नेटवर्क।

(वास्तविकतामा जालको के कमी छ, यसले सजिलै चित्रण गर्नको लागि बनाउँछ 😉

जहाँ अन्यथा उल्लेख गरिएको बाहेक, नेटवर्क नोडहरू चार छिमेकीहरू छन्, उदाहरणका लागि:

र तपाईंले कल्पना गर्न आवश्यक छ कि यी जालीहरू सबै दिशाहरूमा अनन्त रूपमा विस्तार हुन्छन्। अन्य शब्दहरूमा, हामी व्यवहारमा रुचि राख्दैनौं जुन नेटवर्कको किनारमा वा सानो जनसंख्यामा मात्र हुन्छ।

जालीहरू यत्तिको क्रमबद्ध गरिएको छ भनेर, हामी तिनीहरूलाई पिक्सेलमा सरल बनाउन सक्छौं। उदाहरण को लागी, यी दुई तस्बिरहरु एउटै नेटवर्क को प्रतिनिधित्व गर्दछ:

एउटा व्यवहारमा, सक्रिय नोडले जहिले पनि यसको (असंक्रमित) छिमेकीहरूलाई संक्रमण सार्छ। तर यो बोरिंग छ। स्थानान्तरण गर्दा धेरै रोचक कुराहरू हुन्छन् सम्भावित.

SIR र SIS

В SIR मोडेलहरू (संवेदनशील-संक्रमित-हटाइएको) एक नोड तीन राज्यहरूमा हुन सक्छ:

• संवेदनशील
• संक्रमित
• हटाइयो

यहाँ कसरी अन्तरक्रियात्मक सिमुलेशन काम गर्दछ [मा मूल लेख तपाईं संक्रमण प्रसारण दर ० देखि १ सम्म चयन गर्न सक्नुहुन्छ, प्रक्रिया चरण-दर-चरण वा यसको सम्पूर्णतामा हेर्नुहोस् - लगभग। अनुवाद।]:

• नोडहरू संवेदनशील रूपमा सुरु हुन्छन्, केही नोडहरू बाहेक जुन संक्रमितको रूपमा सुरु हुन्छ।
• प्रत्येक पटक चरणमा, संक्रमित नोड्ससँग उनीहरूको प्रत्येक संवेदनशील छिमेकीहरूलाई संक्रमण दरको बराबर सम्भाव्यताको साथ संक्रमण प्रसारण गर्ने मौका हुन्छ।
• संक्रमित नोडहरू त्यसपछि "मेटाइएको" अवस्था प्रविष्ट गर्नुहोस्, यसको मतलब तिनीहरू अब अरूलाई संक्रमित गर्न वा आफैं संक्रमित हुन सक्षम छैनन्।

रोगको सन्दर्भमा, हटाउनुको अर्थ व्यक्तिको मृत्यु भएको वा तिनीहरूले रोगजनक प्रतिरक्षा विकास गरेको हुन सक्छ। हामी भन्छौं कि तिनीहरू सिमुलेशनबाट "हटाइएका" छन् किनभने तिनीहरूलाई अरू केही हुँदैन।

हामीले के मोडेल गर्न खोजिरहेका छौं त्यसमा निर्भर गर्दै, SIR भन्दा फरक मोडेल आवश्यक हुन सक्छ।

यदि हामी दादुरा वा जङ्गलमा आगोको प्रकोप फैलाउने अनुकरण गर्दैछौं भने, SIR आदर्श हो। तर मानौं कि हामीले ध्यान जस्ता नयाँ सांस्कृतिक अभ्यासको प्रसारको अनुकरण गर्छौं। सुरुमा नोड (व्यक्ति) ग्रहणशील छ किनभने यो पहिले कहिल्यै गरेको छैन। त्यसोभए, यदि उसले ध्यान गर्न थाल्छ (सायद साथीबाट सुनेर), हामी उसलाई संक्रमितको रूपमा मोडेल गर्नेछौं। तर यदि उसले अभ्यास रोक्यो भने, ऊ मर्नेछैन र सिमुलेशनबाट बाहिर पर्नेछैन, किनकि भविष्यमा उसले सजिलैसँग यो बानी फेरि उठाउन सक्छ। त्यसैले ऊ ग्रहणशील अवस्थामा फर्कन्छ।

यो SIS मोडेल (संवेदनशील-संक्रमित-संवेदनशील)। शास्त्रीय मोडेलमा दुई प्यारामिटरहरू छन्: प्रसारण गति र रिकभरी गति। यद्यपि, यस लेखको लागि सिमुलेशनहरूमा, मैले रिकभरी दर प्यारामिटर छोडेर सरलीकरण गर्ने निर्णय गरें। यसको सट्टा, संक्रमित नोड अर्को पटकको चरणमा स्वचालित रूपमा अतिसंवेदनशील अवस्थामा फर्कन्छ, जबसम्म यो यसको छिमेकीहरू मध्ये एकद्वारा संक्रमित हुँदैन। थप रूपमा, हामी चरण n मा संक्रमित नोडलाई प्रसारण दर बराबरको सम्भाव्यताको साथ चरण n+1 मा संक्रमण गर्न अनुमति दिन्छौं।

छलफल

तपाईले देख्न सक्नुहुन्छ, यो SIR मोडेल भन्दा धेरै फरक छ।

किनभने नोडहरू कहिल्यै हटाइँदैन, धेरै सानो र सीमित जालीले पनि लामो समयको लागि SIS संक्रमणलाई समर्थन गर्न सक्छ। संक्रमण केवल नोडबाट नोडमा जान्छ र फिर्ता आउँछ।

तिनीहरूको भिन्नताहरूको बावजुद, SIR र SIS हाम्रो उद्देश्यहरूको लागि आश्चर्यजनक रूपमा आदानप्रदानयोग्य हुन पुग्छन्। त्यसैले यो लेखको बाँकी भागको लागि हामी SIS मा अडिग रहनेछौं - मुख्यतया किनभने यो अधिक टिकाउ छ र त्यसैले काम गर्न थप रमाइलो छ।

आलोचनात्मक स्तर

SIR र SIS मोडेलहरूसँग खेलेपछि, तपाईंले संक्रमणको दीर्घायुको बारेमा केही याद गर्नुभएको हुन सक्छ। धेरै कम प्रसारण दरहरूमा, जस्तै 10%, संक्रमण मर्न जान्छ। जबकि उच्च मानहरूमा, जस्तै 50%, संक्रमण जीवित रहन्छ र नेटवर्कको अधिकांश भाग लिन्छ। यदि सञ्जाल असीम थियो भने, हामी यसलाई निरन्तरता र सधैंभरि फैलिने कल्पना गर्न सक्छौं।

यस्तो असीमित प्रसारका धेरै नामहरू छन्: "भाइरल", "परमाणु" वा (यस लेखको शीर्षकमा) kriticheskaya.

त्यहाँ बाहिर जान्छ विशिष्ट छुट्टिने बिन्दु सबक्रिटिकल नेटवर्कहरू (विलुप्त हुन बर्बाद) बाट सुपरक्रिटिकल नेटवर्कहरू (असीमित वृद्धि गर्न सक्षम)। यो टर्निङ प्वाइन्ट भनिन्छ महत्वपूर्ण थ्रेसहोल्ड, र यो साधारण सञ्जालहरूमा फैलावट प्रक्रियाहरूको एकदम सामान्य संकेत हो।

महत्वपूर्ण थ्रेसहोल्डको सही मान नेटवर्कहरू बीच भिन्न हुन्छ। यो के सामान्य छ उपलब्धता यस्तो अर्थ।

[बाट एक अन्तरक्रियात्मक डेमो मा मूल लेख तपाईं म्यानुअल रूपमा प्रसारण गति मान परिवर्तन गरेर महत्वपूर्ण नेटवर्क थ्रेसहोल्ड फेला पार्न प्रयास गर्न सक्नुहुन्छ। यो 22% र 23% को बीचमा छ - लगभग। ट्रान्स।]

22% (र तल) मा, संक्रमण अन्ततः मर्छ। 23% (र माथि) मा, मौलिक संक्रमण कहिलेकाहीँ मर्दछ, तर धेरै जसो अवस्थामा यो बाँच्न र लामो समयसम्म फैलिन यसको अस्तित्व सुनिश्चित गर्न प्रबन्ध गर्दछ।

(वैसे, त्यहाँ विभिन्न नेटवर्क टोपोलोजीहरूको लागि यी महत्वपूर्ण थ्रेसहोल्डहरू फेला पार्न समर्पित सम्पूर्ण वैज्ञानिक क्षेत्र छ। द्रुत परिचयको लागि, म विकिपिडिया लेखमा द्रुत रूपमा स्क्रोल गर्न सिफारिस गर्दछु। चुहावट को थ्रेसहोल्ड).

सामान्यतया, यसले कसरी काम गर्छ यहाँ छ: एक महत्वपूर्ण थ्रेसहोल्ड मुनि, नेटवर्कमा कुनै पनि सीमित संक्रमणको ग्यारेन्टी छ (सम्भावना १ सँग) अन्ततः मर्ने। तर एक महत्वपूर्ण थ्रेसहोल्ड माथि, त्यहाँ सम्भावना (p > 1) छ कि संक्रमण सधैंभरि जारी रहनेछ, र त्यसो गर्दा मूल साइटबाट मनमानी रूपमा फैलिनेछ।

यद्यपि, ध्यान दिनुहोस् कि सुपरक्रिटिकल नेटवर्क होइन ग्यारेन्टीकि संक्रमण सधैंभरि जारी रहनेछ। वास्तवमा, यो प्रायः फिक्का हुन्छ, विशेष गरी सिमुलेशनको धेरै प्रारम्भिक चरणहरूमा। हेरौं यो कसरी हुन्छ।

मानौं कि हामीले एक संक्रमित नोड र चार छिमेकीहरूसँग सुरु गर्यौं। पहिलो मोडलिङ चरणमा, संक्रमण फैलिने 5 स्वतन्त्र संभावनाहरू छन् (अर्को चरणमा आफैंमा "फैलने" मौका सहित):

अब मानौं स्थानान्तरण दर ५०% हो। यस अवस्थामा, पहिलो चरणमा हामी सिक्का पाँच पटक फ्लिप गर्छौं। र यदि पाँचवटा टाउको घुमाइयो भने, संक्रमण नष्ट हुनेछ। यो लगभग 50% केसहरूमा हुन्छ - र यो पहिलो चरणमा मात्र हुन्छ। पहिलो चरणमा बाँचेको संक्रमणमा दोस्रो चरणमा मर्ने सम्भावना केही (सामान्यतया सानो) हुन्छ, तेस्रो चरणमा मर्ने सम्भावना केही (सानो पनि) हुन्छ, आदि।

त्यसोभए, नेटवर्क सुपरक्रिटिकल हुँदा पनि - यदि प्रसारण दर 99% छ भने - त्यहाँ संक्रमण हराउने सम्भावना छ।

तर महत्त्वपूर्ण कुरा यो हो कि उनी गर्दैनन् संधै हराउनेछ। यदि तपाईंले अनन्ततामा सबै चरणहरू मर्ने सम्भावना जोड्नुभयो भने, परिणाम 1 भन्दा कम हुन्छ। अर्को शब्दमा, त्यहाँ एक गैर-शून्य सम्भावना छ कि संक्रमण सधैंभरि जारी रहनेछ। यो नेटवर्कको लागि सुपरक्रिटिकल हुनुको अर्थ हो।

सिसा: सहज सक्रियता

यस बिन्दु सम्म, हाम्रा सबै सिमुलेशनहरू केन्द्रमा पूर्व-संक्रमित नोडहरूको सानो टुक्राबाट सुरु भयो।

तर के हुन्छ यदि तपाइँ स्क्र्याचबाट सुरु गर्नुहुन्छ? त्यसपछि हामी सहज सक्रियता मोडेल गर्छौं - यो प्रक्रिया जसद्वारा एक संवेदनशील नोड संयोगले संक्रमित हुन्छ (यसको छिमेकीहरू मध्ये एकबाट होइन)।

यो भनिन्छ SIS मोडेल। अक्षर "a" भनेको "स्वचालित" हो।

SISA सिमुलेशनमा, नयाँ प्यारामिटर देखा पर्दछ - सहज सक्रियताको दर, जसले सहज संक्रमणको आवृत्ति परिवर्तन गर्दछ (हामीले पहिले देखेको प्रसारण दर प्यारामिटर पनि अवस्थित छ)।

नेटवर्कमा संक्रमण फैलिनको लागि के लिन्छ?

छलफल

तपाईंले सिमुलेशनमा याद गर्नुभएको हुनसक्छ कि सहज सक्रियताको दर बढाउँदा संक्रमणले सम्पूर्ण नेटवर्कमा लिन्छ वा होइन भन्ने परिवर्तन गर्दैन। मात्र प्रसारण गति नेटवर्क सब- वा सुपरक्रिटिकल हो कि भनेर निर्धारण गर्दछ। र जब नेटवर्क सबक्रिटिकल हुन्छ (प्रसारण दर २२% भन्दा कम वा बराबर), कुनै पनि संक्रमण सम्पूर्ण ग्रिडमा फैलिन सक्दैन, यो जतिसुकै पटक सुरु भए पनि।

यो भिजेको खेतमा आगो सुरु गर्नु जस्तै हो। तपाईं आगोमा केही सुख्खा पातहरू उज्यालो गर्न सक्नुहुन्छ, तर ज्वाला छिट्टै मर्नेछ किनभने बाँकी परिदृश्य पर्याप्त ज्वलनशील छैन (सबक्रिटिकल)। धेरै सुख्खा मैदानमा हुँदा (सुपरक्रिटिकल) आगो निभाउनको लागि एउटा स्पार्क पर्याप्त हुन्छ।

यस्तै चीजहरू विचार र आविष्कारको क्षेत्रमा अवलोकन गरिन्छ। प्रायः संसार एक विचारको लागि तयार हुँदैन, यस्तो अवस्थामा यसलाई बारम्बार आविष्कार गर्न सकिन्छ, तर यसले जनतालाई आकर्षित गर्दैन। अर्कोतर्फ, संसार एक आविष्कार (ठूलो सुप्त माग) को लागी पूर्णतया तयार हुन सक्छ, र यो जन्मिने बित्तिकै सबैले स्वीकार गर्दछ। बीचमा विचारहरू छन् जुन धेरै ठाउँहरूमा आविष्कार गरिएका छन् र स्थानीय रूपमा फैलिएका छन्, तर कुनै एक संस्करणको लागि एकैचोटि सम्पूर्ण नेटवर्क स्वीप गर्न पर्याप्त छैन। यस अन्तिम श्रेणीमा हामीले उदाहरणका लागि, कृषि र लेखन पाउँछौं, जसलाई विभिन्न मानव सभ्यताहरूले क्रमशः दश र तीन पटक स्वतन्त्र रूपमा आविष्कार गरेका थिए।

प्रतिरक्षा

मानौं हामीले केही नोडहरू पूर्णतया अभेद्य बनाउँछौं, त्यो हो, सक्रियताको लागि प्रतिरक्षा। यो जस्तो छ कि तिनीहरू सुरुमा टाढाको अवस्थामा छन्, र SIS(a) मोडेल बाँकी नोडहरूमा सुरू गरिएको छ।

प्रतिरक्षा स्लाइडरले हटाइएका नोडहरूको प्रतिशत नियन्त्रण गर्दछ। यसको मान परिवर्तन गर्ने प्रयास गर्नुहोस् (मोडल चलिरहेको बेला!) र हेर्नुहोस् कि यसले नेटवर्कको अवस्थालाई कसरी असर गर्छ, यो सुपरक्रिटिकल हुनेछ वा होइन।

छलफल

अनुत्तरदायी नोडहरूको संख्या परिवर्तन गर्नाले नेटवर्क सब- वा सुपरक्रिटिकल हुनेछ कि भनेर चित्रलाई पूर्ण रूपमा परिवर्तन गर्दछ। र यो किन हेर्न गाह्रो छैन। संवेदनहीन होस्टहरूको ठूलो संख्याको साथ, संक्रमणले नयाँ होस्टहरूमा फैलिने अवसर कम हुन्छ।

यो बाहिर जान्छ कि यो धेरै महत्त्वपूर्ण व्यावहारिक परिणामहरूको संख्या छ।

ती मध्ये एक वन आगो फैलिनबाट रोक्न हो। स्थानीय स्तरमा, प्रत्येक व्यक्तिले आ-आफ्नो सावधानी अपनाउनुपर्छ (उदाहरणका लागि, खुला ज्वालालाई ध्यान नदिई कहिल्यै नछोड्नुहोस्)। तर ठूलो मात्रामा, पृथक प्रकोप अपरिहार्य छ। त्यसोभए सुरक्षाको अर्को विधि भनेको त्यहाँ पर्याप्त "ब्रेकहरू" (ज्वलनशील पदार्थहरूको नेटवर्कमा) सुनिश्चित गर्नु हो ताकि प्रकोपले सम्पूर्ण नेटवर्कलाई घेर्दैन। क्लियरिङ्सले यो कार्य गर्दछ:

अर्को प्रकोप जुन रोक्न महत्त्वपूर्ण छ एक संक्रामक रोग हो। यहाँ अवधारणा प्रस्तुत गरिएको छ बथान प्रतिरक्षा। यो विचार हो कि केहि मानिसहरूलाई खोप लगाउन सकिँदैन (उदाहरणका लागि, तिनीहरूसँग सम्झौता गरिएको प्रतिरक्षा प्रणाली छ), तर यदि पर्याप्त व्यक्तिहरू संक्रमणबाट प्रतिरक्षा छन् भने, रोग अनिश्चित कालसम्म फैलिन सक्दैन। अर्को शब्दमा, तपाईंले खोप लगाउनु पर्छ पर्याप्त जनसङ्ख्याको अंशलाई सुपरक्रिटिकलबाट सबक्रिटिकल राज्यमा स्थानान्तरण गर्न। जब यो हुन्छ, एक बिरामी अझै पनि संक्रमित हुन सक्छ (उदाहरणका लागि अर्को क्षेत्रमा यात्रा गरेपछि), तर बढ्दो सुपरक्रिटिकल नेटवर्क बिना, रोगले थोरै मुट्ठीभर मानिसहरूलाई मात्र संक्रमित गर्नेछ।

अन्तमा, प्रतिरक्षा नोड्सको अवधारणाले आणविक रिएक्टरमा के हुन्छ भनेर बताउँछ। चेन रिएक्शनमा, सडिरहेको युरेनियम-२३५ एटमले करिब तीनवटा न्यूट्रोन निकाल्छ, जसले गर्दा (औसतमा) एकभन्दा बढी U-235 परमाणुको विखंडन हुन्छ। नयाँ न्यूट्रोनहरूले त्यसपछि परमाणुहरूको थप विभाजन निम्त्याउँछ, र त्यसैगरी बढ्दो रूपमा:

बम निर्माण गर्दा, सम्पूर्ण बिन्दु घातीय वृद्धि अनचेक जारी छ भनेर सुनिश्चित गर्नु हो। तर पावर प्लान्टमा, लक्ष्य भनेको तपाईको वरपरका सबैलाई नमारकन ऊर्जा उत्पादन गर्नु हो। यस उद्देश्यका लागि तिनीहरू प्रयोग गरिन्छ नियन्त्रण रडहरू, न्यूट्रोनहरू अवशोषित गर्न सक्ने सामग्रीबाट बनेको (उदाहरणका लागि, चाँदी वा बोरोन)। किनभने तिनीहरूले न्यूट्रोनहरू छोड्नुको सट्टा अवशोषित गर्छन्, तिनीहरूले हाम्रो सिमुलेशनमा प्रतिरक्षा नोडको रूपमा काम गर्छन्, जसले गर्दा रेडियोएक्टिभ न्यूक्लियसलाई सुपरक्रिटिकल हुनबाट रोक्छ।

त्यसोभए आणविक रिएक्टरको चाल भनेको प्रतिक्रियालाई क्रिटिकल थ्रेसहोल्डको नजिक राखेर नियन्त्रण रडहरूलाई पछाडि र पछाडि सार्नु हो, र जब पनि केहि गलत हुन्छ, रडहरू कोरमा खस्छन् र यसलाई रोक्छन् भनेर सुनिश्चित गर्न।

शक्ति

शक्ति नोडको यसको छिमेकीहरूको संख्या हो। यस बिन्दु सम्म, हामीले डिग्री 4 को नेटवर्कहरू विचार गरेका छौं। तर के हुन्छ यदि तपाइँ यो प्यारामिटर परिवर्तन गर्नुहुन्छ?

उदाहरणका लागि, तपाईंले प्रत्येक नोडलाई चार नजिकका छिमेकीहरूमा मात्र नभई चार थप विकर्ण रूपमा पनि जडान गर्न सक्नुहुन्छ। यस्तो नेटवर्कमा डिग्री 8 हुनेछ।

4 र 8 डिग्री भएका जालीहरू राम्रोसँग सममित छन्। तर डिग्री 5 (उदाहरणका लागि), एउटा समस्या खडा हुन्छ: हामीले कुन पाँच छिमेकीहरू छनौट गर्नुपर्छ? यस अवस्थामा, हामी चार नजिकका छिमेकीहरू (N, E, S, W) चयन गर्छौं र त्यसपछि अनियमित रूपमा सेट {NE, SE, SW, NW} बाट एउटा छिमेकी चयन गर्छौं। छनौट प्रत्येक समय चरणमा प्रत्येक नोडको लागि स्वतन्त्र रूपमा गरिन्छ।

छलफल

फेरि, यहाँ के भइरहेको छ भनेर हेर्न गाह्रो छैन। जब प्रत्येक नोडमा धेरै छिमेकीहरू हुन्छन्, संक्रमण फैलिने सम्भावना बढ्छ - र यसरी नेटवर्क महत्वपूर्ण हुने सम्भावना बढी हुन्छ।

यद्यपि, नतिजाहरू अप्रत्याशित हुन सक्छन्, हामी तल देख्नेछौं।

शहर र नेटवर्क घनत्व

अहिले सम्म, हाम्रो नेटवर्कहरू पूर्ण रूपमा एकरूप थिए। प्रत्येक नोड कुनै अन्य जस्तो देखिन्छ। तर के हुन्छ यदि हामीले सर्तहरू परिवर्तन गर्छौं र नेटवर्कमा विभिन्न नोड राज्यहरूलाई अनुमति दिन्छौं?

उदाहरणका लागि, शहरहरू मोडेल गर्ने प्रयास गरौं। यो गर्नको लागि, हामी सञ्जालको केही भागहरूमा घनत्व बढाउनेछौं (नोडहरूको उच्च डिग्री)। हामी नागरिकसँग भएको तथ्यांकको आधारमा यो गर्छौं फराकिलो सामाजिक सर्कल र अधिक सामाजिक अन्तरक्रियासहर बाहिरका मानिसहरू भन्दा।

हाम्रो मोडेलमा, संवेदनशील नोडहरू तिनीहरूको डिग्रीको आधारमा रंगीन हुन्छन्। "ग्रामीण क्षेत्रहरू" मा नोडहरूमा डिग्री 4 हुन्छ (र रङ हल्का खैरो हुन्छ), जबकि "शहरी क्षेत्रहरू" मा नोडहरू उच्च डिग्री हुन्छन् (र गाढा रङ्ग हुन्छन्), बाहिरी क्षेत्रमा डिग्री 5 बाट सुरु हुन्छ र शहरको केन्द्रमा 8 मा समाप्त हुन्छ।

एक प्रचार गति छनोट गर्ने प्रयास गर्नुहोस् कि सक्रियताले शहरहरू कभर गर्दछ र त्यसपछि तिनीहरूको सिमाना बाहिर नजाओस्।

मलाई यो सिमुलेशन स्पष्ट र अचम्मको दुवै लाग्छ। अवश्य, शहरहरूले सांस्कृतिक स्तर ग्रामीण क्षेत्रहरू भन्दा राम्रो राख्छन् - सबैलाई थाहा छ। मलाई अचम्म लाग्दो कुरा के हो भने यो सांस्कृतिक विविधता मध्ये केही सामाजिक सञ्जालको टोपोलोजीमा आधारित भएर उत्पन्न हुन्छ।

यो चाखलाग्दो बिन्दु हो, म यसलाई थप विवरणमा व्याख्या गर्ने प्रयास गर्नेछु।

यहाँ हामी संस्कृतिका रूपहरूसँग व्यवहार गर्दैछौं जुन सरल र प्रत्यक्ष रूपमा व्यक्तिबाट व्यक्तिमा प्रसारित हुन्छ। उदाहरणका लागि, शिष्टाचार, पार्लर खेलहरू, फेसन प्रवृत्तिहरू, भाषिक प्रवृतिहरू, साना समूह अनुष्ठानहरू, र मुखबाट फैलिने उत्पादनहरू, साथै जानकारीका सम्पूर्ण प्याकेजहरू जसलाई हामीले विचार भनिन्छौं।

(नोट: मानिसहरू बीचको जानकारीको प्रसार मिडियाद्वारा अत्यन्तै कठिन बनाइएको छ। प्राचिन ग्रीस जस्ता केही प्राविधिक रूपमा आदिम वातावरणको कल्पना गर्न सजिलो छ, जहाँ संस्कृतिको लगभग हरेक स्पार्क भौतिक अन्तरिक्षमा अन्तरक्रियाद्वारा प्रसारित भएको थियो।)

माथिको सिमुलेशनबाट, मैले सिकेको छु कि त्यहाँ विचार र सांस्कृतिक अभ्यासहरू छन् जुन शहरमा जरा लिन र फैलाउन सक्छ, तर तिनीहरू केवल (गणितीय रूपमा) ग्रामीण क्षेत्रमा फैलिन सक्दैनन्। यी एउटै विचार र एउटै मान्छे। बिन्दु यो होइन कि ग्रामीण बासिन्दाहरू कुनै न कुनै रूपमा "निकट दिमाग" हुन्छन्: एउटै विचारसँग अन्तरक्रिया गर्दा, तिनीहरू ठ्याक्कै त्यसलाई समात्ने सम्भावनाहरूशहरवासी जस्तै। यो मात्र हो कि विचार आफैं ग्रामीण क्षेत्रहरूमा भाइरल हुन सक्दैन, किनभने त्यहाँ धेरै जडानहरू छैनन् जसबाट यो फैलिन सक्छ।

यो फेसनको क्षेत्रमा हेर्नको लागि सायद सजिलो छ - कपडा, कपाल, आदि। फेसन नेटवर्कमा, दुई व्यक्तिले एकअर्काको पोशाकहरू देख्दा हामी जालीको किनारा कब्जा गर्न सक्छौं। सहरी केन्द्रमा, प्रत्येक व्यक्तिले प्रत्येक दिन 1000 भन्दा बढी अन्य मानिसहरूलाई देख्न सक्छ - सडकमा, सबवेमा, भीडभाड भएको रेस्टुरेन्टमा, इत्यादि ग्रामीण क्षेत्रमा, यसको विपरित, प्रत्येक व्यक्तिले एक दुई दर्जन मात्र देख्न सक्छ। अरू। मा आधारित केवल यो भिन्नता, शहरले थप फेसन प्रवृतिहरूलाई समर्थन गर्न सक्षम छ। र केवल सबैभन्दा आकर्षक प्रवृतिहरू - ती उच्च प्रसारण दरहरू - शहर बाहिर एक खुट्टा प्राप्त गर्न सक्षम हुनेछ।

हामी सोच्दछौं कि यदि एक विचार राम्रो छ भने, यो अन्ततः सबैमा पुग्छ, र यदि एक विचार खराब छ भने, त्यो हराउनेछ। निस्सन्देह, यो चरम अवस्थामा सत्य हो, तर बीचमा त्यहाँ धेरै विचार र अभ्यासहरू छन् जुन केहि नेटवर्कहरूमा मात्र भाइरल हुन सक्छ। यो साँच्चै अचम्मको छ।

सहर मात्र होइन

हामी यहाँ प्रभाव हेरिरहेका छौं नेटवर्क घनत्व। यो संख्याको रूपमा नोडहरूको दिइएको सेटको लागि परिभाषित गरिएको छ वास्तविक रिब्स, संख्या द्वारा विभाजित सम्भावित किनारहरू। त्यो हो, वास्तवमा अवस्थित सम्भावित जडानहरूको प्रतिशत।

त्यसोभए, हामीले देखेका छौं कि शहरी केन्द्रहरूमा नेटवर्क घनत्व ग्रामीण क्षेत्रहरू भन्दा बढी छ। तर शहरहरू मात्र त्यस्तो ठाउँ होइनन् जहाँ हामीले बाक्लो नेटवर्कहरू भेट्टाउँछौं।

एउटा रोचक उदाहरण माध्यमिक विद्यालय हो। उदाहरणका लागि, एउटा विशेष क्षेत्रको लागि, हामी विद्यालयका बालबालिकाहरूका बीचमा रहेको सञ्जाललाई उनीहरूका अभिभावकहरूबीच रहेको नेटवर्कसँग तुलना गर्छौं। एउटै भौगोलिक क्षेत्र र उही जनसंख्या, तर एउटा नेटवर्क अर्को भन्दा धेरै गुणा सघन छ। त्यसैले किशोर किशोरीहरूमाझ फेसन र भाषिक प्रवृत्तिहरू धेरै छिटो फैलिनु अचम्मको कुरा होइन।

त्यस्तै गरी, अभिजात वर्ग सञ्जालहरू गैर-कुलीन नेटवर्कहरू भन्दा धेरै सघन हुन्छन् - एक तथ्य जुन मलाई कम मूल्याङ्कन गरिएको छ (लोकप्रिय वा प्रभावशाली व्यक्तिहरूले नेटवर्किङमा बढी समय बिताउँछन् र त्यसैले मानिसहरूका साधारण मानिसहरू भन्दा बढी "छिमेकी" हुन्छन्)। माथिका सिमुलेशनहरूको आधारमा, हामी आशा गर्छौं कि कुलीन नेटवर्कहरूले केही सांस्कृतिक रूपहरूलाई समर्थन गर्नेछन् जुन मुख्यधाराद्वारा समर्थन गर्न सकिँदैन, केवल नेटवर्कको औसत डिग्रीको गणितीय नियमहरूमा आधारित। म तपाईंलाई यी सांस्कृतिक रूपहरू के हुन सक्छ भनेर अनुमान गर्न छोड्छु।

अन्तमा, हामी यो विचारलाई इन्टरनेटमा विशाल र को रूपमा मोडेल गरेर लागू गर्न सक्छौं धेरै घना शहर। यो कुनै अचम्मको कुरा होइन कि धेरै नयाँ प्रकारका संस्कृतिहरू अनलाइन फस्टाउँदैछन् जुन केवल विशुद्ध स्थानिक नेटवर्कहरूमा समर्थन गर्न सकिँदैन: आला शौकहरू, राम्रो डिजाइन मापदण्डहरू, अन्यायको बारेमा बढी जागरूकता, आदि। र यो केवल राम्रो चीजहरू होइन। जसरी प्रारम्भिक सहरहरू कम जनघनत्वमा फैलिन नसक्ने रोगहरूका लागि प्रजनन मैदानहरू थिए, त्यसरी नै इन्टरनेट क्लिकबेट, नक्कली समाचार, र कृत्रिम आक्रोश भड्काउने जस्ता घातक सांस्कृतिक रूपहरूका लागि प्रजनन स्थल हो।

ज्ञान

"सही समय मा सही विशेषज्ञ हुनु अक्सर रचनात्मक समस्या समाधान को लागी सबैभन्दा मूल्यवान स्रोत हो।" - माइकल निल्सन, आविष्कार खोज

हामी प्रायः खोज वा आविष्कारलाई एकल प्रतिभाको दिमागमा हुने प्रक्रियाको रूपमा सोच्दछौं। उहाँ प्रेरणाको एक फ्लैशबाट प्रभावित हुनुहुन्छ र - युरेका! - अचानक हामीसँग भोल्युम मापन गर्न नयाँ तरिका छ। वा गुरुत्वाकर्षण समीकरण। वा लाइट बल्ब।

तर यदि हामीले खोजको क्षणमा एक्लो आविष्कारकको दृष्टिकोण लिन्छौं भने, हामी घटनालाई हेरिरहेका छौं। नोडको दृष्टिकोणबाट। जबकि यो आविष्कार को रूपमा व्याख्या गर्न थप सही हुनेछ नेटवर्क घटना।

नेटवर्क कम्तिमा दुई तरिकामा महत्त्वपूर्ण छ। पहिले, विद्यमान विचारहरू प्रवेश गर्नुपर्छ चेतना मा आविष्कारक। यी नयाँ लेखका उद्धरणहरू हुन्, नयाँ पुस्तकको ग्रन्थसूची खण्ड - दिग्गज जसको काँधमा न्यूटन उभिए। दोस्रो, नेटवर्क नयाँ विचारको फिर्तीको लागि महत्वपूर्ण छ फिर्ता संसारमा; फैलिएको आविष्कारलाई "आविष्कार" भन्न सार्थक हुँदैन। तसर्थ, यी दुवै कारणका लागि, यसले आविष्कारलाई मोडेल बनाउन वा, अझ व्यापक रूपमा, ज्ञानको वृद्धिलाई प्रसारको प्रक्रियाको रूपमा अर्थ दिन्छ।

एक क्षणमा, म कसरी ज्ञान फैलाउन र नेटवर्क भित्र बढ्न सक्छ भन्ने कुनै नराम्रो सिमुलेशन प्रस्तुत गर्नेछु। तर पहिले मैले व्याख्या गर्नुपर्छ।

सिमुलेशनको सुरुमा, ग्रिडको प्रत्येक चतुर्थांशमा चार विशेषज्ञहरू छन्, निम्नानुसार व्यवस्थित छन्:

विशेषज्ञ १ सँग आइडियाको पहिलो संस्करण छ - यसलाई आइडिया १.० भनौं। विशेषज्ञ २ भनेको आइडिया १.० लाई आइडिया २.० मा कसरी परिणत गर्ने भनेर जान्ने व्यक्ति हो। विशेषज्ञ ३ लाई आइडिया २.० लाई आइडिया ३.० मा रूपान्तरण गर्ने तरिका थाहा छ। र अन्तमा, चौथो विशेषज्ञलाई आइडिया 1 मा अन्तिम टच कसरी राख्ने भन्ने थाहा छ।

यो ओरिगामी जस्तै प्रविधि जस्तै हो, जहाँ प्रविधिहरू विकास गरिन्छ र अन्य प्रविधिहरूसँग जोडेर थप रोचक डिजाइनहरू सिर्जना गरिन्छ। वा यो ज्ञानको क्षेत्र हुन सक्छ, जस्तै भौतिक विज्ञान, जसमा हालको कामले पूर्ववर्तीहरूको आधारभूत काममा निर्माण गर्दछ।

यस सिमुलेशनको बिन्दु यो हो कि हामीलाई विचारको अन्तिम संस्करणमा योगदान गर्न सबै चार विशेषज्ञहरू चाहिन्छ। र प्रत्येक चरणमा विचार उपयुक्त विशेषज्ञको ध्यानमा ल्याउनु पर्छ।

केही सावधानीहरू। त्यहाँ धेरै अवास्तविक मान्यताहरू सिमुलेशनमा एन्कोड गरिएका छन्। यहाँ तिनीहरूमध्ये केही मात्र छन्:

1. यो मानिन्छ कि विचारहरू भण्डारण गर्न सकिँदैन र व्यक्तिबाट अर्को व्यक्तिमा बाहेक (अर्थात, कुनै पुस्तक वा मिडिया) बाहेक।
2. यो अनुमान गरिएको छ कि जनसंख्यामा स्थायी विशेषज्ञहरू छन् जसले विचारहरू उत्पन्न गर्न सक्छन्, यद्यपि वास्तविकतामा धेरै अनियमित कारकहरूले खोज वा आविष्कारको घटनालाई प्रभाव पार्छ।
3. विचारका सबै चार संस्करणहरूले SIS मापदण्डहरूको एउटै सेट प्रयोग गर्दछ (बाउड दर, प्रतिरक्षाको प्रतिशत, आदि), यद्यपि यो सम्भवतः प्रत्येक संस्करण (1.0, 2.0, आदि) को लागि फरक प्यारामिटरहरू प्रयोग गर्न अधिक यथार्थवादी छ।
4. यो अनुमान गरिएको छ कि विचार N+1 ले सधैं विचार N लाई पूर्ण रूपमा विस्थापित गर्दछ, यद्यपि व्यवहारमा प्रायः पुराना र नयाँ संस्करणहरू एकैसाथ प्रसारित हुन्छन्, कुनै स्पष्ट विजेता बिना।

... र धेरै अन्य।

छलफल

यो ज्ञान वास्तवमा कसरी बढ्छ भन्ने एक हास्यास्पद सरल मोडेल हो। त्यहाँ मोडेल बाहिर धेरै महत्त्वपूर्ण विवरणहरू छन् (माथि हेर्नुहोस्)। यद्यपि, यसले प्रक्रियाको महत्त्वपूर्ण सार कब्जा गर्दछ। र त्यसैले हामी, रिजर्भेसनको साथ, हाम्रो प्रसारको ज्ञान प्रयोग गरेर ज्ञानको वृद्धिको बारेमा कुरा गर्न सक्छौं।

विशेष गरी, प्रसार मोडेलले कसरी अन्तरदृष्टि प्रदान गर्दछ प्रक्रिया गति: विशेषज्ञ नोडहरू बीच विचारहरूको आदानप्रदानलाई सहज बनाउन आवश्यक छ। यसको मतलब डेड नोडहरूको सञ्जाल खाली गर्नु हो जुन प्रसारमा बाधा पुर्‍याउँछ। वा यसको मतलब सबै विज्ञहरूलाई सहरमा राख्नु वा उच्च नेटवर्क घनत्व भएको क्लस्टरमा विचारहरू छिटो फैलिएको हुन सक्छ। वा तिनीहरूलाई एउटा कोठामा जम्मा गर्नुहोस्:

त्यसैले... प्रसारको बारेमा म यति मात्र भन्न सक्छु।

तर मसँग एउटा अन्तिम विचार छ, र यो धेरै महत्त्वपूर्ण छ। यो वृद्धि को बारे मा छर स्थिरता) वैज्ञानिक समुदायहरूमा ज्ञान। यो विचार माथिको सबै भन्दा टोन र सामग्रीमा फरक छ, तर मलाई आशा छ कि तपाईंले मलाई माफ गर्नुहुनेछ।

वैज्ञानिक नेटवर्क को बारे मा

दृष्टान्तले संसारमा सबैभन्दा महत्त्वपूर्ण सकारात्मक प्रतिक्रिया लूपहरू मध्ये एक देखाउँछ (र यो धेरै समयको लागि यस्तै भएको छ):

चक्रको माथिल्लो प्रगति (K ⟶ T) एकदम सरल छ: हामी नयाँ उपकरणहरू विकास गर्न नयाँ ज्ञान प्रयोग गर्छौं। उदाहरण को लागी, अर्धचालकहरु को भौतिक विज्ञान बुझ्न हामीलाई कम्प्युटर निर्माण गर्न अनुमति दिन्छ।

यद्यपि, तलको चाललाई केहि व्याख्या चाहिन्छ। प्रविधिको विकासले ज्ञानमा कसरी वृद्धि हुन्छ ?

एउटा तरिका - सायद सबैभन्दा प्रत्यक्ष - जब नयाँ प्रविधिहरूले हामीलाई संसारलाई बुझ्ने नयाँ तरिकाहरू दिन्छ। उदाहरणका लागि, उत्तम माइक्रोस्कोपहरूले तपाईंलाई सेल भित्र गहिरो हेर्न अनुमति दिन्छ, आणविक जीवविज्ञानको लागि अन्तर्दृष्टि प्रदान गर्दछ। जीपीएस ट्र्याकरहरूले जनावरहरू कसरी चल्छन् भनेर देखाउँछन्। सोनारले तपाईंलाई महासागरहरू अन्वेषण गर्न अनुमति दिन्छ। र यस्तै।

यो निस्सन्देह एक महत्त्वपूर्ण संयन्त्र हो, तर त्यहाँ कम्तिमा दुई अन्य मार्गहरू प्रविधिबाट ज्ञानमा छन्। तिनीहरू त्यति सरल नहुन सक्छन्, तर मलाई लाग्छ कि तिनीहरू त्यति नै महत्त्वपूर्ण छन्:

पहिलो। टेक्नोलोजीले आर्थिक प्रचुरता (अर्थात् धन) निम्त्याउँछ, जसले अधिक मानिसहरूलाई ज्ञान उत्पादनमा संलग्न हुन अनुमति दिन्छ।

यदि तपाईंको देशको जनसंख्याको 90% कृषिमा संलग्न छ, र बाँकी 10% कुनै न कुनै रूपमा व्यापार (वा युद्ध) मा संलग्न छन्, तब मानिसहरूसँग प्रकृतिको नियमहरू बारे सोच्नको लागि थोरै समय छ। सायद यसै कारणले गर्दा पहिलेको समयमा विज्ञानलाई मुख्यतया धनी परिवारका छोराछोरीले बढाउँथे।

संयुक्त राज्यले प्रत्येक वर्ष 50 भन्दा बढी पीएचडी उत्पादन गर्दछ। 000 वर्ष (वा पहिले) को उमेरमा एक व्यक्ति कारखानामा काम गर्न जानुको सट्टा, एक स्नातक विद्यार्थीलाई 18 वा सायद 30 वर्षको उमेर सम्म कोष दिनुपर्छ - र त्यसपछि पनि यो स्पष्ट छैन कि तिनीहरूको कामले कुनै वास्तविक आर्थिक प्रभाव पार्छ कि छैन। तर एक व्यक्तिको लागि आफ्नो अनुशासनको अग्रभागमा पुग्न आवश्यक छ, विशेष गरी भौतिक विज्ञान वा जीवविज्ञान जस्ता जटिल क्षेत्रहरूमा।

तथ्य यो हो कि प्रणालीको दृष्टिकोणबाट, विशेषज्ञहरू महँगो छन्। र यी विशेषज्ञहरूलाई पैसा दिने सार्वजनिक सम्पत्तिको अन्तिम स्रोत नयाँ प्रविधि हो: हलोले कलमलाई अनुदान दिन्छ।

दोस्रो। नयाँ प्रविधिहरू, विशेष गरी यात्रा र सञ्चारको क्षेत्रमा, सामाजिक सञ्जालहरूको संरचना परिवर्तन गर्दैछ जसमा ज्ञान बढ्छ। विशेष गरी, यसले विशेषज्ञहरू र विशेषज्ञहरूलाई एकअर्कासँग नजिकबाट अन्तरक्रिया गर्न अनुमति दिन्छ।

यहाँका उल्लेखनीय आविष्कारहरूमा प्रिन्टिङ प्रेस, स्टीमशिप र रेलमार्ग (यात्रा र/वा लामो दूरीमा मेल पठाउने सुविधा), टेलिफोन, हवाइजहाज र इन्टरनेट समावेश छन्। यी सबै प्रविधिहरूले सञ्जालको घनत्व बढाउन योगदान पुर्‍याउँछ, विशेष गरी विशेष समुदायहरूमा (जहाँ लगभग सबै ज्ञान वृद्धि हुन्छ)। उदाहरणका लागि, मध्य युगको अन्त्यमा युरोपेली वैज्ञानिकहरूका बीचमा उभिएका पत्राचार नेटवर्कहरू, वा आधुनिक भौतिकशास्त्रीहरूले arXiv प्रयोग गर्ने तरिका।

अन्ततः, यी दुबै मार्गहरू समान छन्। दुबै विशेषज्ञहरूको नेटवर्कको घनत्व बढाउँछन्, जसले फलस्वरूप ज्ञानमा वृद्धि हुन्छ:

धेरै वर्षसम्म म उच्च शिक्षाबाट एकदमै बेवास्ता थिएँ। स्नातक विद्यालयमा मेरो छोटो कार्यकालले मेरो मुखमा नराम्रो स्वाद छोड्यो। तर अब जब म फर्केर हेर्छु र सोच्दछु (सबै व्यक्तिगत समस्याहरू बाहेक), मैले निष्कर्ष निकाल्नु पर्छ कि उच्च शिक्षा अझै छ। чрезвычайно महत्त्वपूर्ण।

शैक्षिक सामाजिक सञ्जालहरू (जस्तै, अनुसन्धान समुदायहरू) हाम्रो सभ्यताले सिर्जना गरेको सबैभन्दा उन्नत र मूल्यवान संरचनाहरू मध्ये एक हो। हामीले ज्ञान उत्पादनमा केन्द्रित विशेषज्ञहरूको ठूलो एकाग्रता कतै जम्मा गरेका छैनौं। एकअर्काको विचार बुझ्ने र आलोचना गर्ने क्षमता मानिसमा कतै पनि विकसित भएको छैन। यो प्रगतिको धड्कन मुटु हो। यी सञ्जालहरूमा ज्ञानको आगो सबैभन्दा बलियो रूपमा जल्छ।

तर हामीले प्रगतिलाई सामान्य मान्न सक्दैनौं। यदि प्रयोग irreproducibility संकट र यदि यसले हामीलाई केहि सिकायो भने, यो थियो कि विज्ञानले प्रणालीगत समस्याहरू हुन सक्छ। यो एक प्रकारको नेटवर्क डिग्रेडेसन हो ।

मानौं हामीले विज्ञान गर्ने दुई तरिकाहरू बीच भेद गर्छौं: वास्तविक विज्ञान и करियरवाद। वास्तविक विज्ञान भनेको भरपर्दो ज्ञान उत्पादन गर्ने अभ्यास हो। यो जिज्ञासा द्वारा प्रेरित छ र ईमानदारी द्वारा विशेषता छ (फेनम्यान: "तपाईंले देख्नुभयो, मैले संसार बुझ्नु पर्छ")। करियरवाद, यसको विपरित, व्यावसायिक महत्वाकांक्षा द्वारा प्रेरित छ र राजनीति र वैज्ञानिक सर्टकट खेल्ने विशेषता हो। यो विज्ञान जस्तो देखिन्छ र कार्य गर्न सक्छ, तर छैन विश्वसनीय ज्ञान उत्पादन गर्दछ।

(हो, यो अतिरंजित द्विविधा हो। केवल एक विचार प्रयोग। मलाई दोष नदिनुहोस्)।

तथ्य यो हो कि जब क्यारियरहरूले वास्तविक अनुसन्धान समुदायमा ठाउँ लिन्छन्, तिनीहरूले कामलाई बर्बाद गर्छन्। उनीहरूले आफूलाई प्रवर्द्धन गर्ने प्रयास गर्छन् जबकि समुदायका बाँकी सदस्यहरूले नयाँ ज्ञान प्राप्त गर्न र साझा गर्ने प्रयास गर्छन्। स्पष्टताको लागि प्रयास गर्नुको सट्टा, क्यारियरवादीहरूले थप प्रभावशाली आवाजको लागि सबै कुरालाई जटिल र भ्रमित गर्छन्। तिनीहरू (ह्यारी फ्रान्कफर्टले भनेजस्तै) वैज्ञानिक बकवासमा संलग्न छन्। र यसैले हामी तिनीहरूलाई मृत नोडहरूको रूपमा मोडेल गर्न सक्छौं, ज्ञान वृद्धिको लागि आवश्यक जानकारीको उचित आदानप्रदानको लागि अभेद्य:

सायद सबै भन्दा राम्रो मोडेल एक हो जसमा करियरिस्ट नोडहरू ज्ञानको लागि मात्र अभेद्य छैनन्, तर सक्रिय रूपमा प्रसारित छन्। नक्कली ज्ञान। नक्कली ज्ञानले तुच्छ परिणामहरू समावेश गर्न सक्छ जसको महत्त्व कृत्रिम रूपमा बढाइएको छ, वा हेरफेर वा बनावटी डाटाबाट उत्पन्न हुने साँच्चै गलत परिणामहरू।

हामी तिनीहरूलाई कसरी मोडेल गर्छौं, क्यारियरहरूले पक्कै पनि हाम्रो वैज्ञानिक समुदायहरूलाई घाँटी थिच्न सक्छन्।

यो हामीलाई अत्यन्तै आवश्यक पर्ने आणविक श्रृंखला प्रतिक्रिया जस्तै हो - हामीलाई ज्ञानको विस्फोट चाहिन्छ - केवल हाम्रो समृद्ध U-235 मा धेरै गैर-प्रतिक्रियाशील आइसोटोप U-238 छ, जसले चेन प्रतिक्रियालाई दबाउँछ।

निस्सन्देह, करियरिस्टहरू र वास्तविक वैज्ञानिकहरू बीच कुनै स्पष्ट भिन्नता छैन। हामी मध्ये प्रत्येकको अलिकति करियरवाद हामी भित्र लुकेको छ। प्रश्न यो छ कि ज्ञान प्रसार फिक्का हुनु अघि नेटवर्क कति लामो हुन सक्छ।

ओह, तपाइँ अन्त सम्म पढ्नुहोस्। पढ्नु भएकोमा धन्यवाद।

लाइसेन्स

CC0 सबै अधिकार सुरक्षित छैन। तपाईंले यो कामलाई उपयुक्त देख्नुभएको रूपमा प्रयोग गर्न सक्नुहुन्छ :)।

स्वीकार

• केभिन Kwok и निकी केस मस्यौदाका विभिन्न संस्करणहरूमा विचारशील टिप्पणी र सुझावहरूको लागि।
• निक बार — सम्पूर्ण प्रक्रियामा नैतिक समर्थन र मेरो काममा सबैभन्दा उपयोगी प्रतिक्रियाको लागि।
• किथ ए।
• ज्योफ लन्सडेल लिङ्क को लागी यो निबन्ध हो, जुन (यसका धेरै कमजोरीहरूको बावजुद) यस पोस्टमा काम गर्ने मुख्य प्रेरणा थियो।

अन्तरक्रियात्मक निबन्ध नमूनाहरू

• निकी केसको सबै काम, विशेष। "बहुभुजको दृष्टान्त" (Vi Hart संग) र "राम्रो मतदान मतपत्रको विकास गर्दै"। यो एक अन्तरक्रियात्मक निबन्ध के हुन सक्छ को लागी एक उच्च बार हो।
• distill.pub: मेसिन लर्निङको असाधारण रूपमा उच्च गुणस्तरीय अन्तरक्रियात्मक विवरणहरू।
• ब्रेट भिक्टर द्वारा क्लासिक काम "अमूर्तताको सीढी माथि र तल"। म सीढीहरू माथि सार्न मा धेरै राम्रो थिएन, तर त्यहाँ सधैं एक थप प्रयास छ।

स्रोत: www.habr.com