Dacă ai petrecut ceva timp gândindu-te la sisteme complexe, atunci cu siguranță înțelegi importanța rețelelor. Rețelele guvernează lumea noastră. De la reacțiile chimice din interiorul celulei, până la rețelele de relații din ecosistem, și rețelele comerciale și politice care modelează cursul istoriei.

Sau să luăm în considerare acest articol pe care îl citești. Probabil l-ai găsit în rețeaua socială, l-ai descărcat din rețeaua de calculatoare și în prezent decodifici semnificația cu ajutorul propriului tău neuron de rețea.

Dar, indiferent cât am meditativ despre rețele de-a lungul anilor, până recent nu am înțeles importanța simplului difuzie.

Aceasta este tema noastră de astăzi: cât de haotic totul se mișcă și se răspândește. Iată câteva exemple pentru a-ți stârni apetitul:

• Boli infecțioase care se transmit de la purtător la purtător în cadrul unei populații.
• Meme care se răspândesc prin graful urmăritorilor în rețelele sociale.
• Un incendiu de pădure.
• Idei și practici care pătrund în cultură.
• Un cascade de neutroni în uraniul îmbogățit.

O scurtă observație despre formă.

Spre deosebire de toate lucrările mele anterioare, acest eseu este interactiv [în articolului original sunt prezentate exemple interactive cu slidere și butoane care controlează obiectele de pe ecran – n.trad.].

Așa că să începem. Prima sarcină este să dezvoltăm un dicționar vizual pentru difuzia prin rețele.

Un model simplu

Sunt sigur că toți știți baza rețelelor, adică noduri + muchii. Pentru a explora difuzia, trebuie doar să marcăm unele noduri ca active. Sau, cum le place epidemiologilor să spună, infectate:

Această activare sau infecție se răspândește prin rețea de la nod la nod conform regulilor pe care le vom dezvolta mai jos.

Rețelele reale sunt, de obicei, mult mai mari decât această rețea simplă formată din șapte noduri. Ele sunt, de asemenea, mult mai complicate. Dar, pentru simplificare, vom construi aici un model de joacă pentru a studia rețeaua de tip grilă (lattice network).

(Faptul că rețelei îi lipsește realismul este compensat de faptul că este ușor de desenat 😉

Exceptând cazurile în care se specifică altceva, fiecare nod din rețea are patru vecini, de exemplu:

Și trebuie să ne imaginăm că aceste grile se extind infinit în toate direcțiile. Cu alte cuvinte, nu ne interesează comportamentul care are loc doar la marginea rețelei sau în populații mici.

Având în vedere că rețelele sunt atât de organizate, le putem simplifica la pixeli. De exemplu, aceste două imagini reprezintă aceeași rețea:

În una dintre variantele comportamentului, un nod activ transmite întotdeauna infecția vecinilor săi (neinfectați). Dar acest lucru este plictisitor. Lucruri mult mai interesante se întâmplă atunci când transmiterea este probabilistică.

SIR și SIS

În modelele SIR (Susceptibil-Infectat-Eliminat) un nod poate fi în trei stări:

• Susceptibil (Susceptible)
• Infectat (Infected)
• Eliminat (Removed)

Iată cum funcționează simularea interactivă [în articolului original poți alege viteza de transmitere a infecției de la 0 la 1, să observi procesul pas cu pas sau în întregime — n. s.]:

• Nodurile încep ca fiind susceptibile, cu excepția câtorva noduri care încep ca fiind infectate.
• La fiecare pas temporal, nodurile infectate primeau o șansă de a transmite infecția fiecărui vecin susceptibil, cu o probabilitate egală cu viteza de transmitere.
• Apoi, nodurile infectate trec în starea "eliminat", adică nu mai pot infecta altele sau să se infecteze din nou.

În contextul bolii, eliminarea poate însemna că persoana a murit sau că a dezvoltat imunitate la patogen. Spunem că au fost "eliminati" din simulare, deoarece nu li se mai întâmplă nimic.

În funcție de ceea ce încercăm să modelăm, poate fi necesară un alt model, diferit de SIR.

Dacă imităm răspândirea rubeolei sau explozia unui incendiu de pădure, SIR se potrivește perfect. Dar să presupunem că imităm răspândirea unei noi practici culturale, cum ar fi meditația. La început, nodul (persoana) este susceptibil, deoarece nu a mai făcut asta înainte. Apoi, dacă începe să mediteze (poate, auzind despre asta de la un prieten), îl vom modela ca fiind infectat. Dar dacă renunță la practică, nu va muri și nu va ieși din simulare, deoarece în viitor poate prelua ușor din nou această obișnuință. Astfel, revine în starea susceptibilă.

Aceasta modelul SIS (Susceptible–Infected–Susceptible). În modelul clasic, există doi parametri: viteza de transmitere și viteza de recuperare. Cu toate acestea, în simulările pentru acest articol, am decis să simplific, omitetând parametrul vitezei de recuperare. În schimb, nodul infectat revine automat la starea susceptibilă în pasul următor, cu condiția să nu fie infectat de unul dintre vecinii săi. În plus, permitem unui nod infectat în pasul n să se infecteze pe sine în pasul n+1 cu probabilitatea egală cu viteza de transmitere.

Discuție

După cum puteți observa, acest lucru diferă considerabil de modelul SIR.

Deoarece nodurile nu sunt niciodată eliminate, chiar și o rețea foarte mică și limitată poate susține infecția SIS pentru o perioadă lungă. Infecția pur și simplu sare de la un nod la altul și se întoarce înapoi.

În ciuda diferențelor, SIR și SIS se dovedesc a fi surprinzător de interschimbabile pentru scopurile noastre. Prin urmare, pentru restul articolului ne vom concentra asupra SIS, în principal pentru că este mai rezistentă și, prin urmare, mai interesant de lucrat.

Nivel critic

Jucându-vă cu modelele SIR și SIS, ați putea observa ceva despre durabilitatea infecției. La viteze de transmitere foarte scăzute, cum ar fi 10%, infecția tinde să dispară. În timp ce la valori mai mari, cum ar fi 50%, infecția rămâne activă și captează o parte mai mare a rețelei. Dacă rețeaua ar fi infinită, ne-am putea imagina că aceasta continuă și se răspândește la nesfârșit.

Această difuziune nelimitată are multe denumiri: „virală”, „nucleară” sau (în titlul acestui articol) critică.

Se pare că există o punct de cotitură specific, care separă rețelele subcritice (destinate extincției) de rețelele supracritice (capabile de creștere infinită). Acest moment de cotitură se numește prag critic, și acesta este un semn destul de comun al proceselor de difuzie în rețelele obișnuite.

Valoarea exactă a pragului critic variază între rețele. Ceea ce este comun este existența această valoare.

[În demonstrația interactivă din articolul original puteți încerca să găsiți manual pragul critic al rețelei, modificând valoarea vitezei de transmitere. Acesta se află undeva între 22% și 23% — n.r.]

La 22% (și sub) infecția în cele din urmă moare. La 23% (sau mai mult) infecția inițială uneori moare, dar în majoritatea cazurilor reușește să supraviețuiească și să se răspândească suficient de mult pentru a-și asigura existența eternă.

(Apropo, există un întreg domeniu științific dedicat căutării acestor praguri critice pentru diferite topologii de rețea. Pentru o familiarizare rapidă, recomand să răsfoiți rapid articolul de pe Wikipedia despre pragul de infectare).

În general, iată cum funcționează: sub pragul critic, orice infecție finită din rețea moare garantat (cu o probabilitate de 1) în cele din urmă. Dar peste pragul critic există o probabilitate (p > 0) ca infecția să continue etern, extinzându-se arbitrari de departe de locul de origine.

Cu toate acestea, rețineți că o rețea supracritică nu garantează, că infecția va continua veșnic. De fapt, ea se stinge adesea, mai ales în cele mai timpurii etape ale modelării. Să vedem cum se întâmplă acest lucru.

Să presupunem că am început cu un singur nod infectat și patru vecini. În primul pas al modelării, infecția are 5 șanse independente de propagare (inclusiv șansa de a „se răspândi” asupra sa în pasul următor):

Acum să presupunem că viteza de transmisie este de 50%. În acest caz, în primul pas aruncăm moneda de cinci ori. Și dacă ies cinci capete, infecția va fi distrusă. Asta se întâmplă în aproximativ 3% din cazuri — și asta doar în primul pas. Infecția care a supraviețuit primului pas are o anumită (de obicei mai mică) probabilitate de a se stinge în pasul al doilea, o anumită (încă mai mică) probabilitate de a se stinge în pasul trei și așa mai departe.

Astfel, chiar și atunci când rețeaua este supracritică — dacă viteza de transmisie este de 99% — există o probabilitate ca infecția să dispară.

Dar este important că ea nu întotdeauna se va stinge. Dacă adunăm probabilitatea stingerii tuturor pașilor până la infinit, rezultatul este mai mic de 1. Cu alte cuvinte, cu o probabilitate non-zero, infecția va continua veșnic. Asta înseamnă că o rețea este supracritică.

SISa: activare spontană

Până acum toate simulările noastre au început cu un mic grup de noduri deja infectate în centru.

Dar ce se întâmplă dacă începem de la zero? Apoi, să modelăm activarea spontană — procesul prin care un nod sensibil este infectat aleatoriu (nu de la unul dintre vecini).

Aceasta se numește model SISa. Litera “a” înseamnă „automat”.

În simularea SISa apare un nou parametru — viteza de activare spontană, care modifică frecvența apariției infecției spontane (parametrul vitezei de transmitere, pe care l-am văzut anterior, este de asemenea prezent).

Ce este nevoie pentru ca infecția să se răspândească în întreaga rețea?

Discuție

Poate, în simulare, ați observat că creșterea vitezei de activare spontană nu schimbă dacă infecția acoperă întreaga rețea sau nu. Doar viteza de transmitere determină dacă rețeaua este subcritică sau supracritică. Și când rețeaua este subcritică (viteza de transmitere este mai mică sau egală cu 22%), nicio infecție nu se poate răspândi în întreaga grilă, indiferent de cât de des începe.

Este precum a aprinde un foc pe un câmp umed. Poți aprinde câteva frunze uscate, dar flacăra se va stinge rapid, deoarece restul peisajului nu se aprinde suficient de ușor (subcritic). Pe de altă parte, pe un câmp foarte uscat (supracritic), este suficientă o scânteie pentru ca focul să izbucnească.

Lucruri similare se observă în domeniul ideilor și invențiilor. Adesea, lumea nu este pregătită pentru o idee, și în acest caz, poate fi reinventată din nou și din nou, dar nu captează masele. Pe de altă parte, lumea poate fi complet pregătită pentru o invenție (o mare cerere ascunsă), și odată ce aceasta se naște, este acceptată de toți. În mijloc se află idei care sunt inventate în mai multe locuri și se răspândesc local, dar nu suficient pentru ca o versiune separată să acopere imediat întreaga rețea. În această ultimă categorie, găsim, de exemplu, agricultura și scrierea, care au fost inventate independent de diferite civilizații umane de aproximativ zece și respectiv trei ori.

Imunitate

Să presupunem că facem anumite noduri complet invulnerabile, adică insensibile la activare. Este ca și cum ar fi inițial într-o stare îndepărtată, iar modelul SIS(a) se activează pe nodurile rămase.

Glisorul „imunitate” controlează procentul de noduri eliminate. Încercați să-i schimbați valoarea (în timp ce modelul rulează!) și să observați cum influențează starea rețelei, va fi supercritic sau nu.

Discuție

Schimbarea numărului de noduri imune schimbă complet imaginea, rețeaua va fi sub- sau supercritic. Și nu este greu de înțeles de ce. Cu un număr mare de noduri imune, infecția are mai puține oportunități de a se răspândi la gazde noi.

Se dovedește că acest lucru are o serie de consecințe practice foarte importante.

Una dintre acestea este prevenirea răspândirii incendiilor de vegetație. La nivel local, fiecare persoană trebuie să ia propriile măsuri de precauție (de exemplu, să nu lase flacăra deschisă nesupravegheată). Dar la scară largă, izbucniri individuale sunt inevitabile. Astfel, o altă metodă de protecție constă în asigurarea unui număr suficient de „rupte” (în rețea de materiale inflamabile), pentru a preveni ca izbucnirea să cuprindă întreaga rețea. Aceasta este funcția care o îndeplinesc defrișările:

O altă izbucnire care trebuie oprită este boala infecțioasă. Aici se introduce conceptul imunității de grup. Aceasta este ideea că unii oameni nu pot fi vaccinați (de exemplu, au un sistem imunitar compromis), dar dacă un număr suficient de oameni sunt imunizați, boala nu va putea să se răspândească infinit. Cu alte cuvinte, trebuie să vaccinați o proporție suficientă a populației pentru a transforma populația dintr-o stare supercritic în una subcritic. Când acest lucru se întâmplă, un pacient poate fi încă infectat (de exemplu, după o călătorie într-o altă regiune), dar fără o rețea supercritic în care să crească, boala va infecta doar un grup mic de oameni.

În cele din urmă, conceptul de noduri imune explică ce se întâmplă într-un reactor nuclear. În reacția în lanț, un atom de uraniu-235 care se dezintegrează eliberează aproximativ trei neutroni, care provoacă (în medie) descompunerea a mai multor atomi de U-235. Noi neutroni provoacă apoi descompunerea suplimentară a atomilor și așa mai departe exponential:

At the creation of a bomb, the whole point is to ensure the seamless continuation of exponential growth. However, at a power plant, the goal is to produce energy without killing everyone around. For this, we use control rods, made of materials capable of absorbing neutrons (such as silver or boron). Since they absorb rather than release neutrons, they act like immune nodes in our simulation, thereby preventing the radioactive core from reaching a supercritical state.

Thus, the trick of a nuclear reactor is to keep the reaction close to the critical threshold by moving the control rods back and forth and ensuring that whenever something goes wrong, the rods drop into the core and stop it.

The degree

The degree of a node is the number of its neighbors. Up to this point, we have considered networks of degree 4. But what happens if we change this parameter?

For instance, we can connect each node not only to its four immediate neighbors but also to four diagonal ones. In such a network, the degree will be 8.

Grids with degrees of 4 and 8 are quite symmetric. But at degree 5 (for example), a problem arises: which five neighbors to choose? In this case, we select the four closest neighbors (N, E, S, W) and then randomly choose one neighbor from the set {NE, SE, SW, NW}. The choice is made independently for each node at each time step.

Discuție

Again, it’s not hard to understand what’s happening here. When each node has more neighbors, the chances of spreading infection increase — and thus, the network is more likely to become critical.

However, the consequences can be unexpected, as we will see below.

Cities and network density

So far, our networks have been completely homogeneous. Each node looks like any other. But what if we change the conditions and allow different states of nodes throughout the network?

For example, let’s try to model cities. To do this, we increase the density in certain areas of the network (higher node degree). We do this based on data showing that city dwellers have a broader social circle and more social interactions, than people outside the cities.

În modelul nostru, nodurile receptive sunt colorate în funcție de gradul lor. Nodurile din „zonele rurale” au un grad de 4 (și sunt colorate în gri deschis), în timp ce nodurile din „orașe” au grade mai ridicate (și sunt colorate mai închis), începând cu gradul 5 la marginea orașului și terminând cu 8 în centrul orașului.

Încercați să determinați o viteză de propagare astfel încât activarea să cuprindă orașele și apoi să nu iasă din limitele lor.

Consider că această simulare este în același timp evidentă și surprinzătoare. Desigur, orașele sprijină mai bine nivelul cultural decât zonele rurale — toată lumea știe asta. Ceea ce mă surprinde este că o parte din această diversitate culturală apare pur și simplu pe baza topologiei rețelei sociale.

Este un punct interesant, voi încerca să explic mai detaliat.

Aici ne ocupăm de formele de cultură care se transmit simplu și direct de la o persoană la alta. De exemplu, maniere, jocuri de salon, tendințe de modă, tendințe lingvistice, rituale de grupuri mici și produse care se propagă din gură în gură, plus întregi pachete de informații pe care le numim idei.

(Notă: propagarea informațiilor între oameni este extrem de complicată de mass-media. Este mai ușor să ne imaginăm un mediu tehnologic primitiv, cum ar fi Grecia Antică, unde aproape fiecare scânteie de cultură era transmisă prin interacțiune în spațiul fizic).

Din simularea prezentată am învățat că există idei și practici culturale care pot prinde rădăcini și se pot răspândi în oraș, dar pur și simplu nu pot propaga în zonele rurale (matematic vorbind, nu pot). Acestea sunt aceleași idei și aceiași oameni. Problema nu este că locuitorii din zonele rurale sunt „neștiutori”: când interacționează cu aceeași idee, ei au exact aceleași șanse să o preia, ca și orașenii. Pur și simplu, ideea însăși nu poate deveni virală în zonele rurale, deoarece nu sunt atât de multe legături prin care să se poată răspândi.

Acesta este, probabil, cel mai simplu de observat în domeniul modei— îmbrăcămintei, coafurilor etc. În rețeaua de modă putem observa o legătură când două persoane își observă ținutele. În centrul orașului, fiecare persoană poate vedea zilnic mai mult de 1000 de alte persoane— pe stradă, în metrou, într-un restaurant aglomerat etc. În mediul rural, dimpotrivă, fiecare persoană poate vedea doar câteva zeci de alte persoane. Bazându-ne doar pe această diferență, orașul poate susține mai multe tendințe de modă. Și doar cele mai convingătoare tendințe— cu cea mai mare viteza de transmitere— vor reuși să se impună în afara orașului.

Tindem să credem că dacă o idee este bună, atunci în cele din urmă va ajunge la toată lumea, iar dacă o idee este proastă, atunci va dispărea. Evident, acest lucru este adevărat în cazuri extreme, dar între ele există o mulțime de idei și practici care pot deveni virale doar în rețele specifice. Este cu adevărat uimitor.

Nu doar orașele

Aici analizăm influența densității rețelei. Aceasta este definită pentru un anumit set de noduri ca numărul de legături efective, împărțit la numărul de legături potențiale. Cu alte cuvinte, procentul de relații posibile care există cu adevărat.

Deci, am observat că densitatea rețelei în centrele urbane este mai mare decât în zonele rurale. Dar orașele nu sunt singurul loc unde găsim rețele dense.

Un exemplu interesant sunt școlile medii. De exemplu, pentru o informație specifică, comparăm rețeaua care există printre elevi cu rețeaua care există printre părinții lor. Aceeași zonă geografică și aceeași densitate a populației, dar o rețea este mult mai densă decât cealaltă. Prin urmare, nu este surprinzător că tendințele de modă și cele lingvistice se răspândesc mult mai repede printre adolescenți.

În mod similar, rețelele de elită sunt, de obicei, mult mai dense decât rețelele non-elite - în opinia mea, acest fapt este subestimat (oamenii care sunt populari sau influenți petrec mai mult timp construind rețele, astfel încât au mai mulți "vecini" decât oamenii obișnuiți). Având în vedere simulările prezentate mai sus, ne așteptăm ca rețelele de elită să susțină anumite forme culturale care nu pot fi susținute de mainstream, pur și simplu din cauza legilor matematice, în funcție de gradul mediu de densitate a rețelei. Vă las să reflectați la ce forme culturale ar putea fi acestea.

În cele din urmă, putem aplica această idee la internet, modelându-l ca o uriașă și foarte densă metropolă. Nu este de mirare că pe internet prosperă multe noi forme de cultură, care pur și simplu nu pot fi susținute în rețele strict spațiale: hobby-uri de nișă, standarde mai ridicate de design, o mai mare conștientizare a nedreptății etc. Și nu sunt doar lucruri plăcute. La fel cum primele orașe au fost focare de boli, care nu se puteau răspândi la o densitate scăzută a populației, tot așa internetul este un mediu fertil pentru forme culturale maligne, cum ar fi clickbait, știri false și incitarea unei indignări artificiale.

Cunoștințe

„A atrage expertul potrivit în momentul potrivit este adesea cea mai valoroasă resursă pentru a rezolva creativ o problemă.” — Michael Nielsen, „Inventând descoperiri”

Adesea ne gândim la descoperire sau la invenție ca la un proces care are loc în mintea unui singur geniu. El este lovit de o sclipire de inspirație și - Eureka! — brusc obținem o nouă metodă de măsurare a volumului. Sau ecuația gravitației. Sau becul.

Dar dacă adoptăm perspectiva inventatorului solitar în momentul descoperirii, privim fenomenul din perspectivele unui nod. În timp ce ar fi mai corect să interpretăm invenția ca fiind un fenomen de rețea. Rețeaua este importantă în cel puțin două privințe. În primul rând, ideile deja existente trebuie să pătrundă

în conștiința inventatorului. Acestea sunt citate dintr-un articol nou, secțiunea bibliografică a unei cărți noi - giganți, pe umerii cărora s-a sprijinit Newton. În al doilea rând, rețeaua este esențială pentru a readuce o nouă idee înapoi înapoi în lume; o invenție care nu s-a răspândit, cu greu poate fi numită „invenție”. Astfel, din aceste două motive, are sens să modelăm invenția — sau, în sens larg, creșterea cunoștințelor — ca un proces de difuzie.

În câteva momente, voi prezenta o simulare grosieră a modului în care cunoștințele pot fi răspândite și crescute în cadrul unei rețele. Dar mai întâi trebuie să explic.

La începutul simulării, în fiecare cadran al rețelei se află patru experți, așezati astfel:

Expertul 1 are prima versiune a ideii — să-i spunem Idee 1.0. Expertul 2 este persoana care știe cum să transforme Idee 1.0 în Idee 2.0. Expertul 3 știe cum să transforme Idee 2.0 în Idee 3.0. Și, în final, al patrulea expert știe cum să facă ultimele retușuri pentru a crea Idee 4.0.

Este similar cu o tehnică precum origami, unde metodele sunt dezvoltate și combinate cu alte metode pentru a crea structuri mai interesante. Sau poate fi un domeniu de cunoștință, precum fizica, în care lucrările ulterioare se bazează pe munca fundamentală a precursorilor.

Esenta acestei simulări este că avem nevoie de toți cei patru experți pentru a contribui la versiunea finală a ideii. Și la fiecare pas, ideea trebuie să ajungă la expertul corespunzător.

Câteva precizări. În simulare sunt codificate numeroase presupuneri nerealiste. Iată doar câteva dintre ele:

1. Se presupune că ideile nu pot fi păstrate și transmise altfel decât de la o persoană la alta (adică nu există cărți și mass-media).
2. Se presupune că în populație există experți permanenți capabili de a genera idei, deși în realitate, apariția unei descoperiri sau invenții este influențată de multe factori întâmplători.
3. Pentru toate cele patru versiuni ale ideii se folosește același set de parametri SIS (viteza de transmitere, procentul de imunizare etc.), deși mai realist ar fi probabil să se folosească parametrii diferiți pentru fiecare versiune (1.0, 2.0 etc.)
4. Se presupune că ideea N+1 înlocuiește complet ideea N, deși în practică, adesea atât versiunea veche, cât și cea nouă circulă simultan, fără un câștigător categoric.

… și multe altele.

Discuție

Aceasta este o modelare ridicol de simplificată a modului în care, de fapt, cunoștințele se dezvoltă. Dincolo de model au rămas multe detalii importante (vezi mai sus). Totuși, ea reflectă esența procesului. Așadar, putem, cu precauții, discuta despre creșterea cunoștințelor folosind cunoștințele noastre despre difuzie.

În special, modelul de difuzie oferă o înțelegere despre cum accelerăm procesul: trebuie să facilităm schimbul de idei între nodurile de expertiză. Acest lucru poate însemna curățarea rețelei de noduri moarte care împiedică difuzia. Sau poate însemna plasarea tuturor experților într-un oraș sau un cluster cu o densitate mare de rețea, unde ideile se răspândesc rapid. Sau pur și simplu să-i adunăm într-o singură cameră:

Așadar… aceasta este tot ce pot spune despre difuzie.

Dar am o ultimă idee, și este foarte importantă. Este vorba despre creșterea (și stagnarea) cunoștințelor în comunitățile științifice. Această idee diferă ca ton și conținut de tot ceea ce s-a spus mai sus, dar sper că mă veți ierta.

Despre rețelele științifice

Ilustrația arată unul dintre cele mai importante cicluri pozitive de feedback din lume (și a fost așa de mult timp):

Cursul ascendent al ciclului (K ⟶ T) este destul de simplu: folosim cunoștințele noi pentru a dezvolta noi instrumente. De exemplu, înțelegerea fizicii semicond implică crearea de computere.

Însă, cursul descendent necesită o anumită explicație. Cum contribuie dezvoltarea tehnologiilor la creșterea cunoștințelor?

Unul dintre moduri — poate cel mai direct — este când noile tehnologii ne oferă noi modalități de a percepe lumea. De exemplu, microscoapele mai bune ne permit să pătrundem mai adânc în celulă, inspirând idei pentru biologia moleculară. Tracker-ele GPS arată cum se mișcă animalele. Sonarul permite explorarea oceanelor. Și așa mai departe.

Fără îndoială, acesta este un mecanism vital, dar există cel puțin două alte căi de la tehnologie la cunoaștere. Poate că nu sunt la fel de simple, dar cred că sunt la fel de importante:

Primul. Tehnologia conduce la abundență economică (adică bogăție), ceea ce permite unui număr mai mare de oameni să se dedice producerii de cunoștințe.

Dacă 90% din populația țării tale se ocupă cu agricultura, iar ceilalți 10% se angajează în diferite forme de comerț (sau război), atunci oamenii au foarte puțin timp liber pentru a reflecta asupra legilor naturii. Poate de aceea, în trecut, știința a fost promovată în principal de copii din familii bogate.

SUA produc anual peste 50.000 de doctori în științe. În loc ca o persoană să înceapă să lucreze într-o fabrică la 18 ani (sau mai devreme), un absolvent de doctorat trebuie să fie finanțat până la 30 sau poate chiar până la 40 de ani – și chiar și atunci nu este clar dacă munca sa va avea un efect economic real. Dar acest lucru este necesar pentru ca o persoană să atingă frontierile avansate în disciplina sa, mai ales în domenii complexe, precum fizica sau biologia.

Problema este că, din punct de vedere sistemic, specialiștii sunt costisitori. Și sursa finală a bogăției publice care finanțează acești specialiști este tehnologia nouă: plugul subvenționează stiloul.

Al doileaNoile tehnologii, în special în domeniul călătoriilor și comunicațiilor, schimbă structura rețelelor sociale în care cunoștințele cresc. În special, aceasta permite experților și specialiștilor să colaboreze mai strâns.

Printre invențiile notabile se numără tiparnița, navele cu aburi și căile ferate (care facilitează călătoriile și/sau expedierea de corespondență pe distanțe mari), telefoanele, avioanele și internetul. Toate aceste tehnologii contribuie la creșterea densității rețelei, mai ales în cadrul comunităților specializate (unde se desfășoară aproape întreaga creștere a cunoștințelor). De exemplu, rețelele de corespondență care au apărut în rândul savanților europeni la sfârșitul Evului Mediu sau modul în care fizicienii moderni folosesc arXiv.

În cele din urmă, ambele căi sunt similare. Ambele cresc densitatea rețelei specialiștilor, ceea ce, la rândul său, duce la creșterea cunoștințelor:

Pentru mulți ani, am avut o atitudine destul de disprețuitoare față de învățământul superior. Scurta mea ședere în programul de doctorat a lăsat un gust neplăcut. Dar acum, privind înapoi și reflectând (încercând să mă abstrah de toate problemele personale), trebuie să concluzionez că învățământul superior este încă extrem de important.

Rețelele sociale academice (de exemplu, comunitățile de cercetare) sunt una dintre cele mai avansate și valoroase structuri create de civilizația noastră. Nicaieri nu am acumulat o concentrație mai mare de specialiști concentrați pe producția de cunoștințe. Nicaieri oamenii nu au dezvoltat abilități mai mari de a înțelege și critica ideile unii altora. Acesta este inima bătătoare a progresului. În aceste rețele, focul iluminării arde mai puternic ca niciodată.

Dar nu putem lua progresul ca pe un dat. Dacă criza reproducibilității experimentelor ne-a învățat ceva, este că știința poate avea probleme sistemice. Aceasta este, în felul ei, o degradare a rețelei.

Să presupunem că distingem două moduri de a face știință: știința adevărată și carierismul. Știința adevărată este practicile care produc cunoaștere în mod fiabil. Ea este motivată de curiozitate și caracterizată prin onestitate (Feynman: „Vezi, trebuie doar să înțeleg lumea”). Carierismul, pe de altă parte, este motivat de ambiții profesionale și se caracterizează prin jocul politic și etichetele științifice. Poate să arate și să acționeze ca știința, dar nu nu produce cunoștințe fiabile.

(Da, aceasta este o dikhotomie exagerată. Doar un experiment mental. Scuzați-mă).

Problema este că atunci când carierii își ocupă locul în comunitatea de cercetare reală, ei strică munca. Ei caută să se promoveze, în timp ce restul comunității încearcă să obțină noi cunoștințe și să le împărtășească. În loc să tindă spre claritate, carierii complică și încurcă lucrurile, pentru a suna mai impresionant. Ei se angajează în (așa cum ar spune Harry Frankfurt) prostii științifice. Deci, am putea modela aceștia ca noduri moarte, nepătrunse de schimbul de informații de bună credință, necesar pentru creșterea cunoașterii:

Poate că cea mai bună modelare este aceea în care nodurile carieriste nu sunt doar nepătrunse de cunoștințe, ci activează și răspândesc cunoștințe false. Cunoștințele false pot include rezultate insignifiante, importanța cărora este artificial umflată, sau cu adevărat rezultate false, care apar din manipulări sau date fabricate.

Indiferent de modul în care le modelăm, carieristele pot sufoca, fără îndoială, comunitățile noastre științifice.

Asta seamănă cu o reacție nucleară în lanț, de care avem disperat nevoie – ne trebuie o explozie de cunoștințe – dar în U-235 nostru îmbogățit, impuritățile de izotop U-238 neactiv sunt prea mari, ceea ce inhibă reacția în lanț.

Desigur, nu există o distincție clară între carieristi și adevărații oameni de știință. Fiecare dintre noi are puțin carierism în el. Întrebarea este cât poate rezista rețeaua înainte să se estompeze răspândirea cunoștințelor.

Oh, ai citit până la final. Îți mulțumesc pentru lectură.

Licență

CC0 toate drepturile sunt neprotejat. Poți folosi această lucrare așa cum crezi de cuviință :).

Mulțumiri

• Kevin Quok și Niki Case pentru comentariile bine gândite și sugestiile despre diversele versiuni ale schiței.
• Nick Barr – pentru sprijinul moral pe parcursul întregului proces și pentru cele mai utile feedback-uri la munca mea.
• Kit A. pentru că mi-a atras atenția asupra fenomenului de percolație și al pragului de scurgere.
• Jeff Lonsdale pentru linkul către acest eseu, care (în ciuda numeroaselor sale defecte) a fost principala motivație pentru scrierea acestui articol.

Exemple de eseuri interactive

• Toate lucrările lui Niki Case, în special „Parabola poligonelor” (cu Vi Hart) și „Dezvoltarea unei scrisori de vot mai bune”. Aceasta este o referință înaltă la ceea ce poate fi un eseu interactiv.
• Distill.pub: descrieri interactive de înaltă calitate ale învățării automate.
• Lucrarea clasică a lui Bret Victor „Sus și jos pe scara abtracției”. Nu am reușit să avansez bine în scala asta, dar mereu există o nouă încercare.

Sursa: habr.com