Ak ste strávili nejaký čas premýšľaním o komplexných systémoch, určite chápete význam sietí. Sieť ovláda náš svet. Od chemických reakcií v bunke, cez siete vzťahov v ekosystéme, obchodné a politické siete, ktoré formujú chod histórie.

Alebo si vezmite tento článok, ktorý čítate. Pravdepodobne ste ho našli v sociálnej sieti, stiahli z počítačovej siete a v súčasnosti dekódujete zmysel pomocou svojej neurónovej siete.

No koľko rokov som premýšľal o sieťach, doteraz som nerozumel významu jednoduchého difúzie.

Toto je dnešná téma: ako, do akej miery sa všetko chaoticky pohybuje a šíri. Niekoľko príkladov, aby sme vybudili chuť:

• Infekčné choroby prenášajúce sa z nosiča na nosič v populácii.
• Memes šíriace sa v grafe sledovateľov na sociálnych sieťach.
• Lesný požiar.
• Nápady a praktiky prenikajúce do kultúry.
• Kaskáda neutrónov v obohatenom uráne.

Krátka poznámka o forme.

Na rozdiel od všetkých mojich predchádzajúcich prác, tento esej je interaktívny [v originálnom článku sú uvedené interaktívne príklady s posúvačmi a tlačidlami, ktoré ovládajú objekty na obrazovke – pozn. red.].

Takže poďme na to. Prvá úloha – vyvinúť vizuálny slovník na šírenie po sieťach.

Jednoduchý model

Som si istý, že všetci poznáte základy sietí, teda uzly + hrany. Aby sme preskúmali difúziu, stačí označiť niektoré uzly ako aktívne. Alebo, ako radi hovoria epidemiológovia, infikované:

Táto aktivácia alebo infekcia sa šíri po sieti z uzla na uzol podľa pravidiel, ktoré si nižšie vyvineme.

Reálne siete sú vo všeobecnosti oveľa väčšie ako táto jednoduchá sieť so siedmimi uzlami. Sú tiež oveľa zložitejšie. Ale pre jednoduchosť tu postavíme hračkársky model na preskúmanie mriežky, teda mriežkovú sieť (lattice network).

(To, že mriežke chýba realizmus, je kompenzované tým, že sa ľahko kreslí 😉

Pokým nie je uvedené inak, uzly v sieti majú štyroch susedov, napríklad:

A je potrebné si predstaviť, že tieto mriežky sa nekonečne rozprestierajú vo všetkých smeroch. Inými slovami, nás nezaujíma správanie, ktoré sa odohráva len na okrajoch siete alebo v malých populáciách.

Keďže sú mreže tak usporiadané, je možné ich zjednodušiť na pixely. Napríklad tieto dva obrázky predstavujú tú istú sieť:

V jednom z variantov správania aktívny uzol vždy prenáša infekciu svojim (nenakazeným) susedom. Ale to je nudné. Oveľa zaujímavejšie veci sa dejú, keď je prenos pravdepodobnostný.

SIR a SIS

V modely SIR (Susceptible-Infected-Removed) uzol môže byť v troch stavoch:

• Vnímavý (Susceptible)
• Infikovaný (Infected)
• Odstránený (Removed)

Takto funguje interaktívna simulácia [v originálnom článku môžete zvoliť rýchlosť prenosu infekcie od 0 do 1, sledovať proces krok za krokom alebo celkom — pozn. prekl.:]

• Uzly začínajú ako vnímavé, s výnimkou niekoľkých uzlov, ktoré začínajú ako infikované.
• Na každom časovom úseku infikované uzly majú šancu preniesť infekciu na každého zo svojich vnímavých susedov s pravdepodobnosťou rovnou rýchlosti prenosu.
• Infikované uzly potom prechádzajú do stavu „odstránený“, čo znamená, že už nie sú schopné nakaziť iných alebo sa infikovať samy.

V kontexte choroby odstránenie môže znamenať, že človek zomrel alebo si vybudoval imunitu voči patogénu. Hovoríme, že sú „odstránení“ zo simulácie, pretože sa s nimi už nič viac nedeje.

V závislosti od toho, čo sa snažíme modelovať, môže byť potrebný iný model, ktorý sa líši od SIR.

Ak simulujeme šírenie osýpok alebo nákazu lesného požiaru, SIR je ideálny. Ale predpokladajme, že simulujeme šírenie novej kultúrnej praxe, ako je meditácia. Najprv je uzol (človek) vnímavý, pretože to nikdy predtým nerobil. Potom, ak začne meditovať (možno podľa toho, čo počul od priateľa), budeme ho modelovať ako infikovaného. Ale ak prestane s praxou, nezomrie a nevypadne zo simulácie, pretože v budúcnosti sa môže túto prax znova ľahko naučiť. Tak sa vracia späť do vnímavého stavu.

Toto model SIS (Susceptible–Infected–Susceptible). V klasickom modeli sú dva parametre: rýchlosť prenosu a rýchlosť zotavenia. V simuláciách pre tento článok som sa však rozhodol zjednodušiť a vypustiť parameter rýchlosti zotavenia. Namiesto toho sa infikovaný uzol automaticky vracia do vnímavého stavu v ďalšom časovom kroku, pokiaľ nie je infikovaný jedným zo svojich susedov. Okrem toho umožňujeme uzlu, ktorý bol infikovaný v kroku n, infikovať sa znovu v kroku n+1 s pravdepodobnosťou rovnou rýchlosti prenosu.

Diskusia

Ako môžete vidieť, to sa veľmi líši od modelu SIR.

Keďže uzly sa nikdy neodstraňujú, aj veľmi malá a obmedzená mriežka môže udržiavať SIS infekciu po dlhú dobu. Infekcia jednoducho preskakuje z uzla na uzol a vracia sa späť.

Napriek rozdielom sa SIR a SIS pre naše účely ukazujú ako prekvapivo zameniteľné. Preto sa na zvyšok článku zameriame na SIS – hlavne preto, že je odolnejšia a teda zaujímavejšie s ňou pracovať.

Kritická úroveň

Hraním si s modelmi SIR a SIS ste si mohli všimnúť niečo o trvanlivosti infekcie. Pri veľmi nízkych rýchlostiach prenosu, ako je 10%, má tendencia k vymretiu. Kým pri vyšších hodnotách, ako je 50%, infekcia zostáva živá a zachytáva väčšinu siete. Keby sieť bola nekonečná, mohli by sme si predstaviť, že sa ďalej šíri a rozširuje donekonečna.

Táto neobmedzená difúzia má množstvo názvov: 'vírusová', 'jadrová' alebo (v názve tohto článku) kritický.

Ukazuje sa, že existuje konkrétny zlomový bod, ktorý oddeľuje subkritické siete (odsúdené na vymretie) od suprematických sietí (schopných nekonečného rastu). Tento zlomový moment sa nazýva kritický prah, a to je dosť bežná charakteristika difúznych procesov v normálnych sieťach.

Presná hodnota kritického prahu sa líši medzi sieťami. Spoločné je to, že existenci táto hodnota.

[V interaktívnej demonštrácii z originálneho článku si môžete vyskúšať manuálne nájsť kritický prah siete zmenou hodnoty rýchlosti prenosu. Nachádza sa niekde medzi 22% a 23% – pozn. red.]

Pri 22 % (a menej) infekcia nakoniec vymrie. Pri 23 % (a vyššie) prvotná infekcia niekedy vymrie, ale vo väčšine prípadov sa jej podarí prežiť a šíriť dostatočne dlho, aby si zabezpečila večné existovanie.

(Mimochodom, existuje celý vedný odbor zameraný na hľadanie týchto kritických prahov pre rôzne sieťové topológie. Na rýchle oboznámenie odporúčam rýchlo prebehnúť článok na Wikipédii o prahu prenosu).

Takto to funguje: pod kritickým prahom akákoľvek konečná infekcia v sieti zaručene (s pravdepodobnosťou 1) nakoniec vymrie. Ale nad kritickým prahom existuje pravdepodobnosť (p > 0), že infekcia bude pokračovať večne a pritom sa rozšíri náhodne ďaleko od pôvodného miesta.

Avšak majte na pamäti, že nadkritická sieť nie zaručuje, že infekcia bude pokračovať večne. V skutočnosti často zhasína, najmä v najrannejších fázach modelovania. Pozrime sa, ako to prebieha.

Predpokladajme, že sme začali s jedným infikovaným uzlom a štyrmi susedmi. Na prvom kroku modelovania má infekcia 5 nezávislých príležitostí na šírenie (vrátane šance "šíriť sa" na seba na ďalšom kroku):

Teraz predpokladajme, že rýchlosť prenosu je 50 %. V tomto prípade na prvom kroku päťkrát hodíme mincou. A ak padne päť orlov, infekcia bude zničená. To sa deje približne v 3 % prípadov — a to iba na prvom kroku. U infekcie, ktorá prežila prvý krok, existuje nejaká (zvyčajne menšia) pravdepodobnosť zhasnúť na druhom kroku, nejaká (ešte menšia) pravdepodobnosť zhasnúť na treťom kroku a pod.

Takže aj keď je sieť nadkritická — ak je rýchlosť prenosu 99 % — existuje pravdepodobnosť, že infekcia zmizne.

Ale dôležité je, že sa nebude vždy zhasínať. Ak spočítame pravdepodobnosť zhasnutia všetkých krokov do nekonečna, výsledok je menší ako 1. Inými slovami, s nenulovou pravdepodobnosťou infekcia bude pokračovať večne. Toto znamená, že pre sieť byť nadkritickou.

SISa: spontánna aktivácia

Doteraz všetky naše simulácie začínali s malým kusom vopred infikovaných uzlov v strede.

Čo ak však začneme od nuly? Potom modelujeme spontánnu aktiváciu – proces, ktorým je citlivý uzol náhodne infikovaný (nie od jedného zo susedov).

Toto sa nazýva model SISa. Písmeno „a“ znamená „automatický“.

V simulácii SISa sa objavuje nový parameter – rýchlosť spontánnej aktivácie, ktorá mení frekvenciu výskytu spontánnej infekcie (parameter rýchlosti prenosu, ktorý sme videli predtým, je tiež prítomný).

Čo je potrebné na to, aby sa infekcia šírila po celej sieti?

Diskusia

Možno ste si v simulácii všimli, že zvýšenie rýchlosti spontánnej aktivácie nemení to, či infekcia zachytáva celú sieť alebo nie. Iba rýchlosť prenosu určuje, či je sieť pod- alebo nadkritická. A keď je sieť podkritická (rýchlosť prenosu je menšia alebo rovná 22 %), nijaká infekcia sa nemôže rozšíriť na celú mriežku, bez ohľadu na to, ako často začína.

Je to ako zapáliť oheň na mokrom poli. Môžete zapáliť niekoľko suchých lístkov, ale plameň rýchlo zhasne, pretože zvyšok krajiny nie je dostatočne ľahko zapáliteľný (podkritický). Zatiaľ čo na veľmi suchom poli (nadkritickom) stačí jedna iskra, aby sa začal zuriť požiar.

Podobné veci sa pozorujú v oblasti myšlienok a vynálezov. Často nie je svet pripravený na myšlienku, a v tomto prípade ju možno vynájsť znovu a znovu, ale nechytila masy. Na druhej strane, svet môže byť úplne pripravený na vynález (veľký skrytý dopyt), a hneď ako sa narodí, je prijatý všetkými. Uprostred sú myšlienky, ktoré sa vynárajú na viacerých miestach a šíria sa lokálne, ale nie dosť na to, aby nejaká samostatná verzia pokryla okamžite celú sieť. V tejto poslednej kategórii nachádzame napríklad poľnohospodárstvo a písanie, ktoré boli nezávisle vynájdené rôznymi ľudskými civilizáciami približne desať a tri razy, respektíve.

Imunita

Predpokladajme, že robíme niektoré uzly úplne neviditeľnými, teda imúnnymi voči aktivácii. Je to akoby boli od začiatku v odpojenom stave a model SIS(a) sa spúšťa na zostávajúcich uzloch.

Posúvač „imunita“ ovláda percento odstránených uzlov. Skúste zmeniť jeho hodnotu (počas chodu modelu!) a pozrite sa, ako ovplyvňuje stav siete, či bude nadkritická alebo nie.

Diskusia

Zmena počtu imúnnych uzlov úplne mení situáciu, či bude sieť pod- alebo nadkritická. A nie je ťažké pochopiť prečo. Pri veľkom počte imúnnych uzlov má infekcia menej príležitostí na šírenie k novým hostiteľom.

Ukazuje sa, že to má rad veľmi dôležitých praktických dôsledkov.

Jedným z nich je prevencia šírenia lesných požiarov. Na miestnej úrovni by sa každý mal postarať o vlastné opatrenia (napríklad nikdy nenechávať otvorený oheň bez dozoru). Ale na veľkých rozmeroch sú jednotlivé výbuchy nevyhnutné. Takže iná metóda ochrany spočíva v zabezpečení dostatočného množstva „prerušenia“ (v sieti ľahko horľavých materiálov), aby výbuch nezasiahol celú sieť. Túto funkciu zohrávajú prečíslenia:

Ďalší výbuch, ktorý je dôležité zastaviť – infekčné ochorenie. Tu sa zavádza koncept populačnej imunity. Idea je, že niektorí ľudia nemôžu byť očkovaní (napríklad majú porušený imunitný systém), ale ak je k infekcii imúnnych dostatok ľudí, choroba sa nebude môcť šíriť donekonečna. Inými slovami, je potrebné očkovať dostatočnú časť populácie, aby sa pretransformovalo obyvateľstvo z nadkritického na podkritický stav. Keď sa to stane, jeden pacient sa stále môže infikovať (napríklad po ceste do iného regiónu), ale bez nadkritickej siete, v ktorej by sa mohla rozrastať, choroba infikuje len malú hŕstku ľudí.

Nakoniec koncept imúnnych uzlov vysvetľuje, čo sa deje v jadrovom reaktore. Pri reťazovej reakcii rozpadávajúci sa atóm uránu-235 uvoľňuje približne tri neutróny, ktoré spôsobujú (v priemere) rozpad viac ako jedného atómu U-235. Nové neutróny potom spôsobujú ďalšie štiepenie atómov a tak ďalej exponenciálne:

Pri vytváraní bomby je cieľom zabezpečiť nerušený pokračovanie exponenciálneho rastu. Na elektrárni je však cieľom vyprodukovať energiu bez zabitia všetkých okolo. Na to sa používajú regulačné tyče, vyrobené z materiálu schopného absorbovať neutrónov (napríklad striebro alebo bór). Keďže absorbujú a neuvoľňujú neutrónov, v našej simulácii fungujú ako neodolateľné uzly, čím zabraňujú tomu, aby rádioaktívne jadro prešlo do superkritického stavu.

Týmto spôsobom spočíva trik jadrového reaktora v udržiavaní reakcie blízko kritického prahu, pohybovaním regulačných tyčí tam a späť, a zabezpečením, že zakaždým, keď niečo nejde správne, tyče padnú do jadra a zastavia ho.

Stupeň

Stupeň uzla je počet jeho susedov. Doteraz sme sa zaoberali sieťami 4. stupňa. Ale čo sa stane, ak zmeníme tento parameter?

Napríklad, každý uzol môže byť prepojený nielen so štyrmi bezprostrednými susedmi, ale aj so štyrmi diagonálami. V takej sieti bude stupeň 8.

Mriežky so stupňami 4 a 8 sú dobre symetrické. Ale pri stupni 5 (napríklad) vzniká problém: ktorých piatich susedov vybrať? V tomto prípade vyberieme štyroch najbližších susedov (S, V, J, Z) a potom náhodne vyberieme jedného suseda z množiny {JV, JZ, SZ, VZ}. Výber sa robí nezávisle pre každý uzol v každom časovom kroku.

Diskusia

Opäť nie je ťažké pochopiť, čo sa deje. Keď má každý uzol viac susedov, zvyšujú sa šance na šírenie infekcie — a tak je pravdepodobnejšie, že sieť sa stane kritickou.

Napriek tomu môžu mať dôsledky neočakávané následky, ako uvidíme nižšie.

Mestá a hustota siete

Doteraz boli naše siete úplne homogénne. Každý uzol vyzerá ako ktorýkoľvek iný. Ale čo ak zmeníme podmienky a umožníme rôzne stavy uzlov po celej sieti?

Napríklad sa pokúsime modelovať mestá. Na to zvýšime hustotu v niektorých oblastiach siete (vyšší stupeň uzlov). Robíme to na základe údajov, že obyvatelia miest majú širší sociálny okruh a viac sociálnych interakcií, než ľudia mimo miest.

V našom modeli sú vnímavé uzly farebne označené na základe ich stupňa. Uzly v "vidieckych oblastiach" majú stupeň 4 (a sú nastriekané svetlosivou farbou), zatiaľ čo uzly v "mestách" majú vyššie stupne (a sú natreté tmavšie), začínajúc stupňom 5 na periférii a končiac stupňom 8 v centre mesta.

Skúste nastaviť takú rýchlosť šírenia, aby aktivácia pokryla mestá, a potom neprekročila ich hranice.

Túto simuláciu považujem za súčasne zrejmú a ohromujúcu. Samozrejme, mestá lepšie podporujú kultúrnu úroveň ako vidiecke oblasti - to vie každý. Čo ma prekvapuje, je, že časť tohto kultúrneho rozmanitosti vzniká jednoducho na základe topológie sociálnej siete.

Je to zaujímavý bod, pokúsim sa vysvetliť podrobnejšie.

Tu sa zaoberáme formami kultúry, ktoré sa prenášajú jednoducho a priamo z človeka na človeka. Napríklad, spôsobmi správania, salónnymi hrami, módnymi trendmi, jazykovými trendmi, rituálmi malých skupín a produktmi, ktoré sa šíria z úst do úst, plus celé balíky informácií, ktoré nazývame myšlienkami.

(Poznámka: šírenie informácií medzi ľuďmi je veľmi komplikované prostriedkami masovej komunikácie. Jednoduchšie si predstaviť nejaké technologicky primitivné prostredie, napríklad Staroveké Grécko, kde takmer každé iskrenie kultúry sa prenášalo interakciou v fyzickom priestore).

Z uvedenej simulácie som sa dozvedel, že existujú myšlienky a kultúrne praktiky, ktoré sa môžu zakoreniť a rozšíriť v meste, ale nie sú schopné rozšíriť sa na vidieku (matematicky nemôžu). To sú tie isté myšlienky a tí istí ľudia. Nejde o to, že vidiečania sú akísi "neprogresívni": pri interakcii s tou istou myšlienkou majú presne tie isté šance ju uchopiť, ako mestskí obyvatelia. Proste samotná myšlienka nemôže byť virálna na vidieku, pretože tam nie sú dostatočné spojenia, ktorými by sa mohla šíriť.

Toto je pravdepodobne najjednoduchšie vidieť v oblasti módy — oblečenia, účesov a pod. V módnej sieti môžeme zachytiť mriežku, keď si dvaja ľudia navzájom všimnú oblečenie. V mestskom centre môže každý človek denne vidieť viac ako 1000 ďalších ľudí — na ulici, v metre, v preplnenej reštaurácii a pod. Na vidieku má naopak každý človek možnosť vidieť iba niekoľko desiatok ďalších. Na základe iba tohto rozdielu, mesto dokáže podporiť viac módnych trendov. A len tie najpresvedčivejšie trendy — s najvyššou rýchlosťou prenosu — sa môžu udržať mimo mesta.

Máme tendenciu si myslieť, že ak je myšlienka dobrá, tak sa nakoniec dostane ku všetkým, a ak je myšlienka zlá, tak zmizne. Určite to platí v extrémoch, ale medzi nimi existuje množstvo myšlienok a praktik, ktoré môžu byť vírusové iba v určitých sieťach. To je naozaj fascinujúce.

Nielen mestá

Tu sa zaoberáme vplyvom hustoty siete. Tá je definovaná pre danú množinu uzlov ako počet skutočných hrán, delený počtom potenciálnych hrán. Teda percento možných spojení, ktoré skutočne existujú.

Takže sme videli, že hustota siete v mestských centrách je vyššia ako na vidieku. Ale mestá nie sú jediné miesta, kde sa nachádzajú husté siete.

Zaujímavým príkladom sú stredné školy. Napríklad pre konkrétnu oblasť porovnajme sieť, ktorá existuje medzi študentmi, so sieťou, ktorá existuje medzi ich rodičmi. Tá istá geografická oblasť a rovnaký počet obyvateľov, ale jedna sieť je mnohonásobne hustejšia ako druhá. Preto nie je prekvapujúce, že módne a jazykové trendy sa šíria oveľa rýchlejšie medzi tínedžermi.

Podobne, elity siete sú zvyčajne podstatne hustejšie ako neelitné siete — podľa mňa je tento fakt podceňovaný (ľudia, ktorí sú populárni alebo vplyvní, trávia viac času budovaním sietí, a preto majú viac „susedov“ než bežní ľudia). Na základe vyššie uvedených simulácií očakávame, že elity siete budú udržiavať niektoré kultúrne formy, ktoré nemôžu byť podporené mainstreamom, jednoducho z pohľadu matematických zákonov, priemernej hustoty sietí. Nechávam na vás zamyslieť sa, čo to môžu byť za kultúrne formy.

Nakoniec môžeme túto myšlienku aplikovať na internet, modelujúc ho ako obrovský a veľa hustý mesto. Niet divu, že na internete prosperuje množstvo nových druhov kultúry, ktoré jednoducho nemožno podporiť v čisto priestorových sieťach: nika koníčky, lepšie dizajnové štandardy, väčšie uvedomenie si nespravodlivosti atď. A to nie sú len príjemné veci. Tak, ako prvé mestá boli ohniskom chorôb, ktoré sa nemohli šíriť pri nízkej hustote obyvateľstva, tak aj internet je úrodnou pôdou pre malígne kultúrne formy, ako sú clickbait, falošné správy a umelé rozhorčenie.

Znalosti

„Získanie správneho odborníka v správny čas je často najcennejším zdrojom pre kreatívne riešenie problému.“ — Michael Nielsen, „Vynález objavov“

Často si myslíme, že objavovanie alebo vynález je proces, ktorý sa deje v hlave jediného génia. Zasiahne ho záblesk inšpirácie a — eureka! — zrazu získavame nový spôsob, ako merať objem. Alebo rovnicu gravitácie. Alebo žiarovku.

Ale ak prijmeme pohľad osamelého vynálezcu v momente objavu, pozeráme sa na fenomén z pohľadu uzla. Zatiaľ čo presnejšie by bolo interpretovať vynález ako sieťový fenomén.

Sieť je dôležitá aspoň z dvoch hľadísk. Po prvé, už existujúce myšlienky musia preniknúť do vedomia vynálezcu. To sú citácie z novej štúdie, bibliografická časť novej knihy — gigantov, na pleciach ktorých stál Newton. Po druhé, sieť je kľúčová na to, aby sa nová myšlienka vrátila do sveta; vynález, ktorý sa nerozšíril, sa sotva dá nazvať „vynálezom“. Takže z oboch týchto dôvodov dáva zmysel modelovať vynález — alebo, vo voľnom zmysle, rast poznania — ako proces difúzie.

O chvíľu predstavím hrubú simuláciu toho, ako sa môžu šíriť a rásť poznatky v rámci siete. Ale predtým musím vysvetliť.

Na začiatku modelovania sa v každom kvadrante siete nachádzajú štyria odborníci, umiestnení nasledovne:

Expert 1 má prvú verziu myšlienky — nazvime ju Myšlienka 1.0. Expert 2 je osoba, ktorá vie, ako premeniť Myšlienku 1.0 na Myšlienku 2.0. Expert 3 vie, ako transformovať Myšlienku 2.0 na Myšlienku 3.0. A napokon, štvrtý expert vie, ako dodať posledné úpravy na vytvorenie Myšlienky 4.0.

Je to podobné technike ako origami, kde sa metódy vyvíjajú a kombinujú s inými metódami na vytvorenie zaujímavejších konštrukcií. Alebo to môže byť oblasť poznania, ako je fyzika, kde je neskoršia práca založená na základných prácach predchodcov.

Podstatou tejto simulácie je, že potrebujeme všetkých štyroch odborníkov, aby prispeli k finálnej verzii myšlienky. A v každom kroku musí byť myšlienka poslaná príslušnému expertovi.

Niekoľko upozornení. V simulácii je zakódovaných množstvo nerealistických predpokladov. Tu sú len niektoré z nich:

1. Predpokladá sa, že myšlienky sa nemôžu uchovávať a šíriť inak než z človeka na človeka (t.j. nie sú knihy ani médiá).
2. Predpokladá sa, že v populácii sú trvalí experti schopní generovať myšlienky, hoci v skutočnosti na vznik objavu alebo vynálezu vplýva množstvo náhodných faktorov.
3. Pre všetky štyri verzie myšlienky sa používa rovnaká sada parametrov SIS (rýchlosť prenosu, percento imunitných atď.), hoci realistickejšie by pravdepodobne bolo použiť rôzne parametre pre každú verziu (1.0, 2.0 atď.)
4. Predpokladá sa, že myšlienka N+1 vždy úplne nahrádza myšlienku N, hoci v praxi často cirkulujú súčasne staré aj nové verzie, bez kategoriálneho víťaza.

… a mnohé ďalšie.

Diskusia

Toto je absurdne zjednodušený model toho, ako sa naozaj získavajú vedomosti. Mnoho dôležitých detailov zostalo mimo modelu (pozri vyššie). Napriek tomu odráža základný zmysel procesu. A preto môžeme, s rezervou, uvažovať o raste vedomostí pomocou našich poznatkov o difúzii.

Konkrétne, difúzny model poskytuje pochopenie, ako urýchliť proces: je potrebné uľahčiť výmenu myšlienok medzi expertnými uzlami. Môže to znamenať odstránenie mŕtvych uzlov zo siete, ktoré bránia difúzii. Alebo to môže znamenať umiestnenie všetkých expertov do mesta alebo klastera s vysokou hustotou siete, kde sa myšlienky rýchlo šíria. Alebo ich jednoducho zhromaždiť v jednej miestnosti:

Tak… to je všetko, čo môžem povedať o difúzii.

Ale mám jednu poslednú myšlienku, a tá je veľmi dôležitá. Hovoríme o raste (a stagnácii) vedomostí v vedeckých komunitách. Táto idea sa tónom a obsahom líši od všetkého, čo bolo povedané vyššie, ale dúfam, že mi to odpustíte.

O vedeckých sieťach

Na ilustrácii je znázornený jeden z najdôležitejších pozitívnych cyklov spätnej väzby na svete (a takto to trvá už dosť dlho):

Vzostupný priebeh cyklu (K ⟶ T) je pomerne jednoduchý: nové vedomosti používame na vývoj nových nástrojov. Napríklad, porozumenie fyzike polovodičov nám umožňuje vytvárať počítače.

Avšak zostupný priebeh si vyžaduje niekoľko vysvetlení. Akým spôsobom vedú technologické pokroky k rastu vedomostí?

Jedným z spôsobov — možno najpriamenejším — je, keď nové technológie poskytujú nové spôsoby vnímania sveta. Napríklad, lepšie mikroskopy nám umožňujú hlbšie preniknúť do bunky, čím podnecujú myšlienky pre molekulárnu biológiu. GPS sledovače ukazujú, ako sa zvieratá pohybujú. Sonar umožňuje skúmať oceány. A tak ďalej.

Nezpochybne je to životne dôležitý mechanizmus, ale existujú aspoň dve ďalšie cesty od technológie k vedomostiam. Možno nie sú také jednoduché, ale myslím, že sú rovnako dôležité:

Prvý. Technológia vedie k hospodárskemu blahobytu (to znamená bohatstvu), čo umožňuje väčšiemu počtu ľudí zaoberať sa výrobou vedomostí.

Ak 90 % obyvateľstva vašej krajiny sa zaoberá poľnohospodárstvom a zvyšných 10 % obchodom (alebo vojnou), potom majú ľudia veľmi málo voľného času na premýšľanie o zákonoch prírody. Možno preto v minulosti vedu presadzovali najmä deti z bohatých rodín.

USA ročne vyprodukujú viac ako 50 000 doktorátov. Namiesto toho, aby človek nastúpil do práce vo veku 18 rokov (alebo skôr), musí byť financovaný až do 30, alebo možno až do 40 rokov – a aj vtedy nie je jasné, či jeho práca prinesie nejaký reálny ekonomický efekt. No je to nevyhnutné na dosiahnutie pokročilých hraníc v jeho disciplíne, najmä v takých zložitých oblastiach, ako je fyzika alebo biológia.

Ide o to, že z pohľadu systémov sú odborníci nákladní. A konečným zdrojom verejného bohatstva, ktoré týchto odborníkov financuje, je nová technológia: pluh subvencuje pero.

DruhýNové technológie, najmä v oblasti cestovania a komunikácie, menia štruktúru sociálnych sietí, v ktorých rastie poznanie. Konkrétne to umožňuje odborníkom a špecialistom úzke vzájomné interakcie.

Medzi pozoruhodné vynálezy patria tlačový stroj, parníky a železnice (uľahčujúce cestovanie a/alebo doručovanie pošty na veľké vzdialenosti), telefóny, lietadlá a internet. Všetky tieto technológie prispievajú k zvýšeniu hustoty siete, najmä v rámci špecializovaných spoločenstiev (kde prebieha takmer celý rast vedomostí). Napríklad siete korešpondencie, ktoré vznikli medzi európskymi vedcami na konci stredoveku, alebo ako moderní fyzici využívajú arXiv.

Nakoniec sú obidve tieto cesty podobné. Obe zvyšujú hustotu siete odborníkov, čo zase vedie k rastu poznania:

Po mnoho rokov som sa dosť pohrdal vysokoškolským vzdelaním. Krátka skúsenosť na postgraduálnom štúdiu mi zanechala nepríjemnú pachuť v ústach. Ale teraz, keď sa spätne zamýšľam (kým sa od všetkých osobných problémov distancujem), musím dospieť k záveru, že vysokoškolské vzdelanie je stále veľmi dôležité.

Akademické sociálne siete (napríklad výskumné komunity) sú jednou z najprospešnejších a najcennejších štruktúr, ktoré naša civilizácia vytvorila. Nikde inde sme nenakopili takú vysokú koncentráciu odborníkov zameraných na produkciu poznania. Nikde inde ľudia nevyvíjali väčšiu schopnosť chápať a kritizovať myšlienky jeden druhého. Toto je búšiace srdce pokroku. Práve v týchto sieťach horí oheň osvetlenia najsilnejšie.

Ale pokrok nemôžeme brať za samozrejmosť. Ak kríza s reprodukovateľnosťou experimentov nás niečomu naučila, tak to, že v oblasti vedy môžu nastať systémové problémy. Je to akási degradácia siete.

Predpokladajme, že rozlišujeme dva spôsoby, ako sa zaoberať vedou: skutočná veda a kariérizmus. Skutočná veda sú praktiky, ktoré spoľahlivo produkujú vedomosti. Je motivovaná zvedavosťou a charakterizovaná úprimnosťou (Feynman: „Viete, jednoducho musím pochopiť svet“). Kariérizmus, naopak, je motivovaný profesionálnymi ambíciami a charakterizovaný politickou hrou a vedeckými štítkami. Môže sa zdať a pôsobiť ako veda, ale nie produkuje nespoľahlivé vedomosti.

(Áno, je to prehnaná dichotómia. Iba myšlienkový experiment. Nezlobte sa).

Ide o to, že keď kariéristi zaberajú miesto v reálnej vedeckej komunite, kazia jej prácu. Usilujú sa o osobný postup, zatiaľ čo zvyšok komunity sa snaží získať nové poznatky a zdieľať ich. Namiesto toho, aby sa usilovali o jasnosť, kariéristi všetko komplikujú a miasia, aby zneli impozantnejšie. Zaoberajú sa (ako by povedal Harry Frankfurt) vedeckým nezmyslom. A preto by sme ich mohli modelovať ako mŕtve uzly, necitlivé na zodpovednú výmenu informácií, ktorá je potrebná na rast vedomostí:

Možno najlepším modelom je ten, v ktorom kariéristické uzly nie sú len necitlivé na vedomosti, ale aktívne šíria falošné poznanie. Falošné poznanie môže zahŕňať bezvýznamné výsledky, ktorých dôležitosť je umelo nafúknutá, alebo skutočne nepravdivé výsledky, ktoré vznikajú z manipulácií alebo sfalšovaných údajov.

Bez ohľadu na to, ako ich modelujeme, kariéristi môžu určite potlačiť naše vedecké komunity.

Pripomína to reťazovú jadrovú reakciu, ktorú naliehavo potrebujeme — potrebujeme explóziu poznania — avšak v našom obohatenom U-235 je príliš veľa neaktívneho izotopu U-238, ktorý potláča reťazovú reakciu.

Samozrejme, medzi kariéristami a skutočnými vedcami neexistuje jasný rozdiel. V každom z nás je kúsok kariérizmu. Otázkou je, koľko vydrží sieť, skôr ako sa šírenie znalostí zoslabi.

Oh, prečítali ste až do konca. Ďakujem za čítanie.

Licencia

CC0 všetky práva nie sú chránené. Môžete použiť túto prácu, ako uznáte za vhodné : ).

Poďakovanie

• Kevin Kwo a Niki Case za premyslené komentáre a návrhy k rôznym verziám návrhu.
• Nick Barr — za morálnu podporu počas celého procesu a za najcennejšie pripomienky k mojej práci.
• Kitu A. za to, že mi poukázal na jav perkolácie a prah pretekania.
• Jeffovi Lonsdaleovi za odkaz na tento esej, ktorý (napriek mnohým nedostatkom) bol hlavným podnetom na prácu na tomto príspevku.

Vzorky interaktívnych esejí

• Všetky práce Niki Case, najmä „Povesť o polygonoch“ (s Vi Hart) a „Vytvorenie lepšieho bulletinu o hlasovaní“. Je to vysoká latka pre to, čím môže byť interaktívny esej.
• Distill.pub: výnimočne kvalitné interaktívne opisy strojového učenia.
• Klasická práca Breta Victora „Nahor a nadol po schéme abstrakcie“. Nepodarilo sa mi veľmi dobre napredovať po schéme, ale vždy je tu ešte jedna šanca.

Zdroj: habr.com