Ако сте провели неко време размишљајући о сложеним системима, вероватно разумете важност мрежа. Мреже владају нашим светом. Од хемијских реакција унутар ћелије, преко мреже односа у екосистему, до трговачких и политичких мрежа које обликују ток историје.

Или размислите о овом чланку који читате. Вероватно сте га нашли у друштвена мрежа, преузето са рачунарска мрежа и тренутно дешифрују значење помоћу вашег неуронске мреже.

Али колико год сам годинама размишљао о мрежама, донедавно нисам схватао важност једноставности дифузију.

Ово је наша тема за данас: како, како се све хаотично креће и шири. Неки примери за изазивање апетита:

• Инфективне болести које прелазе са носиоца на носиоца унутар популације.
• Мемови се шире по графикону пратилаца на друштвеним мрежама.
• Шумски пожар.
• Идеје и праксе које прожимају културу.
• Неутронска каскада у обогаћеном уранијуму.

Кратка напомена о форми.

За разлику од свих мојих претходних радова, овај есеј је интерактиван [ин оригинални чланак дати су интерактивни примери са клизачима и дугмадима који контролишу објекте на екрану – цца. трака].

Па хајде да почнемо. Први задатак је да се развије визуелни речник за ширење кроз мреже.

Једноставан модел

Сигуран сам да сви знате основе мреже, односно чворове + ивице. Да бисте проучавали дифузију, само треба да означите неке чворове као активан. Или, како епидемиолози воле да кажу, заражен:

Ова активација или инфекција се шири кроз мрежу од чвора до чвора према правилима која ћемо развити у наставку.

Праве мреже су обично много веће од ове једноставне мреже са седам чворова. Они су такође много збуњујући. Али ради једноставности, овде ћемо изградити модел играчке за проучавање решетке, односно решеткасте мреже.

(Оно што мрежи недостаје у реализму, то надокнађује лакоћом за цртање 😉

Осим ако је другачије назначено, мрежни чворови имају четири суседа, на пример:

И морате замислити да се ове решетке протежу бескрајно у свим правцима. Другим речима, не занима нас понашање које се јавља само на ивицама мреже или у малим популацијама.

С обзиром да су решетке тако уређене, можемо их поједноставити на пикселе. На пример, ове две слике представљају исту мрежу:

У једном понашању, активни чвор увек преноси инфекцију својим (неинфицираним) суседима. Али досадно је. Много интересантније ствари се дешавају приликом трансфера вероватноћа.

СИР и СИС

В СИР модели (осјетљив-инфициран-уклоњен) чвор може бити у три стања:

• Осетљив
• Заражен
• Уклоњено

Ево како функционише интерактивна симулација [ин оригинални чланак можете да изаберете брзину преноса инфекције од 0 до 1, погледајте процес корак по корак или у целини - прибл. превод]:

• Чворови почињу као осетљиви, са изузетком неколико чворова који почињу као заражени.
• У сваком временском кораку, заражени чворови имају шансу да пренесу инфекцију сваком од својих осетљивих суседа са вероватноћом једнаком брзини преноса.
• Заражени чворови тада улазе у „избрисано“ стање, што значи да више не могу да заразе друге или да се сами заразе.

У контексту болести, уклањање може значити да је особа умрла или да је развила имунитет на патоген. Кажемо да су „уклоњени“ из симулације јер им се ништа друго не дешава.

У зависности од тога шта покушавамо да моделујемо, можда ће бити потребан другачији модел од СИР-а.

Ако симулирамо ширење морбила или избијање шумских пожара, СИР је идеалан. Али претпоставимо да симулирамо ширење нове културне праксе, као што је медитација. У почетку је чвор (особа) пријемчив јер то никада раније није радио. Затим, ако почне да медитира (можда након што је о томе чуо од пријатеља), моделоваћемо га као зараженог. Али ако прекине са праксом, неће умрети и неће испасти из симулације, јер ће у будућности лако поново преузети ову навику. Тако се враћа у пријемчиво стање.

Она СИС модел (Осетљив–Инфициран–Осетљив). Класични модел има два параметра: брзину преноса и брзину опоравка. Међутим, у симулацијама за овај чланак, одлучио сам да поједноставим тако што сам изоставио параметар стопе опоравка. Уместо тога, заражени чвор се аутоматски враћа у осетљиво стање у следећем временском кораку, осим ако није заражен од неког од његових суседа. Поред тога, дозвољавамо чвору инфицираном у кораку н да се инфицира у кораку н+1 са вероватноћом једнаком брзини преноса.

Дискусија

Као што видите, ово се веома разликује од СИР модела.

Пошто се чворови никада не уклањају, чак и веома мала и ограничена решетка може дуго времена да подржи СИС инфекцију. Инфекција једноставно скаче са чвора на чвор и враћа се назад.

Упркос њиховим разликама, показало се да су СИР и СИС изненађујуће заменљиви за наше сврхе. Дакле, до краја овог чланка ћемо се држати СИС-а – углавном зато што је издржљивији и стога забавнији за рад.

Критични ниво

Након што сте се поиграли са СИР и СИС моделима, можда сте приметили нешто о дуговечности инфекције. При веома ниским стопама преноса, као што је 10%, инфекција има тенденцију да изумре. Док на вишим вредностима, као што је 50%, инфекција остаје жива и преузима већи део мреже. Када би мрежа била бесконачна, могли бисмо је замислити да се наставља и шири заувек.

Таква неограничена дифузија има много имена: „вирусна“, „нуклеарна“ или (у наслову овог чланка) критическаа.

Испоставило се да постоји специфичним тачка прелома која раздваја подкритичне мреже (осуђен на изумирање) из суперкритичне мреже (способан за бесконачан раст). Ова прекретница се зове критични праг, а ово је прилично општи знак процеса дифузије у обичним мрежама.

Тачна вредност критичног прага варира између мрежа. Оно што је уобичајено је ово доступност такво значење.

[У интерактивној демонстрацији од оригинални чланак Можете покушати да ручно пронађете критични мрежни праг променом вредности брзине преноса. То је негде између 22% и 23% - цца. транс.]

На 22% (и испод), инфекција на крају изумире. Са 23% (и више), првобитна инфекција понекад изумире, али у већини случајева успева да преживи и шири се довољно дуго да обезбеди своје постојање заувек.

(Узгред, постоји читава научна област посвећена проналажењу ових критичних прагова за различите мрежне топологије. За брзи увод, препоручујем брзо листање кроз чланак на Википедији о праг цурења).

Генерално, ево како то функционише: Испод критичног прага, свака коначна инфекција у мрежи је загарантована (са вероватноћом 1) да ће на крају изумрети. Али изнад критичног прага, постоји вероватноћа (п > 0) да ће се инфекција наставити заувек, и да ће се на тај начин проширити произвољно далеко од првобитног места.

Међутим, имајте на уму да суперкритична мрежа није гаранциједа ће се инфекција заувек наставити. У ствари, често бледи, посебно у раним фазама симулације. Хајде да видимо како се ово дешава.

Претпоставимо да смо почели са једним зараженим чвором и четири суседа. У првом кораку моделирања, инфекција има 5 независних шанси за ширење (укључујући шансу да се „прошири“ на себе у следећем кораку):

Сада претпоставимо да је брзина преноса 50%. У овом случају, у првом кораку бацамо новчић пет пута. А ако се ваља пет глава, зараза ће бити уништена. Ово се дешава у око 3% случајева - и то је само у првом кораку. Инфекција која преживи први корак има извесну (обично мању) вероватноћу да изумре у другом кораку, неку (још мању) вероватноћу да изумре у трећем кораку, итд.

Дакле, чак и када је мрежа суперкритична - ако је брзина преноса 99% - постоји шанса да ће инфекција нестати.

Али важно је да она то не чини увек избледеће. Ако саберете вероватноћу да сви кораци изумру до бесконачности, резултат је мањи од 1. Другим речима, постоји вероватноћа различита од нуле да ће се инфекција наставити заувек. То је оно што значи да мрежа буде суперкритична.

СИСа: спонтана активација

До ове тачке, све наше симулације су почињале са малим комадом претходно заражених чворова у центру.

Али шта ако почнете од нуле? Затим моделујемо спонтану активацију - процес којим се осетљиви чвор инфицира случајно (не од неког од својих суседа).

Она звао СИСа модел. Слово "а" значи "аутоматски".

У симулацији СИСа појављује се нови параметар – брзина спонтане активације, која мења учесталост спонтане инфекције (присутан је и параметар брзине преноса који смо раније видели).

Шта је потребно да се инфекција прошири широм мреже?

Дискусија

Можда сте приметили у симулацији да повећање стопе спонтане активације не мења да ли инфекција преузима целу мрежу или не. Само брзина преноса одређује да ли је мрежа под- или суперкритична. А када је мрежа подкритична (стопа преноса мања или једнака 22%), никаква инфекција не може да се прошири на целу мрежу, без обзира колико често почиње.

То је као да запалите ватру на влажном пољу. Можете запалити неколико сувих листова, али ће се пламен брзо угасити јер остатак пејзажа није довољно запаљив (подкритичан). Док је на веома сувом терену (суперкритично), довољна је једна варница да ватра почне да бесни.

Сличне ствари се запажају у сфери идеја и изума. Често свет није спреман за идеју, у том случају она може да се измишља изнова и изнова, али не привлачи масе. С друге стране, свет је можда потпуно спреман за проналазак (велика латентна потражња), а чим се роди, сви га прихватају. У средини су идеје које су измишљене на неколико места и шире се локално, али недовољно да би било која верзија одједном преплавила целу мрежу. У овој последњој категорији налазимо, на пример, пољопривреду и писање, које су различите људске цивилизације независно измислиле око десет, односно три пута.

Имунитет

Претпоставимо да неке чворове учинимо потпуно нерањивим, односно имуним на активацију. Као да су у почетку у удаљеном стању, а СИС(а) модел се покреће на преосталим чворовима.

Клизач имунитета контролише проценат чворова који се уклањају. Покушајте да промените његову вредност (док модел ради!) и видите како то утиче на стање мреже, да ли ће бити суперкритично или не.

Дискусија

Промена броја чворова који не реагују у потпуности мења слику о томе да ли ће мрежа бити под- или суперкритична. И није тешко схватити зашто. Са великим бројем неосетљивих домаћина, инфекција има мање могућности да се прошири на нове домаћине.

Испоставља се да то има низ веома важних практичних последица.

Једна од њих је спречавање ширења шумских пожара. На локалном нивоу, свака особа мора да предузме сопствене мере предострожности (на пример, никада не остављајте отворени пламен без надзора). Али у великим размерама, изоловане епидемије су неизбежне. Дакле, други начин заштите је да се осигура да има довољно „прекида“ (у мрежи запаљивих материјала) тако да избијање не захвати целу мрежу. Чисти обављају ову функцију:

Још једна епидемија коју је важно зауставити је заразна болест. Овде се уводи концепт имунитет крда. Ово је идеја да се неки људи не могу вакцинисати (на пример, имају компромитован имуни систем), али ако је довољно људи имун на инфекцију, болест се не може ширити у недоглед. Другим речима, требало би да се вакцинишете довољан део становништва да се становништво пребаци из суперкритичног у подкритично стање. Када се то догоди, један пацијент се и даље може заразити (на пример, након путовања у други регион), али без суперкритичне мреже у којој би могла да расте, болест ће заразити само мали број људи.

Коначно, концепт имунолошких чворова објашњава шта се дешава у нуклеарном реактору. У ланчаној реакцији, распадајући атом уранијума-235 ослобађа око три неутрона, који узрокују (у просеку) фисију више од једног атома У-235. Нови неутрони затим изазивају даље цепање атома, и тако даље експоненцијално:

Када правите бомбу, цела поента је осигурати да се експоненцијални раст настави без контроле. Али у електрани, циљ је произвести енергију без убијања свих око себе. У ту сврху се користе контролне шипке, направљен од материјала који може да апсорбује неутроне (на пример, сребро или бор). Пошто апсорбују, а не ослобађају неутроне, они делују као имуни чворови у нашој симулацији, чиме спречавају да радиоактивно језгро постане суперкритично.

Дакле, трик за нуклеарни реактор је да задржи реакцију близу критичног прага померањем контролних шипки напред-назад, и да се осигура да кад год нешто пође наопако, шипке падну у језгро и зауставе га.

Степен

Степен чвора је број његових суседа. До ове тачке, разматрали смо мреже степена 4. Али шта се дешава ако промените овај параметар?

На пример, можете повезати сваки чвор не само са четири непосредна суседа, већ и са још четири дијагонално. У таквој мрежи степен ће бити 8.

Решетке са степеном 4 и 8 су добро симетричне. Али са степеном 5 (на пример), јавља се проблем: које пет комшија да изаберемо? У овом случају бирамо четири најближа суседа (Н, Е, С, В), а затим насумично бирамо једног суседа из скупа {НЕ, СЕ, ЈЗ, СЗ}. Избор се врши независно за сваки чвор у сваком временском кораку.

Дискусија

Опет, није тешко видети шта се овде дешава. Када сваки чвор има више суседа, повећавају се шансе за ширење инфекције - и стога је већа вероватноћа да ће мрежа постати критична.

Међутим, последице могу бити неочекиване, као што ћемо видети у наставку.

Градови и густина мреже

До сада су наше мреже биле потпуно хомогене. Сваки чвор изгледа као било који други. Али шта ако променимо услове и дозволимо различита стања чворова у целој мрежи?

На пример, хајде да покушамо да моделујемо градове. Да бисмо то урадили, повећаћемо густину у неким деловима мреже (већи степен чворова). То радимо на основу података којима располажу грађани шири друштвени круг и више друштвених интеракцијанего људи ван градова.

У нашем моделу, осетљиви чворови су обојени на основу њиховог степена. Чворови у „руралним подручјима” имају степен 4 (и обојени су светло сивом бојом), док чворови у „урбаним подручјима” имају више степене (и обојени су тамније), почевши од степена 5 на периферији и завршавајући са 8 у центру града.

Покушајте да изаберете брзину ширења тако да активација покрије градове, а затим да не прелази њихове границе.

Сматрам да је ова симулација и очигледна и изненађујућа. Наравно, градови одржавају културни ниво боље од руралних подручја - то сви знају. Оно што ме изненађује јесте да део ове културне разноликости настаје једноставно на основу топологије друштвене мреже.

Ово је занимљива тачка, покушаћу да је објасним детаљније.

Овде имамо посла са облицима културе који се једноставно и директно преносе са човека на човека. На пример, манири, салонске игре, модни трендови, језички трендови, ритуали у малим групама и производи који се шире усменом предајом, плус читави пакети информација које називамо идејама.

(Напомена: медији изузетно отежавају ширење информација међу људима. Лакше је замислити неко технолошки примитивно окружење, као што је била античка Грчка, где се скоро свака искра културе преносила интеракцијом у физичком простору.)

Из горње симулације сазнао сам да постоје идеје и културне праксе које се могу укоријенити и проширити у граду, али се једноставно не могу (математички не могу) проширити у руралним подручјима. То су исте идеје и исти људи. Поента није у томе да су сеоски становници на неки начин „блиски духови“: када су у интеракцији са истом идејом, они потпуно исте шансе да га ухватитекао грађани града. Само што сама идеја не може постати вирална у руралним срединама, јер нема много веза преко којих се може ширити.

Ово је можда најлакше уочити у области моде - одећа, фризуре итд. У модној мрежи можемо ухватити ивицу решетке када двоје људи примете одевне комбинације једне друге. У урбаном центру свака особа може да види више од 1000 других људи сваког дана - на улици, у метроу, у препуном ресторану итд. У руралном подручју, напротив, свака особа може да види само неколико десетина други. На бази само ова разлика, град је у могућности да подржи више модних трендова. И само најубедљивији трендови—они са највећим брзинама преноса—моћи ће да стекну упориште ван града.

Склони смо да мислимо да ако је идеја добра, на крају ће доћи до свих, а ако је идеја лоша, она ће нестати. Наравно, то је тачно у екстремним случајевима, али између има много идеја и пракси које могу постати виралне само на одређеним мрежама. Ово је заиста невероватно.

Не само градови

Овде посматрамо утицај густина мреже. Дефинише се за дати скуп чворова као број стварна ребра, подељено бројем потенцијалне ивице. Односно, проценат могућих веза које стварно постоје.

Дакле, видели смо да је густина мреже у урбаним центрима већа него у руралним срединама. Али градови нису једино место где налазимо густе мреже.

Занимљив пример су средње школе. На пример, за одређену област упоређујемо мрежу која постоји међу школарцима са мрежом која постоји међу њиховим родитељима. Иста географска област и иста популација, али је једна мрежа много пута гушћа од друге. Стога не чуди што се модни и језички трендови много брже шире међу тинејџерима.

Слично томе, елитне мреже имају тенденцију да буду много гушће од неелитних – чињеница за коју мислим да је недовољно цењена (људи који су популарни или утицајни проводе више времена на умрежавању и стога имају више „комшија“ од обичних људи). На основу горњих симулација, очекујемо да ће елитне мреже подржати неке културне форме које не могу подржати мејнстрим, једноставно на основу математичких закона просечног степена мреже. Остављам вас да спекулишете о томе шта би то могли бити културни облици.

Коначно, ову идеју можемо применити на Интернет тако што ћемо га моделовати као огроман и веома чврсто град. Није изненађујуће да многе нове врсте културе напредују на мрежи које једноставно не могу бити подржане на чисто просторним мрежама: нишне хобије, бољи стандарди дизајна, већа свест о неправди, итд. И то нису само лепе ствари. Као што су рани градови били легло болести које се нису могле ширити у малој густини насељености, тако је интернет легло малигних културних облика као што су мамац за кликове, лажне вести и изазивање вештачког беса.

Знания

„Имати правог стручњака у право време често је највреднији ресурс за креативно решавање проблема. — Мајкл Нилсен, Инвентинг Дисцовери

Често размишљамо о открићу или проналаску као о процесу који се дешава у уму једног генија. Погоди га бљесак инспирације и - Еурека! — одједном имамо нови начин мерења запремине. Или једначина гравитације. Или сијалицу.

Али ако узмемо тачку гледишта усамљеног проналазача у тренутку открића, онда гледамо на феномен са тачке гледишта чвора. Док би било исправније тумачити проналазак као мреже појава.

Мрежа је важна на најмање два начина. Прво, постојеће идеје морају продрети у свест проналазач. Ово су цитати из новог чланка, библиографског дела нове књиге – дивови на чијим раменима је Њутн стајао. Друго, мрежа је кључна за повратак нове идеје назад у свету; изум који се није проширио тешко да уопште вреди назвати „проналаском“. Стога, из оба ова разлога, има смисла моделирати проналазак — или, шире, раст знања — као процес дифузије.

За тренутак ћу представити грубу симулацију како се знање може ширити и расти унутар мреже. Али прво морам да објасним.

На почетку симулације, постоје четири стручњака у сваком квадранту мреже, распоређени на следећи начин:

Експерт 1 има прву верзију идеје - назовимо је Идеја 1.0. Експерт 2 је особа која зна како да идеју 1.0 претвори у идеју 2.0. Експерт 3 зна како да трансформише Идеју 2.0 у Идеју 3.0. И коначно, четврти стручњак зна како да доведе до краја Идеју 4.0.

Ово је слично техници као што је оригами, где се технике развијају и комбинују са другим техникама за стварање занимљивијих дизајна. Или то може бити област знања, попут физике, у којој се новији рад надограђује на фундаментални рад претходника.

Поента ове симулације је да су нам потребна сва четири стручњака да допринесу коначној верзији идеје. И у свакој фази идеја мора бити скренута пажњи одговарајућег стручњака.

Неколико упозорења. Много је нереалних претпоставки кодираних у симулацији. Ево само неких од њих:

1. Претпоставља се да се идеје не могу чувати и преносити осим од особе до особе (тј. нема књига или медија).
2. Претпоставља се да у популацији постоје стални стручњаци који могу да генеришу идеје, иако у стварности многи случајни фактори утичу на појаву открића или проналаска.
3. Све четири верзије идеје користе исти скуп СИС параметара (брзина преноса, проценат имунитета, итд.), мада је вероватно реалније користити различите параметре за сваку верзију (1.0, 2.0, итд.)
4. Претпоставља се да идеја Н+1 увек потпуно истискује идеју Н, иако у пракси често и стара и нова верзија круже истовремено, без јасног победника.

… и многи други.

Дискусија

Ово је смешно поједностављен модел како знање заправо расте. Много је важних детаља остало изван модела (види горе). Међутим, он обухвата важну суштину процеса. И тако можемо, са резервом, говорити о расту знања користећи наше знање о дифузији.

Конкретно, модел дифузије пружа увид у то како убрзати процес: Потреба да се олакша размјена идеја између стручних чворова. Ово може значити чишћење мреже мртвих чворова који ометају дифузију. Или би то могло да значи постављање свих стручњака у град или кластер са великом густином мреже где се идеје брзо шире. Или их само сакупите у једној просторији:

Дакле... то је све што могу да кажем о дифузији.

Али имам једну последњу мисао, и то веома важно. Ради се о растуи стагнације) знања у научним заједницама. Ова идеја је другачија по тону и садржају од било чега горе, али надам се да ћете ми опростити.

О научним мрежама

Илустрација показује једну од најважнијих петљи позитивних повратних информација на свету (и тако је већ дуже време):

Узлазно напредовање циклуса (К ⟶ Т) је прилично једноставно: користимо нова знања да бисмо развили нове алате. На пример, разумевање физике полупроводника нам омогућава да правимо рачунаре.

Међутим, кретање надоле захтева неко објашњење. Како развој технологије доводи до повећања знања?

Један од начина — можда најдиректнији — је када нам нове технологије дају нове начине сагледавања света. На пример, најбољи микроскопи вам омогућавају да погледате дубље у ћелију, пружајући увид у молекуларну биологију. ГПС трагачи показују како се животиње крећу. Сонар вам омогућава да истражите океане. И тако даље.

Ово је несумњиво витални механизам, али постоје још најмање два пута од технологије до знања. Можда нису тако једноставне, али мислим да су једнако важне:

Прво. Технологија доводи до економског обиља (тј. богатства), што омогућава већем броју људи да се укључе у производњу знања.

Ако се 90% становништва ваше земље бави пољопривредом, а преосталих 10% бави се неком врстом трговине (или рата), онда људи имају врло мало слободног времена да размишљају о законима природе. Можда су због тога у ранијим временима науку углавном промовисала деца из богатих породица.

Сједињене Државе произведу више од 50 доктора наука сваке године. Уместо да особа оде да ради у фабрици са 000 година (или раније), дипломирани студент мора да буде финансиран до 18 или можда 30 година - а чак и тада је нејасно да ли ће њихов рад имати икакав стварни економски утицај. Али неопходно је да особа достигне први ред у својој дисциплини, посебно у сложеним областима као што су физика или биологија.

Чињеница је да су са системске тачке гледишта стручњаци скупи. А крајњи извор јавног богатства који финансира ове стручњаке је нова технологија: плуг субвенционише перо.

Други. Нове технологије, посебно у области путовања и комуникација, мењају структуру друштвених мрежа у којима расте знање. Конкретно, омогућава стручњацима и специјалистима да ближе међусобно сарађују.

Значајни изуми овде укључују штампарску машину, пароброде и железницу (олакшавање путовања и/или слање поште на велике удаљености), телефоне, авионе и интернет. Све ове технологије доприносе повећању густине мреже, посебно унутар специјализованих заједница (где се дешава скоро сав раст знања). На пример, дописничке мреже које су се појавиле међу европским научницима на крају средњег века, или начин на који савремени физичари користе арКсив.

На крају крајева, оба ова пута су слична. И једно и друго повећава густину мреже специјалиста, што заузврат доводи до повећања знања:

Дуги низ година сам био прилично презиран према високом образовању. Мој кратки боравак у постдипломским студијама оставио ми је лош укус у устима. Али сада када погледам уназад и размислим (поред свих личних проблема), морам да закључим да је високо образовање и даље изузетно важно.

Академске друштвене мреже (нпр. истраживачке заједнице) су једна од најнапреднијих и највреднијих структура коју је створила наша цивилизација. Нигде нисмо акумулирали већу концентрацију стручњака фокусираних на производњу знања. Нигде људи нису развили већу способност да разумеју и критикују идеје једни других. То је срце напретка. У тим мрежама најјаче гори ватра просветљења.

Али не можемо узети напредак здраво за готово. Ако криза непоновљивости експеримента и ако нас је нечему научила, то је да наука може имати системске проблеме. Ово је врста деградације мреже.

Претпоставимо да разликујемо два начина бављења науком: права наука и каријеризам. Права наука је пракса која поуздано производи знање. Мотивисана је радозналошћу и одликује се искреношћу (Фејнман: „Видиш, само треба да разумем свет“). Каријеризам је, напротив, мотивисан професионалним амбицијама и карактерише га играње политике и научних пречица. Можда изгледа и делује као наука, али не производи поуздано знање.

(Да, ово је претерана дихотомија. Само мисаони експеримент. Немојте ме кривити).

Чињеница је да када каријеристи заузму простор у правој истраживачкој заједници, они упропасте посао. Настоје да се промовишу док остатак заједнице покушава да стекне и подели нова знања. Уместо да теже јасноћи, каријеристи све компликују и бркају како би звучали упечатљивије. Баве се (како би рекао Хари Франкфурт) научним глупостима. И стога бисмо их могли моделирати као мртве чворове, непропусне за поштену размену информација неопходних за раст знања:

Можда је најбољи модел у којем чворови каријере нису само непропусни за знање, већ активно шире лажно знање. Лажно знање може укључивати безначајне резултате чија је важност вештачки надувана, или заиста лажне резултате који произилазе из манипулације или измишљених података.

Како год да их моделујемо, каријеристи сигурно могу да задаве наше научне заједнице.

То је као нуклеарна ланчана реакција која нам је очајнички потребна - потребна нам је експлозија знања - само наш обогаћени У-235 има превише нереактивног изотопа У-238 у себи, који потискује ланчану реакцију.

Наравно, не постоји јасна разлика између каријериста и правих научника. Свако од нас крије у себи мало каријеризма. Питање је колико дуго мрежа може да издржи пре него што ширење знања избледи.

Ох, прочитао си до краја. Хвала вам за читање.

Лиценца

ЦЦКСНУМКС Сва права нису задржана. Можете користити овај рад како вам одговара :).

Захвалнице

• Кевин Квок и Ницки Цасе за промишљене коментаре и сугестије на различите верзије нацрта.
• Ницк Барр — за моралну подршку током целог процеса и за најкорисније повратне информације о мом раду.
• Кеитх А. што ми је указао на феномен перколације и праг перколације.
• Геофф Лонсдале за везу до ово је есеј, што је (упркос бројним недостацима) био главни подстрек за рад на овом посту.

Интерактивни узорци есеја

• Сав рад Никија Кејса, посебно. "Парабола о полигонима" (са Ви Хартом) и „Развијање бољег гласачког листића“. Ово је висока граница за оно што интерактивни есеј може бити.
• дестилирати.пуб: Изузетно квалитетни интерактивни описи машинског учења.
• Класично дело Брета Виктора „Горе и доле на лествици апстракције“. Нисам био добар у кретању уз степенице, али увек постоји још један покушај.

Извор: ввв.хабр.цом