మీరు సంక్లిష్ట వ్యవస్థల గురించి ఆలోచిస్తూ ఎప్పుడైనా గడిపినట్లయితే, మీరు బహుశా నెట్‌వర్క్‌ల ప్రాముఖ్యతను అర్థం చేసుకోవచ్చు. నెట్‌వర్క్‌లు మన ప్రపంచాన్ని శాసిస్తున్నాయి. సెల్‌లోని రసాయన ప్రతిచర్యల నుండి, పర్యావరణ వ్యవస్థలోని సంబంధాల వెబ్ వరకు, చరిత్ర యొక్క గమనాన్ని రూపొందించే వాణిజ్య మరియు రాజకీయ నెట్‌వర్క్‌ల వరకు.

లేదా మీరు చదువుతున్న ఈ కథనాన్ని పరిశీలించండి. మీరు బహుశా దాన్ని కనుగొన్నారు సామాజిక నెట్వర్క్, నుండి డౌన్‌లోడ్ చేయబడింది కంప్యూటర్ నెట్వర్క్ మరియు ప్రస్తుతం మీని ఉపయోగించి అర్థాన్ని విడదీస్తున్నారు నాడీ నెట్వర్క్.

కానీ చాలా సంవత్సరాలుగా నేను నెట్‌వర్క్‌ల గురించి ఆలోచించినంత వరకు, ఇటీవలి వరకు నాకు సాధారణ ప్రాముఖ్యత అర్థం కాలేదు వ్యాప్తి.

ఇది ఈరోజు మా అంశం: ఎలా, ఎంత అస్తవ్యస్తంగా ప్రతిదీ కదులుతుంది మరియు వ్యాపిస్తుంది. మీ ఆకలిని పెంచడానికి కొన్ని ఉదాహరణలు:

• జనాభాలో క్యారియర్ నుండి క్యారియర్‌కు వ్యాపించే అంటు వ్యాధులు.
• సోషల్ నెట్‌వర్క్‌లలో అనుచరుల గ్రాఫ్‌లో మీమ్‌లు వ్యాపించాయి.
• కార్చిచ్చు.
• సంస్కృతిని విస్తరించే ఆలోచనలు మరియు అభ్యాసాలు.
• సుసంపన్నమైన యురేనియంలో న్యూట్రాన్ క్యాస్కేడ్.

ఫారమ్ గురించి శీఘ్ర గమనిక.

నా మునుపటి అన్ని రచనల వలె కాకుండా, ఈ వ్యాసం ఇంటరాక్టివ్ [in అసలు వ్యాసం ఇంటరాక్టివ్ ఉదాహరణలు స్క్రీన్‌పై వస్తువులను నియంత్రించే స్లయిడర్‌లు మరియు బటన్‌లతో అందించబడ్డాయి - సుమారుగా. వీధి].

కాబట్టి ప్రారంభిద్దాం. నెట్‌వర్క్‌లలో వ్యాప్తి కోసం దృశ్య పదజాలాన్ని అభివృద్ధి చేయడం మొదటి పని.

సాధారణ మోడల్

నెట్‌వర్క్‌ల ఆధారం, అంటే నోడ్స్ + అంచులు మీ అందరికీ తెలుసునని నేను ఖచ్చితంగా అనుకుంటున్నాను. వ్యాప్తిని అధ్యయనం చేయడానికి, మీరు కొన్ని నోడ్‌లను ఇలా గుర్తు పెట్టాలి చురుకుగా. లేదా, అంటువ్యాధి శాస్త్రవేత్తలు చెప్పాలనుకుంటున్నట్లుగా, సోకినది:

ఈ యాక్టివేషన్ లేదా ఇన్‌ఫెక్షన్ నెట్‌వర్క్ ద్వారా నోడ్ నుండి నోడ్‌కు మేము క్రింద అభివృద్ధి చేసే నియమాల ప్రకారం వ్యాపిస్తుంది.

ఈ సాధారణ ఏడు-నోడ్ నెట్‌వర్క్ కంటే రియల్ నెట్‌వర్క్‌లు సాధారణంగా చాలా పెద్దవిగా ఉంటాయి. అవి కూడా చాలా గందరగోళంగా ఉన్నాయి. కానీ సరళత కొరకు, లాటిస్ అంటే లాటిస్ నెట్‌వర్క్‌ను అధ్యయనం చేయడానికి మేము ఇక్కడ బొమ్మల నమూనాను నిర్మిస్తాము.

(వాస్తవికతలో మెష్ లోపించినది, సులువుగా గీయడం ద్వారా అది భర్తీ చేస్తుంది 😉

పేర్కొనబడిన చోట మినహా, నెట్‌వర్క్ నోడ్‌లు నాలుగు పొరుగువారిని కలిగి ఉంటాయి, ఉదాహరణకు:

మరియు ఈ లాటిస్‌లు అన్ని దిశలలో అనంతంగా విస్తరించి ఉన్నాయని మీరు ఊహించుకోవాలి. మరో మాటలో చెప్పాలంటే, నెట్‌వర్క్ అంచుల వద్ద లేదా చిన్న జనాభాలో మాత్రమే జరిగే ప్రవర్తనపై మాకు ఆసక్తి లేదు.

లాటిస్‌లు చాలా ఆర్డర్ చేయబడినందున, మనం వాటిని పిక్సెల్‌లకు సులభతరం చేయవచ్చు. ఉదాహరణకు, ఈ రెండు చిత్రాలు ఒకే నెట్‌వర్క్‌ను సూచిస్తాయి:

ఒక ప్రవర్తనలో, క్రియాశీల నోడ్ ఎల్లప్పుడూ దాని (అసంక్రమిత) పొరుగువారికి సంక్రమణను ప్రసారం చేస్తుంది. కానీ బోరింగ్‌గా ఉంది. బదిలీ అయినప్పుడు చాలా ఆసక్తికరమైన విషయాలు జరుగుతాయి సంభావ్యత.

SIR మరియు SIS

В SIR నమూనాలు (సస్సెప్టబుల్-ఇన్‌ఫెక్టెడ్-తొలగించబడినది) ఒక నోడ్ మూడు రాష్ట్రాలలో ఉంటుంది:

• ఆకర్షనీయమైనది
• సోకినది
• తీసివేయబడింది

ఇంటరాక్టివ్ సిమ్యులేషన్ ఎలా పనిచేస్తుందో ఇక్కడ ఉంది అసలు వ్యాసం మీరు సంక్రమణ ప్రసార రేటును 0 నుండి 1 వరకు ఎంచుకోవచ్చు, ప్రక్రియను దశలవారీగా లేదా పూర్తిగా చూడండి - సుమారుగా. అనువాదం.]:

• ఇన్ఫెక్షన్‌గా ప్రారంభమయ్యే కొన్ని నోడ్‌లు మినహా నోడ్‌లు ససెప్టబుల్‌గా ప్రారంభమవుతాయి.
• ప్రతి దశలోనూ, సోకిన నోడ్‌లు సంక్రమణ రేటుకు సమానమైన సంభావ్యతతో వారి పొరుగువారిలో ప్రతి ఒక్కరికి సంక్రమణను ప్రసారం చేసే అవకాశాన్ని కలిగి ఉంటాయి.
• సోకిన నోడ్‌లు "తొలగించబడిన" స్థితిలోకి ప్రవేశిస్తాయి, అంటే అవి ఇకపై ఇతరులకు సోకలేవు లేదా తమను తాము సోకించలేవు.

వ్యాధి నేపథ్యంలో, తొలగించడం అంటే వ్యక్తి మరణించాడని లేదా వారు వ్యాధికారకానికి రోగనిరోధక శక్తిని అభివృద్ధి చేశారని అర్థం. వారికి వేరే ఏమీ జరగనందున వారు అనుకరణ నుండి "తొలగించబడ్డారు" అని మేము చెప్పాము.

మేము మోడల్ చేయడానికి ప్రయత్నిస్తున్నదానిపై ఆధారపడి, SIR కాకుండా వేరే మోడల్ అవసరం కావచ్చు.

మేము మీజిల్స్ వ్యాప్తిని లేదా అడవి మంటల వ్యాప్తిని అనుకరిస్తున్నట్లయితే, SIR అనువైనది. కానీ మనం ధ్యానం వంటి కొత్త సాంస్కృతిక అభ్యాసం యొక్క వ్యాప్తిని అనుకరిస్తాము. మొదట నోడ్ (వ్యక్తి) గ్రహణశక్తిని కలిగి ఉంటుంది ఎందుకంటే ఇది ఇంతకు ముందెన్నడూ చేయలేదు. అప్పుడు, అతను ధ్యానం చేయడం ప్రారంభిస్తే (బహుశా స్నేహితుడి నుండి దాని గురించి విన్న తర్వాత), మేము అతనిని సోకిన వ్యక్తిగా మోడల్ చేస్తాము. కానీ అతను అభ్యాసాన్ని ఆపివేస్తే, అతను చనిపోడు మరియు అనుకరణ నుండి బయట పడడు, ఎందుకంటే భవిష్యత్తులో అతను ఈ అలవాటును మళ్లీ సులభంగా తీసుకోవచ్చు. కాబట్టి అతను తిరిగి స్వీకరించే స్థితికి వెళ్తాడు.

ఈ SIS మోడల్ (సస్సెప్టబుల్-ఇన్‌ఫెక్టెడ్-సెన్సిబుల్). క్లాసికల్ మోడల్ రెండు పారామితులను కలిగి ఉంది: ప్రసార వేగం మరియు రికవరీ వేగం. అయితే, ఈ కథనం కోసం అనుకరణలలో, నేను రికవరీ రేటు పరామితిని వదిలివేయడం ద్వారా సరళీకృతం చేయాలని నిర్ణయించుకున్నాను. బదులుగా, సోకిన నోడ్ దాని పొరుగువారిలో ఒకరి ద్వారా సోకినట్లయితే తప్ప, తదుపరి దశలో స్వయంచాలకంగా అవకాశం ఉన్న స్థితికి తిరిగి వస్తుంది. అదనంగా, మేము దశ n వద్ద సోకిన నోడ్‌ను ప్రసార రేటుకు సమానమైన సంభావ్యతతో దశ n+1 వద్ద సోకడానికి అనుమతిస్తాము.

చర్చ

మీరు గమనిస్తే, ఇది SIR మోడల్ నుండి చాలా భిన్నంగా ఉంటుంది.

నోడ్‌లు ఎప్పటికీ తీసివేయబడనందున, చాలా చిన్న మరియు పరిమిత లాటిస్ కూడా చాలా కాలం పాటు SIS సంక్రమణకు మద్దతు ఇస్తుంది. ఇన్ఫెక్షన్ కేవలం నోడ్ నుండి నోడ్‌కి దూకి తిరిగి వస్తుంది.

వారి తేడాలు ఉన్నప్పటికీ, SIR మరియు SIS మా ప్రయోజనాల కోసం ఆశ్చర్యకరంగా పరస్పరం మార్చుకోగలవు. కాబట్టి ఈ కథనంలో మిగిలిన వాటి కోసం మేము SISకి కట్టుబడి ఉంటాము - ప్రధానంగా ఇది మరింత మన్నికైనది మరియు పని చేయడం మరింత సరదాగా ఉంటుంది.

క్లిష్టమైన స్థాయి

SIR మరియు SIS మోడల్‌లతో ఆడుకున్న తర్వాత, మీరు ఇన్‌ఫెక్షన్ యొక్క దీర్ఘాయువు గురించి ఏదో గమనించి ఉండవచ్చు. 10% వంటి అతి తక్కువ ప్రసార రేట్లు వద్ద, సంక్రమణ చనిపోయే అవకాశం ఉంది. 50% వంటి అధిక విలువల్లో ఉన్నప్పుడు, ఇన్ఫెక్షన్ సజీవంగానే ఉంటుంది మరియు నెట్‌వర్క్‌లో ఎక్కువ భాగాన్ని ఆక్రమిస్తుంది. నెట్‌వర్క్ అనంతంగా ఉంటే, అది ఎప్పటికీ కొనసాగుతుందని మరియు వ్యాప్తి చెందుతుందని మనం ఊహించవచ్చు.

అటువంటి అపరిమితమైన వ్యాప్తికి అనేక పేర్లు ఉన్నాయి: "వైరల్", "న్యూక్లియర్" లేదా (ఈ వ్యాసం శీర్షికలో) క్రిటిచెస్కాయా.

ఉన్నట్లు తేలింది నిర్దిష్ట వేరుచేసే బ్రేకింగ్ పాయింట్ సబ్‌క్రిటికల్ నెట్‌వర్క్‌లు (విలుప్తానికి విచారకరంగా) నుండి సూపర్క్రిటికల్ నెట్‌వర్క్‌లు (అనంతమైన పెరుగుదల సామర్థ్యం). ఈ టర్నింగ్ పాయింట్ అంటారు క్లిష్టమైన థ్రెషోల్డ్, మరియు ఇది సాధారణ నెట్‌వర్క్‌లలో వ్యాప్తి ప్రక్రియల యొక్క సాధారణ సంకేతం.

క్లిష్టమైన థ్రెషోల్డ్ యొక్క ఖచ్చితమైన విలువ నెట్‌వర్క్‌ల మధ్య మారుతూ ఉంటుంది. ఇది సర్వసాధారణం లభ్యత అటువంటి అర్థం.

[ఇంటరాక్టివ్ డెమోలో అసలు వ్యాసం మీరు ట్రాన్స్మిషన్ స్పీడ్ విలువను మార్చడం ద్వారా క్లిష్టమైన నెట్‌వర్క్ థ్రెషోల్డ్‌ను మాన్యువల్‌గా కనుగొనడానికి ప్రయత్నించవచ్చు. ఇది ఎక్కడో 22% మరియు 23% మధ్య ఉంది - సుమారు. ట్రాన్స్.]

22% (మరియు అంతకంటే తక్కువ) వద్ద, సంక్రమణ చివరికి చనిపోతుంది. 23% (మరియు అంతకంటే ఎక్కువ) వద్ద, అసలైన ఇన్ఫెక్షన్ కొన్నిసార్లు చనిపోతుంది, కానీ చాలా సందర్భాలలో అది మనుగడ సాగిస్తుంది మరియు దాని ఉనికిని శాశ్వతంగా నిర్ధారించడానికి తగినంత కాలం వ్యాపిస్తుంది.

(మార్గం ద్వారా, విభిన్న నెట్‌వర్క్ టోపోలాజీల కోసం ఈ క్లిష్టమైన థ్రెషోల్డ్‌లను కనుగొనడానికి అంకితమైన మొత్తం శాస్త్రీయ క్షేత్రం ఉంది. త్వరిత పరిచయం కోసం, దీని గురించి వికీపీడియా కథనాన్ని త్వరగా స్క్రోల్ చేయాలని నేను సిఫార్సు చేస్తున్నాను లీకేజ్ యొక్క థ్రెషోల్డ్).

సాధారణంగా, ఇది ఎలా పని చేస్తుందో ఇక్కడ ఉంది: క్లిష్టమైన థ్రెషోల్డ్‌కి దిగువన, నెట్‌వర్క్‌లోని ఏదైనా పరిమిత ఇన్‌ఫెక్షన్ చివరికి చనిపోయేలా (సంభావ్యత 1తో) హామీ ఇవ్వబడుతుంది. కానీ ఒక క్లిష్టమైన థ్రెషోల్డ్ పైన, సంక్రమణ ఎప్పటికీ కొనసాగే సంభావ్యత (p > 0) ఉంది మరియు అలా చేయడం వలన అసలు సైట్‌కు దూరంగా ఏకపక్షంగా వ్యాపిస్తుంది.

అయితే, సూపర్క్రిటికల్ నెట్‌వర్క్ కాదని గమనించండి гарантируетఅంటువ్యాధి ఎప్పటికీ కొనసాగుతుందని. వాస్తవానికి, ఇది తరచుగా మసకబారుతుంది, ముఖ్యంగా అనుకరణ యొక్క ప్రారంభ దశల్లో. ఇది ఎలా జరుగుతుందో చూద్దాం.

మేము ఒక సోకిన నోడ్ మరియు నలుగురు పొరుగువారితో ప్రారంభించామని అనుకుందాం. మొదటి మోడలింగ్ దశలో, ఇన్ఫెక్షన్ వ్యాప్తి చెందడానికి 5 స్వతంత్ర అవకాశాలను కలిగి ఉంటుంది (తదుపరి దశలో తనకు తానుగా "వ్యాప్తి" అయ్యే అవకాశంతో సహా):

ఇప్పుడు బదిలీ రేటు 50% అని అనుకుందాం. ఈ సందర్భంలో, మొదటి దశలో మేము ఒక నాణేన్ని ఐదుసార్లు తిప్పుతాము. మరియు ఐదు తలలు చుట్టినట్లయితే, సంక్రమణం నశిస్తుంది. ఇది దాదాపు 3% కేసులలో జరుగుతుంది - మరియు ఇది మొదటి దశలో మాత్రమే. మొదటి దశలో జీవించి ఉన్న ఇన్ఫెక్షన్ రెండవ దశలో చనిపోయే కొంత (సాధారణంగా చిన్న) సంభావ్యతను కలిగి ఉంటుంది, మూడవ దశలో చనిపోయే కొన్ని (ఇంకా చిన్న) సంభావ్యత మొదలైనవి.

కాబట్టి, నెట్‌వర్క్ సూపర్‌క్రిటికల్‌గా ఉన్నప్పుడు కూడా - ప్రసార రేటు 99% ఉంటే - ఇన్‌ఫెక్షన్ అదృశ్యమయ్యే అవకాశం ఉంది.

కానీ ముఖ్యమైన విషయం ఏమిటంటే ఆమె అలా చేయదు ఎల్లప్పుడూ వాడిపోవును. మీరు ఇన్ఫినిటీకి చనిపోయే అన్ని దశల సంభావ్యతను జోడిస్తే, ఫలితం 1 కంటే తక్కువగా ఉంటుంది. మరో మాటలో చెప్పాలంటే, ఇన్ఫెక్షన్ ఎప్పటికీ కొనసాగే నాన్-జీరో సంభావ్యత ఉంది. నెట్‌వర్క్ సూపర్‌క్రిటికల్‌గా ఉండటం అంటే ఇదే.

SISA: ఆకస్మిక క్రియాశీలత

ఈ సమయం వరకు, మా అనుకరణలన్నీ మధ్యలో ముందుగా సోకిన నోడ్‌ల చిన్న ముక్కతో ప్రారంభమయ్యాయి.

కానీ మీరు మొదటి నుండి ప్రారంభిస్తే? మేము స్పాంటేనియస్ యాక్టివేషన్‌ని మోడల్ చేస్తాము-అనుకూలమైన నోడ్‌కి అవకాశం ద్వారా సోకిన ప్రక్రియ (దాని పొరుగువారి నుండి కాదు).

ఈ అని పిలుస్తారు SISA మోడల్. "a" అనే అక్షరం "ఆటోమేటిక్"ని సూచిస్తుంది.

SISa అనుకరణలో, ఒక కొత్త పరామితి కనిపిస్తుంది - స్పాంటేనియస్ యాక్టివేషన్ రేటు, ఇది స్పాంటేనియస్ ఇన్‌ఫెక్షన్ యొక్క ఫ్రీక్వెన్సీని మారుస్తుంది (మనం ఇంతకు ముందు చూసిన ట్రాన్స్‌మిషన్ రేట్ పరామితి కూడా ఉంది).

ఇన్ఫెక్షన్ నెట్‌వర్క్ అంతటా వ్యాపించడానికి ఏమి పడుతుంది?

చర్చ

యాదృచ్ఛిక క్రియాశీలత రేటును పెంచడం వలన ఇన్‌ఫెక్షన్ మొత్తం నెట్‌వర్క్‌ను ఆక్రమించినా మారకపోయినా మారదని మీరు అనుకరణలో గమనించి ఉండవచ్చు. మాత్రమే ప్రసార వేగం నెట్‌వర్క్ సబ్- లేదా సూపర్ క్రిటికల్ అని నిర్ణయిస్తుంది. మరియు నెట్‌వర్క్ సబ్‌క్రిటికల్‌గా ఉన్నప్పుడు (ట్రాన్స్‌మిషన్ రేటు 22% కంటే తక్కువ లేదా సమానంగా ఉంటుంది), అది ఎంత తరచుగా ప్రారంభమైనా, మొత్తం గ్రిడ్‌కు ఎటువంటి ఇన్‌ఫెక్షన్ వ్యాపించదు.

తడి పొలంలో మంటలు చెలరేగడం లాంటిది. మీరు కొన్ని పొడి ఆకులను నిప్పు మీద వెలిగించవచ్చు, కానీ మిగిలిన ప్రకృతి దృశ్యం తగినంతగా మండే అవకాశం లేనందున మంట త్వరగా ఆరిపోతుంది (సబ్క్రిటికల్). చాలా పొడి మైదానంలో ఉన్నప్పుడు (సూపర్‌క్రిటికల్), మంటలు చెలరేగడానికి ఒక స్పార్క్ సరిపోతుంది.

ఆలోచనలు మరియు ఆవిష్కరణల రంగంలో ఇలాంటి విషయాలు గమనించబడతాయి. తరచుగా ప్రపంచం ఒక ఆలోచన కోసం సిద్ధంగా ఉండదు, ఈ సందర్భంలో అది మళ్లీ మళ్లీ కనుగొనవచ్చు, కానీ అది ప్రజలను ఆకర్షించదు. మరోవైపు, ప్రపంచం ఒక ఆవిష్కరణకు పూర్తిగా సిద్ధంగా ఉండవచ్చు (గొప్ప గుప్త డిమాండ్), మరియు అది పుట్టిన వెంటనే, దానిని అందరూ అంగీకరించారు. మధ్యలో అనేక ప్రదేశాలలో కనుగొనబడిన మరియు స్థానికంగా వ్యాపించే ఆలోచనలు ఉన్నాయి, కానీ మొత్తం నెట్‌వర్క్‌ను ఒకేసారి తుడిచిపెట్టడానికి ఏ ఒక్క సంస్కరణకు సరిపోదు. ఈ చివరి వర్గంలో, ఉదాహరణకు, వ్యవసాయం మరియు రచనలు, వివిధ మానవ నాగరికతలు వరుసగా పది మరియు మూడు సార్లు స్వతంత్రంగా కనుగొనబడ్డాయి.

రోగనిరోధక శక్తి

మనం కొన్ని నోడ్‌లను పూర్తిగా అభేద్యంగా చేశామని అనుకుందాం, అంటే యాక్టివేషన్‌కు రోగనిరోధక శక్తి. అవి మొదట్లో రిమోట్ స్థితిలో ఉన్నట్లుగా ఉంటుంది మరియు మిగిలిన నోడ్‌లలో SIS(a) మోడల్ ప్రారంభించబడింది.

రోగనిరోధక శక్తి స్లయిడర్ తొలగించబడిన నోడ్‌ల శాతాన్ని నియంత్రిస్తుంది. దాని విలువను మార్చడానికి ప్రయత్నించండి (మోడల్ రన్ అవుతున్నప్పుడు!) మరియు అది సూపర్ క్రిటికల్ అయినా కాకపోయినా నెట్‌వర్క్ స్థితిని ఎలా ప్రభావితం చేస్తుందో చూడండి.

చర్చ

స్పందించని నోడ్‌ల సంఖ్యను మార్చడం వలన నెట్‌వర్క్ సబ్- లేదా సూపర్ క్రిటికల్ అనే చిత్రాన్ని పూర్తిగా మారుస్తుంది. మరియు ఎందుకు చూడటం కష్టం కాదు. పెద్ద సంఖ్యలో అస్పష్టమైన హోస్ట్‌లతో, సంక్రమణ కొత్త హోస్ట్‌లకు వ్యాప్తి చెందడానికి తక్కువ అవకాశం ఉంది.

ఇది చాలా ముఖ్యమైన ఆచరణాత్మక పరిణామాలను కలిగి ఉందని తేలింది.

వాటిలో ఒకటి అడవి మంటలు వ్యాప్తి చెందకుండా నిరోధించడం. స్థానిక స్థాయిలో, ప్రతి వ్యక్తి తప్పనిసరిగా వారి స్వంత జాగ్రత్తలు తీసుకోవాలి (ఉదాహరణకు, బహిరంగ మంటను గమనించకుండా ఉండకూడదు). కానీ పెద్ద ఎత్తున, వివిక్త వ్యాప్తి అనివార్యం. అందువల్ల రక్షణ యొక్క మరొక పద్ధతి ఏమిటంటే, వ్యాప్తి మొత్తం నెట్‌వర్క్‌ను చుట్టుముట్టకుండా ఉండటానికి తగినంత "బ్రేక్‌లు" (లేపే పదార్థాల నెట్‌వర్క్‌లో) ఉన్నాయని నిర్ధారించడం. క్లియరింగ్‌లు ఈ విధిని నిర్వహిస్తాయి:

ఆపడానికి ముఖ్యమైన మరొక వ్యాప్తి అంటు వ్యాధి. ఇక్కడ భావన పరిచయం చేయబడింది మంద రోగనిరోధక శక్తి. కొంతమందికి టీకాలు వేయలేమనే ఆలోచన ఇది (ఉదాహరణకు, వారు రాజీపడిన రోగనిరోధక వ్యవస్థను కలిగి ఉంటారు), కానీ తగినంత మంది వ్యక్తులు సంక్రమణకు రోగనిరోధక శక్తిని కలిగి ఉంటే, వ్యాధి నిరవధికంగా వ్యాపించదు. మరో మాటలో చెప్పాలంటే, మీరు టీకాలు వేయాలి తగినంత జనాభాలో కొంత భాగం జనాభాను సూపర్ క్రిటికల్ నుండి సబ్‌క్రిటికల్ స్థితికి బదిలీ చేస్తుంది. ఇది జరిగినప్పుడు, ఒక రోగి ఇప్పటికీ వ్యాధి బారిన పడవచ్చు (ఉదాహరణకు, మరొక ప్రాంతానికి ప్రయాణించిన తర్వాత), కానీ పెరగడానికి సూపర్ క్రిటికల్ నెట్‌వర్క్ లేకుండా, ఈ వ్యాధి కొద్దిమంది వ్యక్తులకు మాత్రమే సోకుతుంది.

చివరగా, రోగనిరోధక నోడ్స్ యొక్క భావన అణు రియాక్టర్‌లో ఏమి జరుగుతుందో వివరిస్తుంది. గొలుసు చర్యలో, క్షీణిస్తున్న యురేనియం-235 అణువు మూడు న్యూట్రాన్‌లను విడుదల చేస్తుంది, ఇది ఒకటి కంటే ఎక్కువ U-235 అణువుల విచ్ఛిత్తికి (సగటున) కారణమవుతుంది. కొత్త న్యూట్రాన్లు పరమాణువుల విభజనకు కారణమవుతాయి మరియు విపరీతంగా:

బాంబును నిర్మించేటప్పుడు, ఘాతాంక పెరుగుదల తనిఖీ లేకుండా కొనసాగుతుందని నిర్ధారించడం మొత్తం పాయింట్. కానీ పవర్ ప్లాంట్‌లో, మీ చుట్టూ ఉన్న ప్రతి ఒక్కరినీ చంపకుండా శక్తిని ఉత్పత్తి చేయడమే లక్ష్యం. ఈ ప్రయోజనం కోసం వారు ఉపయోగిస్తారు నియంత్రణ రాడ్లు, న్యూట్రాన్లను (ఉదాహరణకు, వెండి లేదా బోరాన్) గ్రహించగల పదార్థంతో తయారు చేయబడింది. అవి న్యూట్రాన్‌లను విడుదల కాకుండా గ్రహిస్తాయి కాబట్టి, అవి మన అనుకరణలో రోగనిరోధక నోడ్‌లుగా పనిచేస్తాయి, తద్వారా రేడియోధార్మిక కేంద్రకం సూపర్‌క్రిటికల్‌గా మారకుండా నిరోధిస్తుంది.

కాబట్టి అణు రియాక్టర్‌కు ఉపాయం ఏమిటంటే, నియంత్రణ రాడ్‌లను ముందుకు వెనుకకు కదిలించడం ద్వారా ప్రతిచర్యను క్లిష్టమైన థ్రెషోల్డ్ దగ్గర ఉంచడం మరియు ఏదైనా తప్పు జరిగినప్పుడు, రాడ్‌లు కోర్‌లోకి పడిపోయి దానిని ఆపేలా చేయడం.

డిగ్రీ

డిగ్రీ నోడ్ అంటే దాని పొరుగువారి సంఖ్య. ఈ సమయం వరకు, మేము డిగ్రీ 4 యొక్క నెట్‌వర్క్‌లను పరిగణించాము. కానీ మీరు ఈ పరామితిని మార్చినట్లయితే ఏమి జరుగుతుంది?

ఉదాహరణకు, మీరు ప్రతి నోడ్‌ను నాలుగు తక్షణ పొరుగువారికి మాత్రమే కాకుండా, మరో నాలుగు వికర్ణంగా కూడా కనెక్ట్ చేయవచ్చు. అటువంటి నెట్‌వర్క్‌లో డిగ్రీ 8 అవుతుంది.

4 మరియు 8 డిగ్రీలతో లాటిస్‌లు బాగా సుష్టంగా ఉంటాయి. కానీ డిగ్రీ 5 తో (ఉదాహరణకు), ఒక సమస్య తలెత్తుతుంది: మనం ఏ ఐదు పొరుగువారిని ఎంచుకోవాలి? ఈ సందర్భంలో, మేము నాలుగు సమీప పొరుగువారిని (N, E, S, W) ఎంచుకుంటాము, ఆపై {NE, SE, SW, NW} సెట్ నుండి యాదృచ్ఛికంగా ఒక పొరుగువారిని ఎంచుకోండి. ఎంపిక ప్రతి సమయం దశలో ప్రతి నోడ్ కోసం స్వతంత్రంగా చేయబడుతుంది.

చర్చ

మళ్ళీ, ఇక్కడ ఏమి జరుగుతుందో చూడటం కష్టం కాదు. ప్రతి నోడ్‌కు ఎక్కువ మంది పొరుగువారు ఉన్నప్పుడు, ఇన్‌ఫెక్షన్ వ్యాప్తి చెందే అవకాశాలు పెరుగుతాయి-తద్వారా నెట్‌వర్క్ క్లిష్టంగా మారే అవకాశం ఉంది.

అయితే, పరిణామాలు ఊహించనివి కావచ్చు, మేము క్రింద చూస్తాము.

నగరాలు మరియు నెట్‌వర్క్ సాంద్రత

ఇప్పటి వరకు, మా నెట్‌వర్క్‌లు పూర్తిగా సజాతీయంగా ఉన్నాయి. ప్రతి నోడ్ ఏదైనా ఇతర లాగా కనిపిస్తుంది. కానీ మనం షరతులను మార్చినట్లయితే మరియు నెట్‌వర్క్ అంతటా వేర్వేరు నోడ్ స్థితులను అనుమతించినట్లయితే?

ఉదాహరణకు, నగరాలను మోడల్ చేయడానికి ప్రయత్నిద్దాం. దీన్ని చేయడానికి, మేము నెట్‌వర్క్‌లోని కొన్ని భాగాలలో సాంద్రతను పెంచుతాము (నోడ్స్ యొక్క అధిక డిగ్రీ). పౌరుల వద్ద ఉన్న డేటా ఆధారంగా మేము దీన్ని చేస్తాము విస్తృత సామాజిక వృత్తం మరియు మరింత సామాజిక పరస్పర చర్యలునగరాల వెలుపలి వ్యక్తుల కంటే.

మా మోడల్‌లో, ససెప్టబుల్ నోడ్‌లు వాటి డిగ్రీ ఆధారంగా రంగులో ఉంటాయి. "గ్రామీణ ప్రాంతాలలో" నోడ్‌లు డిగ్రీ 4 (మరియు లేత బూడిద రంగులో ఉంటాయి), అయితే "పట్టణ ప్రాంతాలలో" నోడ్‌లు అధిక డిగ్రీలు (మరియు ముదురు రంగులో ఉంటాయి), శివార్లలో డిగ్రీ 5తో మొదలై సిటీ సెంటర్‌లో 8తో ముగుస్తాయి.

యాక్టివేషన్ నగరాలను కవర్ చేసి, ఆపై వాటి సరిహద్దులను దాటి వెళ్లకుండా ప్రచార వేగాన్ని ఎంచుకోవడానికి ప్రయత్నించండి.

నేను ఈ అనుకరణను స్పష్టంగా మరియు ఆశ్చర్యకరంగా భావిస్తున్నాను. కోర్సు, నగరాలు గ్రామీణ ప్రాంతాల కంటే సాంస్కృతిక స్థాయిని మెరుగ్గా నిర్వహిస్తాయి - ఇది అందరికీ తెలుసు. నాకు ఆశ్చర్యం కలిగించే విషయం ఏమిటంటే, ఈ సాంస్కృతిక వైవిధ్యం కేవలం సోషల్ నెట్‌వర్క్ యొక్క టోపోలాజీ ఆధారంగా ఏర్పడుతుంది.

ఇది ఆసక్తికరమైన అంశం, నేను దానిని మరింత వివరంగా వివరించడానికి ప్రయత్నిస్తాను.

ఇక్కడ మనం వ్యక్తి నుండి వ్యక్తికి సరళంగా మరియు నేరుగా సంక్రమించే సంస్కృతి యొక్క రూపాలతో వ్యవహరిస్తున్నాము. ఉదాహరణకి, మర్యాదలు, పార్లర్ గేమ్‌లు, ఫ్యాషన్ ట్రెండ్‌లు, భాషా పోకడలు, చిన్న సమూహ ఆచారాలు మరియు నోటి మాటల ద్వారా వ్యాప్తి చెందే ఉత్పత్తులు, అలాగే మేము ఐడియాలు అని పిలుస్తున్న సమాచారం యొక్క మొత్తం ప్యాకేజీలు.

(గమనిక: ప్రజల మధ్య సమాచార వ్యాప్తిని మీడియా చాలా కష్టతరం చేస్తుంది. ప్రాచీన గ్రీస్ వంటి కొన్ని సాంకేతికంగా ఆదిమ వాతావరణాన్ని ఊహించడం సులభం, ఇక్కడ సంస్కృతి యొక్క ప్రతి స్పార్క్ భౌతిక ప్రదేశంలో పరస్పర చర్య ద్వారా ప్రసారం చేయబడింది.)

పై అనుకరణ నుండి, నగరంలో పాతుకుపోయి వ్యాప్తి చెందగల ఆలోచనలు మరియు సాంస్కృతిక పద్ధతులు ఉన్నాయని నేను తెలుసుకున్నాను, అయితే అవి గ్రామీణ ప్రాంతాల్లో విస్తరించలేవు (గణితపరంగా కాదు). ఇవి ఒకే ఆలోచనలు మరియు ఒకే వ్యక్తులు. గ్రామీణ నివాసితులు ఏదో ఒకవిధంగా "దగ్గరగా ఆలోచించేవారు" అని కాదు: అదే ఆలోచనతో పరస్పర చర్య చేసినప్పుడు, వారు అది పట్టుకోవడానికి సరిగ్గా అదే అవకాశాలుపట్టణవాసుల వలె. ఈ ఆలోచన గ్రామీణ ప్రాంతాల్లో వైరల్‌గా మారదు, ఎందుకంటే ఇది వ్యాప్తి చెందడానికి చాలా కనెక్షన్‌లు లేవు.

ఇది బహుశా ఫ్యాషన్ రంగంలో చూడటం చాలా సులభం - బట్టలు, కేశాలంకరణ మొదలైనవి. ఫ్యాషన్ నెట్‌వర్క్‌లో, ఇద్దరు వ్యక్తులు ఒకరి దుస్తులను ఒకరు గమనించినప్పుడు మనం లాటిస్ యొక్క అంచుని పట్టుకోవచ్చు. పట్టణ కేంద్రంలో, ప్రతి వ్యక్తి ప్రతిరోజూ 1000 కంటే ఎక్కువ మంది ఇతర వ్యక్తులను చూడగలరు - వీధిలో, సబ్‌వేలో, రద్దీగా ఉండే రెస్టారెంట్‌లో మొదలైనవి. గ్రామీణ ప్రాంతంలో, దీనికి విరుద్ధంగా, ప్రతి వ్యక్తి కేవలం రెండు డజన్ల మందిని మాత్రమే చూడగలరు. ఆధారంగా ఈ తేడా మాత్రమే, నగరం మరిన్ని ఫ్యాషన్ పోకడలకు మద్దతు ఇవ్వగలదు. మరియు అత్యంత ఆకర్షణీయమైన ట్రెండ్‌లు-అత్యధిక ప్రసార రేట్లు ఉన్నవి-నగరం వెలుపల పట్టు సాధించగలవు.

ఒక ఆలోచన మంచిదైతే, అది చివరికి అందరికీ చేరుతుందని, ఒక ఆలోచన చెడుగా ఉంటే, అది అదృశ్యమవుతుందని మనం అనుకుంటాము. అయితే, విపరీతమైన సందర్భాల్లో ఇది నిజం, కానీ మధ్యలో కొన్ని నెట్‌వర్క్‌లలో మాత్రమే వైరల్ అయ్యే ఆలోచనలు మరియు అభ్యాసాలు చాలా ఉన్నాయి. ఇది నిజంగా అద్భుతం.

నగరాలు మాత్రమే కాదు

మేము ఇక్కడ ప్రభావాన్ని పరిశీలిస్తున్నాము నెట్వర్క్ సాంద్రత. ఇచ్చిన నోడ్‌ల సమితికి ఇది సంఖ్యగా నిర్వచించబడింది అసలు పక్కటెముకలు, సంఖ్య ద్వారా విభజించబడింది సంభావ్య అంచులు. అంటే, వాస్తవానికి ఉనికిలో ఉన్న సాధ్యం కనెక్షన్ల శాతం.

కాబట్టి, గ్రామీణ ప్రాంతాల కంటే పట్టణ కేంద్రాలలో నెట్‌వర్క్ సాంద్రత ఎక్కువగా ఉందని మేము చూశాము. కానీ మనం దట్టమైన నెట్‌వర్క్‌లను కనుగొనే ప్రదేశం నగరాలు మాత్రమే కాదు.

ఒక ఆసక్తికరమైన ఉదాహరణ మాధ్యమిక పాఠశాలలు. ఉదాహరణకు, ఒక నిర్దిష్ట ప్రాంతం కోసం, మేము పాఠశాల పిల్లల మధ్య ఉన్న నెట్‌వర్క్‌ను వారి తల్లిదండ్రుల మధ్య ఉన్న నెట్‌వర్క్‌తో పోల్చాము. ఒకే భౌగోళిక ప్రాంతం మరియు అదే జనాభా, కానీ ఒక నెట్‌వర్క్ మరొకదాని కంటే చాలా రెట్లు దట్టంగా ఉంటుంది. అందువల్ల యువతలో ఫ్యాషన్ మరియు భాషాపరమైన పోకడలు చాలా వేగంగా వ్యాపించడంలో ఆశ్చర్యం లేదు.

అదేవిధంగా, ఎలైట్ నెట్‌వర్క్‌లు నాన్-ఎలైట్ నెట్‌వర్క్‌ల కంటే చాలా దట్టంగా ఉంటాయి - నేను తక్కువ అంచనా వేయబడతాయని నేను భావిస్తున్నాను (జనాదరణ పొందిన లేదా ప్రభావవంతమైన వ్యక్తులు నెట్‌వర్కింగ్‌లో ఎక్కువ సమయం గడుపుతారు మరియు అందువల్ల సాధారణ వ్యక్తుల కంటే ఎక్కువ "పొరుగువారు" ఉంటారు). ఎగువన ఉన్న అనుకరణల ఆధారంగా, నెట్‌వర్క్ యొక్క సగటు డిగ్రీ యొక్క గణిత చట్టాల ఆధారంగా ప్రధాన స్రవంతి ద్వారా మద్దతు ఇవ్వలేని కొన్ని సాంస్కృతిక రూపాలకు ఎలైట్ నెట్‌వర్క్‌లు మద్దతు ఇస్తాయని మేము ఆశిస్తున్నాము. ఈ సాంస్కృతిక రూపాలు ఏమిటో ఊహించడానికి నేను మీకు వదిలివేస్తున్నాను.

చివరగా, మేము ఈ ఆలోచనను ఇంటర్నెట్‌కు భారీ మరియు మోడలింగ్ చేయడం ద్వారా అన్వయించవచ్చు చాలా గట్టిగా నగరం. పూర్తిగా ప్రాదేశిక నెట్‌వర్క్‌లలో మద్దతు ఇవ్వలేని అనేక కొత్త రకాల సంస్కృతి ఆన్‌లైన్‌లో అభివృద్ధి చెందడంలో ఆశ్చర్యం లేదు: సముచిత అభిరుచులు, మెరుగైన డిజైన్ ప్రమాణాలు, అన్యాయంపై ఎక్కువ అవగాహన మొదలైనవి. మరియు ఇది మంచి విషయాలు మాత్రమే కాదు. ప్రారంభ నగరాలు తక్కువ జనాభా సాంద్రతలో వ్యాప్తి చెందని వ్యాధులకు సంతానోత్పత్తి కేంద్రాలుగా ఉన్నట్లే, క్లిక్‌బైట్, నకిలీ వార్తలు మరియు కృత్రిమ ఆగ్రహాన్ని రేకెత్తించడం వంటి ప్రాణాంతక సాంస్కృతిక రూపాలకు ఇంటర్నెట్ పెంపకం.

నాలెడ్జ్

"సరియైన సమయంలో సరైన నిపుణుడిని కలిగి ఉండటం అనేది సృజనాత్మక సమస్య పరిష్కారానికి అత్యంత విలువైన వనరు." - మైఖేల్ నీల్సన్, ఇన్వెంటింగ్ డిస్కవరీ

మేము తరచుగా ఆవిష్కరణ లేదా ఆవిష్కరణ అనేది ఒకే మేధావి యొక్క మనస్సులో సంభవించే ప్రక్రియగా భావిస్తాము. అతను ప్రేరణ యొక్క మెరుపుతో కొట్టబడ్డాడు మరియు - యురేకా! — అకస్మాత్తుగా వాల్యూమ్‌ను కొలవడానికి మనకు కొత్త మార్గం ఉంది. లేదా గురుత్వాకర్షణ సమీకరణం. లేదా లైట్ బల్బు.

కానీ మనం కనుగొనబడిన సమయంలో ఒంటరి ఆవిష్కర్త యొక్క దృక్కోణాన్ని తీసుకుంటే, మేము దృగ్విషయాన్ని చూస్తున్నాము నోడ్ యొక్క కోణం నుండి. ఆవిష్కరణను ఇలా అర్థం చేసుకోవడం మరింత సరైనది నెట్వర్క్ దృగ్విషయం.

నెట్‌వర్క్ కనీసం రెండు మార్గాల్లో ముఖ్యమైనది. ముందుగా, ఇప్పటికే ఉన్న ఆలోచనలు చొచ్చుకుపోవాలి స్పృహలోకి ఆవిష్కర్త. ఇవి కొత్త కథనం నుండి కోట్‌లు, కొత్త పుస్తకం యొక్క గ్రంథ పట్టిక విభాగం - న్యూటన్ భుజాలపై నిలబడిన దిగ్గజాలు. రెండవది, కొత్త ఆలోచన తిరిగి రావడానికి నెట్‌వర్క్ కీలకం తిరిగి ప్రపంచంలోకి; వ్యాప్తి చెందని ఆవిష్కరణను "ఆవిష్కరణ" అని పిలవడం విలువైనది కాదు. అందువల్ల, ఈ రెండు కారణాల వల్ల, ఆవిష్కరణ-లేదా, మరింత విస్తృతంగా, జ్ఞానం యొక్క పెరుగుదల-వ్యాప్తి ప్రక్రియగా మోడల్ చేయడం అర్ధమే.

ఒక క్షణంలో, నెట్‌వర్క్‌లో జ్ఞానం ఎలా వ్యాప్తి చెందుతుంది మరియు అభివృద్ధి చెందుతుంది అనే దాని గురించి నేను కఠినమైన అనుకరణను ప్రదర్శిస్తాను. కానీ మొదట నేను వివరించాలి.

అనుకరణ ప్రారంభంలో, గ్రిడ్‌లోని ప్రతి క్వాడ్రంట్‌లో నలుగురు నిపుణులు ఈ క్రింది విధంగా అమర్చబడి ఉంటారు:

నిపుణుడు 1 ఆలోచన యొక్క మొదటి సంస్కరణను కలిగి ఉంది - దానిని ఐడియా 1.0 అని పిలుద్దాం. ఐడియా 2ని ఐడియా 1.0గా ఎలా మార్చాలో తెలిసిన వ్యక్తి నిపుణుడు 2.0. ఐడియా 3ని ఐడియా 2.0గా ఎలా మార్చాలో నిపుణుడు 3.0కి తెలుసు. చివరకు, ఐడియా 4.0కి తుది మెరుగులు దిద్దడం ఎలాగో నాల్గవ నిపుణుడికి తెలుసు.

ఇది ఓరిగామి వంటి సాంకేతికతను పోలి ఉంటుంది, ఇక్కడ సాంకేతికతలు అభివృద్ధి చేయబడ్డాయి మరియు ఇతర సాంకేతికతలతో కలిపి మరింత ఆసక్తికరమైన డిజైన్‌లను రూపొందించబడతాయి. లేదా ఇది భౌతిక శాస్త్రం వంటి విజ్ఞాన రంగం కావచ్చు, దీనిలో ఇటీవలి పని పూర్వీకుల ప్రాథమిక పనిపై ఆధారపడి ఉంటుంది.

ఈ అనుకరణ యొక్క అంశం ఏమిటంటే, ఆలోచన యొక్క తుది సంస్కరణకు సహకరించడానికి మనకు నలుగురు నిపుణులు అవసరం. మరియు ప్రతి దశలో ఆలోచన తగిన నిపుణుడి దృష్టికి తీసుకురావాలి.

కొన్ని హెచ్చరికలు. అనుకరణలో అనేక అవాస్తవ అంచనాలు ఎన్కోడ్ చేయబడ్డాయి. వాటిలో కొన్ని మాత్రమే ఇక్కడ ఉన్నాయి:

1. వ్యక్తి నుండి వ్యక్తికి తప్ప ఆలోచనలను నిల్వ చేయడం మరియు ప్రసారం చేయడం సాధ్యం కాదని భావించబడుతుంది (అంటే, పుస్తకాలు లేదా మీడియా లేదు).
2. ఆలోచనలను రూపొందించగల శాశ్వత నిపుణులు జనాభాలో ఉన్నారని భావించబడుతుంది, అయితే వాస్తవానికి అనేక యాదృచ్ఛిక కారకాలు ఆవిష్కరణ లేదా ఆవిష్కరణ సంభవించడాన్ని ప్రభావితం చేస్తాయి.
3. ఆలోచన యొక్క నాలుగు సంస్కరణలు ఒకే విధమైన SIS పారామితులను ఉపయోగిస్తాయి (బాడ్ రేటు, రోగనిరోధక శక్తి శాతం మొదలైనవి), అయినప్పటికీ ప్రతి సంస్కరణకు (1.0, 2.0, మొదలైనవి) వేర్వేరు పారామితులను ఉపయోగించడం చాలా వాస్తవికమైనది.
4. ఆలోచన N+1 ఎల్లప్పుడూ ఆలోచన N ని పూర్తిగా స్థానభ్రంశం చేస్తుందని భావించబడుతుంది, అయితే ఆచరణలో తరచుగా పాత మరియు కొత్త వెర్షన్‌లు రెండూ ఏకకాలంలో తిరుగుతాయి, స్పష్టమైన విజేత లేకుండా.

… మరియు అనేక ఇతరులు.

చర్చ

వాస్తవానికి జ్ఞానం ఎలా పెరుగుతుందనే దానికి ఇది హాస్యాస్పదంగా సరళీకృత నమూనా. మోడల్ వెలుపల చాలా ముఖ్యమైన వివరాలు మిగిలి ఉన్నాయి (పైన చూడండి). అయితే, ఇది ప్రక్రియ యొక్క ముఖ్యమైన సారాంశాన్ని సంగ్రహిస్తుంది. కాబట్టి మనం రిజర్వేషన్‌లతో, వ్యాప్తికి సంబంధించిన మన జ్ఞానాన్ని ఉపయోగించి జ్ఞానం యొక్క పెరుగుదల గురించి మాట్లాడవచ్చు.

ప్రత్యేకించి, డిఫ్యూజన్ మోడల్ ఎలా అనే దానిపై అంతర్దృష్టిని అందిస్తుంది ప్రక్రియను వేగవంతం చేయండి: నిపుణుల నోడ్‌ల మధ్య ఆలోచనల మార్పిడిని సులభతరం చేయాలి. దీని అర్థం వ్యాప్తికి ఆటంకం కలిగించే డెడ్ నోడ్‌ల నెట్‌వర్క్‌ను క్లియర్ చేయడం. లేదా ఆలోచనలు త్వరగా వ్యాపించే అధిక నెట్‌వర్క్ సాంద్రత కలిగిన నగరం లేదా క్లస్టర్‌లో నిపుణులందరినీ ఉంచడం అని అర్థం. లేదా వాటిని ఒకే గదిలో సేకరించండి:

సో... డిఫ్యూజన్ గురించి నేను చెప్పగలను అంతే.

కానీ నాకు చివరి ఆలోచన ఉంది మరియు ఇది చాలా ముఖ్యమైనది. ఇది పెరుగుదల గురించిమరియు స్తబ్దత) శాస్త్రీయ సమాజాలలో జ్ఞానం. ఈ ఆలోచన టోన్ మరియు కంటెంట్‌లో ఎగువన ఉన్నదానికి భిన్నంగా ఉంటుంది, కానీ మీరు నన్ను మన్నిస్తారని నేను ఆశిస్తున్నాను.

శాస్త్రీయ నెట్‌వర్క్‌ల గురించి

దృష్టాంతం ప్రపంచంలోని అత్యంత ముఖ్యమైన సానుకూల ఫీడ్‌బ్యాక్ లూప్‌లలో ఒకదాన్ని చూపిస్తుంది (మరియు ఇది చాలా కాలంగా ఇలాగే ఉంది):

చక్రం యొక్క పైకి పురోగతి (K ⟶ T) చాలా సులభం: మేము కొత్త సాధనాలను అభివృద్ధి చేయడానికి కొత్త పరిజ్ఞానాన్ని ఉపయోగిస్తాము. ఉదాహరణకు, సెమీకండక్టర్ల భౌతిక శాస్త్రాన్ని అర్థం చేసుకోవడం కంప్యూటర్లను నిర్మించడానికి అనుమతిస్తుంది.

అయితే, క్రిందికి వెళ్లడానికి కొంత వివరణ అవసరం. సాంకేతికత అభివృద్ధి జ్ఞానం పెరుగుదలకు ఎలా దారి తీస్తుంది?

ఒక మార్గం-బహుశా అత్యంత ప్రత్యక్షమైనది-కొత్త సాంకేతికతలు ప్రపంచాన్ని గ్రహించే కొత్త మార్గాలను అందించినప్పుడు. ఉదాహరణకు, అత్యుత్తమ మైక్రోస్కోప్‌లు సెల్ లోపల లోతుగా చూసేందుకు మిమ్మల్ని అనుమతిస్తాయి, పరమాణు జీవశాస్త్రం కోసం అంతర్దృష్టులను అందిస్తాయి. జంతువులు ఎలా కదులుతాయో GPS ట్రాకర్లు చూపుతాయి. సోనార్ మహాసముద్రాలను అన్వేషించడానికి మిమ్మల్ని అనుమతిస్తుంది. మరియు అందువలన న.

ఇది నిస్సందేహంగా కీలకమైన యంత్రాంగం, కానీ సాంకేతికత నుండి జ్ఞానానికి కనీసం రెండు ఇతర మార్గాలు ఉన్నాయి. అవి అంత సులభం కాకపోవచ్చు, కానీ అవి చాలా ముఖ్యమైనవి అని నేను భావిస్తున్నాను:

మొదటిది. సాంకేతికత ఆర్థిక సమృద్ధికి దారి తీస్తుంది (అంటే సంపద), ఇది ఎక్కువ మంది వ్యక్తులను జ్ఞాన ఉత్పత్తిలో నిమగ్నం చేయడానికి అనుమతిస్తుంది.

మీ దేశ జనాభాలో 90% మంది వ్యవసాయంలో నిమగ్నమై ఉంటే, మిగిలిన 10% మంది ఏదో ఒక రకమైన వాణిజ్యం (లేదా యుద్ధం)లో నిమగ్నమై ఉంటే, ప్రజలు ప్రకృతి చట్టాల గురించి ఆలోచించడానికి చాలా తక్కువ ఖాళీ సమయాన్ని కలిగి ఉంటారు. బహుశా అందుకే ఇంతకు ముందు కాలంలో సైన్స్ ప్రధానంగా సంపన్న కుటుంబాలకు చెందిన పిల్లలచే ప్రోత్సహించబడింది.

యునైటెడ్ స్టేట్స్ ప్రతి సంవత్సరం 50 కంటే ఎక్కువ Ph.D.లను ఉత్పత్తి చేస్తుంది. ఒక వ్యక్తి 000 ఏళ్ల వయస్సులో (లేదా అంతకు ముందు) ఫ్యాక్టరీలో పని చేయడానికి వెళ్లే బదులు, గ్రాడ్యుయేట్ విద్యార్థికి 18 ఏళ్లు లేదా 30 ఏళ్లు వచ్చే వరకు నిధులు అందించాలి-అప్పటికి కూడా వారి పనికి నిజమైన ఆర్థిక ప్రభావం ఉంటుందా అనేది అస్పష్టంగా ఉంది. కానీ ఒక వ్యక్తి అతని లేదా ఆమె క్రమశిక్షణలో, ముఖ్యంగా భౌతిక శాస్త్రం లేదా జీవశాస్త్రం వంటి సంక్లిష్ట రంగాలలో ముందంజలో ఉండటం అవసరం.

వాస్తవం ఏమిటంటే సిస్టమ్స్ పాయింట్ నుండి, నిపుణులు ఖరీదైనవి. మరియు ఈ నిపుణులకు నిధులు సమకూర్చే ప్రజా సంపద యొక్క అంతిమ మూలం కొత్త సాంకేతికత: నాగలి పెన్నుకు సబ్సిడీ ఇస్తుంది.

రెండవ. కొత్త సాంకేతికతలు, ముఖ్యంగా ప్రయాణం మరియు కమ్యూనికేషన్ల రంగంలో, జ్ఞానం పెరిగే సోషల్ నెట్‌వర్క్‌ల నిర్మాణాన్ని మారుస్తున్నాయి. ప్రత్యేకించి, నిపుణులు మరియు నిపుణులు ఒకరితో ఒకరు మరింత సన్నిహితంగా సంభాషించడానికి అనుమతిస్తుంది.

ఇక్కడ గుర్తించదగిన ఆవిష్కరణలలో ప్రింటింగ్ ప్రెస్, స్టీమ్‌షిప్‌లు మరియు రైల్‌రోడ్‌లు (ప్రయాణాన్ని సులభతరం చేయడం మరియు/లేదా సుదూర ప్రాంతాలకు మెయిల్ పంపడం), టెలిఫోన్‌లు, విమానాలు మరియు ఇంటర్నెట్ ఉన్నాయి. ఈ సాంకేతికతలన్నీ నెట్‌వర్క్ సాంద్రత పెరగడానికి దోహదం చేస్తాయి, ప్రత్యేకించి ప్రత్యేక కమ్యూనిటీలలో (దాదాపు అన్ని విజ్ఞాన వృద్ధి జరుగుతుంది). ఉదాహరణకు, మధ్య యుగాల చివరిలో యూరోపియన్ శాస్త్రవేత్తల మధ్య ఉద్భవించిన కరస్పాండెన్స్ నెట్‌వర్క్‌లు లేదా ఆధునిక భౌతిక శాస్త్రవేత్తలు arXivని ఉపయోగించే విధానం.

అంతిమంగా, ఈ రెండు మార్గాలు సమానంగా ఉంటాయి. రెండూ నిపుణుల నెట్‌వర్క్ యొక్క సాంద్రతను పెంచుతాయి, ఇది జ్ఞానం పెరుగుదలకు దారితీస్తుంది:

చాలా సంవత్సరాలు నేను ఉన్నత విద్యను పూర్తిగా తిరస్కరించాను. గ్రాడ్యుయేట్ పాఠశాలలో నా చిన్న పని నా నోటిలో చెడు రుచిని మిగిల్చింది. కానీ ఇప్పుడు నేను వెనక్కి తిరిగి చూసుకుని (వ్యక్తిగత సమస్యలన్నీ కాకుండా) ఆలోచిస్తే, ఉన్నత విద్య ఇంకా మిగిలి ఉందని నేను నిర్ధారించాను చాలా ముఖ్యమైన.

అకడమిక్ సోషల్ నెట్‌వర్క్‌లు (ఉదా., పరిశోధనా సంఘాలు) మన నాగరికత సృష్టించిన అత్యంత అధునాతనమైన మరియు విలువైన నిర్మాణాలలో ఒకటి. జ్ఞానోత్పత్తిపై దృష్టి సారించిన నిపుణుల సంఖ్యను మనం ఎక్కడా సేకరించలేదు. ఒకరి ఆలోచనలను మరొకరు అర్థం చేసుకునే మరియు విమర్శించుకునే గొప్ప సామర్థ్యాన్ని ఎక్కడా అభివృద్ధి చేసుకోలేదు. ఇది ప్రగతి హృదయం. ఈ నెట్‌వర్క్‌లలోనే జ్ఞానోదయం యొక్క అగ్ని చాలా బలంగా మండుతుంది.

కానీ మేము పురోగతిని తేలికగా తీసుకోలేము. ఉంటే ప్రయోగ పునరుత్పాదకత సంక్షోభం మరియు అది మనకు ఏదైనా బోధిస్తే, సైన్స్ వ్యవస్థాగత సమస్యలను కలిగి ఉంటుంది. ఇది ఒక రకమైన నెట్‌వర్క్ క్షీణత.

సైన్స్ చేసే రెండు మార్గాల మధ్య తేడాను మనం గుర్తించాము: నిజమైన సైన్స్ и వృత్తివాదం. నిజమైన శాస్త్రం అనేది విశ్వసనీయంగా జ్ఞానాన్ని ఉత్పత్తి చేసే అభ్యాసాలు. ఇది ఉత్సుకతతో ప్రేరేపించబడింది మరియు నిజాయితీతో వర్ణించబడింది (ఫేన్మాన్: "మీరు చూస్తారు, నేను ప్రపంచాన్ని అర్థం చేసుకోవాలి"). కెరీర్, దీనికి విరుద్ధంగా, వృత్తిపరమైన ఆశయాలచే ప్రేరేపించబడింది మరియు రాజకీయాలు మరియు శాస్త్రీయ సత్వరమార్గాలను ప్లే చేయడం ద్వారా వర్గీకరించబడుతుంది. ఇది సైన్స్ లాగా కనిపించవచ్చు మరియు పని చేయవచ్చు, కానీ కాదు నమ్మదగిన జ్ఞానాన్ని ఉత్పత్తి చేస్తుంది.

(అవును, ఇది అతిశయోక్తి డైకోటమీ. కేవలం ఆలోచన ప్రయోగం. నన్ను నిందించవద్దు).

వాస్తవం ఏమిటంటే కెరీర్‌వాదులు నిజమైన పరిశోధనా సంఘంలో స్థలాన్ని తీసుకున్నప్పుడు, వారు పనిని నాశనం చేస్తారు. సమాజంలోని మిగిలిన వారు కొత్త జ్ఞానాన్ని పొందేందుకు మరియు పంచుకోవడానికి ప్రయత్నిస్తున్నప్పుడు వారు తమను తాము ప్రోత్సహించుకోవడానికి ప్రయత్నిస్తారు. స్పష్టత కోసం ప్రయత్నించే బదులు, కెరీర్‌వాదులు మరింత ఆకట్టుకునేలా ధ్వనించేందుకు ప్రతిదీ క్లిష్టతరం చేస్తారు మరియు గందరగోళానికి గురిచేస్తారు. వారు (హ్యారీ ఫ్రాంక్‌ఫర్ట్ చెప్పినట్లు) శాస్త్రీయ అర్ధంలేని పనిలో నిమగ్నమై ఉన్నారు. అందువల్ల మేము వాటిని డెడ్ నోడ్‌లుగా మోడల్ చేయగలము, జ్ఞాన వృద్ధికి అవసరమైన సమాచార మార్పిడికి అంతరాయం లేదు:

కెరీరిస్ట్ నోడ్‌లు జ్ఞానానికి అంతులేనివి కావు, కానీ చురుకుగా వ్యాప్తి చెందే ఉత్తమ మోడల్ బహుశా ఒకటి. నకిలీ జ్ఞానం. నకిలీ జ్ఞానం అనేది కృత్రిమంగా పెంచబడిన ముఖ్యమైన ఫలితాలు లేదా మానిప్యులేషన్ లేదా కల్పిత డేటా నుండి ఉత్పన్నమయ్యే నిజమైన తప్పుడు ఫలితాలను కలిగి ఉంటుంది.

మేము వాటిని ఎలా మోడల్ చేసినా, కెరీర్‌వాదులు ఖచ్చితంగా మన శాస్త్రీయ సంఘాలను గొంతు పిసికి చంపగలరు.

ఇది మనకు అత్యంత అవసరమైన న్యూక్లియర్ చైన్ రియాక్షన్ లాంటిది - మనకు జ్ఞానం యొక్క విస్ఫోటనం కావాలి - మన సుసంపన్నమైన U-235 మాత్రమే దానిలో చాలా ఎక్కువ రియాక్టివ్ ఐసోటోప్ U-238ని కలిగి ఉంది, ఇది చైన్ రియాక్షన్‌ను అణిచివేస్తుంది.

వాస్తవానికి, కెరీర్‌వాదులు మరియు నిజమైన శాస్త్రవేత్తల మధ్య స్పష్టమైన తేడా లేదు. మనలో ప్రతి ఒక్కరిలో కాస్త కెరీర్‌వాదం దాగి ఉంటుంది. జ్ఞాన వ్యాప్తి మసకబారడానికి ముందు నెట్‌వర్క్ ఎంతకాలం ఉంటుంది అనేది ప్రశ్న.

ఓహ్, మీరు చివరి వరకు చదివారు. చదివినందుకు ధన్యవాదములు.

లైసెన్స్

CC0 అన్ని హక్కులు ప్రత్యేకించబడలేదు. మీకు తగినట్లుగా మీరు ఈ పనిని ఉపయోగించవచ్చు :).

రసీదులు

• కెవిన్ క్వాక్ и నిక్కీ కేస్ డ్రాఫ్ట్ యొక్క వివిధ సంస్కరణలపై ఆలోచనాత్మక వ్యాఖ్యలు మరియు సూచనల కోసం.
• నిక్ బార్ - మొత్తం ప్రక్రియలో నైతిక మద్దతు కోసం మరియు నా పనిపై అత్యంత సహాయకరమైన అభిప్రాయం కోసం.
• పెర్కోలేషన్ మరియు పెర్కోలేషన్ థ్రెషోల్డ్ యొక్క దృగ్విషయాన్ని నాకు సూచించినందుకు కీత్ ఎ.
• జియోఫ్ లాన్స్‌డేల్ లింక్ కోసం ఇది ఒక వ్యాసం, ఇది (అనేక లోపాలు ఉన్నప్పటికీ) ఈ పోస్ట్‌లో పని చేయడానికి ప్రధాన ప్రేరణ.

ఇంటరాక్టివ్ ఎస్సే నమూనాలు

• నిక్కీ కేస్ యొక్క మొత్తం పని, esp. "బహుభుజాల ఉపమానం" (Vi హార్ట్‌తో) మరియు "మెరుగైన ఓటింగ్ బ్యాలెట్‌ను అభివృద్ధి చేయడం". ఇంటరాక్టివ్ వ్యాసం ఎలా ఉండాలనే దాని కోసం ఇది అధిక బార్.
• డిస్టిల్.పబ్: మెషిన్ లెర్నింగ్ యొక్క అసాధారణమైన అధిక-నాణ్యత ఇంటరాక్టివ్ వివరణలు.
• బ్రెట్ విక్టర్ ద్వారా క్లాసిక్ వర్క్ "అబ్‌ అండ్‌ డౌన్‌ ది నైరూప్యత". నేను మెట్లు పైకి కదలడం అంతగా రాణించలేదు, కానీ ఎల్లప్పుడూ మరొక ప్రయత్నం ఉంటుంది.

మూలం: www.habr.com