اگر آپ نے پیچیدہ نظاموں کے بارے میں سوچنے میں کوئی وقت صرف کیا ہے، تو آپ شاید نیٹ ورکس کی اہمیت کو سمجھتے ہیں۔ نیٹ ورک ہماری دنیا پر حکمرانی کرتے ہیں۔ سیل کے اندر کیمیائی رد عمل سے لے کر ایک ماحولیاتی نظام میں رشتوں کے جال تک، تجارتی اور سیاسی نیٹ ورکس تک جو تاریخ کے دھارے کو تشکیل دیتے ہیں۔
یا اس مضمون پر غور کریں جو آپ پڑھ رہے ہیں۔ آپ نے شاید اسے اس میں پایا سماجی رابطےسے ڈاؤن لوڈ کیا گیا۔ کمپیوٹر نیٹ ورک اور فی الحال آپ کا استعمال کرتے ہوئے معنی کو سمجھ رہے ہیں۔ اعصابی نیٹ ورک.
لیکن جتنا میں نے سالوں میں نیٹ ورکس کے بارے میں سوچا ہے، حال ہی میں میں نے سادہ کی اہمیت کو نہیں سمجھا بازی.
یہ ہمارا آج کا موضوع ہے: ہر چیز کیسے، کس طرح افراتفری سے حرکت کرتی اور پھیلتی ہے۔ آپ کی بھوک بڑھانے کے لیے کچھ مثالیں:
- متعدی بیماریاں جو آبادی کے اندر ایک کیریئر سے کیریئر تک جاتی ہیں۔
- سوشل نیٹ ورکس پر پیروکار گراف میں پھیلنے والی میمز۔
- جنگل کی آگ.
- خیالات اور طرز عمل جو ایک ثقافت کو پھیلاتے ہیں۔
- افزودہ یورینیم میں نیوٹران جھرنا۔
فارم کے بارے میں ایک فوری نوٹ۔
میرے پچھلے تمام کاموں کے برعکس، یہ مضمون انٹرایکٹو ہے۔ انٹرایکٹو مثالیں سلائیڈرز اور بٹنوں کے ساتھ دی گئی ہیں جو اسکرین پر موجود اشیاء کو کنٹرول کرتے ہیں - تقریباً۔ لین]۔
تو آئیے شروع کرتے ہیں۔ پہلا کام نیٹ ورکس میں پھیلانے کے لیے ایک بصری ذخیرہ الفاظ تیار کرنا ہے۔
سادہ ماڈل
مجھے یقین ہے کہ آپ سب نیٹ ورکس کی بنیاد یعنی نوڈس + کناروں کو جانتے ہیں۔ بازی کا مطالعہ کرنے کے لیے، آپ کو صرف کچھ نوڈس کو بطور نشان زد کرنے کی ضرورت ہے۔ فعال. یا، جیسا کہ وبائی امراض کے ماہرین کہنا چاہتے ہیں، انفیکشن کا شکار:
یہ ایکٹیویشن یا انفیکشن نیٹ ورک کے ذریعے نوڈ سے نوڈ تک ان قوانین کے مطابق پھیلتا ہے جنہیں ہم ذیل میں تیار کریں گے۔
اصلی نیٹ ورک عام طور پر اس سادہ سات نوڈ نیٹ ورک سے بہت بڑے ہوتے ہیں۔ وہ بھی بہت زیادہ مبہم ہیں۔ لیکن سادگی کی خاطر، ہم یہاں ایک جالی کا مطالعہ کرنے کے لیے ایک کھلونا ماڈل بنائیں گے، یعنی ایک جالی دار نیٹ ورک۔
(حقیقت پسندی میں میش کی جو کمی ہے، وہ آسانی سے اپنی طرف متوجہ کرنے میں پورا کرتی ہے 😉
سوائے جہاں دوسری صورت میں نوٹ کیا گیا ہو، نیٹ ورک نوڈس کے چار پڑوسی ہوتے ہیں، مثال کے طور پر:
اور آپ کو یہ تصور کرنے کی ضرورت ہے کہ یہ جالیاں تمام سمتوں میں لامتناہی پھیلی ہوئی ہیں۔ دوسرے لفظوں میں، ہمیں اس رویے میں دلچسپی نہیں ہے جو صرف نیٹ ورک کے کناروں پر یا چھوٹی آبادیوں میں ہوتا ہے۔
یہ دیکھتے ہوئے کہ جالیوں کو اتنا ترتیب دیا گیا ہے، ہم انہیں پکسلز میں آسان بنا سکتے ہیں۔ مثال کے طور پر، یہ دونوں تصاویر ایک ہی نیٹ ورک کی نمائندگی کرتی ہیں:
ایک رویے میں، فعال نوڈ ہمیشہ انفیکشن کو اپنے (غیر متاثرہ) پڑوسیوں میں منتقل کرتا ہے۔ لیکن یہ بورنگ ہے۔ منتقلی کے وقت بہت زیادہ دلچسپ چیزیں ہوتی ہیں۔ امکانی.
SIR اور SIS
В SIR ماڈلز (Susceptible-Infected-Removed) ایک نوڈ تین حالتوں میں ہو سکتا ہے:
- حساس
- انفیکشن کا شکار
- ہٹا دیا گیا۔
یہاں یہ ہے کہ انٹرایکٹو سمولیشن کیسے کام کرتا ہے [in آپ 0 سے 1 تک انفیکشن کی منتقلی کی شرح کو منتخب کر سکتے ہیں، عمل کو مرحلہ وار یا مکمل طور پر دیکھیں - تقریباً۔ ترجمہ]:
- نوڈس حساس کے طور پر شروع ہوتے ہیں، سوائے چند نوڈس کے جو کہ متاثرہ کے طور پر شروع ہوتے ہیں۔
- ہر بار قدم پر، متاثرہ نوڈس کے پاس ایک موقع ہوتا ہے کہ وہ اپنے حساس پڑوسیوں میں سے ہر ایک کو انفیکشن منتقل کر سکیں جس کا امکان ٹرانسمیشن کی شرح کے برابر ہوتا ہے۔
- متاثرہ نوڈس پھر "حذف شدہ" حالت میں داخل ہوتے ہیں، یعنی وہ اب دوسروں کو متاثر کرنے یا خود متاثر ہونے کے قابل نہیں رہتے ہیں۔
بیماری کے تناظر میں، ہٹانے کا مطلب یہ ہو سکتا ہے کہ وہ شخص مر گیا ہے یا اس نے روگزنق کے خلاف قوت مدافعت پیدا کر لی ہے۔ ہم کہتے ہیں کہ وہ تخروپن سے "ہٹا" گئے ہیں کیونکہ ان کے ساتھ کچھ نہیں ہوتا ہے۔
ہم جو ماڈل بنانے کی کوشش کر رہے ہیں اس پر منحصر ہے، SIR سے مختلف ماڈل کی ضرورت ہو سکتی ہے۔
اگر ہم خسرہ کے پھیلاؤ یا جنگل کی آگ کے پھیلاؤ کی نقل کر رہے ہیں، تو SIR مثالی ہے۔ لیکن فرض کریں کہ ہم ایک نئے ثقافتی عمل کے پھیلاؤ کی نقل کرتے ہیں، جیسے مراقبہ۔ سب سے پہلے نوڈ (شخص) قابل قبول ہے کیونکہ اس نے پہلے کبھی ایسا نہیں کیا ہے۔ پھر، اگر وہ مراقبہ شروع کردے (شاید کسی دوست سے اس کے بارے میں سننے کے بعد)، تو ہم اسے متاثرہ کے طور پر نمونہ کریں گے۔ لیکن اگر وہ مشق کو روکتا ہے، تو وہ نہیں مرے گا اور نقلی حرکت سے باہر نہیں آئے گا، کیونکہ مستقبل میں وہ آسانی سے اس عادت کو دوبارہ اٹھا سکتا ہے۔ تو وہ ایک قبولیت کی حالت میں واپس چلا جاتا ہے۔
یہ SIS ماڈل (Susceptible–Infected–Susceptible)۔ کلاسیکی ماڈل کے دو پیرامیٹرز ہیں: ٹرانسمیشن کی رفتار اور بحالی کی رفتار۔ تاہم، اس مضمون کی نقل میں، میں نے ریکوری ریٹ پیرامیٹر کو چھوڑ کر آسان بنانے کا فیصلہ کیا۔ اس کے بجائے، متاثرہ نوڈ اگلے وقت کے مرحلے پر خود بخود حساس حالت میں واپس آجاتا ہے، جب تک کہ اسے اس کے پڑوسیوں میں سے کسی نے متاثر نہ کیا ہو۔ اس کے علاوہ، ہم مرحلہ n پر متاثرہ نوڈ کو منتقلی کی شرح کے برابر امکان کے ساتھ مرحلہ n+1 پر خود کو متاثر کرنے کی اجازت دیتے ہیں۔
بحث
جیسا کہ آپ دیکھ سکتے ہیں، یہ SIR ماڈل سے بہت مختلف ہے۔
چونکہ نوڈس کبھی نہیں ہٹائے جاتے ہیں، یہاں تک کہ ایک بہت چھوٹی اور محدود جالی بھی طویل عرصے تک SIS انفیکشن کو سہارا دے سکتی ہے۔ انفیکشن صرف نوڈ سے نوڈ تک چھلانگ لگاتا ہے اور واپس آتا ہے۔
اپنے اختلافات کے باوجود، SIR اور SIS حیرت انگیز طور پر ہمارے مقاصد کے لیے قابل تبادلہ ہیں۔ لہذا اس مضمون کے باقی حصے کے لیے ہم SIS پر قائم رہیں گے - بنیادی طور پر اس لیے کہ یہ زیادہ پائیدار ہے اور اس لیے اس کے ساتھ کام کرنے میں زیادہ مزہ آتا ہے۔
نازک سطح
SIR اور SIS ماڈلز کے ساتھ کھیلنے کے بعد، آپ نے انفیکشن کی لمبی عمر کے بارے میں کچھ محسوس کیا ہوگا۔ بہت کم ٹرانسمیشن کی شرح پر، جیسے کہ 10%، انفیکشن ختم ہو جاتا ہے۔ جب کہ اعلی اقدار، جیسے 50%، انفیکشن زندہ رہتا ہے اور زیادہ تر نیٹ ورک کو اپنی لپیٹ میں لے لیتا ہے۔ اگر نیٹ ورک لامحدود ہوتا، تو ہم تصور کر سکتے ہیں کہ یہ ہمیشہ جاری رہے گا اور پھیلے گا۔
اس طرح کے لامحدود پھیلاؤ کے بہت سے نام ہیں: "وائرل"، "نیوکلیئر" یا (اس مضمون کے عنوان میں) تنقیدی.
یہ وہاں ہے باہر کر دیتا ہے مخصوص بریکنگ پوائنٹ جو الگ کرتا ہے۔ ذیلی تنقیدی نیٹ ورکس (معدوم ہونے کے لیے برباد) سے سپرکریٹیکل نیٹ ورکس (لامحدود ترقی کے قابل) اس موڑ کو کہتے ہیں۔ اہم حد، اور یہ عام نیٹ ورکس میں پھیلاؤ کے عمل کی کافی عمومی علامت ہے۔
اہم حد کی صحیح قدر نیٹ ورکس کے درمیان مختلف ہوتی ہے۔ جو بات عام ہے وہ یہ ہے۔ دستیابی اس طرح کے معنی.
سے ایک انٹرایکٹو ڈیمو میں آپ ٹرانسمیشن کی رفتار کی قدر کو تبدیل کر کے اہم نیٹ ورک کی حد کو دستی طور پر تلاش کرنے کی کوشش کر سکتے ہیں۔ یہ کہیں 22% اور 23% کے درمیان ہے - تقریباً۔ ٹرانس۔]
22% (اور اس سے نیچے) پر، انفیکشن بالآخر ختم ہو جاتا ہے۔ 23% (اور اس سے اوپر) پر، اصل انفیکشن کبھی کبھی ختم ہو جاتا ہے، لیکن زیادہ تر صورتوں میں یہ زندہ رہنے کا انتظام کر لیتا ہے اور کافی عرصے تک پھیلتا ہے تاکہ اس کے ہمیشہ کے لیے وجود کو یقینی بنایا جا سکے۔
(ویسے، مختلف نیٹ ورک ٹوپولاجیز کے لیے ان اہم حدوں کو تلاش کرنے کے لیے ایک پورا سائنسی میدان وقف ہے۔ ایک فوری تعارف کے لیے، میں تجویز کرتا ہوں کہ جلد سے جلد وکی پیڈیا کے مضمون کو اسکرول کریں۔ ).
عام طور پر، یہاں یہ ہے کہ یہ کیسے کام کرتا ہے: ایک اہم حد کے نیچے، نیٹ ورک میں کسی بھی محدود انفیکشن کی ضمانت دی جاتی ہے (امکان 1 کے ساتھ) آخرکار ختم ہو جائے گی۔ لیکن ایک اہم حد سے اوپر، اس بات کا امکان (p > 0) ہے کہ انفیکشن ہمیشہ کے لیے جاری رہے گا، اور ایسا کرنے سے اصل جگہ سے من مانی طور پر پھیل جائے گا۔
تاہم، نوٹ کریں کہ سپرکریٹیکل نیٹ ورک نہیں ہے۔ گارنٹیکہ انفیکشن ہمیشہ جاری رہے گا۔ درحقیقت، یہ اکثر مٹ جاتا ہے، خاص طور پر تخروپن کے ابتدائی مراحل میں۔ آئیے دیکھتے ہیں کہ یہ کیسے ہوتا ہے۔
آئیے فرض کریں کہ ہم نے ایک متاثرہ نوڈ اور چار پڑوسیوں کے ساتھ شروعات کی۔ ماڈلنگ کے پہلے مرحلے پر، انفیکشن کے پھیلنے کے 5 آزاد امکانات ہوتے ہیں (بشمول اگلے مرحلے پر خود کو "پھیلنے" کا موقع):
اب فرض کریں کہ ٹرانسفر کی شرح 50% ہے۔ اس صورت میں، پہلے مرحلے میں ہم ایک سکے کو پانچ بار پلٹتے ہیں۔ اور اگر پانچ سروں کو لپیٹ دیا جائے تو انفیکشن ختم ہو جائے گا۔ یہ تقریباً 3% معاملات میں ہوتا ہے - اور یہ صرف پہلے مرحلے میں ہوتا ہے۔ ایک انفیکشن جو پہلے مرحلے سے بچ جاتا ہے اس کے دوسرے مرحلے میں مرنے کا کچھ (عام طور پر چھوٹا) امکان ہوتا ہے، تیسرے مرحلے میں کچھ (اس سے بھی چھوٹا) مرنے کا امکان ہوتا ہے، وغیرہ۔
لہذا، یہاں تک کہ جب نیٹ ورک سپر کریٹیکل ہو - اگر ٹرانسمیشن کی شرح 99٪ ہے - اس بات کا امکان ہے کہ انفیکشن ختم ہوجائے گا۔
لیکن اہم بات یہ ہے کہ وہ ایسا نہیں کرتی ہمیشہ ختم ہو جائے گا. اگر آپ انفینٹی میں تمام مراحل کے مرنے کے امکان کو جوڑ دیتے ہیں، تو نتیجہ 1 سے کم ہوتا ہے۔ دوسرے لفظوں میں، اس بات کا غیر صفر امکان ہے کہ انفیکشن ہمیشہ جاری رہے گا۔ نیٹ ورک کے سپرکرٹیکل ہونے کا یہی مطلب ہے۔
SSA: بے ساختہ ایکٹیویشن
اس مقام تک، ہمارے تمام نقالی مرکز میں پہلے سے متاثرہ نوڈس کے ایک چھوٹے سے ٹکڑے سے شروع ہوئے۔
لیکن اگر آپ شروع سے شروع کریں تو کیا ہوگا؟ اس کے بعد ہم خود بخود ایکٹیویشن کا ماڈل بناتے ہیں — وہ عمل جس کے ذریعے ایک حساس نوڈ اتفاق سے متاثر ہو جاتا ہے (اس کے کسی پڑوسی سے نہیں)۔
یہ ایس آئی اے ماڈل. حرف "a" کا مطلب ہے "خودکار"۔
SISA تخروپن میں، ایک نیا پیرامیٹر ظاہر ہوتا ہے - اچانک ایکٹیویشن کی شرح، جو خود بخود انفیکشن کی فریکوئنسی کو تبدیل کرتی ہے (ٹرانسمیشن ریٹ پیرامیٹر جو ہم نے پہلے دیکھا تھا وہ بھی موجود ہے)۔
پورے نیٹ ورک میں انفیکشن پھیلنے میں کیا ضرورت ہے؟
بحث
آپ نے نقالی میں محسوس کیا ہوگا کہ اچانک ایکٹیویشن کی شرح میں اضافہ اس بات میں کوئی تبدیلی نہیں کرتا کہ انفیکشن پورے نیٹ ورک کو اپنی لپیٹ میں لے لے یا نہیں۔ صرف ٹرانسمیشن کی رفتار اس بات کا تعین کرتا ہے کہ آیا نیٹ ورک ذیلی ہے یا سپر کریٹیکل۔ اور جب نیٹ ورک سب کریٹیکل ہو (ٹرانسمیشن کی شرح 22% سے کم یا اس کے برابر)، کوئی بھی انفیکشن پورے گرڈ میں نہیں پھیل سکتا، چاہے یہ کتنی ہی بار شروع ہو۔
یہ گیلے میدان میں آگ لگانے کے مترادف ہے۔ آپ چند سوکھے پتوں کو آگ پر جلا سکتے ہیں، لیکن شعلہ جلدی ختم ہو جائے گا کیونکہ باقی زمین کی تزئین کی آگ کافی نہیں ہے (سب کریٹیکل)۔ بہت خشک کھیت (سپر کرٹیکل) پر ہوتے ہوئے، آگ بھڑکنے کے لیے ایک چنگاری کافی ہوتی ہے۔
اسی طرح کی چیزیں نظریات اور ایجادات کے دائرے میں دیکھی جاتی ہیں۔ اکثر دنیا کسی خیال کے لیے تیار نہیں ہوتی، ایسی صورت میں اسے بار بار ایجاد کیا جا سکتا ہے، لیکن یہ عوام کو اپنی طرف متوجہ نہیں کر پاتا۔ دوسری طرف، دنیا ایک ایجاد (عظیم اویکت طلب) کے لیے مکمل طور پر تیار ہو سکتی ہے، اور جیسے ہی یہ پیدا ہوتی ہے، اسے ہر کوئی قبول کر لیتا ہے۔ درمیان میں ایسے خیالات ہیں جو کئی جگہوں پر ایجاد ہوئے ہیں اور مقامی طور پر پھیلے ہوئے ہیں، لیکن کسی ایک ورژن کے لیے ایک ہی وقت میں پورے نیٹ ورک کو صاف کرنے کے لیے کافی نہیں ہے۔ اس آخری زمرے میں ہمیں، مثال کے طور پر، زراعت اور تحریر ملتی ہے، جو مختلف انسانی تہذیبوں نے بالترتیب تقریباً دس اور تین بار آزادانہ طور پر ایجاد کیں۔
مصیبت
فرض کریں کہ ہم کچھ نوڈس کو مکمل طور پر ناقابل تسخیر بناتے ہیں، یعنی ایکٹیویشن کے لیے مدافعتی ہے۔ ایسا لگتا ہے کہ وہ ابتدائی طور پر دور دراز حالت میں ہیں، اور SIS(a) ماڈل باقی نوڈس پر شروع کیا گیا ہے۔
استثنیٰ سلائیڈر ہٹائے جانے والے نوڈس کے فیصد کو کنٹرول کرتا ہے۔ اس کی قدر کو تبدیل کرنے کی کوشش کریں (جب کہ ماڈل چل رہا ہے!) اور دیکھیں کہ یہ نیٹ ورک کی حالت کو کیسے متاثر کرتا ہے، آیا یہ سپر کریٹیکل ہوگا یا نہیں۔
بحث
غیر جوابی نوڈس کی تعداد کو تبدیل کرنے سے یہ تصویر مکمل طور پر بدل جاتی ہے کہ آیا نیٹ ورک ذیلی یا سپر کریٹیکل ہوگا۔ اور یہ دیکھنا مشکل نہیں ہے کہ کیوں۔ غیر حساس میزبانوں کی ایک بڑی تعداد کے ساتھ، انفیکشن کو نئے میزبانوں میں پھیلنے کا کم موقع ملتا ہے۔
یہ پتہ چلتا ہے کہ اس کے بہت سے اہم عملی نتائج ہیں۔
ان میں سے ایک جنگل کی آگ کو پھیلنے سے روک رہا ہے۔ مقامی سطح پر، ہر فرد کو اپنی احتیاطی تدابیر اختیار کرنی چاہئیں (مثال کے طور پر، کھلی آگ کو کبھی بھی بغیر توجہ کے نہیں چھوڑنا چاہیے)۔ لیکن بڑے پیمانے پر، الگ تھلگ پھیلنا ناگزیر ہے۔ لہٰذا تحفظ کا ایک اور طریقہ یہ ہے کہ اس بات کو یقینی بنایا جائے کہ کافی "بریکس" ہیں (آگ لگانے والے مواد کے نیٹ ورک میں) تاکہ کوئی وباء پورے نیٹ ورک کو اپنی لپیٹ میں نہ لے لے۔ کلیئرنگ اس فنکشن کو انجام دیتے ہیں:
ایک اور وباء جسے روکنا ضروری ہے وہ ایک متعدی بیماری ہے۔ یہاں تصور متعارف کرایا گیا ہے۔ ریوڑ کی قوت مدافعت. یہ خیال ہے کہ کچھ لوگوں کو ویکسین نہیں لگائی جاسکتی ہے (مثال کے طور پر، ان کا مدافعتی نظام کمزور ہے)، لیکن اگر کافی لوگ انفیکشن سے محفوظ ہیں، تو بیماری غیر معینہ مدت تک نہیں پھیل سکتی۔ دوسرے الفاظ میں، آپ کو ویکسین کرنا چاہئے کافی آبادی کو سپر کریٹیکل سے ذیلی حالت میں منتقل کرنے کے لیے آبادی کا حصہ۔ جب ایسا ہوتا ہے تو، ایک مریض اب بھی متاثر ہو سکتا ہے (مثال کے طور پر دوسرے علاقے میں سفر کرنے کے بعد)، لیکن بغیر کسی سپرکریٹیکل نیٹ ورک کے جس میں بڑھنا ہے، یہ بیماری صرف چند مٹھی بھر لوگوں کو متاثر کرے گی۔
آخر میں، مدافعتی نوڈس کا تصور بتاتا ہے کہ جوہری ری ایکٹر میں کیا ہوتا ہے۔ زنجیر کے رد عمل میں، ایک بوسیدہ یورینیم-235 ایٹم تقریباً تین نیوٹران جاری کرتا ہے، جو (اوسط طور پر) ایک سے زیادہ U-235 ایٹم کے انشقاق کا سبب بنتا ہے۔ نئے نیوٹران پھر ایٹموں کی مزید تقسیم کا سبب بنتے ہیں، اور اسی طرح تیزی سے:
بم بناتے وقت، پورا نکتہ یہ یقینی بنانا ہوتا ہے کہ تیزی سے نمو کو بغیر کسی نشان کے جاری رکھا جائے۔ لیکن پاور پلانٹ میں، مقصد یہ ہے کہ آپ اپنے آس پاس کے ہر فرد کو مارے بغیر توانائی پیدا کریں۔ اس مقصد کے لیے ان کا استعمال کیا جاتا ہے۔ کنٹرول سلاخوں، ایک ایسے مواد سے بنایا گیا ہے جو نیوٹران کو جذب کر سکتا ہے (مثال کے طور پر، چاندی یا بوران)۔ چونکہ وہ نیوٹران چھوڑنے کے بجائے جذب کرتے ہیں، اس لیے وہ ہمارے تخروپن میں مدافعتی نوڈس کے طور پر کام کرتے ہیں، اس طرح تابکار نیوکلئس کو سپرکریٹیکل جانے سے روکتے ہیں۔
لہٰذا نیوکلیئر ری ایکٹر کی چال یہ ہے کہ کنٹرول راڈز کو آگے پیچھے کر کے ردعمل کو ایک نازک حد کے قریب رکھا جائے، اور اس بات کو یقینی بنایا جائے کہ جب بھی کچھ غلط ہو جائے، سلاخیں کور میں گریں اور اسے روک دیں۔
ڈگری
ڈگری نوڈ کا اس کے پڑوسیوں کی تعداد ہے۔ اس مقام تک، ہم نے ڈگری 4 کے نیٹ ورکس پر غور کیا ہے۔ لیکن اگر آپ اس پیرامیٹر کو تبدیل کرتے ہیں تو کیا ہوگا؟
مثال کے طور پر، آپ ہر نوڈ کو نہ صرف چار قریبی پڑوسیوں سے جوڑ سکتے ہیں، بلکہ چار مزید ترچھے سے بھی جوڑ سکتے ہیں۔ ایسے نیٹ ورک میں ڈگری 8 ہو گی۔
ڈگری 4 اور 8 والی جالیاں اچھی طرح سڈول ہیں۔ لیکن ڈگری 5 (مثال کے طور پر) کے ساتھ ایک مسئلہ پیدا ہوتا ہے: ہمیں کون سے پانچ پڑوسیوں کا انتخاب کرنا چاہیے؟ اس صورت میں، ہم چار قریبی پڑوسیوں (N, E, S, W) کو منتخب کرتے ہیں اور پھر تصادفی طور پر سیٹ {NE, SE, SW, NW} سے ایک پڑوسی منتخب کرتے ہیں۔ انتخاب ہر وقت ہر نوڈ کے لیے آزادانہ طور پر کیا جاتا ہے۔
بحث
ایک بار پھر، یہ دیکھنا مشکل نہیں ہے کہ یہاں کیا ہو رہا ہے۔ جب ہر نوڈ میں زیادہ پڑوسی ہوتے ہیں، تو انفیکشن پھیلنے کے امکانات بڑھ جاتے ہیں- اور اس طرح نیٹ ورک کے نازک ہونے کا امکان زیادہ ہوتا ہے۔
تاہم، نتائج غیر متوقع ہو سکتے ہیں، جیسا کہ ہم ذیل میں دیکھیں گے۔
شہر اور نیٹ ورک کی کثافت
اب تک، ہمارے نیٹ ورک مکمل طور پر یکساں رہے ہیں۔ ہر نوڈ کسی دوسرے کی طرح لگتا ہے۔ لیکن کیا ہوگا اگر ہم حالات کو تبدیل کریں اور پورے نیٹ ورک میں مختلف نوڈ ریاستوں کی اجازت دیں؟
مثال کے طور پر شہروں کو ماڈل بنانے کی کوشش کریں۔ ایسا کرنے کے لیے، ہم نیٹ ورک کے کچھ حصوں (نوڈس کی اعلیٰ ڈگری) میں کثافت بڑھائیں گے۔ ہم یہ کام شہریوں کے پاس موجود ڈیٹا کی بنیاد پر کرتے ہیں۔ شہروں سے باہر کے لوگوں سے۔
ہمارے ماڈل میں، حساس نوڈس ان کی ڈگری کی بنیاد پر رنگین ہوتے ہیں۔ "دیہی علاقوں" میں نوڈس کی ڈگری 4 ہوتی ہے (اور ہلکے بھوری رنگ کے ہوتے ہیں)، جب کہ "شہری علاقوں" میں نوڈس کی ڈگری زیادہ ہوتی ہے (اور گہرے رنگ کے ہوتے ہیں)، مضافات میں ڈگری 5 سے شروع ہوتے ہیں اور شہر کے مرکز میں 8 کے ساتھ ختم ہوتے ہیں۔
پھیلاؤ کی رفتار کو منتخب کرنے کی کوشش کریں کہ ایکٹیویشن شہروں کا احاطہ کرے اور پھر ان کی سرحدوں سے باہر نہ جائے۔
مجھے یہ تخروپن واضح اور حیران کن دونوں لگتے ہیں۔ یقینا، شہر دیہی علاقوں سے بہتر ثقافتی سطح کو برقرار رکھتے ہیں - یہ سب جانتے ہیں۔ مجھے حیرت کی بات یہ ہے کہ اس ثقافتی تنوع میں سے کچھ صرف سوشل نیٹ ورک کی ٹوپولوجی کی بنیاد پر پیدا ہوتا ہے۔
یہ ایک دلچسپ نکتہ ہے، میں اسے مزید تفصیل سے بیان کرنے کی کوشش کروں گا۔
یہاں ہم ثقافت کی ان شکلوں سے نمٹ رہے ہیں جو سادہ اور براہ راست ایک شخص سے دوسرے شخص میں منتقل ہوتی ہیں۔ مثال کے طور پر، , پارلر گیمز، فیشن کے رجحانات، لسانی رجحانات، چھوٹے گروپ کی رسومات، اور پروڈکٹس جو منہ کی زبان سے پھیلتی ہیں، نیز معلومات کے پورے پیکجز جنہیں ہم آئیڈیاز کہتے ہیں۔
(نوٹ: میڈیا کے ذریعہ لوگوں کے درمیان معلومات کی ترسیل کو انتہائی مشکل بنا دیا گیا ہے۔ کچھ تکنیکی طور پر قدیم ماحول کا تصور کرنا آسان ہے، جیسے قدیم یونان، جہاں ثقافت کی تقریباً ہر چنگاری جسمانی خلا میں تعامل سے پھیلتی تھی۔)
مندرجہ بالا نقالی سے، میں نے سیکھا کہ ایسے نظریات اور ثقافتی طرز عمل ہیں جو شہر میں جڑ پکڑ سکتے ہیں اور پھیل سکتے ہیں، لیکن وہ دیہی علاقوں میں محض (ریاضی طور پر نہیں) پھیل سکتے ہیں۔ یہ وہی خیالات اور وہی لوگ ہیں۔ بات یہ نہیں ہے کہ دیہی باشندے کسی نہ کسی طرح "قریبی ذہن کے" ہوتے ہیں: جب ایک ہی خیال کے ساتھ بات چیت کرتے ہیں، تو وہ اسے پکڑنے کے بالکل وہی امکاناتشہر کے لوگوں کی طرح. یہ صرف اتنا ہے کہ یہ آئیڈیا خود دیہی علاقوں میں وائرل نہیں ہو سکتا، کیونکہ بہت سے ایسے کنکشن نہیں ہیں جن کے ذریعے یہ پھیل سکے۔
فیشن کے میدان میں یہ دیکھنا شاید سب سے آسان ہے - کپڑے، ہیئر اسٹائل وغیرہ۔ فیشن نیٹ ورک میں، جب دو لوگ ایک دوسرے کے لباس کو دیکھتے ہیں تو ہم جالی کے کنارے کو پکڑ سکتے ہیں۔ ایک شہری مرکز میں، ہر شخص روزانہ 1000 سے زیادہ دوسرے لوگوں کو دیکھ سکتا ہے - سڑک پر، سب وے میں، ایک ہجوم والے ریستوراں وغیرہ میں، دیہی علاقے میں، اس کے برعکس، ہر شخص صرف دو درجن لوگوں کو دیکھ سکتا ہے۔ دوسرے کی بنیاد پر صرف یہ فرق، شہر زیادہ فیشن کے رجحانات کی حمایت کرنے کے قابل ہے. اور صرف سب سے زیادہ زبردست رجحانات — جن کی ترسیل کی شرح سب سے زیادہ ہے — شہر سے باہر قدم جمانے کے قابل ہوں گے۔
ہم یہ سوچتے ہیں کہ اگر کوئی آئیڈیا اچھا ہے تو وہ بالآخر سب تک پہنچ جائے گا، اور اگر کوئی خیال برا ہے تو وہ غائب ہو جائے گا۔ بلاشبہ، یہ انتہائی صورتوں میں سچ ہے، لیکن اس کے درمیان بہت سارے خیالات اور طرز عمل ہیں جو صرف مخصوص نیٹ ورکس پر وائرل ہو سکتے ہیں۔ یہ واقعی حیرت انگیز ہے۔
صرف شہر ہی نہیں۔
ہم یہاں کے اثرات کو دیکھ رہے ہیں۔ نیٹ ورک کثافت. اس کی تعریف نوڈس کے دیے گئے سیٹ کے لیے بطور نمبر کی گئی ہے۔ اصل پسلیاں، تعداد سے تقسیم ممکنہ کناروں. یعنی، ممکنہ رابطوں کا فیصد جو حقیقت میں موجود ہے۔
لہذا، ہم نے دیکھا ہے کہ شہری مراکز میں نیٹ ورک کی کثافت دیہی علاقوں کی نسبت زیادہ ہے۔ لیکن شہر وہ واحد جگہ نہیں ہیں جہاں ہمیں گھنے نیٹ ورک ملتے ہیں۔
ایک دلچسپ مثال سیکنڈری اسکول ہے۔ مثال کے طور پر، ایک مخصوص علاقے کے لیے، ہم اسکول کے بچوں کے درمیان موجود نیٹ ورک کا موازنہ ان کے والدین کے درمیان موجود نیٹ ورک سے کرتے ہیں۔ ایک ہی جغرافیائی علاقہ اور ایک ہی آبادی، لیکن ایک نیٹ ورک دوسرے سے کئی گنا زیادہ گھنا ہے۔ لہٰذا یہ حیرت کی بات نہیں ہے کہ فیشن اور لسانی رجحانات نوجوانوں میں بہت تیزی سے پھیلتے ہیں۔
اسی طرح، اشرافیہ کے نیٹ ورکس غیر اشرافیہ کے نیٹ ورکس کے مقابلے میں زیادہ گھنے ہوتے ہیں - ایک حقیقت جو میرے خیال میں کم تعریف کی جاتی ہے (مقبول یا بااثر لوگ نیٹ ورکنگ میں زیادہ وقت گزارتے ہیں اور اس وجہ سے لوگوں کے عام لوگوں سے زیادہ "پڑوسی" ہوتے ہیں)۔ مندرجہ بالا نقلوں کی بنیاد پر، ہم توقع کرتے ہیں کہ اشرافیہ کے نیٹ ورک کچھ ثقافتی شکلوں کو سپورٹ کریں گے جن کو مرکزی دھارے کے ذریعے سپورٹ نہیں کیا جا سکتا، صرف نیٹ ورک کی اوسط ڈگری کے ریاضیاتی قوانین کی بنیاد پر۔ میں آپ کو اس بارے میں قیاس کرنے کے لیے چھوڑتا ہوں کہ یہ ثقافتی شکلیں کیا ہو سکتی ہیں۔
آخر میں، ہم اس آئیڈیا کو انٹرنیٹ پر بہت بڑا اور ماڈل بنا کر لاگو کر سکتے ہیں۔ بہت سخت شہر یہ کوئی تعجب کی بات نہیں ہے کہ بہت سی نئی قسم کی ثقافتیں آن لائن پروان چڑھ رہی ہیں جن کو محض مقامی نیٹ ورکس پر سپورٹ نہیں کیا جا سکتا: مخصوص مشاغل، بہتر ڈیزائن کے معیارات، ناانصافی کے بارے میں زیادہ آگاہی وغیرہ۔ اور یہ صرف اچھی چیزیں نہیں ہیں۔ جس طرح ابتدائی شہر ان بیماریوں کی افزائش کے اڈے تھے جو کم آبادی کی کثافت میں نہیں پھیل سکتے تھے، اسی طرح انٹرنیٹ مہلک ثقافتی شکلوں جیسے کلک بیت، جعلی خبروں اور مصنوعی غصے کو بھڑکانے کے لیے ایک افزائش گاہ ہے۔
علم
"صحیح وقت پر صحیح ماہر کا ہونا اکثر تخلیقی مسائل کو حل کرنے کا سب سے قیمتی ذریعہ ہوتا ہے۔" - مائیکل نیلسن، ایجاد دریافت
ہم اکثر دریافت یا ایجاد کو ایک ایسے عمل کے طور پر سوچتے ہیں جو کسی ایک جینئس کے ذہن میں ہوتا ہے۔ وہ الہام کی چمک سے متاثر ہوا اور - یوریکا! - اچانک ہمارے پاس حجم کی پیمائش کرنے کا ایک نیا طریقہ ہے۔ یا کشش ثقل کی مساوات۔ یا لائٹ بلب۔
لیکن اگر ہم دریافت کے وقت اکیلے موجد کا نقطہ نظر لیں تو ہم اس رجحان کو دیکھ رہے ہیں۔ نوڈ کے نقطہ نظر سے. جب کہ ایجاد کی تشریح کرنا زیادہ درست ہوگا۔ نیٹ ورک رجحان
نیٹ ورک کم از کم دو طریقوں سے اہم ہے۔ سب سے پہلے، موجودہ خیالات کو گھسنا چاہیے۔ ہوش میں موجد. یہ ایک نئے مضمون سے اقتباسات ہیں، ایک نئی کتاب کے کتابیات کے حصے - جنات جن کے کندھوں پر نیوٹن کھڑا تھا۔ دوم، نیٹ ورک ایک نئے خیال کی واپسی کے لیے اہم ہے۔ پیچھے دنیا میں؛ ایک ایجاد جو پھیلی نہیں ہے اسے "ایجاد" کہنے کے قابل نہیں ہے۔ اس طرح، ان دونوں وجوہات کی بناء پر، ایجاد کو ماڈل بنانا سمجھ میں آتا ہے — یا زیادہ وسیع پیمانے پر، علم کی ترقی — پھیلاؤ کے عمل کے طور پر۔
ایک لمحے میں، میں اس بات کا ایک موٹا نقالی پیش کروں گا کہ نیٹ ورک کے اندر علم کیسے پھیل سکتا ہے اور بڑھ سکتا ہے۔ لیکن پہلے مجھے وضاحت کرنی چاہیے۔
تخروپن کے آغاز میں، گرڈ کے ہر کواڈرینٹ میں چار ماہرین ہوتے ہیں، جن کو مندرجہ ذیل ترتیب دیا گیا ہے:
ماہر 1 کے پاس آئیڈیا کا پہلا ورژن ہے - آئیے اسے آئیڈیا 1.0 کہتے ہیں۔ ماہر 2 وہ شخص ہے جو آئیڈیا 1.0 کو آئیڈیا 2.0 میں تبدیل کرنے کا طریقہ جانتا ہے۔ ماہر 3 جانتا ہے کہ آئیڈیا 2.0 کو آئیڈیا 3.0 میں کیسے تبدیل کرنا ہے۔ اور آخر میں، چوتھا ماہر جانتا ہے کہ آئیڈیا 4.0 کو کس طرح مکمل کرنا ہے۔
یہ اوریگامی جیسی تکنیک سے ملتا جلتا ہے، جہاں تکنیک تیار کی جاتی ہے اور اسے دیگر تکنیکوں کے ساتھ ملا کر مزید دلچسپ ڈیزائن تیار کیے جاتے ہیں۔ یا یہ علم کا شعبہ ہو سکتا ہے، جیسا کہ طبیعیات، جس میں حالیہ کام پیشروؤں کے بنیادی کام پر استوار ہوتا ہے۔
اس تخروپن کا نقطہ یہ ہے کہ ہمیں خیال کے حتمی ورژن میں تعاون کرنے کے لیے چاروں ماہرین کی ضرورت ہے۔ اور ہر مرحلے پر اس خیال کو مناسب ماہر کی توجہ میں لایا جانا چاہیے۔
چند انتباہات۔ نقلی میں انکوڈ شدہ بہت سے غیر حقیقی مفروضے ہیں۔ یہاں ان میں سے چند ایک ہیں:
- یہ فرض کیا جاتا ہے کہ خیالات کو ذخیرہ اور منتقل نہیں کیا جاسکتا سوائے ایک شخص سے دوسرے شخص کے (یعنی کوئی کتاب یا میڈیا نہیں)۔
- یہ فرض کیا جاتا ہے کہ آبادی میں مستقل ماہرین موجود ہیں جو خیالات پیدا کر سکتے ہیں، حالانکہ حقیقت میں بہت سے بے ترتیب عوامل کسی دریافت یا ایجاد کے ہونے پر اثر انداز ہوتے ہیں۔
- خیال کے چاروں ورژن SIS پیرامیٹرز کے ایک ہی سیٹ کا استعمال کرتے ہیں (باؤڈ کی شرح، استثنیٰ کا فیصد، وغیرہ)، حالانکہ ہر ورژن (1.0، 2.0، وغیرہ) کے لیے مختلف پیرامیٹرز کا استعمال کرنا شاید زیادہ حقیقت پسندانہ ہے۔
- یہ فرض کیا جاتا ہے کہ آئیڈیا N+1 ہمیشہ آئیڈیا N کو مکمل طور پر ہٹا دیتا ہے، حالانکہ عملی طور پر اکثر پرانے اور نئے دونوں ورژن ایک ساتھ گردش کرتے ہیں، کوئی واضح فاتح نہیں ہوتا۔
… اور کئی دوسرے.
بحث
یہ ایک مضحکہ خیز آسان ماڈل ہے کہ علم حقیقت میں کیسے بڑھتا ہے۔ ماڈل کے باہر بہت سی اہم تفصیلات باقی ہیں (اوپر دیکھیں)۔ تاہم، یہ عمل کے اہم جوہر پر قبضہ کرتا ہے۔ اور اس لیے ہم تحفظات کے ساتھ، پھیلاؤ کے اپنے علم کا استعمال کرتے ہوئے علم کی ترقی کے بارے میں بات کر سکتے ہیں۔
خاص طور پر، بازی کا ماڈل بصیرت فراہم کرتا ہے کہ کیسے عمل کو تیز کریں: ماہر نوڈس کے درمیان خیالات کے تبادلے کو آسان بنانے کی ضرورت ہے۔ اس کا مطلب مردہ نوڈس کے نیٹ ورک کو صاف کرنا ہوسکتا ہے جو پھیلاؤ میں رکاوٹ ہیں۔ یا اس کا مطلب یہ ہو سکتا ہے کہ تمام ماہرین کو کسی ایسے شہر یا کلسٹر میں رکھ دیں جس میں نیٹ ورک کی کثافت زیادہ ہو جہاں خیالات تیزی سے پھیلتے ہیں۔ یا انہیں صرف ایک کمرے میں جمع کریں:
تو... میں بازی کے بارے میں بس اتنا ہی کہہ سکتا ہوں۔
لیکن میرے پاس ایک آخری خیال ہے، اور یہ بہت اہم ہے۔ یہ ترقی کے بارے میں ہے۔اور جمود) سائنسی برادریوں میں علم۔ یہ خیال اوپر کی کسی بھی چیز سے لہجے اور مواد میں مختلف ہے، لیکن مجھے امید ہے کہ آپ مجھے معاف کر دیں گے۔
سائنسی نیٹ ورکس کے بارے میں
یہ مثال دنیا کے سب سے اہم مثبت فیڈ بیک لوپس میں سے ایک دکھاتی ہے (اور یہ کافی عرصے سے ایسا ہی رہا ہے):
سائیکل کی اوپر کی طرف بڑھنا (K ⟶ T) کافی آسان ہے: ہم نئے اوزار تیار کرنے کے لیے نئے علم کا استعمال کرتے ہیں۔ مثال کے طور پر، سیمی کنڈکٹرز کی فزکس کو سمجھنا ہمیں کمپیوٹر بنانے کی اجازت دیتا ہے۔
تاہم، نیچے کی طرف قدم کچھ وضاحت کی ضرورت ہے. ٹیکنالوجی کی ترقی علم میں اضافے کا باعث کیسے بنتی ہے؟
ایک طریقہ—شاید سب سے سیدھا—وہ ہے جب نئی ٹیکنالوجیز ہمیں دنیا کو سمجھنے کے نئے طریقے فراہم کرتی ہیں۔ مثال کے طور پر، بہترین خوردبینیں آپ کو سیل کے اندر گہرائی میں دیکھنے کی اجازت دیتی ہیں، سالماتی حیاتیات کے لیے بصیرت فراہم کرتی ہیں۔ GPS ٹریکر دکھاتے ہیں کہ جانور کیسے حرکت کرتے ہیں۔ سونار آپ کو سمندروں کو تلاش کرنے کی اجازت دیتا ہے۔ اور اسی طرح.
یہ بلاشبہ ایک اہم طریقہ کار ہے، لیکن ٹیکنالوجی سے علم تک کم از کم دو اور راستے ہیں۔ ہوسکتا ہے کہ وہ اتنے سادہ نہ ہوں، لیکن میرے خیال میں وہ اتنے ہی اہم ہیں:
پہلا. ٹیکنالوجی معاشی کثرت (یعنی دولت) کا باعث بنتی ہے، جو زیادہ لوگوں کو علم کی پیداوار میں مشغول ہونے کی اجازت دیتی ہے۔
اگر آپ کے ملک کی 90% آبادی زراعت سے وابستہ ہے، اور بقیہ 10% کسی نہ کسی شکل میں تجارت (یا جنگ) میں مصروف ہیں، تو لوگوں کے پاس فطرت کے قوانین کے بارے میں سوچنے کا وقت بہت کم ہے۔ شاید یہی وجہ ہے کہ پہلے زمانے میں سائنس کو زیادہ تر امیر گھرانوں کے بچے ہی فروغ دیتے تھے۔
امریکہ ہر سال 50 سے زیادہ پی ایچ ڈی تیار کرتا ہے۔ 000 سال کی عمر میں کسی فیکٹری میں کام کرنے والے شخص کے بجائے (یا اس سے پہلے)، ایک گریجویٹ طالب علم کو 18 سال یا شاید 30 سال کی عمر تک فنڈ دینا ہوتا ہے اور پھر بھی یہ واضح نہیں ہے کہ آیا اس کے کام کا کوئی حقیقی معاشی اثر پڑے گا۔ لیکن ایک شخص کے لیے ضروری ہے کہ وہ اپنے نظم و ضبط میں سب سے آگے پہنچ جائے، خاص طور پر فزکس یا بیالوجی جیسے پیچیدہ شعبوں میں۔
حقیقت یہ ہے کہ نظام کے نقطہ نظر سے، ماہرین مہنگے ہیں. اور عوامی دولت کا حتمی ذریعہ جو ان ماہرین کو فنڈز فراہم کرتا ہے وہ نئی ٹیکنالوجی ہے: ہل قلم کو سبسڈی دیتا ہے۔
دوسرا. نئی ٹیکنالوجیز، خاص طور پر سفر اور مواصلات کے میدان میں، سماجی نیٹ ورکس کے ڈھانچے کو تبدیل کر رہے ہیں جس میں علم بڑھتا ہے۔ خاص طور پر، یہ ماہرین اور ماہرین کو ایک دوسرے کے ساتھ زیادہ قریب سے بات چیت کرنے کی اجازت دیتا ہے۔
یہاں کی قابل ذکر ایجادات میں پرنٹنگ پریس، اسٹیم شپ اور ریل روڈ (سفر اور/یا طویل فاصلے پر میل بھیجنا)، ٹیلی فون، ہوائی جہاز اور انٹرنیٹ شامل ہیں۔ یہ تمام ٹیکنالوجیز نیٹ ورک کی کثافت میں اضافہ کرتی ہیں، خاص طور پر مخصوص کمیونٹیز کے اندر (جہاں تقریباً تمام علم میں اضافہ ہوتا ہے)۔ مثال کے طور پر، قرون وسطی کے آخر میں یورپی سائنسدانوں کے درمیان خط و کتابت کے نیٹ ورکس، یا جدید طبیعیات دان arXiv کا استعمال کرنے کا طریقہ۔
بالآخر، یہ دونوں راستے ایک جیسے ہیں۔ دونوں ماہرین کے نیٹ ورک کی کثافت میں اضافہ کرتے ہیں، جس کے نتیجے میں علم میں اضافہ ہوتا ہے:
کئی سالوں سے میں اعلیٰ تعلیم سے بالکل محروم رہا۔ گریجویٹ اسکول میں میرا مختصر عرصہ میرے منہ میں ایک برا ذائقہ چھوڑ گیا۔ لیکن اب جب میں پیچھے مڑ کر سوچتا ہوں (تمام ذاتی مسائل کے علاوہ)، مجھے یہ نتیجہ اخذ کرنا پڑتا ہے کہ اعلیٰ تعلیم ابھی باقی ہے۔ انتہائی اہم
تعلیمی سماجی نیٹ ورکس (مثلاً، تحقیقی کمیونٹیز) ہماری تہذیب کی تخلیق کردہ سب سے جدید اور قیمتی ڈھانچے میں سے ایک ہیں۔ ہم نے علم کی پیداوار پر توجہ مرکوز کرنے والے ماہرین کا زیادہ ارتکاز کہیں بھی جمع نہیں کیا۔ لوگوں میں ایک دوسرے کے خیالات کو سمجھنے اور تنقید کرنے کی صلاحیت کہیں بھی پیدا نہیں ہوئی ہے۔ یہ ترقی کا دھڑکتا دل ہے۔ ان نیٹ ورکس میں ہی روشن خیالی کی آگ سب سے زیادہ جلتی ہے۔
لیکن ہم ترقی کو معمولی نہیں سمجھ سکتے۔ اگر اور اگر اس نے ہمیں کچھ سکھایا تو یہ تھا کہ سائنس کو نظامی مسائل ہو سکتے ہیں۔ یہ نیٹ ورک کی تنزلی کی ایک قسم ہے۔
فرض کریں کہ ہم سائنس کرنے کے دو طریقوں میں فرق کرتے ہیں: حقیقی سائنس и کیریئرزم. حقیقی سائنس وہ مشقیں ہیں جو قابل اعتماد طریقے سے علم پیدا کرتی ہیں۔ یہ تجسس سے حوصلہ افزائی کرتا ہے اور ایمانداری کی خصوصیت ہے (فین مین: "آپ نے دیکھا، مجھے صرف دنیا کو سمجھنے کی ضرورت ہے")۔ کیریئرزم، اس کے برعکس، پیشہ ورانہ عزائم سے متاثر ہوتا ہے اور اس کی خصوصیات سیاست اور سائنسی شارٹ کٹ سے ہوتی ہے۔ یہ سائنس کی طرح نظر اور کام کر سکتا ہے، لیکن کوئی قابل اعتماد علم پیدا کرتا ہے۔
(جی ہاں، یہ ایک مبالغہ آمیز اختلاف ہے۔ محض ایک سوچا سمجھا تجربہ۔ مجھ پر الزام نہ لگائیں)۔
حقیقت یہ ہے کہ جب کیریئرسٹ حقیقی ریسرچ کمیونٹی میں جگہ لیتے ہیں، تو وہ کام کو برباد کر دیتے ہیں۔ وہ اپنے آپ کو فروغ دینے کی کوشش کرتے ہیں جبکہ باقی کمیونٹی نئے علم حاصل کرنے اور اس کا اشتراک کرنے کی کوشش کرتی ہے۔ واضح کرنے کی کوشش کرنے کے بجائے، کیریئرسٹ زیادہ متاثر کن آواز دینے کے لیے ہر چیز کو پیچیدہ اور الجھا دیتے ہیں۔ وہ (جیسا کہ ہیری فرینکفرٹ کہیں گے) سائنسی بکواس میں مصروف ہیں۔ اور اس وجہ سے ہم ان کو مردہ نوڈس کے طور پر ماڈل بنا سکتے ہیں، جو علم کی ترقی کے لیے ضروری معلومات کے منصفانہ تبادلے کے لیے ناگزیر ہیں:
شاید بہترین نمونہ وہ ہے جس میں کیرئیرسٹ نوڈس نہ صرف علم کے لیے بے اثر ہوتے ہیں بلکہ فعال طور پر پھیلاتے ہیں۔ جعلی علم. جعلی علم میں ایسے غیر اہم نتائج شامل ہو سکتے ہیں جن کی اہمیت مصنوعی طور پر بڑھا دی گئی ہے، یا صحیح معنوں میں غلط نتائج جو ہیرا پھیری یا من گھڑت ڈیٹا سے پیدا ہوتے ہیں۔
اس سے کوئی فرق نہیں پڑتا ہے کہ ہم انہیں کس طرح ماڈل بناتے ہیں، کیریئرسٹ یقینی طور پر ہماری سائنسی برادریوں کا گلا گھونٹ سکتے ہیں۔
یہ نیوکلیئر چین ری ایکشن کی طرح ہے جس کی ہمیں اشد ضرورت ہے - ہمیں علم کے ایک دھماکے کی ضرورت ہے - صرف ہمارے افزودہ U-235 میں بہت زیادہ غیر رد عمل والے آاسوٹوپ U-238 ہے، جو چین کے رد عمل کو دباتا ہے۔
یقینا، کیریئرسٹ اور حقیقی سائنسدانوں میں کوئی واضح فرق نہیں ہے۔ ہم میں سے ہر ایک کے اندر تھوڑی بہت کیرئیرزم چھپا ہوا ہے۔ سوال یہ ہے کہ علم کی ترسیل ختم ہونے سے پہلے نیٹ ورک کتنی دیر تک چل سکتا ہے۔
اوہ، آپ آخر تک پڑھتے ہیں۔ پڑھنے کے لیے آپ کا شکریہ۔
لائسنس
تمام حقوق محفوظ نہیں ہیں۔ آپ اس کام کو اس طرح استعمال کر سکتے ہیں جیسے آپ مناسب سمجھیں :)۔
اعترافات
- и مسودے کے مختلف ورژن پر سوچ سمجھ کر تبصرے اور تجاویز کے لیے۔
- - پورے عمل کے دوران اخلاقی حمایت کے لیے اور میرے کام پر سب سے زیادہ مددگار تاثرات کے لیے۔
- کیتھ اے.
- لنک کے لیے جو کہ (بہت سی کوتاہیوں کے باوجود) اس پوسٹ پر کام کرنے کا اصل محرک تھا۔
انٹرایکٹو مضمون کے نمونے
- نکی کیس کے تمام کام، خاص طور پر۔ (وائی ہارٹ کے ساتھ) اور . یہ ایک اعلی بار ہے کہ ایک انٹرایکٹو مضمون کیا ہوسکتا ہے۔
- : مشین لرننگ کی غیر معمولی اعلیٰ معیار کی انٹرایکٹو تفصیل۔
- بریٹ وکٹر کا کلاسیکی کام . میں سیڑھیاں چڑھنے میں بہت اچھا نہیں تھا، لیکن ہمیشہ ایک اور کوشش ہوتی ہے۔
ماخذ: www.habr.com