Si pasó algún tiempo pensando en sistemas complejos, probablemente entienda la importancia de las redes. Las redes gobiernan nuestro mundo. Desde reacciones químicas dentro de la célula, hasta la red de relaciones en el ecosistema, hasta las redes comerciales y políticas que dan forma al curso de la historia.

O considere este artículo que está leyendo. Probablemente lo encontró en una red social , lo descargó de una red informática y actualmente está descifrando el significado utilizando su red neuronal .

Pero no importa cuánto haya pensado en las redes a lo largo de los años, hasta hace poco, no entendía la importancia de la difusión simple.

Este es nuestro tema para hoy: cómo, cómo aleatoriamente todo se mueve y se propaga. Algunos ejemplos para calentar el apetito:

• Enfermedades infecciosas que pasan de portador a portador dentro de una población.
  
• Los memes se extienden por el gráfico de seguidores en las redes sociales.
  
• Incendio forestal
  
• Ideas y prácticas que impregnan la cultura.
  
• Cascada de neutrones en uranio enriquecido.

Breve comentario sobre el formulario.

A diferencia de todos mis trabajos anteriores, este ensayo es interactivo [el artículo original contiene ejemplos interactivos con controles deslizantes y botones que controlan objetos en la pantalla - aprox. carril].

Entonces comencemos. La primera tarea es desarrollar un diccionario visual para su distribución a través de las redes.

Modelo simple

Estoy seguro de que todos conocen la base de las redes, es decir, nodos + bordes. Para investigar la difusión, solo es necesario marcar algunos nodos como activos . O, como dicen los epidemiólogos infectados :



Esta activación o infección se propaga a través de la red de nodo a nodo de acuerdo con las reglas que desarrollaremos a continuación.

Las redes reales suelen ser mucho más grandes que esta simple red de siete nodos. También son mucho más confusos. Pero para simplificar, construiremos un modelo de juguete aquí para estudiar la red, es decir, la red de red.

(El hecho de que la cuadrícula carece de realismo se compensa con el hecho de que es fácil de dibujar;)

A menos que se indique lo contrario, en los nodos de la red cuatro vecinos, por ejemplo:



Y debe imaginar que estas rejillas se extienden sin fin en todas las direcciones. En otras palabras, no estamos interesados ​​en el comportamiento que ocurre solo en los bordes de la red o en poblaciones pequeñas.

Dado que las cuadrículas están tan ordenadas, puede simplificarlas a píxeles. Por ejemplo, estas dos imágenes representan la misma red:



En uno de los comportamientos, el nodo activo siempre pasa la infección a sus vecinos (no infectados). Pero es aburrido. Suceden cosas mucho más interesantes cuando la transmisión es probabilística .

SIR y SIS

En el modelo SIR (Susceptible-Infected-Removed) , un nodo puede estar en tres estados:

• Susceptible
  
• Infectados
  
• Eliminado

Así es como funciona la simulación interactiva [en el artículo original, puede elegir la tasa de transmisión de la infección de 0 a 1, ver el proceso paso a paso o en su totalidad - aprox. trans.]:

• Los nodos comienzan como susceptibles, con la excepción de algunos nodos que comienzan como infectados.
  
• En cada paso de tiempo, los nodos infectados tienen la oportunidad de transmitir la infección a cada uno de sus vecinos susceptibles con una probabilidad igual a la tasa de transmisión.
  
• Los nodos infectados pasan al estado "eliminado", es decir, ya no pueden infectar a otros ni infectarse ellos mismos.

En el contexto de la enfermedad, la eliminación puede significar que la persona ha muerto o que ha desarrollado inmunidad al patógeno. Decimos que se "eliminan" de la simulación porque no les sucede nada más.

Dependiendo de lo que estemos tratando de modelar, es posible que necesite un modelo diferente al SIR.

Si simulamos la propagación del sarampión o un brote de un incendio forestal, el SIR es perfecto. Pero supongamos que simulamos la difusión de nuevas prácticas culturales, como la meditación. Al principio, el nodo (persona) es susceptible porque nunca lo ha hecho antes. Luego, si comienza a meditar (tal vez después de escucharlo de un amigo), lo modelaremos como infectado. Pero si deja de practicar, no morirá y no caerá de la simulación, porque en el futuro puede adoptar fácilmente este hábito nuevamente. Entonces vuelve a un estado susceptible.

Este es el modelo SIS (Susceptible - Infected - Susceptible). El modelo clásico tiene dos parámetros: tasa de transferencia y tasa de recuperación. Sin embargo, en las simulaciones de este artículo, decidí simplificarlo reduciendo el parámetro de velocidad de recuperación. En cambio, el nodo infectado vuelve automáticamente al estado susceptible en el siguiente paso de tiempo, a menos que sea infectado por uno de sus vecinos. Además, permitimos que el nodo infectado en el paso n se infecte en el paso n + 1 con una probabilidad igual a la velocidad de transmisión.

La discusión

Como puede ver, esto es muy diferente del modelo SIR.

Como los nodos nunca se eliminan, incluso una red muy pequeña y limitada puede soportar la infección por SIS durante mucho tiempo. La infección simplemente salta de nodo a nodo y regresa.

A pesar de las diferencias, SIR y SIS son sorprendentemente fungibles para nuestros propósitos. Por lo tanto, para el resto del artículo, nos centraremos en SIS, principalmente porque es más tenaz y, por lo tanto, es más interesante trabajar con él.

Nivel critico

Después de jugar con los modelos SIR y SIS, es posible que note algo sobre la longevidad de la infección. A tasas de transmisión muy bajas, como 10%, la infección tiende a desaparecer. Mientras que a valores más altos, como el 50%, la infección permanece viva y captura la mayor parte de la red. Si la red fuera infinita, podríamos imaginar que continúa y se extiende para siempre.

Dicha difusión ilimitada tiene muchos nombres: "viral", "nuclear" o (en el título de este artículo) crítica .

Resulta que hay un punto de inflexión específico que separa las redes subcríticas (condenadas a la extinción) de las redes supercríticas (capaces de crecimiento infinito). Este punto de inflexión se llama umbral crítico , y es un signo bastante común de procesos de difusión en redes convencionales.

El valor exacto del umbral crítico varía entre redes. Lo que es común es la presencia de tal significado.

[En la demostración interactiva del artículo original, puede intentar encontrar manualmente el umbral crítico de la red cambiando el valor de la velocidad de transmisión. Está en algún lugar entre 22% y 23% - aprox. por.]

Al 22% (y menos), la infección finalmente muere. Al 23% (y más), la infección inicial a veces muere, pero en la mayoría de los casos se las arregla para sobrevivir y extenderse el tiempo suficiente para garantizar su existencia eterna.

(Por cierto, hay un campo científico completo dedicado a la búsqueda de estos umbrales críticos para diferentes topologías de red. Para una introducción rápida, recomiendo desplazarse rápidamente por el artículo de Wikipedia sobre el umbral de flujo ).

En general, así es como funciona: por debajo de un umbral crítico, cualquier infección final en la red está garantizada (con probabilidad 1) de desaparecer eventualmente. Pero por encima del umbral crítico hay una probabilidad (p> 0) de que la infección dure para siempre y, al mismo tiempo, se extienda arbitrariamente lejos del lugar original.

Sin embargo, tenga en cuenta que una red supercrítica no garantiza que la infección dure para siempre. De hecho, a menudo se desvanece, especialmente en las primeras etapas de modelado. Veamos cómo sucede esto.

Supongamos que comenzamos con un nodo infectado y cuatro vecinos. En el primer paso de modelado, la infección tiene 5 posibilidades independientes de propagación (incluida la posibilidad de "propagarse" en el siguiente paso):



Ahora suponga que la tasa de transmisión es del 50%. En este caso, en el primer paso, lanzamos una moneda cinco veces. Y si caen cinco águilas, la infección será destruida. Esto sucede en aproximadamente el 3% de los casos, y este es solo el primer paso. Una infección que ha sobrevivido al primer paso tiene algunas (generalmente menos) posibilidades de desaparecer en el segundo paso, algunas (incluso menos) posibilidades de morir en el tercer paso, etc.

Por lo tanto, incluso cuando la red es supercrítica, si la tasa de transmisión es del 99%, existe la posibilidad de que la infección desaparezca.

Pero lo importante es que no siempre se desvanecerá. Si sumamos la probabilidad de atenuación de todos los pasos hasta el infinito, el resultado es menor que 1. En otras palabras, con una probabilidad distinta de cero, la infección continuará para siempre. Esto es lo que significa que una red sea supercrítica.

SISa: activación espontánea

Hasta este punto, todas nuestras simulaciones comenzaron con un pequeño pedazo de nodos preinfectados en el centro.

Pero, ¿y si comienzas desde cero? Luego simulamos la activación espontánea, el proceso por el cual un nodo susceptible se infecta accidentalmente (no de uno de sus vecinos).

Esto se llama el modelo SISa . La letra "a" significa "automático".

Aparece un nuevo parámetro en la simulación SISa: la tasa de activación espontánea, que cambia la frecuencia de aparición de infección espontánea (el parámetro de tasa de transmisión, que vimos anteriormente, también está presente).

¿Qué necesita una infección para propagarse por la red?

La discusión

Es posible que haya notado en la simulación que aumentar la velocidad de la activación espontánea no cambia si la infección captura o no toda la red. Solo la velocidad de transmisión determina si la red es pre o supercrítica. Y cuando la red es subcrítica (tasa de transmisión menor o igual al 22%), ninguna infección puede extenderse a toda la red, sin importar con qué frecuencia se inicie.

Es como encender un fuego en un campo húmedo. Puede prender fuego a unas pocas hojas secas, pero la llama se apaga rápidamente, porque el resto del paisaje no se enciende fácilmente (subcrítico). Mientras que en un campo muy seco (supercrítico) una chispa es suficiente para iniciar un fuego furioso.

Se observan cosas similares en el campo de las ideas e inventos. A menudo, el mundo no está preparado para la idea, y en este caso puede inventarse una y otra vez, pero no se aferra a las masas. Por otro lado, el mundo puede estar completamente listo para la invención (gran demanda oculta), y tan pronto como nace, es aceptado por todos. En el medio hay ideas que se inventan en varios lugares y se distribuyen localmente, pero no lo suficiente como para que una versión en particular cubra toda la red a la vez. En esta última categoría encontramos, por ejemplo, la agricultura y la escritura, que fueron inventadas independientemente por diferentes civilizaciones humanas unas diez y tres veces, respectivamente.

Inmunidad

Supongamos que hacemos que algunos nodos sean completamente invulnerables, es decir, inmunes a la activación. Es como si inicialmente estuvieran en un estado remoto, y el modelo SIS (a) se ejecuta en los nodos restantes.



El control deslizante de inmunidad controla el porcentaje de nodos remotos. Intente cambiar su valor (¡mientras el modelo se está ejecutando!) Y vea cómo afecta el estado de la red, ya sea que sea supercrítico o no.

La discusión

Cambiar la cantidad de ganglios inmunes cambia por completo la imagen; habrá una red de pre o supercríticos. Y es fácil entender por qué. Con una gran cantidad de huéspedes inmunes, la infección tiene menos oportunidades de propagarse a nuevos huéspedes.

Resulta que esto conlleva una serie de consecuencias prácticas muy importantes.

Uno de ellos está evitando la propagación de incendios forestales. A nivel local, cada persona debe tomar sus propias precauciones (por ejemplo, nunca dejar una llama abierta sin vigilancia). Pero a gran escala, los brotes individuales son inevitables. Por lo tanto, otro método de protección es asegurar un número suficiente de "espacios" (en una red de materiales inflamables) para que el flash no cubra toda la red. Tal función es realizada por glades:



Otro brote que es importante detener es una enfermedad infecciosa. Esto introduce el concepto de inmunidad poblacional . Esta es la idea de que algunas personas no pueden ser vacunadas (por ejemplo, tienen un sistema inmunitario comprometido), pero si suficientes personas son inmunes a la infección, la enfermedad no puede propagarse indefinidamente. En otras palabras, una porción suficiente de la población debe vacunarse para transferir la población de un estado supercrítico a un subcrítico. Cuando esto sucede, un paciente aún puede infectarse (por ejemplo, después de viajar a otra región), pero sin una red supercrítica en la cual crecer, la enfermedad infectará solo a un puñado de personas.

Finalmente, el concepto de nodos refractarios explica lo que sucede en un reactor nuclear. En una reacción en cadena, un átomo de uranio-235 en descomposición libera aproximadamente tres neutrones, lo que causa (en promedio) la fisión de más de un átomo de U-235. Los nuevos neutrones causan una mayor fisión atómica y así sucesivamente:



Al crear una bomba, el objetivo es garantizar la continuación sin obstáculos del crecimiento exponencial. Pero en una planta de energía, el objetivo es generar energía sin matar a todos a su alrededor. Para hacer esto, se utilizan barras de control , hechas de un material capaz de absorber neutrones (por ejemplo, plata o boro). Dado que absorben en lugar de liberar neutrones, en nuestra simulación actúan como unidades inmunes, evitando así que el núcleo del reactor entre en un estado supercrítico.

Por lo tanto, el truco de un reactor nuclear es mantener la reacción cerca de un umbral crítico moviendo las barras de control de un lado a otro, y asegurarse de que cada vez que algo salga mal, las barras se hundan en el núcleo y lo detengan.

Grado de

El grado de un nodo es el número de sus vecinos. Hasta este punto, hemos estado considerando redes de 4º grado. Pero, ¿qué sucede si cambia esta configuración?

Por ejemplo, puede conectar cada nodo no solo con cuatro vecinos inmediatos, sino también con cuatro en diagonal. En dicha red, el grado será de 8.



Los enrejados con grados 4 y 8 son bien simétricos. Pero en el grado 5 (por ejemplo), surge el problema: ¿qué cinco vecinos elegir? En este caso, seleccionamos los cuatro vecinos más cercanos (N, E, S, W) y luego seleccionamos aleatoriamente un vecino del conjunto {NE, SE, SW, NW}. La elección se realiza independientemente para cada nodo en cada paso de tiempo.

La discusión

Nuevamente, no es difícil entender lo que está sucediendo aquí. Cuando cada nodo tiene más vecinos, aumentan las posibilidades de propagar la infección y, por lo tanto, es más probable que la red se vuelva crítica.

Sin embargo, las consecuencias pueden ser inesperadas, como veremos a continuación.

Ciudades y densidad de red

Hasta ahora, nuestras redes han sido completamente homogéneas. Cada nodo se parece a cualquier otro. Pero, ¿qué sucede si cambiamos las condiciones y permitimos diferentes estados de nodos en toda la red?

Por ejemplo, intente simular ciudades. Para hacer esto, aumente la densidad en algunas partes de la red (un mayor grado de nodos). Hacemos esto sobre la base de datos de que los ciudadanos tienen un círculo social más amplio y más interacciones sociales que las personas fuera de las ciudades.

En nuestro modelo, los nodos susceptibles se colorean según su grado. Los nudos en el "campo" tienen grado 4 (y son de color gris claro), mientras que los nodos en las "ciudades" tienen grados más altos (y son más oscuros), comenzando desde el grado 5 en las afueras y terminando con 8 en el centro de la ciudad .

Intente elegir una velocidad de distribución tal que la activación cubra las ciudades y luego no vaya más allá de sus fronteras.



Esta simulación me parece obvia y sorprendente. Por supuesto , las ciudades mantienen un mejor nivel cultural que las áreas rurales; todo el mundo lo sabe. Lo que me sorprende es que parte de esta diversidad cultural surge simplemente sobre la base de la topología de la red social.

Este es un punto interesante, intentaré explicarlo con más detalle.

Aquí estamos tratando con formas culturales que se transmiten de manera simple y directa de persona a persona. Por ejemplo, modales , juegos de salón, tendencias de moda, tendencias lingüísticas, rituales de pequeños grupos y productos que se difunden de boca en boca, además de paquetes completos de información que llamamos ideas.

(Nota: la difusión de información entre las personas es extremadamente complicada por los medios. Es más fácil imaginar un tipo de entorno tecnológicamente primitivo, por ejemplo, la Antigua Grecia, donde casi todas las chispas de la cultura se transmiten por interacción en el espacio físico).

De la simulación anterior, aprendí que hay ideas y prácticas culturales que pueden arraigarse y difundirse en la ciudad, pero que simplemente no pueden propagarse en las zonas rurales (matemáticamente no pueden). Estas son las mismas ideas y las mismas personas. No es que los aldeanos tengan una especie de "mentalidad cercana": cuando interactúan con la misma idea, tienen exactamente las mismas posibilidades de recogerla que la gente del pueblo. Es solo que la idea en sí misma no puede volverse viral en el campo, porque no hay muchos vínculos a través de los cuales se pueda propagar.

Este es quizás el más fácil de ver en el campo de la moda: ropa, peinados, etc. En la red de moda, podemos arreglar el borde de la red cuando dos personas notan los trajes de la otra. En el centro de la ciudad, cada persona puede ver a más de 1000 personas cada día: en la calle, en el metro, en un restaurante lleno de gente, etc. En el campo, por el contrario, cada persona solo puede ver a un par de docenas más.Basándose solo en esta diferencia , la ciudad puede apoyar más tendencias de moda. Y solo las tendencias más convincentes, con la velocidad de transmisión más alta, podrán establecerse fuera de la ciudad.

Tendemos a pensar que si la idea es buena, finalmente llegará a todos, y si la idea es mala, desaparecerá. Por supuesto, esto es cierto en casos extremos, pero entre ellos hay un montón de ideas y prácticas que solo pueden volverse virales en ciertas redes. Esto es realmente asombroso.

No solo ciudades

Aquí consideramos el efecto de la densidad de la red . Se define para un conjunto dado de nodos como el número de bordes reales dividido por el número de bordes potenciales . Ese es el porcentaje de posibles conexiones que realmente existen.

Entonces, hemos visto que la densidad de la red en los centros urbanos es más alta que en las áreas rurales. Pero las ciudades no son el único lugar donde encontramos redes densas.

Un ejemplo interesante son las escuelas secundarias. Por ejemplo, para un distrito en particular, comparamos la red que existe entre los escolares con la red que existe entre sus padres. La misma área geográfica y la misma población, pero una red es muchas veces más densa que otra. Por lo tanto, no es sorprendente que la moda y las tendencias lingüísticas se extiendan mucho más rápido entre los adolescentes.

Del mismo modo, las redes de élite suelen ser mucho más densas que las redes que no son de élite; en mi opinión, este hecho está subestimado (las personas que son populares o influyentes pasan más tiempo creando redes y, por lo tanto, tienen más "vecinos" de lo habitual personas). Según las simulaciones anteriores, esperamos que las redes de élite admitan algunas formas culturales que no pueden ser compatibles con la corriente principal, simplemente basadas en leyes matemáticas, de acuerdo con el grado promedio de la red. Os dejo reflexionar sobre cuáles pueden ser estas formas culturales.

Finalmente, podemos aplicar esta idea a Internet, simulando que es enorme y muy densa.la ciudad No es sorprendente que muchos nuevos tipos de cultura prosperen en Internet, que simplemente no pueden ser compatibles con redes puramente espaciales: pasatiempos de nicho, mejores estándares de diseño, mayor conciencia de la injusticia, etc. Y estas no son solo cosas agradables. Así como las primeras ciudades fueron un hervidero de enfermedades que no podían propagarse con una baja densidad de población, Internet también es un caldo de cultivo para formas culturales malignas como clickbait, noticias falsas e incitación a la indignación artificial.

Conocimiento

"Involucrar al experto adecuado en el momento adecuado es a menudo el recurso más valioso para la resolución creativa de problemas". - Michael Nielsen, "Inventar descubrimientos"

A menudo pensamos en el descubrimiento o la invención como un proceso que ocurre en la mente de un solo genio. Lo golpea un destello de inspiración y ¡eureka! - De repente tenemos una nueva forma de medir el volumen. O la ecuación de la gravedad. O una bombilla.

Pero si tomamos el punto de vista de un inventor solitario en el momento del descubrimiento, entonces vemos el fenómeno desde el punto de vista del nodo . Si bien sería más correcto interpretar la invención como un fenómeno de red .

La creación de redes es importante al menos de dos maneras. En primer lugar, las ideas ya existentes deben penetrar en la conciencia.inventor Estas son citas de un nuevo artículo, una sección bibliográfica de un nuevo libro: gigantes, sobre cuyos hombros se encontraba Newton. En segundo lugar, la red es crucial para el retorno de las nuevas ideas respaldan en el mundo; un invento que no se ha extendido apenas vale la pena llamarlo "invento". Por lo tanto, por ambas razones, tiene sentido modelar la invención, o, en un sentido amplio, el crecimiento del conocimiento, como un proceso de difusión.

En un momento, presentaré una simulación cruda de cómo el conocimiento dentro de una red puede extenderse y crecer. Pero primero tengo que explicar.

Al comienzo de la simulación, hay cuatro expertos en cada cuadrante de la cuadrícula, ubicados de la siguiente manera:



El experto 1 tiene la primera versión de la idea, llamémosla Idea 1.0. El experto 2 es una persona que sabe cómo convertir la Idea 1.0 en Idea 2.0. El experto 3 sabe cómo convertir Idea 2.0 a Idea 3.0. Y finalmente, el cuarto experto sabe cómo dar los toques finales para crear Idea 4.0.



Esto es similar a una técnica como el origami, donde los métodos se desarrollan y se combinan con otros métodos para crear diseños más interesantes. O puede ser un campo de conocimiento similar a la física, en el que el trabajo posterior se basa en el trabajo fundamental de los predecesores.

La esencia de esta simulación es que necesitamos los cuatro expertos para contribuir a la versión final de la idea. Y en cada etapa, la idea debe ser llevada al experto apropiado.



Algunas reservas La simulación codificó muchos supuestos poco realistas. Estos son solo algunos de ellos:

1. Se supone que las ideas no se pueden preservar y transmitir de otra manera que de persona a persona (es decir, no hay libros ni medios de comunicación).
   
2. Se supone que hay expertos constantes en la población que pueden generar ideas, aunque en realidad muchos factores aleatorios influyen en la ocurrencia de un descubrimiento o invención.
   
3. Para las cuatro versiones de la idea, se utiliza el mismo conjunto de parámetros SIS (tasa de transferencia, porcentaje de inmunidad, etc.), aunque es más realista usar probablemente diferentes parámetros para cada versión (1.0, 2.0, etc.)
   
4. Se supone que la idea de N + 1 siempre suplanta completamente la idea de N, aunque en la práctica a menudo las versiones antiguas y nuevas circulan simultáneamente, sin un ganador definitivo.

... y muchos otros.

La discusión

Este es un modelo ridículamente simplificado de cómo crece realmente el conocimiento. Fuera del alcance del modelo, hay muchos detalles importantes (ver arriba). Sin embargo, refleja la esencia esencial del proceso. Y así podemos, con reservas, hablar sobre el crecimiento del conocimiento, utilizando nuestro conocimiento de difusión.

En particular, el modelo de difusión permite comprender cómo acelerar el proceso : es necesario facilitar el intercambio de ideas entre nodos expertos. Esto puede significar limpiar la red de nodos muertos que interfieren con la difusión. O podría significar ubicar a todos los expertos en una ciudad o grupo con alta densidad de red, donde las ideas se están extendiendo rápidamente. O simplemente ponerlos en una habitación:



Entonces ... eso es todo lo que puedo decir sobre la difusión.

Pero tengo un último pensamiento, y es muy importante. Se trata del crecimiento ( y estancamiento ) del conocimiento en las comunidades científicas. Esta idea es diferente en tono y contenido de todo lo que se dijo anteriormente, pero espero que me perdone.

Sobre redes cientificas

La ilustración muestra uno de los ciclos de retroalimentación positiva más importantes del mundo (y ha sido así durante bastante tiempo):



El ciclo ascendente (K ⟶ T) es bastante simple: utilizamos nuevos conocimientos para desarrollar nuevas herramientas. Por ejemplo, una comprensión de la física de los semiconductores nos permite crear computadoras.

Sin embargo, el movimiento hacia abajo requiere alguna explicación. ¿Cómo conduce el desarrollo tecnológico a un mayor conocimiento?

Una forma, quizás la más directa, es cuando las nuevas tecnologías nos dan nuevas formas de percibir el mundo. Por ejemplo, los mejores microscopios le permiten mirar más profundamente en la célula, arrojando ideas para la biología molecular. Los rastreadores GPS muestran cómo se mueven los animales. La sonda te permite explorar los océanos. Y así sucesivamente.

Claro, este es un mecanismo vital, pero hay al menos otras dos formas, desde la tecnología hasta el conocimiento. Puede que no sean tan simples, pero creo que son igual de importantes:

Primero . La tecnología conduce a la abundancia económica (es decir, la riqueza), y esto permite que más personas participen en la producción de conocimiento.

Si el 90% de la población de su país se dedica a la agricultura, y el 10% restante se dedica a alguna forma de comercio (o guerra), entonces la gente tiene muy poco tiempo libre para pensar en las leyes de la naturaleza. Quizás es por eso que en otros tiempos, la ciencia fue promovida principalmente por niños de familias ricas.

Estados Unidos gradúa anualmente a más de 50,000 doctores en ciencias. En lugar de que una persona vaya a trabajar a la planta a la edad de 18 años (o antes), el estudiante graduado debe ser financiado hasta 30 o, posiblemente, hasta 40 años, e incluso entonces no está claro si su trabajo tendrá algún efecto económico real. Pero es necesario que una persona alcance la vanguardia en su disciplina, especialmente en campos tan complejos como la física o la biología.

El hecho es que, desde el punto de vista de los sistemas, los especialistas son caros. Y la última fuente de riqueza social que financia a estos profesionales es la nueva tecnología: el arado subsidia la pluma.

Segundo. Las nuevas tecnologías, especialmente en el campo de los viajes y las comunicaciones, están cambiando la estructura de las redes sociales en las que el conocimiento está creciendo. En particular, esto permite que expertos y especialistas interactúen más estrechamente entre sí.

Los inventos notables aquí incluyen la imprenta, los barcos de vapor y los ferrocarriles (que facilitan los viajes y / o el envío de correo a largas distancias), teléfonos, aviones e Internet. Todas estas tecnologías contribuyen a aumentar la densidad de la red, especialmente dentro de comunidades especializadas (donde ocurre casi todo el crecimiento del conocimiento). Por ejemplo, las redes de correspondencia que surgieron entre los científicos europeos al final de la Edad Media, o cómo los físicos modernos usan arXiv.

En última instancia, ambos caminos son similares. Ambos aumentan la densidad de la red de especialistas, lo que a su vez conduce a un aumento en el conocimiento:



Durante muchos años he sido bastante desdeñoso con la educación superior. Una corta estadía en la escuela de posgrado dejó un regusto desagradable en la boca. Pero ahora, cuando miro hacia atrás y pienso (no hay abstracción de todos los problemas personales), debo concluir que la educación superior sigue siendo extremadamente importante.

Las redes sociales académicas (por ejemplo, comunidades de investigación) son una de las estructuras más avanzadas y valiosas creadas por nuestra civilización. En ninguna parte hemos acumulado una gran concentración de especialistas centrados en la producción de conocimiento. En ninguna parte las personas han desarrollado en sí mismas una mayor capacidad para comprender y criticar las ideas de los demás. Este es el corazón palpitante del progreso. Es en estas redes donde más arde el fuego de la iluminación.

Pero no podemos dar por sentado el progreso. Si la crisis con la irreproducibilidad de los experimentos nos ha enseñado algo, es que la ciencia puede tener problemas sistémicos. Este es un tipo de degradación de la red.

Supongamos que distinguimos dos formas de hacer ciencia: ciencia real y carrera profesional . La ciencia real son prácticas que producen conocimiento de manera confiable. Está motivada por la curiosidad y caracterizada por la honestidad (Feynman: "Ya ves, solo necesito entender el mundo"). La carrera profesional, en cambio, está motivada por ambiciones profesionales y se caracteriza por un juego de política y etiquetas científicas. Puede parecer y actuar como una ciencia, pero no produce conocimiento confiable.

(Sí, esta es una dicotomía exagerada. Solo un experimento mental. No me culpes).

El hecho es que cuando los profesionales ocupan un lugar en la comunidad de investigación real, estropean el trabajo. Se esfuerzan por promocionarse, mientras que el resto de la comunidad está tratando de obtener nuevos conocimientos y compartirlos. En lugar de luchar por la claridad, los profesionales complican y confunden todo para sonar más impresionantes. Lo hacen (como diría Harry Frankfurt) mentiras científicas. Y, por lo tanto, podríamos modelarlos como nodos muertos, inmunes al intercambio de información de buena fe necesario para el crecimiento del conocimiento:



Quizás el mejor modelo es aquel en el que los nodos profesionales no solo son inmunes al conocimiento, sino que difunden activamente el conocimiento falso . El conocimiento falso puede incluir resultados insignificantes, cuya importancia se infla artificialmente, o resultados realmente falsos que surgen de la manipulación o datos fabricados.

Independientemente de cómo los modelemos, los profesionales pueden estrangular a nuestras comunidades científicas.

Esto es similar a la reacción en cadena nuclear que necesitamos desesperadamente, necesitamos una explosión de conocimiento, solo en nuestro U-235 enriquecido hay demasiada mezcla del isótopo no reactivo U-238 que suprime la reacción en cadena.

Por supuesto, no hay una diferencia clara entre los profesionales de carrera y los científicos reales. Cada uno de nosotros tiene un poco de carrera. La pregunta es cuánto tiempo puede soportar la red antes de que la difusión del conocimiento se desvanezca.

---

Oh, lo leíste hasta el final. Gracias por leer

Licencia

CC0 Todos los derechos reservados. Puede usar este trabajo como mejor le parezca :).

Agradecimientos

• Kevin Kwoku y Nicky Case por sus reflexivos comentarios y sugerencias sobre varias versiones del borrador.
  
• Nick Barr : por su apoyo moral durante todo el proceso y por los comentarios más útiles sobre mi trabajo.
  
• Kita A. por señalarme el fenómeno de la percolación y el umbral de percolación.
  
• Jeff Lonsdale por vincularse a este ensayo , que (a pesar de sus muchos defectos) se ha convertido en el principal incentivo para trabajar en esta publicación.

Muestras de ensayos interactivos

• Todo el trabajo de Nicky Keyes, especialmente "La parábola de los polígonos" (con Wi Hart) y "Desarrollando la mejor boleta para votar" . Este es un estándar alto para lo que puede ser un ensayo interactivo.
  
• Distill.pub : descripciones interactivas de aprendizaje automático de excepcional calidad.
  
• La obra clásica de Bret Victor "Subiendo y bajando las escaleras de la abstracción" . No me fue muy bien con las escaleras, pero siempre hay un intento más.