Si vous avez réfléchi à des systèmes complexes, vous comprenez probablement l'importance des réseaux. Les réseaux gouvernent notre monde. Des réactions chimiques à l'intérieur de la cellule, au réseau de relations dans l'écosystème, aux réseaux commerciaux et politiques qui façonnent le cours de l'histoire.

Ou considérez cet article que vous lisez. Vous l'avez probablement trouvé sur un réseau social , vous l'avez téléchargé depuis un réseau informatique et vous êtes en train de déchiffrer la signification à l'aide de votre réseau neuronal .

Mais peu importe combien je pensais aux réseaux au fil des ans, jusqu'à récemment, je ne comprenais pas l'importance de la simple diffusion .

C'est notre sujet d'aujourd'hui: comment, comment au hasard tout se déplace et se propage. Quelques exemples pour réchauffer votre appétit:

• Maladies infectieuses passant de porteur en porteur au sein d'une population.
  
• Les mèmes sont répartis sur le graphique des suiveurs sur les réseaux sociaux.
  
• Feu de forêt.
  
• Des idées et des pratiques qui imprègnent la culture.
  
• Cascade de neutrons dans l'uranium enrichi.

Brève remarque sur le formulaire.

Contrairement à tous mes travaux précédents, cet essai est interactif [l' article original contient des exemples interactifs avec des curseurs et des boutons qui contrôlent les objets à l'écran - env. voie].

Commençons donc. La première tâche consiste à développer un dictionnaire visuel pour la distribution sur les réseaux.

Modèle simple

Je suis sûr que vous connaissez tous la base des réseaux, c'est-à-dire les nœuds + les bords. Pour étudier la diffusion, il suffit de marquer certains nœuds comme actifs . Ou, comme les épidémiologistes infectés aiment dire:



Cette activation ou infection se propage sur le réseau d'un nœud à l'autre conformément aux règles que nous développerons ci-dessous.

Les vrais réseaux sont généralement beaucoup plus grands que ce simple réseau de sept nœuds. Ils sont également beaucoup plus déroutants. Mais pour simplifier, nous allons construire ici un modèle de jouet pour étudier le réseau, c'est-à-dire le réseau de réseau.

(Le fait que la grille manque de réalisme est compensé par le fait qu'elle est facile à dessiner;)

Sauf indication contraire, dans les nœuds du réseau quatre voisins, par exemple:



Et vous devez imaginer que ces réseaux s'étendent à l'infini dans toutes les directions. En d'autres termes, nous ne nous intéressons pas aux comportements qui se produisent uniquement aux bords du réseau ou dans de petites populations.

Étant donné que les grilles sont ainsi ordonnées, vous pouvez les simplifier en pixels. Par exemple, ces deux images représentent le même réseau:



Dans l'un des comportements, le nœud actif transmet toujours l'infection à ses voisins (non infectés). Mais c'est ennuyeux. Des choses beaucoup plus intéressantes se produisent lorsque la transmission est probabiliste .

SIR et SIS

Dans le modèle SIR (Susceptible-Infected-Removed) , un nœud peut être dans trois états:

• Sensible
  
• Infecté
  
• Supprimé

Voici comment fonctionne la simulation interactive [dans l' article d'origine, vous pouvez choisir le taux de transmission des infections de 0 à 1, voir le processus étape par étape ou en entier - env. trans.]:

• Les nœuds commencent comme sensibles, à l'exception de quelques nœuds qui commencent comme infectés.
  
• À chaque pas de temps, les nœuds infectés ont une chance de transmettre l'infection à chacun de leurs voisins sensibles avec une probabilité égale au taux de transmission.
  
• Les nœuds infectés passent alors à l'état «supprimé», c'est-à-dire qu'ils ne sont plus en mesure d'infecter les autres ou de s'infecter eux-mêmes.

Dans le contexte de la maladie, l'ablation peut signifier que la personne est décédée ou qu'elle a développé une immunité contre l'agent pathogène. Nous disons qu'ils sont «retirés» de la simulation car rien d'autre ne leur arrive.

Selon ce que nous essayons de modéliser, il se peut que vous ayez besoin d'un modèle différent du SIR.

Si nous simulons la propagation de la rougeole ou l’apparition d’un incendie de forêt, le SIR est parfait. Mais supposons que nous simulions la propagation de nouvelles pratiques culturelles, telles que la méditation. Au début, le nœud (personne) est sensible car il ne l'a jamais fait auparavant. Ensuite, s'il commence à méditer (peut-être après en avoir entendu parler par un ami), nous le modéliserons comme infecté. Mais s'il cesse de pratiquer, il ne mourra pas et ne tombera pas de la simulation, car à l'avenir il pourra facilement reprendre cette habitude. Il revient donc dans un état sensible.

Il s'agit du modèle SIS (Susceptible - Infected - Susceptible). Le modèle classique a deux paramètres: le taux de transfert et le taux de récupération. Cependant, dans les simulations de cet article, j'ai décidé de le simplifier en abaissant le paramètre de vitesse de récupération. Au lieu de cela, le nœud infecté revient automatiquement à l'état sensible à l'étape de temps suivante, sauf s'il est infecté par l'un de ses voisins. De plus, nous permettons au nœud infecté à l'étape n de s'infecter à l'étape n + 1 avec une probabilité égale à la vitesse de transmission.

La discussion

Comme vous pouvez le voir, c'est très différent du modèle SIR.

Étant donné que les nœuds ne sont jamais supprimés, même un réseau très petit et limité peut supporter une infection SIS pendant une longue période. L'infection saute simplement d'un nœud à l'autre et revient.

Malgré les différences, SIR et SIS sont étonnamment fongibles pour nos besoins. Par conséquent, pour le reste de l'article, nous nous concentrerons sur SIS - principalement parce qu'il est plus tenace et, par conséquent, il est plus intéressant de travailler avec lui.

Niveau critique

Après avoir joué avec les modèles SIR et SIS, vous remarquerez peut-être quelque chose sur la longévité de l'infection. À des taux de transmission très faibles, tels que 10%, l'infection a tendance à s'éteindre. Bien qu'à des valeurs plus élevées telles que 50%, l'infection reste vivante et capture la majeure partie du réseau. Si le réseau était infini, on pourrait imaginer qu'il continue et se propage pour toujours.

Une telle diffusion illimitée a plusieurs noms: «virale», «nucléaire» ou (dans le titre de cet article) critique .

Il s'avère qu'il existe un tournant spécifique qui sépare les réseaux sous-critiques (voués à l'extinction) des réseaux supercritiques (capables d'une croissance infinie). Ce point de basculement est appelé seuil critique , et c'est un signe assez courant de processus de diffusion dans les réseaux conventionnels.

La valeur exacte du seuil critique varie selon les réseaux. Ce qui est courant, c'est la présence d' une telle signification.

[Dans la démo interactive de l' article d'origine, vous pouvez essayer de trouver manuellement le seuil critique du réseau en modifiant la valeur de la vitesse de transmission. Il se situe entre 22% et 23% - env. par.]

À 22% (et moins), l'infection finit par mourir. À 23% (et plus), l'infection initiale meurt parfois, mais dans la plupart des cas, elle parvient à survivre et à se propager suffisamment longtemps pour assurer son existence éternelle.

(Soit dit en passant, il existe tout un domaine scientifique dédié à la recherche de ces seuils critiques pour différentes topologies de réseau. Pour une introduction rapide, je recommande de faire défiler rapidement l'article Wikipedia sur le seuil de flux ).

En général, voici comment cela fonctionne: en dessous d'un seuil critique, toute infection finale dans le réseau est garantie (avec probabilité 1) de s'éteindre à terme. Mais au-dessus du seuil critique, il y a une probabilité (p> 0) que l'infection dure éternellement et se propage arbitrairement loin du lieu d'origine.

Cependant, notez qu'un réseau supercritique ne garantit pas que l'infection durera éternellement. En fait, il s'estompe souvent, en particulier aux tout premiers stades de la modélisation. Voyons comment cela se produit.

Supposons que nous ayons commencé avec un nœud infecté et quatre voisins. Dans la première étape de la modélisation, l'infection a 5 chances indépendantes de se propager (y compris la chance de «se propager» à elle-même à l'étape suivante):



Supposons maintenant que le taux de transmission soit de 50%. Dans ce cas, dans la première étape, nous lançons une pièce cinq fois. Et si cinq aigles tombent, l'infection sera détruite. Cela se produit dans environ 3% des cas - et ce n'est que la première étape. Une infection qui a survécu à la première étape a une chance (généralement moins) de disparaître à la deuxième étape, une chance (encore moins) de disparaître à la troisième étape, etc.

Ainsi, même lorsque le réseau est supercritique - si le taux de transmission est de 99% - il y a une chance que l'infection disparaisse.

Mais l'important est qu'il ne disparaîtra pas toujours . Si nous additionnons la probabilité d'atténuation de toutes les étapes à l'infini, le résultat est inférieur à 1. En d'autres termes, avec une probabilité non nulle, l'infection continuera pour toujours. C'est ce que signifie pour un réseau être supercritique.

SISa: activation spontanée

Jusqu'à ce point, toutes nos simulations ont commencé avec un petit morceau de nœuds pré-infectés au centre.

Et si vous repartiez de zéro? Ensuite, nous simulons l'activation spontanée - le processus par lequel un nœud sensible est infecté accidentellement (et non par l'un de ses voisins).

C'est ce qu'on appelle le modèle SISa . La lettre «a» signifie «automatique».

Un nouveau paramètre apparaît dans la simulation SISa - le taux d'activation spontanée, qui modifie la fréquence d'apparition d'une infection spontanée (le paramètre de taux de transmission, que nous avons vu précédemment, est également présent).

De quoi une infection a-t-elle besoin pour se propager à travers le réseau?

La discussion

Vous avez peut-être remarqué dans la simulation que l'augmentation de la vitesse d'activation spontanée ne change pas si l'infection capture le réseau entier ou non. Seul le débit de transmission détermine si le réseau est pré- ou supercritique. Et lorsque le réseau est sous-critique (taux de transmission inférieur ou égal à 22%), aucune infection ne peut se propager à l'ensemble du réseau, quelle que soit sa fréquence de démarrage.

C'est comme allumer un feu dans un champ humide. Vous pouvez mettre le feu à quelques feuilles sèches, mais la flamme s'éteint rapidement, car le reste du paysage n'est pas facilement allumé (sous-critique). Dans un champ très sec (supercritique), une étincelle suffit pour allumer un feu qui fait rage.

Des choses similaires sont observées dans le domaine des idées et des inventions. Souvent, le monde n'est pas prêt pour l'idée, et dans ce cas, il peut être inventé encore et encore, mais il ne s'accroche pas aux masses. D'un autre côté, le monde peut être complètement prêt pour l'invention (grande demande cachée), et dès sa naissance, il est accepté par tous. Au milieu se trouvent des idées qui sont inventées à plusieurs endroits et distribuées localement, mais pas assez pour qu'une version particulière couvre tout le réseau à la fois. Dans cette dernière catégorie, nous trouvons, par exemple, l'agriculture et l'écriture, qui ont été inventées indépendamment par différentes civilisations humaines environ dix et trois fois, respectivement.

Immunité

Supposons que nous rendions certains nœuds complètement invulnérables, c'est-à-dire immunisés à l'activation. C'est comme s'ils étaient initialement dans un état distant et le modèle SIS (a) s'exécute sur les nœuds restants.



Le curseur d'immunité contrôle le pourcentage de nœuds distants. Essayez de changer sa valeur (pendant que le modèle tourne!) Et voyez comment cela affecte l'état du réseau, qu'il soit supercritique ou non.

La discussion

Changer le nombre de nœuds immunitaires change complètement l'image, il y aura un réseau de pré ou supercritique. Et il est facile de comprendre pourquoi. Avec un grand nombre d'hôtes immunisés, l'infection a moins de chances de se propager à de nouveaux hôtes.

Il s'avère que cela entraîne un certain nombre de conséquences pratiques très importantes.

L'un d'eux empêche la propagation des incendies de forêt. Au niveau local, chaque personne doit prendre ses propres précautions (par exemple, ne jamais laisser une flamme nue sans surveillance). Mais à grande échelle, les épidémies individuelles sont inévitables. Ainsi, une autre méthode de protection consiste à assurer un nombre suffisant de «lacunes» (dans un réseau de matériaux inflammables) pour que le flash ne couvre pas l'ensemble du réseau. Une telle fonction est réalisée par des clairières:



Une autre épidémie qu'il est important d'arrêter est une maladie infectieuse. Cela introduit le concept d' immunité de la population . C'est l'idée que certaines personnes ne peuvent pas être vaccinées (par exemple, elles ont un système immunitaire affaibli), mais si suffisamment de personnes sont immunisées contre l'infection, la maladie ne peut pas se propager indéfiniment. En d'autres termes, une partie suffisante de la population doit être vaccinée pour transférer la population d'un état supercritique à un état sous-critique. Lorsque cela se produit, un patient peut toujours être infecté (par exemple, après avoir voyagé dans une autre région), mais sans un réseau supercritique dans lequel se développer, la maladie n'infectera qu'une poignée de personnes.

Enfin, le concept de nœuds réfractaires explique ce qui se passe dans un réacteur nucléaire. Dans une réaction en chaîne, un atome d'uranium-235 en décomposition libère environ trois neutrons, qui provoquent (en moyenne) la fission de plus d'un atome d'U-235. De nouveaux neutrons provoquent alors une nouvelle fission atomique et ainsi de suite de façon exponentielle:



Lors de la création d'une bombe, il s'agit de garantir la poursuite sans entrave d'une croissance exponentielle. Mais dans une centrale électrique, l'objectif est de générer de l'énergie sans tuer tout le monde autour. Pour ce faire, des barres de contrôle sont utilisées , constituées d'un matériau capable d'absorber les neutrons (par exemple l'argent ou le bore). Puisqu'ils absorbent plutôt que libèrent des neutrons, dans notre simulation, ils agissent comme des unités immunitaires, empêchant ainsi le cœur du réacteur d'entrer dans un état supercritique.

Ainsi, l'astuce d'un réacteur nucléaire est de maintenir la réaction près d'un seuil critique en déplaçant les barres de contrôle d'avant en arrière, et de s'assurer qu'en cas de problème, les barres s'enfoncent dans le cœur et l'arrêtent.

Degré de

Le degré d'un nœud est le nombre de ses voisins. Jusqu'à présent, nous avons envisagé des réseaux de 4e degré. Mais que se passe-t-il si vous modifiez ce paramètre?

Par exemple, vous pouvez connecter chaque nœud non seulement avec quatre voisins immédiats, mais également avec quatre en diagonale. Dans un tel réseau, le diplôme sera de 8.



Les réseaux avec les degrés 4 et 8 sont bien symétriques. Mais au degré 5 (par exemple), le problème se pose: quels cinq voisins choisir? Dans ce cas, nous sélectionnons les quatre voisins les plus proches (N, E, S, W), puis sélectionnons au hasard un voisin dans l'ensemble {NE, SE, SW, NW}. Le choix est fait indépendamment pour chaque nœud à chaque pas de temps.

La discussion

Encore une fois, il n'est pas difficile de comprendre ce qui se passe ici. Lorsque chaque nœud a plus de voisins, les chances de propager l'infection augmentent - et, par conséquent, le réseau est plus susceptible de devenir critique.

Cependant, les conséquences peuvent être inattendues, comme nous le verrons ci-dessous.

Villes et densité du réseau

Jusqu'à présent, nos réseaux étaient totalement homogènes. Chaque nœud ressemble à un autre. Mais que se passe-t-il si nous modifions les conditions et autorisons différents états des nœuds à travers le réseau?

Par exemple, essayez de simuler des villes. Pour ce faire, augmentez la densité dans certaines parties du réseau (un plus grand nombre de nœuds). Nous le faisons sur la base de données selon lesquelles les citoyens ont un cercle social plus large et plus d'interactions sociales que les personnes en dehors des villes.

Dans notre modèle, les nœuds sensibles sont colorés en fonction de leur degré. Les nœuds dans la «campagne» ont le degré 4 (et sont de couleur gris clair), tandis que les nœuds dans les «villes» ont des degrés plus élevés (et sont plus sombres), à partir du degré 5 à la périphérie et se terminant par 8 dans le centre-ville .

Essayez de choisir une vitesse de distribution telle que l'activation couvre les villes, puis ne dépasse pas leurs frontières.



Je trouve cette simulation à la fois évidente et étonnante. Bien sûr , les villes ont un meilleur niveau culturel que les zones rurales - tout le monde le sait. Ce qui m'étonne, c'est qu'une partie de cette diversité culturelle naît simplement de la topologie du réseau social.

Ceci est un point intéressant, je vais essayer de l'expliquer plus en détail.

Il s'agit ici de formes culturelles qui se transmettent simplement et directement de personne à personne. Par exemple, les mœurs , les jeux de salon, les tendances de la mode, les tendances linguistiques, les rituels de petits groupes et les produits qui se propagent de bouche à oreille, ainsi que des paquets entiers d'informations que nous appelons des idées.

(Remarque: la diffusion d'informations entre les gens est extrêmement compliquée par les médias. Il est plus facile d'imaginer une sorte d'environnement technologiquement primitif, par exemple, la Grèce antique, où presque toutes les étincelles de la culture ont été transmises par interaction dans l'espace physique).

De la simulation ci-dessus, j'ai appris qu'il y a des idées et des pratiques culturelles qui peuvent être enracinées et diffusées dans la ville, mais elles ne sont tout simplement pas capables de se propager à la campagne (elles ne peuvent pas mathématiquement). Ce sont les mêmes idées et les mêmes personnes. Ce n’est pas que les villageois sont plutôt «d’esprit»: en interagissant avec la même idée, ils ont exactement les mêmes chances de la saisir que les citadins. C'est juste que l'idée elle-même ne peut pas devenir virale à la campagne, car il n'y a pas beaucoup de liens par lesquels elle peut se propager.

C'est peut-être le plus facile à voir dans le domaine de la mode - vêtements, coiffures, etc. Dans le réseau de la mode, nous pouvons fixer le bord du treillis lorsque deux personnes remarquent les tenues de l'autre. Dans le centre-ville, chaque personne peut voir plus de 1000 autres personnes chaque jour - dans la rue, dans le métro, dans un restaurant bondé, etc. À la campagne, au contraire, chaque personne ne peut en voir qu'une douzaine d'autres.Sur la base uniquement de cette différence , la ville est en mesure de soutenir plus de tendances de la mode. Et seules les tendances les plus convaincantes - avec la vitesse de transmission la plus élevée - pourront prendre pied en dehors de la ville.

Nous avons tendance à penser que si l'idée est bonne, elle atteindra finalement tout le monde et si l'idée est mauvaise, elle disparaîtra. Bien sûr, cela est vrai dans les cas extrêmes, mais entre eux, il y a un tas d'idées et de pratiques qui ne peuvent devenir virales que dans certains réseaux. C'est vraiment génial.

Non seulement les villes

Ici, nous considérons l'effet de la densité du réseau . Il est défini pour un ensemble donné de nœuds comme le nombre d' arêtes réelles divisé par le nombre d' arêtes potentielles . C'est le pourcentage de connexions possibles qui existent vraiment.

Ainsi, nous avons vu que la densité du réseau dans les centres urbains est plus élevée que dans les zones rurales. Mais les villes ne sont pas le seul endroit où l'on trouve des réseaux denses.

Un exemple intéressant est celui des écoles secondaires. Par exemple, pour un district particulier, nous comparons le réseau qui existe entre les écoliers avec le réseau qui existe entre leurs parents. Même zone géographique et même population, mais un réseau est beaucoup plus dense qu'un autre. Il n'est donc pas surprenant que la mode et les tendances linguistiques se propagent beaucoup plus rapidement chez les adolescents.

De même, les réseaux élites sont généralement beaucoup plus denses que les réseaux non élites - à mon avis, ce fait est sous-estimé (les gens qui sont populaires ou influents passent plus de temps à créer des réseaux, et donc ils ont plus de «voisins» que d'habitude). personnes). Sur la base des simulations ci-dessus, nous nous attendons à ce que les réseaux d'élite soutiennent certaines formes culturelles qui ne peuvent pas être prises en charge par le courant dominant, simplement sur la base de lois mathématiques, selon le degré moyen du réseau. Je vous laisse réfléchir à ce que peuvent être ces formes culturelles.

Enfin, nous pouvons appliquer cette idée à Internet, en la simulant comme énorme et très densela ville. Il n'est pas surprenant que de nombreux nouveaux types de culture prospèrent sur Internet, qui ne peuvent tout simplement pas être soutenus sur des réseaux purement spatiaux: loisirs de niche, meilleures normes de conception, plus grande prise de conscience de l'injustice, etc. Et ce ne sont pas seulement des choses agréables. Tout comme les premières villes étaient un foyer de maladies qui ne pouvaient pas se propager avec une faible densité de population, Internet est également un terrain fertile pour des formes culturelles malignes telles que les appâts cliquables, les fausses nouvelles et l'incitation à l'indignation artificielle.

Connaissances

«Engager le bon expert au bon moment est souvent la ressource la plus précieuse pour la résolution créative de problèmes.» - Michael Nielsen, «Inventer les découvertes»

Nous pensons souvent à la découverte ou à l'invention comme un processus qui se produit dans l'esprit d'un seul génie. Il est frappé par un éclair d'inspiration et - eureka! - soudain, nous obtenons une nouvelle façon de mesurer le volume. Ou l'équation de gravité. Ou une ampoule.

Mais si nous prenons le point de vue d'un seul inventeur au moment de la découverte, alors nous regardons le phénomène du point de vue du nœud . S'il serait plus correct d'interpréter l'invention comme un phénomène de réseau .

Le réseautage est important à au moins deux égards. Premièrement, les idées déjà existantes doivent pénétrer la conscience.inventeur. Ce sont des citations d'un nouvel article, une section bibliographique d'un nouveau livre - des géants, sur les épaules desquels se tenait Newton. D' autre part, le réseau est crucial pour le retour des nouvelles idées sauvegardent dans le monde; une invention qui ne s'est pas répandue ne vaut guère la peine d'être qualifiée d '«invention». Ainsi, pour ces deux raisons, il est logique de modéliser l'invention - ou, au sens large, la croissance des connaissances - en tant que processus de diffusion.

Dans un instant, je présenterai une simulation grossière de la façon dont les connaissances au sein d'un réseau peuvent se propager et se développer. Mais je dois d'abord expliquer.

Au début de la simulation, il y a quatre experts dans chaque quadrant de la grille, situés comme suit:



Expert 1 a la première version de l'idée - appelons-la Idea 1.0. Expert 2 est une personne qui sait comment transformer Idea 1.0 en Idea 2.0. Expert 3 sait comment convertir Idea 2.0 en Idea 3.0. Et enfin, le quatrième expert sait apporter la touche finale pour créer Idea 4.0.



Ceci est similaire à une technique comme l'origami, où des méthodes sont développées et combinées avec d'autres méthodes pour créer des designs plus intéressants. Ou il peut s'agir d'un domaine de connaissances similaire à la physique, dans lequel les travaux ultérieurs sont basés sur les travaux fondamentaux des prédécesseurs.

L'essence de cette simulation est que nous avons besoin des quatre experts pour contribuer à la version finale de l'idée. Et à chaque étape, l'idée doit être portée à l'expert approprié.



Quelques réserves. La simulation a codé de nombreuses hypothèses irréalistes. En voici quelques-unes:

1. On suppose que les idées ne peuvent être préservées et transmises autrement que d'une personne à l'autre (c'est-à-dire qu'il n'y a pas de livres et de médias).
   
2. On suppose qu'il existe des experts réguliers dans la population qui sont capables de générer des idées, bien qu'en réalité de nombreux facteurs aléatoires influencent la survenance d'une découverte ou d'une invention.
   
3. Pour les quatre versions de l'idée, le même ensemble de paramètres SIS est utilisé (taux de transfert, pourcentage d'immunité, etc.), bien qu'il soit plus réaliste d'utiliser probablement des paramètres différents pour chaque version (1.0, 2.0, etc.)
   
4. On suppose que l'idée de N + 1 supplante toujours complètement l'idée de N, bien qu'en pratique souvent les anciennes et les nouvelles versions circulent simultanément, sans vainqueur définitif.

... et bien d'autres.

La discussion

Il s'agit d'un modèle ridiculement simplifié de la croissance réelle des connaissances. En dehors de la portée du modèle, il y a beaucoup de détails importants (voir ci-dessus). Cependant, il reflète l'essence essentielle du processus. Et ainsi nous pouvons, avec des réserves, parler de la croissance des connaissances, en utilisant nos connaissances de diffusion.

En particulier, le modèle de diffusion permet de comprendre comment accélérer le processus : il est nécessaire de faciliter l'échange d'idées entre les nœuds experts. Cela peut signifier le nettoyage du réseau de nœuds morts qui interfèrent avec la diffusion. Ou cela pourrait signifier placer tous les experts dans une ville ou un cluster à haute densité de réseau, où les idées se répandent rapidement. Ou mettez-les simplement dans une pièce:



Donc ... c'est tout ce que je peux dire sur la diffusion.

Mais j'ai une dernière pensée, et elle est très importante. Il s'agit de la croissance ( et de la stagnation ) des connaissances dans les communautés scientifiques. Cette idée est différente dans le ton et le contenu de tout ce qui a été dit ci-dessus, mais j'espère que vous me pardonnerez.

À propos des réseaux scientifiques

L'illustration montre l'un des cycles de rétroaction positive les plus importants au monde (et il en est ainsi depuis un certain temps):



Le cycle amont (K ⟶ T) est assez simple: nous utilisons de nouvelles connaissances pour développer de nouveaux outils. Par exemple, une compréhension de la physique des semi-conducteurs nous permet de créer des ordinateurs.

Cependant, le mouvement à la baisse nécessite quelques explications. Comment le développement technologique conduit-il à une augmentation des connaissances?

Une façon - peut-être la plus directe - est lorsque les nouvelles technologies nous offrent de nouvelles façons de percevoir le monde. Par exemple, les meilleurs microscopes vous permettent de regarder plus profondément dans la cellule, jetant des idées pour la biologie moléculaire. Les trackers GPS montrent comment les animaux se déplacent. Sonar vous permet d'explorer les océans. Et ainsi de suite.

Bien sûr, il s'agit d'un mécanisme vital, mais il existe au moins deux autres façons de passer de la technologie à la connaissance. Ils ne sont peut-être pas aussi simples, mais je pense qu'ils sont tout aussi importants: d'

abord . La technologie mène à l'abondance économique (c'est-à-dire la richesse), ce qui permet à plus de personnes de s'engager dans la production de connaissances.

Si 90% de la population de votre pays est engagée dans l'agriculture et les 10% restants sont engagés dans une certaine forme de commerce (ou de guerre), alors les gens ont très peu de temps libre pour réfléchir aux lois de la nature. C'est peut-être la raison pour laquelle, dans le passé, la science était principalement promue par des enfants de familles riches.

Les États-Unis obtiennent chaque année plus de 50 000 docteurs en sciences. Au lieu d'avoir une personne qui va travailler à l'usine à l'âge de 18 ans (ou plus tôt), l'étudiant diplômé doit être financé jusqu'à 30 ou, éventuellement, jusqu'à 40 ans - et même dans ce cas, il n'est pas clair si son travail aura un effet économique réel. Mais il est nécessaire pour une personne d'atteindre l'avant-garde dans sa discipline, en particulier dans des domaines aussi complexes que la physique ou la biologie.

Le fait est que, du point de vue des systèmes, les spécialistes coûtent cher. Et la source ultime de richesse sociale qui finance ces professionnels est la nouvelle technologie: la charrue subventionne le stylo.

Deuxième. Les nouvelles technologies, notamment dans le domaine des voyages et des communications, modifient la structure des réseaux sociaux dans lesquels les connaissances se développent. En particulier, cela permet aux experts et aux spécialistes d'interagir plus étroitement les uns avec les autres.

Les inventions notables ici incluent l'imprimerie, les bateaux à vapeur et les chemins de fer (facilitant les voyages et / ou l'envoi de courrier sur de longues distances), les téléphones, les avions et Internet. Toutes ces technologies contribuent à augmenter la densité du réseau, en particulier au sein des communautés spécialisées (où se produit presque toute la croissance des connaissances). Par exemple, les réseaux de correspondance qui ont vu le jour parmi les scientifiques européens à la fin du Moyen Âge, ou comment les physiciens modernes utilisent arXiv.

En fin de compte, ces deux voies sont similaires. Les deux augmentent la densité du réseau de spécialistes, ce qui entraîne à son tour une augmentation des connaissances:



Pendant de nombreuses années, j'ai été plutôt dédaigneux de l'enseignement supérieur. Un court séjour à l'université a laissé un arrière-goût désagréable en bouche. Mais maintenant, quand je regarde en arrière et que je réfléchis (il n'y a pas d'abstraction de tous les problèmes personnels), je dois conclure que l'enseignement supérieur est toujours extrêmement important.

Les réseaux sociaux universitaires (par exemple, les communautés de recherche) sont l'une des structures les plus avancées et les plus précieuses créées par notre civilisation. Nulle part nous n'avons accumulé une grande concentration de spécialistes axés sur la production de connaissances. Nulle part les gens n'ont développé en eux-mêmes une plus grande capacité à comprendre et à critiquer leurs idées respectives. C'est le cœur battant du progrès. C'est dans ces réseaux que le feu des Lumières brûle le plus.

Mais nous ne pouvons pas tenir les progrès pour acquis. Si la crise de l'irreproductibilité des expériences nous a appris quelque chose, c'est que la science peut avoir des problèmes systémiques. Il s'agit d'une sorte de dégradation du réseau.

Supposons que nous distinguions deux façons de faire de la science: la vraie science et le carriérisme . La vraie science est des pratiques qui produisent de manière fiable des connaissances. Elle est motivée par la curiosité et caractérisée par l'honnêteté (Feynman: «Vous voyez, j'ai juste besoin de comprendre le monde»). Le carriérisme, au contraire, est motivé par des ambitions professionnelles et se caractérise par un jeu de politique et d'étiquettes scientifiques. Il peut ressembler et agir comme une science, mais ne produit pas de connaissances fiables.

(Oui, c'est une dichotomie exagérée. Juste une expérience de pensée. Ne me blâmez pas).

Le fait est que lorsque les carriéristes occupent une place dans la vraie communauté de la recherche, ils gâchent le travail. Ils s'efforcent de se promouvoir, tandis que le reste de la communauté essaie d'acquérir de nouvelles connaissances et de les partager. Au lieu de viser la clarté, les carriéristes compliquent et confondent tout pour paraître plus impressionnant. Ils font (comme dirait Harry Frankfurt) des conneries scientifiques. Et, par conséquent, nous pourrions les modéliser comme des nœuds morts, à l'abri de l'échange authentique d'informations nécessaires à la croissance des connaissances:



Le meilleur modèle est peut-être celui dans lequel les nœuds de carrière ne sont pas seulement à l'abri des connaissances, mais diffusent activement les fausses connaissances . Les fausses connaissances peuvent inclure des résultats insignifiants, dont l'importance est gonflée artificiellement, ou des résultats vraiment faux qui résultent d'une manipulation ou de données fabriquées.

Quelle que soit la façon dont nous les modélisons, les carriéristes peuvent certainement étrangler nos communautés scientifiques.

Ceci est similaire à la réaction nucléaire en chaîne dont nous avons désespérément besoin - nous avons besoin d'une explosion de connaissances - seulement dans notre U-235 enrichi y a-t-il trop de mélange de l'isotope non réactif U-238 qui supprime la réaction en chaîne.

Bien sûr, il n'y a pas de différence claire entre les carriéristes et les vrais scientifiques. Chacun de nous a un peu de carriérisme. La question est de savoir combien de temps le réseau peut résister avant que la propagation des connaissances ne s'efface.

---

Oh, tu le lis jusqu'au bout. Merci d'avoir lu.

Licence

CC0 Tous droits réservés. Vous pouvez utiliser ce travail comme bon vous semble :).

Remerciements

• Kevin Kwoku et Nicky Case pour des commentaires et suggestions réfléchis sur diverses versions du projet.
  
• Nick Barr - pour un soutien moral tout au long du processus et pour les commentaires les plus utiles sur mon travail.
  
• Kita A. pour m'avoir signalé le phénomène de percolation et le seuil de percolation.
  
• Jeff Lonsdale pour le lien vers cet essai , qui (malgré ses nombreux défauts) est devenu la principale incitation à travailler sur ce poste.

Exemples d'essais interactifs

• Tout le travail de Nicky Keyes, notamment «La parabole des décharges» (avec Wi Hart) et «L'élaboration du meilleur bulletin de vote» . Il s'agit d'un standard élevé pour ce qu'un essai interactif peut être.
  
• Distill.pub : descriptions d'apprentissage automatique interactif de qualité exceptionnelle.
  
• L'œuvre classique de Bret Victor «Monter et descendre les escaliers de l'abstraction» . Je n'ai pas très bien fait avec les escaliers, mais il y a toujours une tentative de plus.