A young Afghan refugee poses at The United Nations High Commissioner for Refugees (UNHCR) registration centre on the outskirts of Peshawar, June 20, 2011, prior to returning to her home country Afghanistan (A. Majeed/AFP/Getty Images). From Boston.com
Monthly Archives: June 2011
سیستمهای پیچیده – نوزده – یک راه حل ساده برای جلوگیری از واگیر
Image from The Professionalism Blog
فرض کنین خطر واگیر آنفلوانزا وجود داره. تعدادی واکسن موجوده، اما این تعداد خیلی خیلی کمتر از تعداد افراد جامعه است. در این حال چه طور باید واکسنها رو توزیع کنیم تا شبکهی اجتماعی در برابر واگیر احتمالی مقاوم باشه؟
اگر امکاناش وجود داشت، کسانی رو پیدا میکردیم که در شبکه پرارتباطتر هستن و دوستهای بیشتری دارن (به عبارت دیگه «هاب»ها رو). اما همیشه امکان پیدا کردن این افراد وجود نداره و الزاما اطلاع دقیقی نداریم که چه کسانی در یک شبکهی اجتماعی از اون آدمهای پرارتباط هستن. «تام کارتر» میگفت یک راه اینه که یک تعداد ژتون به تعداد واکسن موجود تهیه کنیم، به طور تصادفی بین افراد جامعه پخش کنیم، در مورد عملکرد ژتون توضیحی ندیم، ازشون بخوایم که یکی از دوستانشون رو به طور تصادفی انتخاب کنن و ژتون رو به اون بدن. بعد بگیم کسانی که ژتون دارن میتونن واکسن بزنن. با همین روش ساده، جلوی واگیر خیلی بهتر از وقتی گرفته میشه که افراد رو به صورت تصادفی واکسینه کنیم.
اما چرا این روش کار میکنه؟ قبلتر نوشته بودم که به طور متوسط دوست شما از شما محبوبتره. پس به همین ترتیب اگر یک نفر ژتون رو دریافت کنه و به طور تصادفی ژتون رو به یکی از دوستانش بده، به احتمالی (قابل توجه) ژتون رو به یکی از همین افراد پردوست شبکه داده که بعدتر باعث میشه همون شخصی که «هاب» هست، واکسینه بشه. از طرفی وقتی افراد پر ارتباط واکسینه میشن، شانس واگیری ویروس در شبکه کم میشه. در اینجا میتونین یک مدل شبیهسازی شبکه رو ببینین. شاید همونجا توی صفحه قابل اجرا باشه. در غیر این صورت باید مدل رو دانلود کنین. اگر برنامهی «نتلوگو» ندارین، میتونین بگیرین و نصب کنین (رایگانه). با مدل بازی کنین. شبکه رو بسازین، بعضی افراد رو آلوده کنین و بعد قدم به قدم ببینین که بیماری چه طور واگیر پیدا میکنه. یک بار دیگه این کار رو انجام بدین، اما قبل از آلودگی بعضی افراد (و یا دوستانشون) رو واکسینه کنین و ببینین در این حالت چه طور شبکه آلوده میشه.
سیستمهای پیچیده – هیجده – واگیر در شبکههای اجتماعی
Image from Dr. Christian von Ferber’s website
قبلتر نوشته بودم که در شبکههای «دنیای کوچک» و شبکههای «بی مقیاس» (مثل شبکههای اجتماعی) بعضیها هستن که حالت مرکزیتری دارن و با افراد خیلی بیشتری در ارتباط هستن در حالی که عموم افراد با تعداد کمتری رابطه دارن. چیزی شبیه به شکل بالا.
در این حال اگر قرار باشه در شبکه واگیری به وجود بیاد، همین افراد نقش خیلی مهمی ایفا میکنن. مثلا وقتی آنفلوانزا واگیردار میشه، اگر یکی از همین افراد پرارتباط مبتلا بشه، بیماری خیلی سریعتر در جامعه منتشر میشه. از اون طرف اگر این افراد پرارتباط ایمنی داشته باشن (مثلا واکسن زده باشن)، احتمال متوقف شدن و از بین رفتن واگیر بیشتر میشه.
یکی دیگه از نمونههای این شبکهها شاید شبکههای کامپیوتری باشن. بعضی از ماشینها با تعداد خیلی زیادی ماشین در ارتباط هستن در حالی که اکثر ماشینها با یک یا تعداد کمی ارتباط دارن. مزیت این ساختار چیه؟ شبکه کمابیش در برابر اتفاقهای ناخواسته ایمنه. مثلا اگر یکی از ماشینها به طور تصادفی خراب بشه، اخلالی در کار شبکه پیش نمییاد چون که اون ماشین به احتمال خیلی زیاد یکی از ماشینهای کمارتباط بوده و ساختار شبکه هنوز پابرجاست و ارتباطها به جای خودشون هستن. عیب این ساختار چیه؟ شبکه در برابر حملههای سازمانیافته آسیبپذیره. مثلا تصور کنین که کسی بتونه به نوعی به سایتی مثل گوگل حمله کنه و اون رو از کار بندازه. در این حال جمعیت خیلی بیشتری آسیب میبینن و ساختار شبکه به طور کلی زیر و رو میشه.
شاید این نوشته کاملا دقیق نباشه. به خصوص این که من هنوز هم در درک مفهوم شبکههای «دنیای کوچک» و «بیمقیاس» مشکل دارم. لطفا اگر نظری دارین من رو در جریان بگذارین.
حتا زمان هم نمیتونه غم رو از بین ببره
«میگن که زمان خاطرات تلخ رو از بین میبره. اما اینطورها هم نیست. تنها کاری که زمان میکنه اینه که غم دیر به دیرتر بیرون میریزه».
جملهی بالا از «استوارت کافمن» هست در مورد این که بعد از سالها همچنان غم مرگ دخترش رو به همراه داره. نقل شده در کتاب «پیچیدگی»