×

Показатели Хипса более высокого порядка в реальных наборах данных. Источник.

Мы с самого детства изучаем мир, отчего новизна как явление стала неотъемлемой частью человеческой жизни. Открытие чего-то нового всегда было благом для выживания, позволяя нам адаптироваться не только к ситуации, но и в целом к среде обитания. Посредством системы вознаграждений наш мозг охотно откликается на что-то такое, чего раньше не было в картине нашего мира. Будь то новенький гаджет, умеющий что-то этакое, места в путешествии или даже просто отвлечённые сведения, непосредственно на жизнь никак не влияющие (например, песня или сплетни о её исполнителе) — любое открытие оставляет свой след в нашем «сером веществе».

Однако, помимо этого, мозг и сам любит создать что-то новое. Благодаря этой его потехе мы занимаемся технологическими разработками, новыми лекарствами, изучаем устройство мира и даже конструируем не только гипотетические, но и откровенно фантастические миры. Изучение же того, как мы исследуем мир в поисках нового, в свою очередь, является ключом к пониманию наших внутренних механизмов, которые приводят нас к открытиям, инновациям, творчеству.

Исследование, опубликованное в Nature Communications изучает «динамику появления новинок более высокого порядка». Однако, если в предыдущих работах сходного направления новое определялось как первое появление какого-либо элемента, то в данном случае внимание уделено тому, что новое всегда стоит на объединении уже известных знаний (так называемые комбинаторные инновации). Иначе говоря, новое — это открывшиеся связи знакомых фактов.

Команда учёных, возглавляемая профессором Вито Латора из Лондонского университета королевы Марии, выявила интересные закономерности в том, как мы комбинируем существующие элементы для создания чего-то нового. Потенциально это может изменить наш подход к творчеству и инновациям.

«Меня всегда привлекали креативность и инновации, которые являются движущими силами человеческого прогресса. Эта статья — одна из серии теоретических и прикладных работ моей исследовательской группы по изучению и моделированию механизмов, лежащих в основе креативности, с целью понять, что делает новую идею, команду, продукт или технологию успешными», — рассказывает профессор.

Первые выступления.

Чтобы изучить вопрос, были проанализированы реальные данные из трёх источников. Одна из основных проблем оказалась в том, что большинство предшествующих исследований было сосредоточено на новшествах первого порядка — то есть на первом появлении отдельных элементов. Например, попробовать что-то новое или впервые посетить новое место.

Естественно, такой подход упускает из виду важный механизм инноваций — сочетание существующих элементов для создания чего-то нового. Например, слова можно соединять по-разному, чтобы создавать новые стихи или рассказы, или музыкальные ноты можно комбинировать, чтобы создавать совершенно новые песни.

 «В нашем исследовании мы ввели и изучили более общее понятие новизны, которое мы назвали новизной более высокого порядка, — поясняет профессор Латора, — и определили как первое появление двух или более элементов в последовательности».

Таким образом, новинки более высокого порядка — это первое появление двух или более элементов вместе. К этому вводятся показатели более высокого порядка для характеристики скорости обнаружения конкретных сочетаний элементов. Чтобы смоделировать зарождение этих комбинации, группа разработала фреймворк ERRWTEdge-Reinforced Random Walk with Triggering (усиленное по краям случайное блуждание с запуском).

модель блуждания

Модель случайного блуждания с усилением границ и триггерами (ERRWT). Источник

Случайное блуждание и ошибка.

Структура ERRWT основана на математической модели так называемого случайного блуждания, которая описывает эволюцию системы на основе дискретных шагов, когда перемещение между позициями происходит совершенно случайным образом, при этом каждое перемещение в любом направлении имеет равную вероятность, но следующее положение блуждающего объекта зависит только от его текущего положения.

Инновация модели заключается в том, как она имитирует эволюцию идей. По мере того, как условный ходок (читай — мысль) перемещается по сети вариантов, он не просто проходит по существующим маршрутам — он создаёт новые связи, запуская появление новых узлов.

«Представьте, что все предметы, которые мы можем исследовать, или все идеи, которые у нас могут быть, — объясняет Латора, — можно описать как узлы сети, связи между которыми представляют собой отношения или сходство между двумя предметами или понятиями».

Возникновение новой комбинации элементов учёные назвали активацией новой связи, а укрепление связей между часто используемыми комбинациями — их усилением. Это очень похоже на работу нашего мозга и, в частности, память. И вот теперь у нас есть наглядное представление о том, каким образом происходят реальные процессы открытий, расширяющие наш горизонт возможностей.

Как уже говорилось, модели ERRWT скормили наборы данных трёх сервисов: двух библиотек (Project Gutenberg, представляющей художественную литературу, и Semantic Scholar — нейро-инструмента для работы с научными статьями) и музыкальной платформы Last.fm.

На примере последней профессор Латора объяснил, как работает их модель: «Чем больше мы слушаем песню или ассоциируем две песни, тем выше вероятность, что мы повторим песню или ассоциацию в будущем. Более того, это также означает, что открытие новых песен или ассоциаций создаёт расширяющееся пространство возможностей, которые становятся доступны нам только в тот момент, когда мы открываем то, что находится рядом с ними».

Конец формы

Закон Хипса.

Команда обнаружила, что комбинации следовали степенным соотношениям роста, управляемым законом Хипса. Он представляет собой эмпирически выведенную закономерность, которая утверждает, что рост общего числа слов в документе сокращает долю уникальных слов в нём. И хоть это математическое соотношение касается лингвистики, оно, описывая возникновение новых комбинаций с течением времени, вполне предсказуемо позволяет оценить количество и прогнозирование инновационных процессов.

Моделирование показало, что при одинаковой скорости распознавания отдельных элементов разные процессы могут иметь очень разную скорость обнаружения комбинаций. Например, в наборе данных Last.fm пользователи с одинаковой частотой открытия новых песен могут по-разному выстраивать их в хронологическом порядке. Или же, что касается литературы, авторы оказались склонны чаще создавать новые ассоциации слов, чем вводить новые слова. Наконец, научные статьи демонстрируют более креативные сочетания слов по сравнению с повествованием, особенно в заголовках статей.

ERRWT показал, как и структура сети, и модели исследования эволюционируют совместно. Это означает, что для понимания реальных закономерностей необходимы усиление существующих и активация новых связей.

Последствия и будущая работа.

Представленная концепция обновляет научное понимание творческого процесса, устраняя разрыв между индивидуальными открытиями и комбинаторными прорывами. Полученные результаты позволяют актуализировать усилия по разработке сочетаний существующих знаний в пользу новых научных открытий. Это также даёт возможность каждому из нас по-другому взглянуть на собственный творческий метод.

 «Изучение творческих процессов и понимание того, как появляются новые идеи и как новшества могут стимулировать дальнейшие открытия, является основополагающим, если мы хотим разработать эффективные меры для обеспечения успеха и устойчивого роста нашего общества, — считает профессор Латора. — Мы считаем, что наши выводы и предложенные модели можно напрямую использовать для ответа на вопросы о взлёте и падении популярности товаров или идей».

В качестве развития идеи, исследователи нацелились усовершенствовать модель путём включения в неё социального компонента, которого сейчас не хватает.

 


АРМК, по материалам Science X.