Тягу человека к новому описали математически
Многопрофильная международная команда ученых математически описала тягу к новизне и оценила ее место в жизни человека. Результаты вышли статьей в журнале Nature Communications.
Открытия в жизни человека можно условно разделить на две большие категории. Личные — это узнавание отдельного элемента, например, места, песни или художника. И общие для всего человечества, такие как технологические разработки или научные достижения.
Первые впечатления
Предыдущие исследования фокусировались на новизне первого порядка — первом впечатлении от, например, дегустации нового блюда или поездки в неизведанное место. Однако такой подход упускает важную часть новшеств — комбинирование существующих элементов для создания чего-то нового.
Например, слова можно объединять разными способами, чтобы создавать стихи или истории, а музыкальные ноты — чтобы написать новую песню. Последнее называется новизной высшего порядка.
«В нашем исследовании мы ввели и изучили более общее понятие новизны — новизну высшего порядка, которая определяется как первое совместное появление двух или более элементов в последовательности», — рассказывает профессор прикладной математики Вито Латора, заведующий кафедрой сложных систем Лондонского университета королевы Марии.
Случайные блуждания и ERRWT
Для моделирования таких комбинаций был разработан метод под названием Edge-Reinforced Random Walk with Triggering (ERRWT). Он основан на случайном блуждании — математической модели, описывающей эволюцию системы на основе отдельных шагов. В этом методе следующая позиция «блуждающего» зависит только от текущей, а перемещение между позициями абсолютно случайно — с равной вероятностью для каждого направления.
«Представьте, что все элементы, которые мы можем исследовать, или идеи, которые можем придумать, — это узлы сети. Связи между ними отражают отношения или сходство между двумя элементами или концепциями», — объясняет профессор.
Инновация модели — в том, как она имитирует эволюцию таких сетей. По мере перемещения «блуждающий» не только проходит по существующим путям, но и создает новые связи, запуская появление новых узлов. Это отражает реальный процесс открытий, расширяющий горизонты возможного.
ERRWT использовали для анализа трех наборов данных: история прослушивания музыки (Last.fm), литературные тексты (Project Gutenberg) и научные статьи (Semantic Scholar).
«Чем чаще мы слушаем песню или связываем две песни, тем выше вероятность повторить их в будущем. Кроме того, открытие новых песен или ассоциаций создает расширяющееся пространство возможностей, доступное только после их "разблокировки"», — продолжает Латора.
Закон Хипса
Исследователи обнаружили, что комбинации следуют предсказуемым паттернам, описываемым законом Хипса — степенной зависимостью роста.
Он говорит о том, что чем больше слов в запасе, тем меньше вероятность их использования — вместо этого мы чаще будем повторять уже знакомые слова и фразы. Этот закон помогает объяснить, почему в длинных текстах или больших наборах данных одни и те же слова встречаются чаще, чем другие. Он показывает, что рост количества уникальных элементов (слов, идей, продуктов) происходит медленнее, чем общий рост числа элементов.
Например:
- В данных Last.fm пользователи с одинаковой частотой открытия новых песен могут по-разному их комбинировать в плейлистах;
- В литературных текстах авторы чаще создают новые синтаксические конструкции, нежели вводят новые слова;
- В научных статьях (особенно в заголовках) наблюдается больше креативных комбинаций слов, чем в художественных текстах.
Модель ERRWT показала, как структура сети и паттерны исследования совместно эволюционируют, подтвердив, что для объяснения реальных процессов необходимы как укрепление связей, так и создание новых.
Значение и перспективы
Новая модель позволяет глубже понять новизну, объединяя индивидуальные открытия и комбинаторное творчество. В конечном итоге это поможет обучению творчеству и развитию креативности.
«Изучение творческих процессов и механизмов появления новых идей критически важно, если мы хотим развивать общество. Наши модели могут помочь понять, почему одни идеи или продукты становятся популярными, а другие — нет», — заключил Латора.
В будущем команда планирует расширить модель, добавив социальный компонент, который пока отсутствует.