Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
QR/Going Critial (19.05)
개요 : 네트워크를 통한 전파와 확산에 대한 내용을 인터랙티브하게 설명•
원문 : https://www.meltingasphalt.com/interactive/going-cr...
※ SIR 모델 예시 (전파율 50%) ※ SIS 모델 예시 (전파율 35%)
4. 바이럴 전환 (Going Critical)
시뮬레이션 결과, 전파율이 10% 정도로 낮을 경우 감염은 말라 죽는 경향이 있고, 50% ...
시뮬레이션 결과, 자연 활성율의 변화는 네트워크 감염 확산에 영향을 미치지 않음. 여전히 중요한 것은 전파율•
주위 환경이 충분하지 않을 경우 감염 노드가 자연 발생하더라도 금방 소멸됨 (젖은 땅에 불씨가 내려 앉으면 ...
산불 방지를 막기 위해, 개인들은 주변의 잔불을 살펴보고 확인하는 레벨에서 주의하지만, 범위가 커질 경우 방
화벽이나 방화대를 설치해야 산불을 막을 수 있음
○
군중 면역(herd immunity) : 몇몇이 백신을 맞...
예절, 실내 게임, 패션 트렌드, 구전으로 확산되는 제품 등 사람과 사람 간에 직접 전파되는 문화의 형성에 대해
다루고 있음 (사람 대 사람 간의 확산은 매스미디어에 의해 너무나 복잡해져 있으므로, 여기서는 고대 그리스...
아이디어 4.0이 확산된다고 가정하고 시뮬레이션
전문가 분포 및 아이디어 진행 시뮬레이션 결과
시뮬레이션 결과, 이 확산 모델은 어떻게 스피드를 높일 것인가에 대한 영감을 줌 : 전문가 노드들이 아이디어를 공유
하기 위...
진짜 과학자는 호기심에 자극받아 지식을 생산하고 정직함이 특징이나, 출세지향 과학자는 직업적 야망에 자극
을 받아 정치를 하고 단편적인 과학을 이야기함
○
출세지향 과학자들이 진짜 과학자 연구 커뮤니티를 망치고 있음 :...
Prochain SlideShare
Chargement dans…5
×

Going Critical 퀵리뷰

39 vues

Publié le

네트워크를 통한 전파와 확산에 대한 내용
원문 : https://www.meltingasphalt.com/interactive/going-critical/

Publié dans : Médias sociaux
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Going Critical 퀵리뷰

  1. 1. QR/Going Critial (19.05) 개요 : 네트워크를 통한 전파와 확산에 대한 내용을 인터랙티브하게 설명• 원문 : https://www.meltingasphalt.com/interactive/going-critical/• 주의사항 : 네트워크 확산 시뮬레이션은 원문 사이트에 방문하여 직접 해 볼 것!• (190516) 최초 작성○ 히스토리• ▶ 문서정보 1. 시작 세포 속 화학반응의 경로, 생태계 내 관계망, 교역망, 인터넷 상의 소셜 네트워크, 신경망 등○ 네트워크(Network)가 우리 세상을 지배하고 있음• 사람들 속에서 숙주-숙주로 질병이 퍼지는 현상, 소셜 미디어에서 팔로워를 통해 밈(meme)이 퍼지는 것, 산불 의 확산, 문화를 통해 아이디어와 실제행동이 확산 등등 ○ 글의 주제 : 어떤 것(thing)들이 네트워크를 통해 이동하고 확산하는 방식• 2. 네트워크 모델 정의 및 가정 네트워크는 노드(node)와 에지(edge)로 구성• 특정 노드를 활성(active, 혹은 감염, infected) 노드로 명명할 수 있으며, 노드의 활성화(감염)가 네트워크로 확산 (diffusion)됨 • 여기서는 간단하게 격자(grid) 네트워크를 가정 : 격자 네트워크는 픽셀로 표현 가능 (격자 네트워크의 이웃은 4명)• • 활성(감염) 노드는 자신의 상태를 항상 비활성(감염되지 않은) 이웃 노드에게 전파함 ※ 네트워크 모델 3. 두가지 모델 : SIR vs. SIS 모든 노드들은 민감한 상태로 시작하며 일부 노드는 처음부터 감염되어 있음○ 감염된 노드들은 일정 확률(=전파율, Transmission Rate)로 이웃의 민감한 노드들을 감염시킴○ 감염된 노드들은 그 이후 제거된 노드로 상태가 바뀌어 다시 감염되지 않음 (제거된 = 해당 사람이 죽었거나, 질병에 면역이 되었거나) ○ SIR : 노드의 상태가 민감한(Susceptible)-감염된(Infected)-제거된(Removed)의 3가지로 변화• 면역 상태가 없으므로 SIR 모델과 다르게 감염이 오랫동안 전파되어 살아 있음○ SIS : 노드의 상태가 민감한(Susceptible)-감염된(Infected)-민감한(Susceptible)의 3가지로 변화• QR/Going Critical (19.05) 2019년 5월 16일 목요일 오후 2:47 자기계발 페이지 1
  2. 2. ※ SIR 모델 예시 (전파율 50%) ※ SIS 모델 예시 (전파율 35%) 4. 바이럴 전환 (Going Critical) 시뮬레이션 결과, 전파율이 10% 정도로 낮을 경우 감염은 말라 죽는 경향이 있고, 50% 정도의 높은 값일 경우 감염은 계속 살아서 네트워크를 지배하는 것을 볼 수 있음 : 네트워크가 무한할 경우 영원히 감염이 확산되며, 이러한 무제한 의 확산을 'Going Viral', 'Going Nuclear', 'Going Critical' 등으로 부름 • 결국 소멸되거나(=임계치 이하, subcritical network), 계속 유지하면서 성장하는(=임계치 이상, supercritical network) 네트워크 사이의 티핑 포인트가 존재하며 이를 임계치(critical threshold)라고 함 • 22% 이하일 경우 감염은 최종적으로 사라지며, 23% 이상일 경우 초기 감염이 가끔 사라지지만 대부분은 살아 남아서 계속 전파됨 ○ 네트워크의 임계치는 존재하지만 정확한 값은 네트워크마다 다름 : 위 SIS 시뮬레이션에서 네트워크의 임계치는 전파 율 22~23% 사이임 • 이를 일반화하면 '임계치 이하일 경우 네트워크 상의 모든 감염은 결국 소멸됨. 그러나 임계치 이상일 경우, 계속 살 아남아서 확산될 확률이 존재함' • 시뮬레이션에서 최초 감염된 단일 노드가 이웃의 4개 노드로 전파하는 걸로 시작하지만, 자기 자신에게도 전파 할 수도 있으므로 감염 기회는 5번이 됨. ○ 전파율을 50%라고 가정하면, 시뮬레이션의 최초 단계는 5번의 동전 던지기와 동일하고, 동전 던지기가 전부 실 패할 경우 감염은 소멸됨(약 3%의 확률) ○ 첫번째 단계에서 살아남은 감염은 그 다음 단계로 갈수록 소멸될 확률이 줄어듬○ 임계치 이상의 네트워크라도 항상 살아남지는 않는데, 이는 초기 단계에서 살아남지 못하는 경우가 많기 때문• 5. SISa 모델 민감 노드가 이웃으로부터 감염되는 것이 아니라 랜덤하게 감염 노드로 변화○ SIS 모델에 자연 활성률 파라미터를 추가한 SISa 모델 (a는 automatic)○ 초기 감염자가 없는 네트워크의 경우, 자연적 활성(감염)이 필요 :• 자기계발 페이지 2
  3. 3. 시뮬레이션 결과, 자연 활성율의 변화는 네트워크 감염 확산에 영향을 미치지 않음. 여전히 중요한 것은 전파율• 주위 환경이 충분하지 않을 경우 감염 노드가 자연 발생하더라도 금방 소멸됨 (젖은 땅에 불씨가 내려 앉으면 금방 꺼 져 버림) -> 세상이 아이디어를 받아들일 준비가 되어 있지 않으면 지속되지 않고 간헐적으로 발명되지만, 수요가 있 고 준비가 되어 있으면 태어나자 마자 금방 확산될 수 있음을 의미 • 6. 면역 (Immune) 특정 노드들을 활성(감염)에 면역되도록 설정하고 시뮬레이션 진행• ※ 면역율 : 5% ※ 면역율 : 20% 시뮬레이션 결과, 노드의 면역율은 네트워크의 확산에 절대적인 영향을 끼침을 확인 : 면역 노드가 많을수록 각각의 감염이 신규 숙주로 확산될 기회가 줄어들게 됨 • 자기계발 페이지 3
  4. 4. 산불 방지를 막기 위해, 개인들은 주변의 잔불을 살펴보고 확인하는 레벨에서 주의하지만, 범위가 커질 경우 방 화벽이나 방화대를 설치해야 산불을 막을 수 있음 ○ 군중 면역(herd immunity) : 몇몇이 백신을 맞지 않아서 감염 위험이 있지만, 충분한 사람이 면역되어 있다면 질병이 무한대로 퍼지지 않음을 의미 →즉 충분한 사람을 접종하면, 어떤 환자가 외부 여행에서 돌아오면서 질 병에 걸릴 수 있지만 전체 네트워크로 확산되지는 않음 ○ 감염이 신규 숙주로 확산될 기회가 줄어들게 됨 원자로 연쇄 반응 과정에서 쇠퇴기의 우라늄 235 원자는 3개 이하의 중성자를 만들며 이 중성자들이 다른 U-235 원자를 건드리면서 기하급수적으로 반응이 발생함 ○ 원자폭탄의 경우 이 확산 과정을 건드리지 않지만, 원자력 발전소에서는 제어봉(control rods)을 통해 확산 과정 을 제어함 : 제어봉은 중성자를 흡수할 수 있는 소재로 만들며, 결과적으로 위 시뮬레이션의 면역 노드로 동작 하게 됨 ○ 원자로 반응 과정에서 면역 노드를 사용함• 7. 급수 (Degree) 노드의 급수는 해당 노드가 가진 이웃의 수 : 위 시뮬레이션은 급수 4의 네트워크에 해당• ※ 급수 : 4 ※ 급수 : 8 시뮬레이션 결과, (당연하게도) 더 많은 이웃을 가질수록 확산 기회가 늘어남을 알 수 있음• 8. 도시와 네트워크 밀도 지금까지 이야기한 네트워크는 모든 노드가 동일했지만, 실제로는 네트워크별로 상황이 다름 : 예를 들어 도시의 경 우 시내 거주자들이 시외 거주자들에 비해 더욱 많은 관계와 더 넓은 사회적 반경을 가지고 있음 • 도시 중심의 급수를 높게, 도시 외곽의 급수를 낮게 잡아서 시뮬레이션을 진행 (시골=4, 외곽=5, 시내=8)• 자기계발 페이지 4
  5. 5. 예절, 실내 게임, 패션 트렌드, 구전으로 확산되는 제품 등 사람과 사람 간에 직접 전파되는 문화의 형성에 대해 다루고 있음 (사람 대 사람 간의 확산은 매스미디어에 의해 너무나 복잡해져 있으므로, 여기서는 고대 그리스와 같이 직접 만나서 전파되는 초기 환경으로 가정함) ○ 어떤 아이디어나 문화 경험들은 도시에서는 발생하여 확산될 수 있지만, 시골에서는 그렇지 않음을 확인 : 시골 은 확산될 수 있는 연결고리가 많지 않으므로 아이디어 자체가 퍼질 수 없는 환경 (하루에 1천명 이상을 볼 수 있는 도시 중심가 vs. 하루에 수십명만 볼 수 있는 시골) ○ 좋은 아이디어는 확산되고 나쁜 아이디어는 사라질 것으로 생각하는 경향이 있지만 이는 부분적으로 사실임○ 시뮬레이션 결과, 당연히 도시가 더욱 다양한 문화를 지원하지만, 도시가 가진 소셜 네트워크망을 고려하지 않을 경 우 문화적 다양성이 나타나지 않는 것으로 보임 (※ 번역 확인 필요) • 주어진 노드 집합에서 실제 에지 수를 잠재적인 에지 수로 나눈 값으로, 실제로 존재하는 가능한 연결 비율○ 도시 중심은 시골 지역보다 높은 네트워크 밀도를 가지지만, 도시가 밀집된 네트워크를 갖는 유일한 장소는 아 님 : 고등학교가 좋은 사례로, 지역과 인구 규모는 동일하지만 학생들 사이에서 패션과 유행어가 퍼지는 속도와 부모들 간에 확산되는 속도가 다름. 비슷하게, 인기가 좋고 권력이 있는 사람들은 네트워킹에 신경을 쓰므로 더 욱 많은 이웃을 가지게 됨 ○ 인터넷의 경우, 거대하면서도 매우 밀도높은 네트워크를 가진 도시로 모델링할 수 있음 : 틈새 취미, 더 나은 표 준, 부조리함의 목격과 같은 좋은 것들과 동시에 낚시 기사, 가짜 뉴스 등도 같이 확산됨 ○ 네트워크 밀도(Network density)• 9. 지식 (Knowledge) "제 때에 정확한 전문가를 만날 수 있는 건 창의적인 문제 해결에서 사람이 종종 가질 수 있는 가장 가치 있는 자원이 다" 종종 발견/발명을 어떤 천재의 마음 속에서 일어나는 프로세스로 생각하지만, 발명은 네트워크 상에서 일어나는 것으 로 해석할 수도 있음 • 네트워크는 2가지 점에서 중요함 : 첫째, 기존의 아이디어가 발명자의 마음속으로 들어갈 수 있는 길을 만들어 줌, 둘 째, 새로운 아이디어가 세상으로 나올 때 필수적임(확산되지 않은 '발명'은 '발명'이 아님). 따라서, 발명(지식의 확산) 을 확산 프로세스로 모델링하는 것은 말이 됨 • 격자 네트워크의 사분면에 각각 전문가 1, 2, 3, 4가 있고, 1→2→3→4 순으로 아이디어 1.0→2.0→3.0→4.0을 만들어서 아이디어 4.0이 확산된다고 가정하고 시뮬레이션 • 자기계발 페이지 5
  6. 6. 아이디어 4.0이 확산된다고 가정하고 시뮬레이션 전문가 분포 및 아이디어 진행 시뮬레이션 결과 시뮬레이션 결과, 이 확산 모델은 어떻게 스피드를 높일 것인가에 대한 영감을 줌 : 전문가 노드들이 아이디어를 공유 하기 위해서는 확산 경로의 죽은 노드를 삭제할 수도 있고, 모든 전문가들을 도시에 둘 수도 있으며, 그냥 같은 방에 전문가들을 모아 두어도 됨을 의미할 수 있음 • 10. 과학적 네트워크 위에서 기술→지식 : 새 도구를 만들기 위해 새 지식을 사용하는 것 (컴퓨터를 만들기 위해 반도체 물리학을 이해함)○ 지식→기술 : 새로운 기술이 세계를 인지하는 새로운 방법을 제공하는 것 (현미경이 발전할 수록 세포를 자세히 볼 수 있음) ○ 기술이 경제적 여유를 주도하여, 더 많은 사람들이 지식 생산에 특화되도록 함 (박사 전공자 수 증가)▪ 여행/통신 분야의 신기술로 지식이 성장하는 소셜 네트워크의 구조를 변화함▪ 그 외, 기술→지식으로 가는 2가지 방법○ 기술과 지식 사이의 가장 긍정적인 피드백 고리• 학교 내 소셜 네트워크는 가장 정교화되고 가치있는 것이지만, 최근 과학을 배우는 방법은 2가지로 구분 됨 : 진짜 과 자기계발 페이지 6
  7. 7. 진짜 과학자는 호기심에 자극받아 지식을 생산하고 정직함이 특징이나, 출세지향 과학자는 직업적 야망에 자극 을 받아 정치를 하고 단편적인 과학을 이야기함 ○ 출세지향 과학자들이 진짜 과학자 연구 커뮤니티를 망치고 있음 : 지식을 확산시키지 않으며 가짜 지식을 활발 하게 퍼뜨림 → 이들을 죽은(dead) 노드로 모델링 가능 ○ 학교 내 소셜 네트워크는 가장 정교화되고 가치있는 것이지만, 최근 과학을 배우는 방법은 2가지로 구분 됨 : 진짜 과 학자 vs. 출세지향 과학자 • - 문서의 끝 - 자기계발 페이지 7

×