مقتطف رئيسي--- نموذج لعبة: تشكيل الموناد عبر PageRank إليك نموذج لعبة خرسانية يلتقط ما أعتقد أنه يحدث فعلا. دعونا نسمي هذا النموذج اللعبي: مونادولوجيا PageRank*. ابدأ برسم بياني موجه. كل عقدة هي كوالي بدائي، عنصر أساسي من التجربة. تمثل الحواف الروابط السببية/الانتباهية: إذا كان هناك حافة من A إلى B، فإن A "يؤثر" على B بمعنى ظاهري ذو صلة. في كل خطوة زمنية، تحدث ثلاثة أمور: الخطوة 1: التقسيم. يتم تقسيم الرسم البياني إلى مجموعات منفصلة. تعرف كل مجموعة بأنها "مكون متصل بقوة"، أي إذا بدأت من أي عقدة في المجموعة وتبعت الحواف الموجهة، فإنك تعود في النهاية إلى حيث بدأت. تحاصر في المجموعة. هذه هي الموناد. الخطوة 2: تحديث شامل. داخل كل مجموعة، تقوم بتشغيل PageRank فورا. كل عقدة تحصل على وزن جديد بناء على هيكل المجموعة بأكملها. هذا ليس تحديثا محليا كما في نظام Windows Normal-Size-Fixed Automata. بل تعكس الحالة الجديدة لكل عقدة التكوين الكامل لمونادها في نفس الوقت. فكر فيها ك "لحظة التجربة" لذلك الموناد: تناغم شامل يأخذ في الاعتبار كل ما داخل الحدود. الخطوة 3: إعادة التوصيل. استنادا إلى الأوزان الجديدة والهيكل الموجود مسبقا، يعاد توصيل الرسم البياني. تتكون حواف جديدة وتتغير الطوبولوجيا. هذا يخلق مكونات جديدة مترابطة بقوة، وتتكرر الدورة. ماذا يعطينا هذا؟ أحجام الدلاء متغيرة، على سبيل المثال. يمكن أن تكون المكونات المترابطة بقوة بأي حجم، من عقد واحدة إلى مجموعات ضخمة. لا يوجد شيء في النموذج يصلح هذا مسبقا؛ ينبثق من الطوبولوجيا. وقاعدة تحديث شاملة: داخل كل موناد، تأخذ خوارزمية PageRank في الاعتبار البنية الداخلية بأكملها في نفس الوقت. "تجربة" الموناد لا تبنى من التفاعلات المحلية - على الأقل ليس بسذاجة - لأنها محسوبة كدالة للكل. هذا مخطط بالطبع. أنا لا أدعي أن الدماغ يدير PageRank حرفيا. لكنها تلتقط الميزات الهيكلية التي أعتقد أنها مهمة: حدود تقسم النظام إلى كل، وتحدث القواعد التي تعمل على تلك الوحدات بدلا من تكرار أجزائها.