Keskeinen ote--- Lelumalli: Monad Formation PageRankin kautta Tässä on konkreettinen lelumalli, joka vangitsee, mitä luulen oikeasti tapahtuvan. Kutsutaan tätä lelumallia: PageRank Monadologiaksi*. Aloita suunnatulla graafilla. Jokainen solmu on primitiivinen quale, kokemuksen peruselementti. Reunat edustavat kausaalisia/tarkkaavaisia yhteyksiä: jos A:sta B:hen on reuna, A "vaikuttaa" B:hen jossain fenomenologisesti merkityksellisessä merkityksessä. Jokaisella aikavälillä tapahtuu kolme asiaa: Vaihe 1: Segmentointi. Graafi jaetaan diskreetteihin ryhmiin. Jokainen ryhmä määritellään "vahvasti yhdistetyksi komponentiksi", eli jos aloitat mistä tahansa solmusta ja seuraat suunnattuja reunoja, palaat lopulta lähtöpisteeseen. Jäät loukkuun ryhmään. Nämä ovat monadeja. Vaihe 2: Kokonaisvaltainen päivitys. Jokaisessa ryhmässä ajat välittömästi PageRankin. Jokainen solmu saa uuden painon koko ryhmän rakenteen perusteella. Tämä ei ole paikallinen päivitys samalla tavalla kuin kiinteäkokoiset kiinteät ikkunat -matkapuhelinautomaateissa. Sen sijaan jokaisen solmun uusi tila heijastaa koko monadin konfiguraatiota samanaikaisesti. Ajattele sitä monadin "kokemuksen hetkenä": kokonaisvaltaisena harmonisaationa, joka ottaa huomioon kaiken rajan sisällä. Vaihe 3: Uudelleenjohdotus. Uusien painojen ja olemassa olevan rakenteen perusteella graafi muuttuu uudelleen. Uusia reunoja muodostuu ja topologia muuttuu. Tämä luo uusia vahvasti yhdistettyjä komponentteja, ja sykli toistuu. Mitä tämä meille antaa? Vaihtelevat ämpärikoot, esimerkiksi. Vahvasti yhteydessä olevat komponentit voivat olla minkä kokoisia, yksittäisistä solmuista suuriin klustereisiin. Mikään mallissa ei korjaa tätä etukäteen; se syntyy topologiasta. Ja kokonaisvaltainen päivityssääntö: jokaisen monadin sisällä PageRank-algoritmi tarkastelee koko sisäistä rakennetta samanaikaisesti. Monadin "kokemus" ei perustu paikallisiin vuorovaikutuksiin – ainakaan naiivisti – koska se lasketaan kokonaisuuden funktiona. Tämä on tietenkin kaaviomainen. En väitä, että aivot kirjaimellisesti pyörittävät PageRankia. Mutta se vangitsee ne rakenteelliset piirteet, jotka mielestäni ovat tärkeitä: rajat, jotka jakavat järjestelmän kokonaisiksi, ja päivittävät säännöt, jotka toimivat näiden kokonaisuuksien pohjalta yksiköinä sen sijaan, että ne käyvät läpi osia.