Extrait clé--- Un modèle simplifié : Formation de monades via PageRank Voici un modèle simplifié concret qui capture ce que je pense se passe réellement. Appelons ce modèle simplifié : Monadologie PageRank*. Commencez avec un graphe orienté. Chaque nœud est un quale primitif, un élément de base de l'expérience. Les arêtes représentent des connexions causales/attentionnelles : s'il y a une arête de A à B, alors A "influence" B d'une manière phénoménologiquement pertinente. À chaque pas de temps, trois choses se produisent : Étape 1 : Segmentation. Le graphe est partitionné en groupements discrets. Chaque groupe est défini comme une "composante fortement connectée", ce qui signifie que si vous commencez à partir de n'importe quel nœud du groupe et suivez les arêtes orientées, vous revenez finalement à l'endroit où vous avez commencé. Vous êtes piégé dans le groupe. Ce sont les monades. Étape 2 : Mise à jour holistique. Au sein de chaque groupe, vous exécutez instantanément PageRank. Chaque nœud obtient un nouveau poids basé sur la structure de l'ensemble du groupe. Ce n'est pas une mise à jour locale comme dans les automates cellulaires à fenêtres fixes de taille fixe. Au contraire, le nouvel état de chaque nœud reflète toute la configuration de sa monade simultanément. Pensez-y comme le "moment d'expérience" pour cette monade : une harmonisation holistique qui prend en compte tout à l'intérieur de la frontière. Étape 3 : Reconnexion. Basé sur les nouveaux poids et la structure préexistante, le graphe se reconnecte. De nouvelles arêtes se forment et la topologie change. Cela crée de nouvelles composantes fortement connectées, et le cycle se répète. Qu'est-ce que cela nous donne ? Des tailles de seaux variables, pour commencer. Les composantes fortement connectées peuvent être de n'importe quelle taille, allant de nœuds uniques à d'énormes clusters. Rien dans le modèle ne fixe cela à l'avance ; cela émerge de la topologie. Et une règle de mise à jour holistique : au sein de chaque monade, l'algorithme PageRank considère toute la structure interne simultanément. L'"expérience" de la monade n'est pas construite à partir d'interactions locales - du moins pas naïvement - car elle est calculée comme une fonction de l'ensemble.