Kutipan kunci--- Model Mainan: Formasi Monad melalui PageRank Berikut adalah model mainan konkret yang menangkap apa yang menurut saya sebenarnya terjadi. Sebut saja model mainan ini: PageRank Monadology*. Mulailah dengan grafik terarah. Setiap simpul adalah quale primitif, elemen dasar pengalaman. Tepi mewakili hubungan kausal/perhatian: jika ada tepi dari A ke B, maka A "mempengaruhi" B dalam beberapa arti yang relevan secara fenomenologis. Pada setiap langkah waktu, tiga hal terjadi: Langkah 1: Segmentasi. Grafik dipartisi menjadi pengelompokan diskrit. Setiap grup didefinisikan sebagai "komponen yang sangat terhubung", yang berarti jika Anda memulai dari node mana pun dalam grup dan mengikuti tepi yang diarahkan, Anda akhirnya kembali ke tempat Anda memulai. Anda terjebak dalam kelompok. Ini adalah monad. Langkah 2: Pembaruan Holistik. Dalam setiap grup, Anda langsung menjalankan PageRank. Setiap node mendapat bobot baru berdasarkan struktur seluruh grup. Ini bukan pembaruan lokal seperti dalam automata seluler fixed-sized-fixed-windows. Sebaliknya, keadaan baru setiap simpul mencerminkan seluruh konfigurasi monadnya secara bersamaan. Anggap saja sebagai "momen pengalaman" untuk monad itu: harmonisasi holistik yang memperhitungkan segala sesuatu di dalam batas. Langkah 3: Kabel ulang. Berdasarkan bobot baru dan struktur yang sudah ada sebelumnya, grafik disambung ulang. Tepi baru terbentuk dan topologi berubah. Ini menciptakan komponen baru yang terhubung dengan kuat, dan siklus berulang. Apa yang diberikan ini kepada kita? Ukuran bucket variabel, untuk satu. Komponen yang terhubung kuat dapat berukuran berapa pun, dari node tunggal hingga cluster besar. Tidak ada dalam model yang memperbaiki ini terlebih dahulu; itu muncul dari topologi. Dan aturan pembaruan holistik: dalam setiap monad, algoritme PageRank mempertimbangkan seluruh struktur internal secara bersamaan. "Pengalaman" monad tidak dibangun dari interaksi lokal - setidaknya tidak secara naif - karena dihitung sebagai fungsi dari keseluruhan. Ini skematis, jelas. Saya tidak mengklaim otak benar-benar menjalankan PageRank. Tapi itu menangkap fitur struktural yang menurut saya penting: batas-batas yang mengukir sistem menjadi keseluruhan, dan memperbarui aturan yang beroperasi pada keseluruhan itu sebagai unit daripada mengulangi bagian-bagiannya.