Nøkkelutdrag--- En leketøysmodell: Monadformasjon via PageRank Her er en konkret lekemodell som fanger det jeg tror faktisk skjer. La oss kalle denne lekemodellen: PageRank Monadology*. Start med en rettet graf. Hver node er en primitiv quale, et grunnleggende element av erfaring. Kanter representerer kausale/oppmerksomhetsforbindelser: hvis det finnes en kant fra A til B, så «påvirker» A B på en fenomenologisk relevant måte. På hvert tidssteg skjer tre ting: Trinn 1: Segmentering. Grafen deles opp i diskrete grupperinger. Hver gruppe defineres som en «sterkt sammenhengende komponent», noe som betyr at hvis du starter ved en hvilken som helst node i gruppen og følger de rettede kantene, kommer du til slutt tilbake til der du startet. Du blir fanget i gruppen. Dette er monadene. Trinn 2: Helhetlig oppdatering. Innenfor hver gruppe kjører du umiddelbart PageRank. Hver node får en ny vekt basert på strukturen til hele gruppen. Dette er ikke en lokal oppdatering som i mobilautomater med fast størrelse og faste vinduer. Snarere reflekterer hver nodes nye tilstand hele konfigurasjonen av sin monade samtidig. Tenk på det som «opplevelsesøyeblikket» for den monaden: en helhetlig harmonisering som tar hensyn til alt innenfor grensen. Trinn 3: Omkobling. Basert på de nye vektene og den eksisterende strukturen, omkobles grafen. Nye kanter dannes, og topologien endres. Dette skaper nye sterkt sammenkoblede komponenter, og syklusen gjentar seg. Hva gir dette oss? Varierende bøttestørrelser, for det første. De sterkt sammenkoblede komponentene kan ha hvilken som helst størrelse, fra enkeltnoder til enorme klynger. Ingenting i modellen fikser dette på forhånd; den oppstår fra topologien. Og en helhetlig oppdateringsregel: innenfor hver monade vurderer PageRank-algoritmen hele den interne strukturen samtidig. «Opplevelsen» til monaden bygges ikke opp fra lokale interaksjoner – i hvert fall ikke naivt – fordi den beregnes som en funksjon av helheten. Dette er selvsagt skjematisk. Jeg påstår ikke at hjernen bokstavelig talt styrer PageRank. Men den fanger opp de strukturelle egenskapene jeg mener betyr noe: grenser som deler systemet i hull, og oppdaterer regler som opererer på disse helhetene som enheter i stedet for å iterere gjennom delene.