Belangrijk fragment--- Een Speelgoedmodel: Monadvorming via PageRank Hier is een concreet speelgoedmodel dat vastlegt wat ik denk dat er daadwerkelijk aan de hand is. Laten we dit speelgoedmodel de naam geven: PageRank Monadologie*. Begin met een gerichte grafiek. Elke knoop is een primitieve quale, een basis element van ervaring. Randen vertegenwoordigen causale/aandachtsverbindingen: als er een rand van A naar B is, dan "beïnvloedt" A B in een fenomenologisch relevante zin. Bij elke tijdstap gebeuren er drie dingen: Stap 1: Segmentatie. De grafiek wordt verdeeld in discrete groepen. Elke groep wordt gedefinieerd als een "sterk verbonden component," wat betekent dat als je bij een willekeurige knoop in de groep begint en de gerichte randen volgt, je uiteindelijk terugkomt waar je begon. Je raakt gevangen in de groep. Dit zijn de monaden. Stap 2: Holistische Update. Binnen elke groep voer je onmiddellijk PageRank uit. Elke knoop krijgt een nieuw gewicht op basis van de structuur van de hele groep. Dit is geen lokale update zoals in cellulaire automaten met vaste grootte en vaste vensters. In plaats daarvan weerspiegelt de nieuwe staat van elke knoop de hele configuratie van zijn monade tegelijkertijd. Zie het als het "moment van ervaring" voor die monade: een holistische harmonisatie die rekening houdt met alles binnen de grens. Stap 3: Herbedrading. Op basis van de nieuwe gewichten en de reeds bestaande structuur, herbedraad de grafiek. Nieuwe randen vormen en de topologie verandert. Dit creëert nieuwe sterk verbonden componenten, en de cyclus herhaalt zich. Wat levert dit ons op? Variabele emmerformaten, om te beginnen. De sterk verbonden componenten kunnen elke grootte hebben, van enkele knopen tot enorme clusters. Niets in het model fixeert dit van tevoren; het komt voort uit de topologie. En een holistische update regel: binnen elke monade overweegt het PageRank-algoritme de hele interne structuur tegelijkertijd. De "ervaring" van de monade wordt niet opgebouwd uit lokale interacties - althans niet naïef - omdat het wordt berekend als een functie van het geheel. Dit is schematisch, dat is duidelijk. Ik beweer niet dat de hersenen letterlijk PageRank uitvoeren. Maar het legt de structurele kenmerken vast die ik denk dat belangrijk zijn: grenzen die het systeem in geheelheden snijden, en update regels die op die geheelheden als eenheden werken in plaats van door hun delen te itereren.