A hálózat csapdájában – Az Eötvös Konferencia második napja

Az Eötvös Konferencia második napján megtartott plenáris előadáson hivatalosan a természettudományok jutottak szóhoz, azonban a hálózatkutatásról szóló előadás bőven tartogatott meglepetéseket a társadalomtudománnyal foglalkozóknak is.

Míg a konferencia pénteki plenáris programjai elsősorban a bölcsészettudomány és a pedagógia tudományterületét fedték le, a szombati nap meghívott előadója inkább a természettudományokat volt hivatott képviselni. Ezt mutatja az a tény is, hogy Csermely Péter, a Semmelweis Egyetemen oktató hálózatkutató és biokémikus előadását a szervezők a Fizika – Kémia és a Biológia szekciók közé illesztették be. Azonban úgy tűnik, a hálózatkutatás és Csermely Péter nem hagyja magát ilyen egyszerűen beskatulyázni.

Az előadás címe Hogyan reagálnak a környezet változásaira és hogyan tanulnak a komplex hálózatok? volt. Az alapfogalmak megértéséhez négy alappillért vázolt fel Csermely Péter. Az első a Donald O. Hebb által kifejlesztett tanulási szabály, amely felveti, hogy a tanulási folyamat és az idegsejtek egymás között keletkező kapcsolatai összefüggnek. Később ezt számos módon továbbfejlesztették, először arra jöttek rá, hogy amikor az idegrendszer tanul, nemcsak új kapcsolatok létesülnek, de a tanulásban résztvevő idegsejtek közötti már létező kapcsolatok is megerősödhetnek. Ez persze nem folytatódhat a végtelenségig, mert úgy csak egyre több energia tárolódna a rendszerben, és előbb-utóbb „felrobbanna”. Ezért bizonyos kapcsolatok erősödésével párhuzamosan más interneuronális kapcsolatok gyengülnek, ez a folyamat a felejtés. Ezzel stabilizálódik a rendszer.

csermelyA második pillér John Hopfield nevéhez fűződik, aki szimulációs eljárásban alkalmazta a Hebb-féle szabályt. Ehhez ismernünk kell a szimuláció eszközét, a fázistér vagy állapottér fogalmát: ez egy olyan geometriailag szemléltethető tér, melynek egy-egy pontja egy adott dinamikai rendszer (például neurális vagy egyéb hálózat) egy-egy lehetséges állapota. Ebben a fázistérben „vonzó állapotsorok” jelennek meg, ezeket attraktoroknak nevezzük. Hopfield szimulációs eredményei azt mutatták ki, hogy a Hebb-féle szabály alapján jónéhány ilyen attraktor jön létre egy adott hálózaton belül, és ezek a dinamikus folyamatok közel azonos valószínűségű lehetséges végpontjaiként stabilizálódnak. 

A harmadik pillér, hogy a természetben fellelhető hálózatok magok köré szerveződnek. Ez azt jelenti, hogy a hálózat nódusoknak nevezett csomópontjai között vannak, amelyek központi szerepet töltenek be: ez a néhány nódus a hálózat közepén helyezkedik el, és egymáshoz nagyon erős kapcsolat köti őket. Ezekhez sok periferikus nódus kapcsolódik, melyek jellemzője, hogy egymással nem állnak közvetlen kapcsolatban.

A negyedik pillér pedig az a belátás, hogy ha nem lennének attraktorok, nem tudnánk tudományos kutatásokat végezni, mert nem lennének megismételhetők a kísérletek. Ha nem lennének viszonylag nagy valószínűségű stabil végpontok, a folyamatok eredménye mindig esetleges, kiszámíthatatlan lenne. Az attraktorokból a természetben nagyon egyszerű összefüggések rajzolódnak ki, erre jó példa a rákos sejtek két attraktora. Ha valamilyen gyógyszeres kezelést alkalmazunk, a rákos sejtek vagy tovább burjánzanak, vagy megállnak és nem szaporodnak tovább. Fontos tétel az is, hogy az attraktorokat meghatározó nódusok szinte kizárólag a hálózatok magjában találhatók, ami felveti a kérdést, hogy a hálózat 90%-át adó periféria felesleges lenne? Csermely itt jegyezte meg először, hogy a társadalomban is van ilyen elképzelés.

Rengeteget tudunk tehát a komplex hálózatokról és az attraktoraikról, de mi a helyzet akkor, amikor egy új attraktor fejlődik ki? Ez hogyan rögzül? A szokványos ingerekre adott szokványos válaszok során a mag kódolja az információkat, és egy gyors, határozott válasz érkezik, hiszen ekkor a rendszer egy már régebben rögzült attraktort foglal el. Azonban ha új információval, szokatlan helyzettel kerül szembe a hálózat, a központban nem születik egyértelmű válasz. Csermely úgy fogalmazott, hogy ingázik az attraktorok között, a nódusok mintha ide-oda lökdösnék az ingert, mert egyik attraktor sem adekvát válasz. Ennek a lökdösésnek a során az inger kikerül a magból, és a perifériára terjed, ezzel aktívvá téve az egész hálózatot. Ekkor az egész közösség „egyeztetésével” új attraktor születik, amely a legadekvátabb válasz az ingerre. 

Az egyik kézenfekvő példa a komplex Lab_mouse_mg_3216hálózatok működésének kutatásában az agy. Először primitív, nagyon kis méretű aggyal rendelkező állatokban gondolkodjunk. Egy ilyen kis élőlényt ha megijesztünk, másodjára már gyorsabban fog elmenekülni, mint elsőre. Az egyik kísérletben részt vevő állatkánál az első menekülés során egy 16 agyi idegsejtjéből álló mag aktiválódott. A második alkalommal viszont már 20 idegsejt kódolta a választ, melyeknek helyzete más volt, mint az előző inger során. Így a válaszreakció (menekülés) már sokkal erőteljesebben valósult meg. Komplexebb élőlényekkel, egerekkel és patkányokkal kísérletezve azt figyelték meg, hogy ha egy ismert helyre kerül, ami már kódolódott az agyában, akkor kevés idegsejtje aktiválódik, mert tudja, hogy mit kell tennie: menekülnie, vagy élelmet keresni. Egy új helyszínen azonban sokkal több idegsejt lesz aktív, mert ekkor az egész hálózatból érkező válaszlehetőségek elkezdik bombázni a központot: vajon most futni kell? Vagy élelmet keresni? Esetleg elbújni? De ha ez a helyzet is ismétlődik, és az új attraktor stabilizálódik, akkor újra elegendő lesz csak kevés, magbeli idegsejt a megfelelő válaszhoz, ezek azonban nem ugyanazok a magok lesznek, mint a korábbi attraktorok esetében. Ugyanez az emberi reakciókban is megfigyelhető: reflexszerű, begyakorlott helyzetben gyors, határozott választ tudunk adni. Egy új helyzet azonban bizonytalanságot okoz: lassú mérlegelés, a lehetőségek számbavétele következik.

A társadalmi hálózatokra is ugyanúgy igazak a fenti megfigyelések. Ismét a kisebbtől indulva, vegyük először a hangyák példáját. Az egyszerű feladatok egyénileg jobban megoldhatók, például ha haza kell menniük, akkor nem csoportosan, hanem egyénileg indulnak el. Viszont ha egy bonyolultabb feladatot kell elvégezni, mint amilyen az új élelem keresése, azt már csoportosan együttműködve teszik. Az emberi hálózatok is hasonlóan működnek. Ha egy kreatív feladatot kell megoldani, a csapatmunka jobb eredményt hoz. Ezen belül is kivételesen sikeres az a módszer, hogy kisebb munkacsoportokat alakítunk, akik megvitatják a kérdést, majd összeeresztjük az összes csoportot, hogy megosszák egymással a tapasztalatokat. Ezután újra kisebb csoportokra bontjuk a társaságot, de ezúttal teljesen más felosztásban, majd miután megvitatták a kérdést, újra összeeresztjük őket, és így tovább. Ez azért produktív módszer, mert így újra meg újra átkonfigurálódik a szociális hálózatok magja. Aki az egyik csoportban a maghoz tartozott, az egy másikban már lehet, hogy perifériára kerül. A mag állandó változásával pedig az attraktorok is folyamatosan változnak. Így minél több lehetséges kombináció kipróbálására lesz lehetőség, annál nagyobb a valószínűsége, hogy a „helyes” válasz is köztük van.

network-1020332_1920A kombinációk közül a legtávolabbi összeköttetések a leghatásosabbak, például sokszor egy tudományos kérdésre egy teljesen más tudományterület bevonásával találjuk meg a választ. De ez nem azt jelenti, hogy a nagyon távoli dolgok összekötése csak sikeres lehet. Sőt a legtöbb ilyen törekvés egyszerű hülyeség lesz, de minél több a kipróbált kombináció, annál nagyobb az esély arra, hogy lesz köztük egy jó megoldás, amely aztán rögzül. De a kapcsolatoknak ez a széles körű variációja csak a periféria bevonásával lehetséges, hiszen a magban csak néhány lépésnyi távolságra juthatunk, nem érünk el egymástól távoli pontokat. Ha megvan az adott kérdéshez a helyes megoldás, és a nódusok ezen kombinációja közti kapcsolatok megerősödnek, új attraktor keletkezett.

Csermely Péter előadása váratlan fordulattal zárult. Az addig elmondottak alapján ugyanis levonta a következtetést, miszerint a demokrácia az egyetlen lehetséges sikeres viselkedésmód. Hiszen az új helyzeteket csak úgy lehet sikeresen megoldani, ha a perifériát sikerül kreatív módon bevonni, és a megoldási javaslataikat a mag figyelembe veszi. Evolúciósan belénk van kódolva, hogy a demokrácia szükségszerű feltétele a fennmaradásunknak.

Képek: Eötvös Collegium Választmány, Wikimedia Commonspixabay.com