Nature Communications -da yeni bir araşdırma daha yüksək səviyyəli yeniliklərin dinamikasını araşdırır , yenilik yaratmaq üçün mövcud elementləri necə birləşdirdiyimizə dair maraqlı nümunələri müəyyən edir, insan yaradıcılığı və innovasiya anlayışımızı potensial olaraq yenidən formalaşdırır.

İnsan həyatının ümumi hissəsi olan yeniliklər iki şeydən birinə aiddir. Birincisi, yer, mahnı və ya rəssam kimi tək bir əşyanın kəşfidir. İkincisi, texnoloji inkişaflar və ya dərman kəşfləri kimi hər kəs üçün yeni olan kəşfləri əhatə edir.

Bu araşdırmada tədqiqatçılar hər iki növ yeniliyin necə ortaya çıxdığını anlamağa çalışıblar. Komandaya London Kraliça Meri Universitetinin professoru Vito Latora rəhbərlik edib və o, Phys.org-a iş haqqında danışıb.

“Məni həmişə bəşəriyyətin tərəqqisinin hərəkətverici qüvvələri olan yaradıcılıq və innovasiya cəlb edib. Bu məqalə mənim tədqiqat qrupumun yaradıcılığın əsasını təşkil edən mexanizmləri öyrənmək və modelləşdirmək məqsədi ilə həyata keçirdiyim nəzəri və tətbiqi işlərin ardıcıllığından biridir. yeni ideyanı, komandanı, məhsulu və ya texnologiyanı uğurlu edən nədir”, – deyə Prof.Latora bildirib.

Komanda daha yüksək səviyyəli yenilikləri öyrənmək üçün üç mənbədən real dünya məlumatlarını təhlil edib.

İlk dəfə çıxışlar

Yeniliklərin öyrənilməsi ilə bağlı əsas problemlərdən biri ondan ibarətdir ki, əvvəlki tədqiqatların əksəriyyəti birinci dərəcəli yeniliklərə, yəni ayrı-ayrı elementlərin ilk dəfə görünməsinə yönəlmişdir.

Məsələn, yeni bir şey yemək və ya yeni bir yerə ilk dəfə baş çəkmək. Bununla belə, bu yanaşma mühüm innovasiya mexanizmini nəzərdən qaçırır – yeni bir şey yaratmaq üçün mövcud elementləri birləşdirir.

Məsələn, yeni şeir və ya hekayələr yaratmaq üçün sözlər müxtəlif yollarla birləşdirilə bilər və ya musiqi notları birləşdirilərək tamamilə yeni mahnı yarana bilər. Sonuncu daha yüksək səviyyəli yeniliklər kimi tanınır.

Professor Latora, “Tədqiqatımızda iki və ya daha çox elementin ardıcıl olaraq ilk dəfə birlikdə görünməsi kimi təyin olunan daha yüksək səviyyəli yenilik adlandırdığımız daha ümumi bir yenilik anlayışını təqdim etdik və araşdırdıq” dedi.

Bu birləşmələrin necə baş verdiyini simulyasiya etmək üçün tədqiqat qrupu Triggering və ya ERRWT ilə Edge-Reinforced Random Walk adlı çərçivə hazırlayıb.

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=135&slotname=8188791252&adk=2329133447&adf=4203178812&pi=t.ma~as.8188791252&w=540&abgtt=6&fwrn=4&lmt=1738157073&rafmt=11&format=540×135&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-01-scientists-mathematics.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTUuMC4wIiwieDg2IiwiIiwiMTMyLjAuNjgzNC4xMTEiLG51bGwsMCxudWxsLCI2NCIsW1siTm90IEEoQnJhbmQiLCI4LjAuMC4wIl0sWyJDaHJvbWl1bSIsIjEzMi4wLjY4MzQuMTExIl0sWyJHb29nbGUgQ2hyb21lIiwiMTMyLjAuNjgzNC4xMTEiXV0sMF0.&dt=1738157072990&bpp=1&bdt=95&idt=155&shv=r20250127&mjsv=m202501230101&ptt=9&saldr=aa&abxe=1&cookie=ID%3De2af2bea6b3e2e90%3AT%3D1735548424%3ART%3D1738157061%3AS%3DALNI_MZIaWdAh-lthHlhpkWN2g6ZC7xT8A&gpic=UID%3D00000f8412a58936%3AT%3D1735548424%3ART%3D1738157061%3AS%3DALNI_MaJ_6ILTTPz6uEc3lU2rNf9ZPgQbA&eo_id_str=ID%3D1b1b09cf233e1b4b%3AT%3D1735548424%3ART%3D1738157061%3AS%3DAA-AfjZKostxhmsFX2YCqOZbTGHa&prev_fmts=0x0&nras=1&correlator=4684470585858&frm=20&pv=1&rplot=4&u_tz=240&u_his=3&u_h=864&u_w=1536&u_ah=816&u_aw=1536&u_cd=24&u_sd=1.25&dmc=8&adx=395&ady=2853&biw=1519&bih=730&scr_x=0&scr_y=0&eid=42531705%2C95350442%2C95349396%2C95347433%2C95340252%2C95340254&oid=2&pvsid=1070389170047932&tmod=494709362&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1536%2C0%2C1536%2C816%2C1536%2C730&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=161

Təsadüfi gəzinti və ERRWT

ERRWT modeli təsadüfi gedişə, diskretləşdirilmiş addımlara əsaslanan sistemin təkamülünü təsvir edən riyazi modelə əsaslanır . Bu üsulda gəzintiçinin növbəti mövqeyi yalnız cari vəziyyətindən asılıdır.

Vəzifələr arasında hərəkət tamamilə təsadüfi, hər istiqamətdə hər bir hərəkətin eyni ehtimalı var.

Professor Latora prosesi belə izah etdi: “Təsəvvür edin ki, tədqiq edə biləcəyimiz bütün maddələr və ya bizim ola biləcəyimiz bütün ideyalar şəbəkənin qovşaqları kimi təsvir edilə bilər, onların əlaqələri iki element və ya anlayışlar arasındakı əlaqələri və ya oxşarlığı təmsil edir.”

Modelin yeniliyi bu şəbəkələrin təkamülünü necə simulyasiya etməsindədir. Walker şəbəkədə hərəkət etdikcə, o, sadəcə mövcud yolları keçmir – o, yeni əlaqələr yaradır, yeni qovşaqların yaranmasına təkan verir, real dünya kəşfi proseslərinin bizim imkanlar üfüqümüzü necə genişləndirdiyini əks etdirir.

Yeni birləşmələrin yaradılması – yeni birləşmələr meydana gəldikdə – kənar tetikleme kimi tanınır və tez-tez istifadə olunan birləşmələr arasında əlaqələrin gücləndirilməsi kənar möhkəmləndirmə kimi tanınır.

Komanda üç məlumat dəstini təhlil etmək üçün bu ERRWT modelindən istifadə etdi. Onlar musiqi dinləmə nümunələrini (Last.fm), ədəbi mətnləri və kitabları (Project Gutenberg) və elmi məqalələri (Semantic Scholar) təhlil etməyi seçdilər.

Professor Latora modelin necə işlədiyini izah edərək dedi: “Bir mahnıya nə qədər çox qulaq assaq və ya iki mahnını birləşdirsək, gələcəkdə mahnını və ya assosiasiyanı təkrarlama ehtimalımız bir o qədər yüksəkdir. Üstəlik, bu o deməkdir ki, yeni mahnıların və ya assosiasiyaların kəşfləri, yalnız onlara bitişik olanı açdığımız anda bizim üçün mövcud olan geniş imkanlar sahəsi yaradır.”

Gündəlik anlayışlar üçün Phys.org-a etibar edən 100.000-dən çox abunəçi ilə elm, texnologiya və kosmosda ən son yenilikləri kəşf edin . Pulsuz xəbər bülleteni üçün qeydiyyatdan keçin və mühüm nailiyyətlər, innovasiyalar və tədqiqatlar haqqında gündəlik və ya həftəlik yeniliklər əldə edin .Abunə ol

Heaps qanunu

Komanda, birləşmələrin Heaps qanunu, güc-qanun artımı əlaqəsi ilə idarə olunan proqnozlaşdırıla bilən nümunələrə əməl etdiyini aşkar etdi. Bu, yeni birləşmələrin zamanla necə yarandığını təsvir edən, innovativ prosesləri ölçmək və proqnozlaşdırmaq üçün kəmiyyət üsulunu təklif edən riyazi əlaqədir.

Onların simulyasiyalarına görə, müxtəlif proseslər ayrı-ayrı elementləri kəşf etməkdə eyni sürətə malik ola bilər, lakin birləşmələri kəşf etməkdə çox fərqli dərəcələrə malik ola bilər.

Daha dəqiq desək, onlar tapdılar ki, Last.fm verilənlər bazası üçün eyni dərəcədə yeni mahnıları kəşf edən istifadəçilər bu mahnıların ardıcıllığı ilə bağlı çox fərqli yollara malik ola bilərlər.

Ədəbiyyat verilənlər bazası üçün onlar yazıçıların yeni sözlər təqdim etməkdən daha tez-tez yeni söz birləşmələri yaratmağa meylli olduqlarını aşkar etdilər. Nəhayət, elmi məqalələr hekayə mətnləri ilə müqayisədə, xüsusən də kağız başlıqlarında daha yaradıcı söz birləşmələri nümayiş etdirirdi.

ERRWT, şəbəkə strukturunun və kəşfiyyat nümunələrinin necə birlikdə inkişaf etdiyini göstərərək, möhkəmləndirmənin (mövcud yolların gücləndirilməsi) və tetiklemenin (yeni əlaqələrin yaradılması) real dünya nümunələrini izah etmək üçün zəruri olduğunu nümayiş etdirdi.

Nəticələr və gələcək işlər

Yeni çərçivə innovasiya və yaradıcılığı başa düşmək üçün yeni əsas yaradır, fərdi kəşflər və kombinator innovasiyaları arasında körpü yaradır.

Tapıntılar bu modelin aktuallığını anlamağa kömək edir, xüsusən də mövcud biliklərin birləşməsindən yeni elmi kəşflərin necə yarandığını görmək. O, həmçinin yaradıcılığa təhsil yanaşmaları haqqında məlumat verə bilər.

Professor Latora şərh etdi: “Cəmiyyətimizin uğurunu və davamlı böyüməsini təmin etmək üçün effektiv müdaxilələr hazırlamaq istəyiriksə, yaradıcı prosesləri öyrənmək və yeni ideyaların necə ortaya çıxdığını və yeniliklərin gələcək kəşflərə necə səbəb ola biləcəyini başa düşmək çox vacibdir. Biz inanırıq ki, tapıntılarımız və təkliflərimiz modellər populyar əşyaların və ya fikirlərin yüksəlişi və düşməsi ilə bağlı suallara cavab vermək üçün birbaşa istifadə edilə bilər.”

Tədqiqat qrupu modeli daha da ümumiləşdirməyi və hazırda çatışmayan sosial komponenti də daxil etməyi hədəfləyir.

Daha çox məlumat: Gabriele Di Bona et al, The dynamics of high order newties, Nature Communications (2025). DOI: 10.1038/s41467-024-55115-y .

Jurnal məlumatı: Nature Communications 

© 2025 Science X Network