Сразу оговорюсь: чтобы «читать» эти реестры, вам понадобятся Python, пара неофициальных библиотек для парсинга, графовая база данных и хотя бы немного мозгов.

Лет 20 назад ученые заметили одно любопытное явление. График количества сексуальных партнеров у людей выглядит как идеальная кривая. И не просто кривая, а кривая, прекрасно знакомая любому математику. 20/80, закон Парето, распределение по степенному закону, закон Ципфа — все это разные названия одной и той же кривой. Она стабильно всплывает в самых разных областях: от распределения мирового богатства до популярности веб-сайтов. И, как выяснилось, в личной жизни людей тоже.

Раз есть кривая, значит, есть и формула. А раз есть формула, значит, можно рассчитать вероятность того, сколько партнеров было у каждого из нас. Для произвольно выбранного человека вероятность иметь больше, чем x партнеров, подчиняется степенному закону (тут должна быть формула, но хрен знает как ее вставить). Конечно, вычислить по этой формуле точное число для конкретной Маши или Пети нельзя. И, на первый взгляд, кроме подтверждения очевидных фактов, пользы от этой математики мало.
Видно что: «гигачады» есть и «инцелы» есть. Ну и МД-шники со своей теорией о том, что 80% женщин хотят 20% мужчин, оказались не так уж далеки от истины.

И если бы не одно обстоятельство, пост можно было бы на этом закончить.
Примерно в то же время, когда ученые публиковали эти данные, беспилотный звездолет с рептилоидом на борту потерпел крушение где-то в районе Кремниевой долины. Рептилоид выжил и... Короче Цукерберг придумал Фейсбук.

Вот тут-то формулка и заиграла новыми красками. Теперь мы можем достаточно точно предсказать количество сексуальных контактов любого обладателя аккаунта в соцсети.

Все дело в том, что соцсети — это «безмасштабные сети». Количество друзей в них распределяется по тому же самому степенному закону, что и количество сексуальных партнеров. Узел с огромным числом связей называется «хаб». У гигачада в сети связей будет много, у инцела — исчезающе мало.

Что за имя Сыета? почему Олег на английском? Рептилоид их разбери, лень переделывать. Для наглядности сойдет.

Таким образом, если мы возьмем аккаунт девушки, проанализируем её френдлист и построим граф связей, нас будут интересовать именно хабы с большим количеством связей. Важно не просто наличие хабов, а то, как близко к ним находится её аккаунт. Разумеется, само по себе соседство с хабом еще ни о чем не говорит — им (хабом) может быть бренд, СМИ или популярный блогер. Нас интересует специфический хаб — «гигачад».

Пикабушники, не размовляющие на черном наречии, резонно спросят: «А с какого, собственно, ляда близость к гигачаду (хабу) коррелирует с распутностью?»

В теории графов и динамике сетей есть три кольца механизма, объясняющих почему:

1. Эффект «Тесного мира» (Small-World Phenomenon)

В безмасштабных сетях (соцсетях) среднее расстояние между любыми двумя узлами ничтожно мало. Хабы здесь работают как «кротовые норы» или короткие пути. Если аккаунт находится в одном шаге от хаба, он мгновенно получает доступ к огромной части сети. Математически это означает, что вероятность «столкновения» (взаимодействия) между этим узлом и любым другим участником через такой хаб возрастает экспоненциально.

2. Ассортативность (Assortative Mixing)

Это свойство сети, при котором узлы стремятся соединяться с похожими на себя. Узлы с высокой степенью связности (активные, популярные) чаще контактируют с такими же активными узлами. Если мы видим связь между девушкой и гигачадом-хабом, математика говорит нам: этот узел уже интегрирован в высокочастотный сегмент сети, где скорость образования новых связей в десятки раз выше, чем «в среднем по больнице».

3. Центральность по посредничеству (Betweenness Centrality)

Этот параметр показывает, сколько кратчайших путей в графе проходит через конкретный узел.
Хаб-гигачад — это узел с колоссальным показателем посредничества. Если аккаунт девушки находится в непосредственной близости к такому «шлюзу», она автоматически попадает в воронку, через которую проходят тысячи других узлов.

В математических моделях распространения (будь то информация или вирусы) узлы, находящиеся в 1-й и 2-й зоне досягаемости от главного хаба, «заражаются» первыми и с вероятностью, близкой к 100%. В данном контексте «заражение» — это установление половой связи.

Остается последний вопрос, как понять, что нужный нам хаб Гигачад?

Делитесь своими идеями в комментариях.

Итак, у нас есть дискретные динамические системы со статичными правилами эволюции, и очевидно, что внутри них можно создавать машины Тьюринга и алгоритмы (к примеру, клеточный автомат с правилом 110, если количество переменных в динамической системе не ограничено). Мы понимаем, что раз правила статичны и внутри них нет внутренней памяти, то по сути функция перехода во времени для дискретной динамической системы выражается в виде конечных таблиц перехода из состояния t в состояние t+1. Часть этих таблиц можно представить как матрицы, умножающиеся на вектор текущего состояния (для линейных случаев эволюции), с результатом в виде вектора для t+1.

Дискретная динамическая система состоит из переменных. Для каждого значения каждой из этих переменных возможен свой направленный граф влияния во времени на состояния других переменных во времени вперёд, а также наоборот — граф значений переменных в прошлом, которые повлияли на то, что значение переменной стало таким, каким оно стало сейчас, во времени назад. То есть возможна ситуация в теории динамических систем, когда значение переменной может быть привилегированным, а значит значение другой переменной сильно зависит от значения привилегированной, а может быть ситуация, когда управление будущим состоянием равномерно распределено по переменным.

В этом смысле довольно интересно, что так как задание динамической системы (как мы уже выяснили) невозможно без статических правил, получается, статические правила являются привилегированными переменными по отношению к переменным состояния динамической системы. Состояние динамической системы не способно поменять правила эволюции. Значит, концепция управления (и победителя, который получает всё) зашита в определение любой динамической системы.

Входные (из прошлого) и выходные (в будущее) графы влияния значения одной переменной можно очевидно объединить в общий граф потенциального влияния переменной на другие переменные в прошлом и будущем. Для этого случая возможны две возможности — граф влияния для одной и той же переменной не меняется со временем, граф влияния переменной меняется со временем. Мы можем задать такой математический вопрос: как связана форма таблицы функции эволюции со строением графов влияния?

Очевидно, раз в динамическую систему можно добавлять машины Тьюринга, значит можно добавлять игры и игроков. Игры возможны такие, что состояние переменной выигрыша в игре определяется обширным статичным графом влияния, так и узким статичным графом влияния, так и неопределённым графом влияния (меняющимся со временем). Для случая обширного статичного графа влияния это означает, что состояние переменной выигрыша определяется большим числом переменных в прошлом в этой игре, а значит для алгоритма, который будет моделировать эту зависимость, нужно будет, вероятно, много памяти для этого самого моделирования. Для игры, в которой граф влияния не обширен, количество вычислений для его моделирования должно в общем случае уменьшаться (при равной временной сложности). Для случая же, когда граф влияния не определён, сложность выигрыша в игре зависит от того, насколько легко вычислить этот граф влияния для будущего. То есть как бы граф влияния в прошлом и будущем определяет, насколько много памяти нужно агенту для выигрыша в игре, и в части случаев (когда граф влияния отсечен) он связан с тем сколько временных итераций нужно сделать, чтобы получить выигрыш (но не полностью).

Можно подумать об этом в смысле простого алгоритма, выполняемого на компьютере. Пусть у нас есть программа, внутри которой два бота играют между собой в шахматы. Пусть боты — это подпрограммы, которые просто перебирают возможные ходы и применяют этот перебор у себя в «уме». Если мы будем анализировать память программы во время ее выполнения, то заметим, что есть группы переменных в памяти, которые на некоторое время причинно-следственно отделены от других групп переменных — то есть создают поток (без общей памяти на запись) или, по-другому, просто процедуру (функцию без побочных эффектов). Она может обладать внутренней сильной связностью, хоть и возможны случаи, когда она ею не обладает. Тогда границей бота становится эта группа переменных. То есть по этой логике мы считаем, что компонента сильной связности бота отделена от компоненты сильной связности всей программы (шахматы + боты) именно тем фактом, что часть переменных (которые относятся к боту) варится в собственном соку определенное время. Соответственно, вход и выход для бота — это те состояния алгоритма, при которых компонента сильной связности бота образуется из компоненты сильной связности всей программы и когда она, наоборот, исчезает (влияние растворяется во всей программе).

Это немного похоже на то, как устроены виртуальные машины. Представим, что у нас есть программа на C++, которая является интерпретатором программы на Brainfuck. Несмотря на то, что общий граф вычислений интерпретатора может быть сильно связан, в нем на время работы виртуальной машины Brainfuck образуется локальная (во времени) компонента сильной связности, которая, собственно, и выполняет программу на Brainfuck. Так как, само собой, мы можем делать виртуальную машину над виртуальной машиной, то уровень вложенности виртуальных машин создает луковичную структуру этих агентов, где один агент может быть встроен в другой.

Другой интересный вопрос, связанный с этими рассуждениями: как понять, кто кем управляет, и возможно ли это в принципе с точки зрения математики в наших примерах с шахматами и виртуальной машиной? С точки зрения математической теории управления динамическими системами, управление — это нахождение такой последовательности (функции) действий, которая позволяет добиваться поставленной цели (какого-то состояния/подсостояния) динамической системы в будущем. Проблема этого определения в том, что цели у разных агентов могут быть разными, во-первых, а во-вторых, мы хотим понять, что мы рассматриваем и подразумеваем под управлением: управление как придуманную агентом последовательность ходов для достижения цели, или все-таки то, что случилось в реальности и кто из агентов на самом деле выиграл. Например, в случае c С++ и Brainfuck легко можно сделать так, что программа на Brainfuck через некоторое время будет давать инструкции программе на C++, и наоборот.

eSIM

Виртуальная карта, которую не нужно вставлять в телефон. Подключается до отъезда, активируется после посадки — сеть уже есть, пока остальные стоят в очереди за местной сим-картой.

Подобрать подходящую для вашего путешествия eSIM можно на платформе NVsim — это сервис, который помогает найти вариант для нужной страны или региона в несколько кликов, без похода в офис. Главное, убедитесь, чтобы ваш смартфон поддерживает eSIM.

Актуальные тарифы по направлениям, включая Европу и другие популярные страны, — можно посмотреть на сайте nvsim․com. Лучше разобраться с этим до поездки, чем искать Wi-Fi в зале прилета.