Traduction de "Twitter and the Global Brain", par Dean Pomerleau © 2009
http://docs.google.com/Doc?docid=0AT9namoRlUKMZGM3eG40ZHNfN2Z3ajJ0eGNw&hl=en&pli=1

Twitter et le Cerveau Global

par DeanPomerleau?

Le modèle qui prévaut depuis de nombreuses années de la façon dont les synapses entre les neurones du cerveau sont modifiées en cours d'apprentissage a été Hebbian l'apprentissage, qui peuvent être résumées comme «neurones qui déchargent ensemble, les fils ensemble». En d'autres termes, dans le feu neurones deux au même moment, la connexion (s) entre eux sera renforcée.

Mais des données récentes en neurosciences montre la vérité est en fait une torsion intéressées sur cette idée - une torsion qui pourrait avoir des implications importantes pour un modèle de conscience comment la planète pourrait émerger de média en temps réel social comme Twitter.

En réalité, les synapses sont modifiées conformément à une règle appelée Spike Time Dependent Plasticity (PDTS). En un mot, PDTS dit que si deux neurones feu (= épi) en succession rapide, la connexion de celui que les premiers feux à celui que les incendies de seconde sera renforcée.

En d'autres termes, si un neurone incendies de façon fiable, peu avant neurone B, la connexion de A à B sera plus forte, de sorte que la prochaine fois quand les feux de neurone A, neurone B seront plus susceptibles de tirer aussi. Et l'inverse vaut aussi. Dans cet exemple, car les tirs de neurone B est à la traîne neurone A, la force de la connexion dans cette direction (de B vers A), sera affaiblie. Vous pourriez penser que c'est l'équivalent de neurones du vieil adage «l'oiseau matinal attrape le ver" - un neurone que les gains les premiers feux d'accroître l'influence sur ses voisins en aval.

PDTS est une idée simple, mais il a été démontré que d'une manière étonnamment puissant que le cerveau utilise pour la reconnaissance des formes rapides et classification [1] [2]. Il s'avère que l'utilisation PDTS, les neurones apprennent naturellement à se spécialiser dans la détection de certains modèles dans leurs contributions, même en présence de beaucoup de bruit.

Alors que dans le monde ce que cela a à voir avec les réseaux sociaux? Il ya une analogie entre l'intrigante réseaux de neurones d'exploitation par la règle PDTS, et la nouvelle structure et le fonctionnement des réseaux en temps réel social comme Twitter.

Imaginez un utilisateur de Twitter comme un neurone. Il / elle fait l'équivalent d'une synapse avec chacun de ses disciples. Lorsqu'un utilisateur envoie un Twitter Tweet, il est l'équivalent d'une activation de neurones. Disciples qui reçoivent le tweet décider de propager l'activité par retweeting le message, dans un sens, en décidant si ils devraient eux aussi le feu en réponse à la tweet.

Il ne se passe pas exactement comme ça encore, mais PDTS entreraient dans le tableau de la façon suivante. Supposons que le projet de loi est un adepte d'une personne influente sur Twitter comme Guy Kawasaki et Bill décide une des tweets Guy est assez intéressant pour retweet. Ceci est une indication claire que le projet de loi constate tweets Guy intéressantes et utiles. Sur la base de ce «vote de confiance» pour les tweets Guy's, un moment-to-be-mécanisme de mise en oeuvre pourrait augmenter automatiquement le poids que tweets Guy's sont données pour le projet de loi, rendant tweets Guy est plus probable pour montrer en haut sur le tableau de bord Twitter 'Bill'.

Mais que faire si Guy était pas le premier à Tweet les nouvelles que Bill a de si intéressant? Le mécanisme automatisé même pourrait suggérer que le projet de loi au lieu (ou en plus) d'après Guy, le projet de loi pourrait vouloir suivre une autre personnalité forte Twitter (peut-être Nova Spivack) qui a battu Guy au punch en étant le premier à publier le projet de loi contenus trouvés intéressant.

De cette façon, les utilisateurs peuvent être automatiquement redirigé vers la suite les gens qui sont les premiers à publier du contenu qui leur intérêt - envers ceux qui sont considérés comme les «leaders d'opinion" que vous pourriez dire. Et créateurs de contenu qui travaillent dur pour être les premiers à trouver et Tweet contenus intéressants seront récompensés automatiquement avec un nombre croissant d'adeptes, et éventuellement à une récompense monétaire si / quand Scobleizer économie de l'attention », ou d'une autre façon de monétiser les globes oculaires, émerge sur Twitter.

Comme un avantage supplémentaire, le projet de loi reçoit tweets pourrait être automatiquement triés en fonction de ce qu'ils sont intéressants susceptibles d'être pour lui. Comme exemple simple, imaginons que plusieurs personnes que le projet de loi suit et a montré une affinité pour le passé (par retweeting leurs postes) Tweet environ la même histoire. Cette convergence de l'adéquation des apports de sources que les poids le projet de loi suggère fortement que le projet de loi trouverez ce contenu soit très intéressant, il devrait donc être automatiquement barboter au haut de la liste des priorités du projet de loi de tweets à lire.

Dans ce modèle, les générateurs de contenu sur Twitter seront en compétition pour être le premier à créer un bon contenu ou l'échec des nouvelles importantes, tout comme les neurones dans le cerveau en concurrence via la règle PDTS mise à jour pour être le premier à déceler des tendances dans leur entrée et de crier à ce sujet par dopage. Dans les deux systèmes, «les lève-tôt attrape le ver».

Finalement, les outils mai apparaître également que les messages automatiquement retweet basée sur un utilisateur déjà exprimé leurs préférences, pour alerter ses partisans de la teneur en lui, et donc ils, envisagera probablement intéressant. À ce stade, les neurones virtuelle formée par la combinaison de personnes et de leurs agents automatisés sur Twitter seront s'influencer mutuellement et de tir automatique fondé sur les intrants dont ils bénéficient. Sur une échelle macro, cela représentera l'équivalent de pensées émergentes dans le cerveau global, sous la forme de rapides, de tir coordonné de millions de ces neurones virtuels. Ces pensées vont se propager et potentiellement déclencher d'autres pensées dans le réseau. Ce semi-massifs de réverbération autonome dans le Twittersphere pourrait marquer l'émergence d'une conscience véritablement mondiale.


[1] T Masquelier, Guyonneau R, Thorpe SJ. Spike plasticité délai d'intervention dépend trouve le début de la répétition des motifs en forme en continu de crampon. PloS?? un. 2008; 3 (1): e1377. Available at: http://www.ncbi.nlm.nih.gov/pubmed/18167538.

[2] 1. T Masquelier, Hugues E, Deco G, Thorpe SJ. Oscillations, Phase-de-Coding Firing, et Spike Timing-Dependent Plasticity: An Efficient Learning Scheme. Journal of Neuroscience. 2009; 29 (43) :13484-13493. Available at: http://www.jneurosci.org/cgi/doi/10.1523/JNEUROSCI.2207-09.2009

---