Teoria sieci

Definicja robocza

Teoria sieci (network science) to badanie systemów przez strukturę połączeń między ich elementami, a nie przez własności elementów samych w sobie: węzły i krawędzie zastępują tu jednostki i ich cechy. Operacyjnie pojęcie obejmuje kilka mierzalnych własności, które powtarzają się w sieciach tak różnych jak internet, metabolizm komórki czy znajomości: krótkie drogi mimo lokalnego grupowania („małe światy”), nierówny rozkład liczby połączeń z nielicznymi hubami (sieci bezskalowe) oraz wspólnoty gęsto powiązane wewnątrz i słabo na zewnątrz. W potocznym użyciu „sieć” jest metaforą każdej współzależności; w użyciu technicznym to obiekt matematyczny, dla którego da się policzyć średnią drogę, rozkład stopni i odporność na usuwanie węzłów. Różnica jest praktyczna: tylko wersja techniczna pozwala powiedzieć, że dany system jest kruchy, bo ma huby, a nie dlatego, że „wszystko jest ze wszystkim połączone”.

Geneza i rodowód

Matematyka sieci zaczyna się od teorii grafów (Euler i mosty królewieckie, 1736; pierwszy podręcznik Dénesa Kőniga, 1936), a jako teoria struktur losowych od prac Erdősa i Rényiego z lat 1959–1960, które opisały narodziny olbrzymiej składowej jako przejście fazowe. Równolegle socjologia rozwijała socjometrię Moreno (lata 30.), problem małego świata (Kochen i de Sola Pool, rękopis z lat 50., eksperyment Milgrama z 1967 r.) i tezę Granovettera o sile słabych więzi (1973). Dwie prace z końca lat 90. połączyły te nurty w jedną dziedzinę: Watts i Strogatz (1998) pokazali, że niewiele losowych skrótów zamienia sieć regularną w mały świat, a Barabási i Albert (1999), mając po raz pierwszy dane o dużych sieciach (mapa WWW, sieć cytowań, sieć energetyczna), stwierdzili potęgowy rozkład stopni i wyjaśnili go wzrostem z preferencyjnym przyłączaniem. Nazwa „nauka o sieciach” utrwaliła się w następnej dekadzie wraz z czasopismami, konferencjami i podręcznikiem Barabásiego (2016). Po drodze pojęcie zostało przechwycone przez język zarządzania i marketingu („networking”, „efekt sieciowy”), gdzie oznacza po prostu kontakty i skalę, bez żadnej topologii.

Rodowód środkowoeuropejski

Węgierska linia tego pojęcia nie jest anegdotą, lecz ciągłością jednego środowiska. Autor kanonicznego sformułowania sieci bezskalowych, Albert-László Barabási, studiował fizykę w Bukareszcie (1986–1989), gdzie zaczął publikować o chaosie, a magisterium zrobił w 1991 r. na Uniwersytecie Loránda Eötvösa w Budapeszcie u Tamása Vicseka, badacza układów złożonych; doktorat i praca z 1999 r. powstały już w Stanach Zjednoczonych. Ta praca wprost wychodzi od teorii grafów losowych Erdősa i Rényiego (przypis 7 do artykułu z 1960 r.), by pokazać, że rzeczywiste sieci jej nie spełniają. Erdős doktoryzował się w Budapeszcie w 1934 r.; Rényi studiował tam w latach 1940–1944 i od 1950 r. kierował Instytutem Matematycznym Węgierskiej Akademii Nauk, w którego wydawnictwie ukazał się tekst o ewolucji grafów losowych. Osobną nicią jest literatura: w noweli „Láncszemek” z tomu „Minden másképpen van” (1929) Frigyes Karinthy kazał bohaterom zakładać, że dowolne dwie osoby łączy łańcuch najwyżej pięciu znajomych, bo liczba kontaktów rośnie wykładniczo. To wcześniejsze sformułowanie podobnej myśli; eksperyment Milgrama (1967) i model Wattsa–Strogatza (1998) powstały bez udokumentowanego związku z tym tekstem, a sam Karinthy nie podał żadnej miary ani danych.

Dlaczego teraz

Między 2018 a 2026 r. pojęcie zyskało trzy nowe pola. Po pierwsze, pandemia COVID-19 (od 2020 r.) uczyniła z modeli epidemii na sieciach, superroznosicieli i heterogeniczności kontaktów język decyzji publicznych, a spór o to, czy wystarczy proste R₀, czy trzeba znać strukturę kontaktów, toczył się na łamach czasopism i w sztabach kryzysowych. Po drugie, badania platform: analizy rozprzestrzeniania fałszywych wiadomości (m.in. praca Vosoughiego, Roya i Arala w „Science”, 2018) i debata o komorach echa przeniosły teorię sieci do regulacji mediów, w tym do unijnego aktu o usługach cyfrowych (2022), który wymaga od największych platform oceny „ryzyk systemowych”. Po trzecie, same metody: grafowe sieci neuronowe i uczenie reprezentacji na grafach stały się standardem w chemii, biologii i systemach rekomendacji, a w 2019 r. Broido i Clauset podważyli empiryczną powszechność sieci bezskalowych, co zmusiło dziedzinę do ostrożniejszego języka. Wojna w Ukrainie od 2022 r. dodała wątek odporności sieci infrastrukturalnych, od energetyki po logistykę, na celowe ataki na węzły.

Siła wyjaśniająca

Teoria sieci pozwala zobaczyć, że własności systemu zależą od topologii, nie od sumy części. Trzy przykłady. Odporność: sieć z hubami znosi usunięcie większości losowo wybranych węzłów, ale rozpada się po usunięciu kilku najlepiej połączonych; to tłumaczy, dlaczego internet przeżywa awarie, a pada po ataku na kluczowe punkty wymiany ruchu, i dlaczego szczepienie kontaktów hubów jest skuteczniejsze niż losowe. Epidemie: w sieci bezskalowej próg epidemiczny dąży do zera, więc patogen lub plotka o niskiej zaraźliwości i tak może się utrzymać, co unieważnia intuicje z modeli o jednorodnym mieszaniu. Rynek pracy i innowacje: słabe więzi łączące odległe klastry przenoszą nowe informacje, więc pozycja w sieci (mosty, dziury strukturalne) tłumaczy, kto dostaje pracę lub pomysł, lepiej niż liczba znajomych.

Osie sporu

Niedoceniany kąt

Najmniej omawiana konsekwencja teorii sieci dotyczy pomiaru, a nie struktury: większość tego, co wiemy o sieciach rzeczywistych, pochodzi z danych, które same są efektem sieciowego próbkowania. Mapy internetu zbiera się śladami (traceroute) z kilku punktów, co sztucznie wyolbrzymia huby; sieci społeczne poznajemy przez platformy, których algorytmy preferencyjnie przyłączają użytkowników do już popularnych kont. Obserwowany rozkład potęgowy bywa więc po części artefaktem narzędzia, a model preferencyjnego przyłączania opisuje równie dobrze mechanizm społeczny, co sposób jego rejestracji. Spór z 2019 r. o rzadkość sieci bezskalowych jest w tym świetle nie tylko sporem o statystykę, lecz o to, czy dziedzina zmierzyła świat, czy własne instrumenty.

W przekładzie

Polski termin jest nieustalony. „Teoria sieci” z listy sugeruje jedną teorię, której nie ma; angielskie network science to raczej dziedzina z wieloma modelami. „Nauka o sieciach” jest bliższa oryginałowi, ale rzadko używana poza podręcznikami. „Sieci złożone” (complex networks) wskazuje przedmiot, nie dyscyplinę, i myli się z „systemami złożonymi”. Pozostajemy przy „teorii sieci” jako nazwie hasła, bo tak funkcjonuje w listach i programach studiów, a w tekście używamy „nauki o sieciach”, gdy mowa o dziedzinie, i „sieci złożonych”, gdy o przedmiocie.