Researchers uncover a synthetic material that rebuilds itself through chemical communication.
Naturalmente o trabalho parte da famosa reação química de Belousov-Zhabotinsky, que dá algumas das imagens mais estranhas de auto-organização em entidades inanimadas. Agora imaginem este processo de comunicação de matéria inanimada a ser aplicado por exemplo em máquinas remotas e autónomas?
O twitter parece apostado em mudar o seu modelo de rede social. A última novidade parece ser a alteração da designação dos favoritos para likes ou stars ao género do Facebook.
A palavra favorito tem um caracter utilitário, à semelhança do do delicious (e todos sabemos o que é que o Yahoo fez ao delicious). Eu muitas vezes utilizo os favoritos do twitter nesse sentido de querer preservar um tweet para referência futura, embora mantenha a minha conta do delicious. O favorito, é para muitos utilizadores do twitter, uma ferramenta.
As palavras like ou star evocam acção e emoção na avaliação do tweet, sem necessariamente o utilizador procurar preservar o conteúdo para referência futura. Apenas a reacção instantânea interessa, tal como a reacção a qualquer foto de gato na internet.
A meu ver esta mudança, a acontecer, reflecte a tendência natural do mercado e da investigação recente em redes sociais. A análise de emoções em textos, ou carga emotiva presente nas interacções mediadas por redes sociais. Basta procurar no arxiv por emotion OR sentiment para ter uma ideia do quanto a ciência tem investido nesta área.
Ora uma das características da emotion analysis é que precisa de big data (faz lembrar os psico-historiadores do Asimov. Assim, estas experiências do Twitter de mudar de ‘Favoritos’ para ‘Likes’ não passam do twitter estar a tentar transformar uma acção que possuiu uma conotação utilitária, numa acção com uma carga mais emotiva e imediata.
Se for bem sucedido, terá mais dados para analisar, estudar e naturalmente vender à luz desta área da ciência de redes.
Por outro lado o twitter pode perceber que à semelhança do que aconteceu com o delicious, é difícil monetizar os ‘favoritos’ como ferramenta. O próprio elevator pitch do Twitter que aparece no página principal é
“Find out what’s happening, right now, with the people and organizations you care about.”
A análise de conteúdo emocional ajudará o Twitter a perceber o right now para dar aos utilizadores aquilo que eles care about. Assim faz todo o sentido esta mudança de estratégia e embora o ‘like’ tenha sido primeiro utilizado pelo facebook é certamente um dos candidatos fortes no A/B testing que o Twitter parece estar a fazer.
I have to say, myself, that I was very skeptical about the original work [in AI] — Noam Chomsky
A não perder a entrevista que o linguista americano Noam Chomsky sobre as fronteiras da Inteligência Artificial e dos processos Cognitivos.
Deparei com este vídeo recentemente, do Carlos Gershenson sobre Complexidade e Informação de uma keynote que deu em Sydney, Australia.
A talk aborda temas como Emergência, Auto-organização, Homeostase, Autopoese e mostra como estes termos se relacionam a diferentes escalas.
Discovering Social Circles in Ego Networks
by Julian McAuley, Jure Leskovec
Um processo de clustering automático das nossas redes sociais por forma a identificar os círculos sociais a que pertencemos. O método combina análise da estrutura de rede (topologia) com informação dos perfis dos utilizadores. Para cada círculo é criado uma métrica da similaridade dos perfis e os autores mostram que o método é robusto para detectar os círculos nas nossas ego networks do Facebrocasbook, Google+ ou Twitter. Isto faz lembra um pouco o que Linkdn In fez recentemente na web, permitindo mapear os nossos círculos profissionais.
Large-Scale Sparse Principal Component Analysis with Application to Text Data
by Youwei Zhang, Laurent El Ghaoui
PCA é uma técnica que visa reduzir o número de dimensões de um qualquer dataset e que apresenta o inconveniente de por vezes ser difícil perceber qual o significado físico das dimensões encontradas. Este paper no entanto mostra como PCA esparso pode ser utilizado para análise de corpos de textos. O algoritmo promete ainda concorrer com modelos de detecção de tópicos.
A paper on “Best practices for Scientific Computing” was recently published on arXiv. This paper, although authored by many (13 authors for a 6 page paper, one of which are references), isn’t in any way ground breaking. It compiles a set of thumb rules brought from the software development world and tries to shuffle them as a panacea for scientist bad coding practices.
Yes, scientist usually have bad code. But scientists aren’t programmers, and even computer scientists have bad code sometimes. Scientists usually aim at solving a problem and the code is just the tool (usually used like a hammer), and is many times neglected when publishing day arrives.
One of the problems is that although the paper is full of good tips on how to organize your programming activities, it brings into context some notions that many scientists don’t really ever used. The notion of versioning for example, that is so common on the programming world isn’t well understood in other areas. This is just an example, but I feel that the authors (13?, have I talked about that yet?) are mainly preaching for the already converted.
In any case this paper also reveals another problem with science today. A 6 page how to paper authored by 13 (yep, that number again) reveals how some science is being done today. Publish at all cost. Publish even if it is just a compilation of a best practices manual. Publish or get your name into someone else paper. Is this pageview driven science good for society and for science?
Yes, this particular case might be useful for someone that hasn’t thought before on how to organize his code, but otherwise it is just that kind of smart science to improve citation numbers (times 13).
Os circuitos cerebrais resultam de encontros acidentais entre neurónios: “‘Pensamos que os neurónios crescem da forma mais independente possível uns dos outros e que formam sinapses essencialmente nos locais onde, acidentalmente, colidem entre si'”
No mundo da neurociência o projecto Blue Brain procura reconstruir o cérebro e numa publicação recente mostra que o estabelecimento das ligações entre neurónios durante o seu crescimento é iminentemente aleatória. Este constrangimento do crescimento e conectividade dos neurónios poderá indicar que a modelação destes não poderá ser feita inteiramente ao nível topológico (redes) e terão que ser levados em linha de conta os impedimentos tridimensionais existentes.
Embora o artigo na Frontiers não refira, gostava de ver como é que o modelo de crescimento é comparável aos modelos de crescimentos de redes, e perceber se estamos perante um novo processo ou se antes se trata de uma variação de um dos modelos de formação de redes (aleatória, preferential attachment, etc… ver Evolution of Networks de Dorogovtsev e Mendes ou Scale-Free Networks de Guido Caldarelli ).
Claro que a descoberta de tudo sobre o cérebro humano vai demorar centenas de anos mas estas descobertas recentes sobre o funcionamento, ligação e comunicação entre neurónios pode ajudar no entendimento de muitas outras áreas a começar pela possibilidade de este modelo de formação de ligações neuronais durante o crescimento não ser exclusivo do cérebro e pode ser encontrado noutros sistemas complexos.
Fui procurar o vídeo que tinha referido no post da plasticidade do cérebro dos afinadores de piano e encontrei este da National Geographic do sobre o tamanho do hipocampo dos taxistas londrinos, que tem que reter uma grande quantidade de informação.
Para quem preferir ler a Scientific American também tem um artigo sobre o assunto.