Informations- und Energieflüsse bestimmen die Größe und Struktur von Jäger-Sammler-Gesellschaften

Soul Hackers 2 Erscheinungsdatum Ankuendigungstrailer enthuellt

Trotz der großen Vielfalt unter den Kulturen der Hungersammler stellt eine neue Analyse fest, dass eine „kleine Welt“-Netzwerkkonfiguration den sozialen Strukturen all dieser Gruppen gemeinsam ist. Diese Netzwerkstrukturen werden durch den Energie- und Informationsfluss durch sie eingeschränkt und arbeiten als „kollektive Computer“, die für die Lösung komplexer Probleme optimiert sind.

Die Forschung wurde in veröffentlicht Zeitschrift für Social Computing am 10. Februar.

Einzelne Menschen sind intelligent, aber Gruppen von Menschen, die zusammenarbeiten, sind noch intelligenter. Diese Interaktion erzeugt eine „kollektive Berechnung“, die ein besseres Verständnis der Welt (dh eine Verringerung der Unsicherheit) liefert, als von einer Person erreicht werden kann, eine Verringerung der Unsicherheit, die verwendet werden kann, um bessere Vorhersagen über die Welt zu treffen, die evolutionär sind Vorteil oder „Fitness“ durch Minimierung von Energie- und Zeitkosten.

Eine solche Berechnung ist jedoch selbst energetisch aufwendig. Während größere Gruppen von Kooperationspartnern das Potenzial haben, immer größere Mengen an Informationen anzusammeln, verursacht dies in endlichen Umgebungen steigende Energiekosten. Als solche ergeben sich Gruppengrößen und die breitere Struktur sozialer Netzwerke aus den Kompromissen zwischen den Vorteilen der Informationsverarbeitung und den ökologischen Kosten der Aufrechterhaltung des metabolischen (energetischen und anderen Ressourcen-) Bedarfs der Gruppenmitglieder.

Diese Kompromisse führen zwangsläufig zu Optimierungen solcher sozialen Systeme.

„Bis jetzt haben menschliche Verhaltensökologen nützliche mechanistische Theorien entwickelt, die beschreiben [how] Der Energie- und Informationsfluss wird auf lokaler Ebene optimiert, wobei Dinge wie Nahrungssuche, soziales Lernen, elterliche Investitionen und die an einem Ort verbrachte Zeit berücksichtigt werden“, sagte der Anthropologe Marcus Hamilton von der University of Texas in San Antonio, „aber dort Es gab nicht viel Analyse der Optimierung solcher Flüsse auf der viel breiteren, strukturellen Ebene.“

Um diese breitere, „makroökologische“ Analyse durchzuführen, führte er eine Analyse von Datensätzen durch, die Metriken der Gehirngröße enthielten, einschließlich der Anzahl von Neuronen in verschiedenen Teilen des Gehirns für 39 Arten; eine Datenbank mit ökologischen Merkmalen von Säugetierarten, einschließlich Körpermasse, Gruppengröße, Populationsdichte und Größe des Heimatgebiets; und eine anthropologische Datenbank über Bevölkerungsdichte, Gebietsgröße und Gruppengröße von Jägern und Sammlern für verschiedene Ebenen der sozialen Organisation, die 339 Gesellschaften abdeckt.

Er fand heraus, dass soziale Gruppen von Jägern und Sammlern eine größere Kapazität für kollektive Berechnungen haben als jede andere soziale Gruppe von Säugetierarten, obwohl Jäger und Sammler im Vergleich zu anderen Primaten und Säugetieren relativ kleine Gruppengrößen haben. Die relativ kleine Gruppengröße im Vergleich zu diesen anderen Tieren wird durch die starke Zunahme der Anzahl kortikaler Neuronen beim Menschen kompensiert.

Darüber hinaus zeigen interkulturelle Daten trotz der enormen Vielfalt von Jäger-Sammler-Gesellschaften in den ethnografischen Aufzeichnungen bemerkenswerte Regelmäßigkeiten in der Größe und Struktur von Jäger-Sammler-Gesellschaften auf fünf verschiedenen Ebenen (Familie, Band usw.). Diese strukturellen Regelmäßigkeiten änderten sich angesichts unterschiedlicher Umgebungen nicht. Ob Wald, Tropen, Wüste oder Tundra, die Strukturen bewahrten das, was Netzwerktheoretiker „kleine Welten“ nennen.

Small-World-Netzwerke weisen Cluster von Knoten (oder in diesem Fall Menschen) auf, die eng miteinander verbunden sind, aber auch Verbindungen genießen, die jeden dieser Knoten nur fünf oder sechs Knoten von jedem anderen Knoten entfernt platzieren. Die populäre Vorstellung von „sechs Graden der Trennung“ unter Menschen bietet ein ungefähr genaues Volksverständnis des Konzepts.

Der Vorteil kleiner Netzwerke in anderen Bereichen, wie z. B. in der Informatik, liegt in ihren einzigartigen Eigenschaften, die eine lokale Spezialisierung auf Wissen oder eine Aufgabe ermöglichen, während sie sich einer effizienten Informations- und (energetischen) Lastenteilung über das Netzwerk erfreuen. Sie sind auf Informations- und Energiefluss optimiert.

„Eine immer größere Bandgröße sollte immer mehr zu einem besseren Verständnis der Welt und damit zu einer überlegenen Fitness führen“, fügte Professor Hamilton hinzu. „Das erhöht aber die Chancen von ‚Trittbrettfahrern‘, die von der kollektiven Berechnung profitieren, aber wenig dazu beitragen.“

Einzelpersonen können ihre Bandkollegen überwachen, um die Trittbrettfahrer aufzuspüren, aber je größer die Anzahl der Bandmitglieder ist, desto schwieriger wird die Polizeiaufgabe. Ein kleineres Band verringert das Problem der Trittbrettfahrer, verringert aber auch den Informationsfluss und damit das Weltverständnis.

Eine Small-World-Netzwerkstruktur überspringt dieses Problem, indem sie die Trittbrettfahrer-Polizeieigenschaften einer kleinen Band beibehält, während sie die Band und ihre Informationen mit den Informationen verbindet, die in weitaus größeren Metapopulationen produziert werden. Diese Struktur bietet somit die Vorteile eines großen sozialen Netzwerks, minimiert jedoch einen Großteil der ökologischen und rechnerischen Kosten für die Aufrechterhaltung dieser Konnektivität.

Heute leben die meisten Menschen jedoch nicht in Jäger-Sammler-Gesellschaften. Hamiltons zukünftige Arbeit zielt daher darauf ab, diese Analyse, wie Informations- und Energieflüsse soziale Strukturen beeinflussen und einschränken, auf alle Arten menschlicher sozialer Netzwerke auszudehnen, von Firmen und Organisationen bis hin zu Städten und Nationen.

Mehr Informationen:
Marcus J. Hamilton, Collective Computation, Information Flow, and the Emergence of Hunter-Gatherer Small-Worlds, Zeitschrift für Social Computing (2022). DOI: 10.23919/JSC.2021.0019

Bereitgestellt von der Tsinghua-Universität

ph-tech