Фьючерсы
Доступ к сотням фьючерсов
CFD
Золото
Одна платформа мировых активов
Опционы
Hot
Торги опционами Vanilla в европейском стиле
Единый счет
Увеличьте эффективность вашего капитала
Демо-торговля
Введение в торговлю фьючерсами
Подготовьтесь к торговле фьючерсами
Фьючерсные события
Получайте награды в событиях
Демо-торговля
Используйте виртуальные средства для торговли без риска
Запуск
CandyDrop
Собирайте конфеты, чтобы заработать аирдропы
Launchpool
Быстрый стейкинг, заработайте потенциальные новые токены
HODLer Airdrop
Удерживайте GT и получайте огромные аирдропы бесплатно
Pre-IPOs
Откройте полный доступ к глобальным IPO акций
Alpha Points
Торгуйте и получайте аирдропы
Фьючерсные баллы
Зарабатывайте баллы и получайте награды аирдропа
Инвестиции
Simple Earn
Зарабатывайте проценты с помощью неиспользуемых токенов
Автоинвест.
Автоинвестиции на регулярной основе.
Бивалютные инвестиции
Доход от волатильности рынка
Мягкий стейкинг
Получайте вознаграждения с помощью гибкого стейкинга
Криптозаймы
0 Fees
Заложите одну криптовалюту, чтобы занять другую
Центр кредитования
Единый центр кредитования
Рекламные акции
AI
Gate AI
Ваш универсальный AI-ассистент для любых задач
Gate AI Bot
Используйте Gate AI прямо в вашем социальном приложении
GateClaw
Gate Синий Лобстер — готов к использованию
Gate for AI Agent
AI-инфраструктура: Gate MCP, Skills и CLI
Gate Skills Hub
Более 10 тыс навыков
От офиса до трейдинга: единая база навыков для эффективного использования ИИ
GateRouter
Умный выбор из более чем 40 моделей ИИ, без дополнительных затрат (0%)
Результат, идущий против интуиции.
Модель Шеллинга, которую мы только что создали, является прекрасным контрпримером к априористскому подходу (код в комментариях).
Настройка почти тривиально проста: агенты на сетке, каждый из которых готов жить с соседями любого цвета, если доля совпадений не ниже некоторого минимума.
При терпимости всего в одну треть, когда каждый агент с радостью примет being outnumbered в два раза по сравнению с другим цветом, можно было бы предположить, что равновесие будет выглядеть практически случайным.
Но это не так.
Модель показывает, что даже эта мягкая предрасположенность приводит к резкому разделению на кластеры по всей сетке, с индексом сегрегации около 0,75.
При терпимости в половину, сегрегация достигает 0,87, значительно превышая требования любого отдельного агента.
Макроскопический результат совершенно не похож на микроскопические предпочтения.
Никто в модели не хочет сегрегации.
Все её создают.
Это тот тип результата, который чистое дедуктивное рассуждение, исходя из "аксиомы действия", просто не может дать.
Можно смотреть на правило "агенты предпочитают иметь хотя бы треть своих соседей того же цвета" целую тысячу лет и никогда не вывести, лишь размышляя, что оно вызывает кластеризацию с резким фазовым переходом около терпимости 0,3, при этом средний размер кластера растет, а их число уменьшается, и динамика совпадает с процессами коарсценции физических систем, проходящих фазовое разделение.
Нужно запустить модель.
Мир должен был быть измерен.
И измерение показало то, что кресло-теоретик не мог увидеть.
Вот как выглядит настоящая математическая социальная наука (или экономика), и именно этого праксеология отказывается делать.