Пример, который она использовала, задавая мне этот вопрос, звучал так: «По мере того, как Google сканирует больше сайтов, поиск становится умнее».
В отличие от алгоритмов обучения, в которых сам алгоритм изменяется в зависимости от прошлых успехов, поиски в Google улучшаются благодаря улучшенному ранжированию результатов, в результате чего лучшие страницы попадают в топ. Качество результатов алгоритма PageRank возрастает благодаря сетевому эффекту входных данных - чем больше соединений, тем больше вероятность того, что страница с наилучшими связями является наиболее актуальной.
Правило, которое говорит о том, что влияние сети является суперлинейным, это Закон Меткалфа , поэтому, если «умность» алгоритма зависит от сетевых эффектов, вы можете назвать алгоритм «Меткалфиан». Я не знаю, является ли качество результатов PageRank суперлинейным по количеству входов; во всяком случае, я ожидал бы, что это будет сублинейным, поскольку, когда у вас будет достаточно ссылок в сети, чтобы избавиться от шума, рейтинги должны быть стабильными.