BFTS: Thompson Sampling with Bayesian Additive Regression Trees
تقدم هذه الورقة خوارزمية "بيزيان فورست تومسون سامبلينج" (BFTS)، وهي خوارزمية جديدة للمتطلبات السياقية (contextual bandit) تدمج أشجار الانحدار الإضافية البيزية (BART) لتوفير إطار احتمالي غير خطي ومنهجي يحقق حدود ندم نظرية وأداءً تجريبيًا فائقًا في التدخلات السلوكية الشخصية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك مدرب صحي شخصي لآلاف الأشخاص عبر تطبيق على الهاتف الذكي. عليك كل يوم أن تقرر أي "تنبيه" (Nudge) سترسله لكل شخص لمساعدته على البقاء بصحة جيدة (مثل: "وقت المشي!" أو "اشرب بعض الماء!").
المشكلة هي أنك لا تعرف بالضبط ما الذي ينجح مع من. البعض يستجيب للتنبيهات الصباحية، والبعض الآخر لا يستجيب إلا لتنبيهات المساء. البعض يحفزه التنافس، والبعض الآخر يحفزه التشجيع اللطيف. إذا أرسلت الرسالة الخاطئة، سيتجاهلونك. وإذا أرسلت الرسالة الخاطئة بشكل متكرر للغاية، فسيصابون بـ "إجهاد التنبيهات" ويحذفون التطبيق.
تقدم هذه الورقة البحثية "عقلاً" جديداً لهذا المدرب، يسمى BFTS. وإليك كيف يعمل، مشروحاً من خلال بعض التشبيهات البسيطة.
1. المشكلة: معضلة "الخطي" مقابل "العصبي"
للقيام باتخاذ القرارات، يحتاج المدرب إلى نموذج لكيفية سلوك البشر.
- نموذج "الخط المستقيم" (الخطي): تخيل محاولة التنبؤ بنمو نبات باستخدام مسطرة مستقيمة فقط. إنه بسيط وسريع، لكن الحياة ليست خطاً مستقيماً. إذا أعطيت النبات الكثير من الماء، فلن ينمو "أكثر" فحسب، بل سيموت. النموذج ذو الخط المستقيم لا يمكنه فهم "نقطة التحول" هذه.
- نموذج "الدماغ" (الشبكات العصبية): هذا يشبه عقلاً حاسوبياً فائق التعقيد وضخم الحجم. يمكنه فهم أي شيء تقريباً، لكنه "صندوق أسود". من الصعب جداً ضبطه، ويتطلب كميات هائلة من الكهرباء (قوة حوسبة)، وإذا غيرت إعداداً واحداً صغيراً، فقد ينهار النظام بأكمله.
2. الحل: BFTS (حكمة الغابة)
اقترح الباحثون BFTS، والذي يستخدم شيئاً يسمى BART (أشجار الانحدار الإضافية البايزية).
التشبيه: مجلس الخبراء
بدلاً من عقل واحد ضخم ومربك (شبكة عصبية) أو مسطرة واحدة بسيطة (نموذج خطي)، تخيل أن BFTS هو مجلس من 100 خبير.
- كل خبير هو عبارة عن "شجرة قرار". خبير واحد قد ينظر فقط إلى عمرك. وآخر ينظر فقط إلى مقدار نومك. وثالث ينظر إلى مزيج من عمرك ونومك.
- كل خبير بمفرده قد يكون "ضعيفاً"، ولكن عندما يصوتون جميعاً معاً، فإنهم يشكلون خريطة دقيقة ومعقدة ومتعرجة للسلوك البشري.
- سحر "بايز" (Bayesian): على عكس المجلس التقليدي حيث يصرخ الجميع برأيهم، فإن هؤلاء الخبراء صادقون بشأن عدم اليقين لديهم. إذا لم يسبق للخبير أن رأى الكثير من الناس مثلك، فهو لا يكتفي بالقول: "أعتقد أنك ستعجب بهذه الرسالة"، بل يقول: "أنا متأكد بنسبة 50% أنك ستعجب بها، لكنني في الواقع مرتبك تماماً".
3. الاستراتيجية: أخذ عينات تومبسون (المقامر الذكي)
كيف يستخدم المدرب هذا "المجلس من الخبراء" لاختيار رسالة بالفعل؟ يستخدمون استراتيجية تسمى أخذ عينات تومبسون (Thompson Sampling).
التشبيه: النرد الموزون
تخيل أن المدرب لديه مجموعة من النرد لكل رسالة ممكنة.
- إذا كان "مجلس الخبراء" واثقاً جداً من أن "الرسالة أ" ناجحة، فإن النرد الخاص بالرسالة "أ" سيكون موزوناً بشدة لتهبط على نتيجة "النجاح".
- إذا كان المجلس غير متأكد تماماً بشأن "الرسالة ب"، فإن النرد الخاص بالرسالة "ب" سيكون عادلاً وغير قابل للتنبؤ.
عندما يحين وقت إرسال تنبيه، يقوم المدرب برمي النرد. في معظم الأوقات، ستؤدي النرد الموزونة إلى اختيار أفضل رسالة (الاستغلال - Exploitation). ولكن من حين لآخر، ستسجل النرد "غير المتيقنة" رقماً عالياً، مما يجبر المدرب على تجربة شيء جديد لمجرد رؤية ما سيحدث (الاستكشاف - Exploration). هذا يمنع المدرب من الوقوع في الروتين.
4. هل ينجح الأمر حقاً؟ (اختبار "اشرب أقل")
لم يختبر الباحثون هذا على مسائل رياضية فحسب؛ بل اختبروه على بيانات بشرية حقيقية من تجربة صحية تسمى "اشرب أقل" (Drink Less)، والتي ساعدت الناس على تقليل شرب الكحول الضار.
وجدوا أن "مجلس الخبراء" الخاص بـ BFTS كان أفضل بكثير في التنبؤ بما سيبقي الناس متفاعلين مع التطبيق مقارنة بالطرق القديمة. في الواقع، أدى ذلك إلى تحسين معدلات التفاعل بنسبة تتجاوز 30%. لقد كان ذكياً بما يكفي لإدراك أن "الأيام منذ تحميل التطبيق" و"درجة المخاطرة الأساسية" للشخص كانت أهم الأشياء التي يجب مراقبتها، وقام بتعديل "نرده" بناءً على ذلك.
الملخص: لماذا يعد هذا أمراً هاماً؟
باختالصر، يمنح BFTS مدرب الصحة الرقمي:
- دقة البشر: إنه يفهم السلوكيات المعقدة وغير الخطية (بفضل غابة الخبراء).
- أمانة العلماء: إنه يعرف متى يكون في حالة تخمين (بفضل رياضيات بايز).
- جرأة المقامرين: إنه يعرف متى يجرب شيئاً جديداً ليتعلم المزيد (بفضل أخذ عينات تومبسون).
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.