Efficient tensor bases for pairwise comparisons

غالبًا ما يتطلب اتخاذ القرار منا وزن خيارات لا يمكن قياسها بمسطرة أو ميزان. فعندما تضطر لجنة للاختيار بين ثلاثة مواقع مختلفة لإنشاء حديقة جديدة، أو عندما يتعين على مدير ترتيب خمسة مشاريع محتملة، فإنهم يعتمدون على مقارنة العناصر في أزواج. قد يقررون أن الموقع (أ) أكثر أهمية بمرتين من الموقع (ب)، أو أن المشروع (س) أفضل بكثير من المشروع (ص). تُجمع هذه الأحكام في شبكة، وهي عبارة عن جدول مربع حيث تحتوي كل خلية فيه على قيمة تمثل الأهمية النسبية لعنصر ما مقارنة بآخر. والهدف هو تحويل هذه المجموعة من الآراء الذاتية إلى قائمة أولويات واحدة واضحة. ومع ذلك، فإن الحكم البشري نادرًا ما يكون مثاليًا؛ فقد يقول شخص ما إن (أ) أفضل من (ب)، و(ب) أفضل من (ج)، ثم يدعي خطأً أن (ج) أفضل من (أ). هذا التناقض الداخلي، المعروف باسم عدم الاتساق، يخلق ضبابًا يجعل من الصعب استخراج ترتيب موثوق من البيانات. ولعقود من الزمن، كافح علماء الرياضيات وعلماء اتخاذ القرار لإيجاد أفضل طريقة لتبديد هذا الضباب وإيجاد النظام الحقيقي الكامن والمخفي داخل هذه المقارنات غير المثالية.

يكمن التحدي الجوهري في طبيعة البيانات نفسها. نظرًا لأن هذه المقارنات ضربية — بمعنى أنه إذا كان (أ) ضعف أهمية (ب)، فإن (ب) نصف أهمية (أ) — فإن الرياضيات المعنية معقدة وغير خطية. ولتبسيط المشكلة، غالبًا ما يقوم الباحثون بتحويل هذه القيم الضربية إلى قيم جمعية، تمامًا مثل تحويل منحنى معقد إلى خط مستقيم لتسهيل رسمه. في هذا العالم الجمعي، يصبح الهدف هو إيجاد نسخة "متسقة تمامًا" من البيانات الفوضوية، وهي نسخة تتوافق فيها جميع المقارنات منطقيًا دون أي تناقضات. وتتمثل هذه العملية أساسًا في البحث عن أقرب تطابق ممكن بين البيانات الحقيقية المعيبة وبين هيكل منطقي مثالي. كانت الصعوبة دائمًا تكمثل في إيجاد طريقة لإجراء هذه العملية الحسابية بكفاءة ودقة، خاصة عندما تكون البيانات كبيرة أو التناقضات عميقة.

في دراسة حديثة، قام الباحثان كونراد كولاكوفسكي وريشارد سمارزيفسكي ببناء أداة رياضية جديدة تحل مشكلة طويلة الأمد في هذا المجال. فقد طورا أول مجموعة صريحة من لبنات البناء، أو "الأساس"، لفضاء البيانات المتسقة تمامًا. تخيل أنك تحاول وصف كل الأشكال الممكنة في غرفة باستخدام عدد قليل فقط من الأشكال القياسية المحددة. لسنوات، كان لدى علماء الرياضيات مجموعة من الأشكال التي تعمل، لكنها كانت مربكة وصعبة الاستخدام معًا لأنها تتداخل بطرق معقدة. لقد ابتكر كولاكوفسكي وسمارزيفسكي الآن مجموعة جديدة من الأشكال المستقلة تمامًا عن بعضها البعض، مما يعني أنها لا تتداخل أو تتداخل فيما بينها. تسمح هذه المجموعة الجديدة بتفكيك أي مجموعة فوضوية من المقارنات إلى أجزائها المتسقة بدقة وسرعة فائقتين. وتوفر طريقتهم صيغة مباشرة وخطوة بخطوة لحساب أفضل ترتيب ممكن من البيانات، مما يلغي الحاجة إلى ألعاب التخمين المتكررة والبطيئة التي تطلبتها الطرق السابقة.

تتجاوز أهمية هذا الاكتشاف مجرد إيجاد طريقة أسرع للحساب. فقد استخدم الباحثون أداتهم الجديدة لإعادة فحص ثلاث طرق مختلفة استُخدمت لسنوات لترتيب العناصر: طريقة المتجه الذاتي التقليدية، ونهج اللوغاريتم، وتقنية تعتمد على تفكيك القيم المفردة. ومن خلال تطبيق أساسهم المتعامد الجديد، تمكنوا من إظهار كيفية ارتباط هذه الطرق الثلاث ببعضها البعض بدقة. وقد وجدوا أن طريقة تفكيك القيم المفردة، القائمة على تفكيك المصفوفة إلى مكوناتها الأساسية، هي في الواقع مزيج من عمليتين أبسط. وتبين أن هذه الطريقة فريدة من نوعها لأنها تستوفي معيارين رياضيين في آن واحد، فهي تعمل كمقياس قائم على المسافة ومقياس قائم على المتجه الذاتي معًا. ويتحدى هذا الاكتشاف الاعتقاد السائد منذ فترة طويلة بأن طريقة واحدة محددة هي الأفضل دائمًا. ويوضح المؤلفون أنه لا يوجد نهج واحد يعمل بشكل أفضل في جميع الحالات؛ بل يعتمد اختيار الطة على الطبيعة المحددة للبيانات ونوع الخطأ الموجود.

كما تتناول الورقة نقدًا شائعًا للطريقة الأكثر شهرة، وهي طريقة المتجه الذاتي، المستخدمة على نطاق واسع في التخطيط الاستراتيجي والتمويل. حيث أظهر الباحثون أن هذه الطريقة يمكن أن تفشل في التمييز بين أنواع معينة من البيانات، خاصة عندما تشبه البيانات توزيعًا عشوائيًا للاحتمالات. وفي مثل هذه الحالات، قد تنتج الطريقة نتيجة تتجاهل المدخلات الفعلية تمامًا. وفي المق المقابل، يوفر الإسقاط المتعامد الجديد بديلاً أكثر قوة لا يعاني من هذه النقطة العمياء المحددة. وتوفر الدراسة صيغًا ذات شكل مغلق، مما يعني أنه يمكن حساب الإجابات مباشرة دون الحاجة إلى التكرار، وهو ما يجعل العملية مستقرة وموثوقة للتنفيذ الحاسوبي. وهذا يعد تحسينًا حاسمًا للتطبيقات الواقعية حيث يحتاج صناع القرار إلى نتائج سريعة وموثوقة من مجموعات بيانات معقدة.

في نهاية المطاف، يعيد هذا العمل صياغة فهمنا لـ رياضيات التفضيلات. فهو ينقل المجال بعيدًا عن الاعتماد على تقنية واحدة مهيمنة نحو فهم أكثر دقة بأن الأدوات المختلفة مطلوبة لمشاكل مختلفة. لقد قدم الباحثون خريطة واضحة للمشهد الرياضي، موضحين بالضبط أين تتداخل الطرق المختلفة وأين تتباعد. إن بناءهم للأساس المتعامد ليس مجرد فضول نظري؛ بل هو محرك عملي يمكنه دفع اتخاذ قرارات أكثر دقة في مجالات تتراوح من علم النفس إلى أبحاث السوق. ومن خلال توضيح العلاقات بين هذه الطرق، تمكن الدراسة الممارسين من اختيار الأداة المناسبة لمشكلتهم المحددة، مما يضمن أن الترتيبات النهائية تعكس النية الحقيقية لصناع القرار وليس قيود طريقة الحساب. ويؤكد هذا العمل أنه بينما لا توجد طريقة واحدة مثالية لكل سيناريو، فإن امتلاك فهم واضح لنقاط القوة والضعف الخاصة بها يسمح بتحقيق نتائج أفضل بكثير في العالم المعقد للحكم البشري.