How Occam's razor guides human decision-making

في الواقع الفوضوي للحياة اليومية، نجد أنفسنا مضطرين باستمرار للاختيار بين قصص متنافسة لتفسير ما نراه. فعندما لا تعمل السيارة، قد نلوم البطارية الفارغة، أو المولد المعطل، أو حتى روحاً في المحرك. يجب على أدمغتنا غربلة هذه الاحتمالات، غالباً بمعلومات قلي جداً، لتقرر أي التفسيرات هي الأكثر احتمالاً للصدق. ولعدة قرون، اقترح الفلاسفة والعلماء قاعدة توجيهية لهذه العملية، تُعرف باسم "نصل أوكام" (Occam's razor). يشير هذا المبدأ إلى أنه عندما يتساوى تفسيران في ملاءمتهما للحقائق، فإن التفسير الأبسط يكون عادة هو الخيار الأفضل. إنه اختصار ذهني يفضل القصة ذات الأجزاء المتحركة الأقل، والافتراضات الأقل، والمساحة الأقل للخطأ. ولكن بينما ظل هذا المفهوم لفترة طويلة مفضلاً لدى المفكرين، ظل من غير الواضح ما إذا كانت أدمغتنا البشرية تستخدمه بالفعل بالطريقة الرياضية الدقيقة التي تتنبأ بها النظرية، أم أننا ببساطة نملك تفضيلاً غامضاً للأشياء التي تبدو أقل تعقيداً.

لقد نقل فريق من الباحثين هذا السؤال الآن من مجال الفلسفة إلى المختبر، باستخدام سلسلة من التجارب المصممة بعناية لقياس كيفية وزن البشر للبساطة مقابل الدقة. ووجدوا أن اتخاذ القرار البشري يتبع بالفعل شكلاً محدداً وقابلاً للقياس الكمي من "نصل أوكام". فعند مواجهة بيانات صاخبة وغير مؤكدة، يفضل الناس بشكل طبيعي التفسير الأبسط، ليس فقط لأنه يبدو صحيحاً، بل لأن أدمغتهم تبدو وكأنها تقوم بعملية حسابية إحصائية معقدة عبر المتوسط لجميع النسخ الممكنة من قصة ما لتجنب الوقوع في فخ العشوائية. وهذا التفضيل للبساطة متجذر بعمق لدرجة أنه يستمر حتى عندما يُطلب من الناس صراحةً تجاهله والتركيز فقط على أفضل مطابقة للبيانات. وفي تباين صارخ، فإن برامج الكمبيوتر المدربة على حل نفس المشكلات لم تتبنَّ انحياز البساطة هذا إلا عندما تمت برمجتها خصيصاً للقيام بذلك، مما يشير إلى أن النزعة البشرية لتفضيل التفسيرات البسيطة هي سمة أساسية في إدراكنا، وليست مجرد استراتيجية متعلمة.

لقد سعى الباحثون لاختبار ذلك من خلال إنشاء لعبة بصرية يتعين على المشاركين فيها لعب دور المحققين. على شاشة الكمبيوتر، ظهرت سحابة من عشر نقاط حمراء، مبعثرة بشكل عشوائي نوعاً ما حول نقطة مركزية. كانت هذه النقاط ناتجة عن أحد شكلين مخفيين، إما خط مستقيم أو قوس منحني، واللذان يمثلان "المصدر" للبيانات. كانت مهمة المشاركين هي تخمين الشكل الذي أنتج النقاط. رُسمت الأشكال باللون الأسود والنقاط باللون الأحمر، مما خلق لغزاً بصرياً واضحاً. ولجعل المهمة دقيقة علمياً، صمم الباحثون أربعة إصدارات مختلفة من اللعبة. في كل نسخة، وضعوا شكلين في مواجهة بعضهما البعض بطريقة تعزل ميزة رياضية محددة للتعقيد. قارنت إحدى النسخ بين نقطة واحدة وخط طويل، لاختبار كيفية تعامل الناس مع عدد المتغيرات. وناقنت نسخة أخرى خطين بأطوال مختلفة، لاختبار حجم المنطقة التي يمكن أن يغطيها الشكل. ونظرت نسخة ثالثة في كيفية تموضع الشكل بالنسبة للبيانات، بينما فحصت النسخة الرابعة مدى انحناء الشكل بعيداً عن البيانات.

في هذه التجارب، استطاع الباحثون حساب الإجابة المثالية رياضياً لكل تجربة على حدة. فالمراقب المثالي، الذي يتبع القواعد الصارمة للإحصاء البايزي (Bayesian statistics)، لن يبحث فقط عن الشكل الأقرب إلى النقاط. بدلاً من ذلك، سيأخذ هذا المراقب المثالي في الاعتبار كل موضع ممكن يمكن أن يتخذه الشكل ويقوم بحساب متوسطها. هذه العملية تعاقب طبيعياً الأشكال التي تكون شديدة المرونة أو كبيرة جداً، لأنها توزع "قدرتها التفسيرية" بشكل ضئيل جداً عبر الشاشة، مما يجعلها أقل احتمالاً لأن تكون المصدر الحقيقي لتجمع معين من النقاط. توقع الباحثون أنه إذا كان البشر يستخدمون هذا النوع من الاستدلال الإحصائي، فإن خياراتهم ستتحول بعيداً عن الأشكال المعقدة ونحو الأشكال البسيطة، حتى عندما تكون الأشكال المعقدة أقرب تقنياً إلى النقاط.

أكدت النتائج أن البشر يفعلون ذلك بالضبط. فعندما كانت البيانات غامضة، بمعنى أن النقاط كانت على مسافة متساوية تقريباً من كلا الشكلين، اختار المشاركون باستمرار الخيار الأبسط. لكن الدراسة ذهبت إلى أبعد من مجرد إظهار تفضيل عام؛ فقد قامت بقياس قوة ذلك التفضيل بدقة عالية. ومن خلال تحليل آلاف الاختيارات من أكثر من 200 مشارك، وجد الفريق أن الناس حساسون لأربع سمات هندسية متميزة للأشكال: أبعادها (عدد معاملاتها)، وحدودها (أين تنتهي)، وحجمها (المساحة التي تغطيها)، ومتانتها (كيف تنحني). وتوافقت خيارات المشاركين كمياً مع تنبؤات النموذج الرياضي. لم يكونوا يفضلون الأشياء "البسيطة" بشكل غامض فحسب؛ بل كانوا يزنون هذه العوامل الهندسية المحددة بطريقة تطابق تماماً المثال النظري للتكامل عبر جميع الأسباب الممكنة.

ولفهم ما إذا كان هذا سلوكاً متعلماً أم شيئاً أكثر جوهرية، قارن الباحثون بين المشاركين البشر والشبكات العصبية الاصطناعية، وهي نوع من برامج الكمبيوتر المصممة لمحاكاة الدماغ. لقد دربوا هذه الشبكات على حل نفس ألغاز النقاط والأشكال. وعندما تم تدريب الشبكات على إيجاد الحل "التوليدي" (generative) المثالي رياضياً — والذي يتطلب استخدام انحياز البساطة — تعلمت القيام بذلك وأدت بشكل أفضل من البشر. ومع ذلك، عندما غير الباحثون التعليمات وطلبوا من الشبكات إيجاد حل "الاحتمالية القصوى" (maximum likelihood) — أي أن تختار ببساطة الشكل الأقرب إلى النقاط، متجاهلة التعقيد — تكيفت الشبكات فوراً. وتوقفت عن إظهار أي تفضيل للبساطة وأدت المهمة الجديدة ببراعة.

أما المشاركون البشر، فلم يتغيروا بهذه السهولة. فحتى عندما أُعطوا نفس التعليمات لتجاهل التعقيد واختيار الشكل الأقرب فحسب، استمروا في تفضيل الخيارات الأبسط. بدا وكأن أدمغتهم غير قادرة على إيقاف الآلية التي تقوم بالتكامل عبر جميع الاحتمالات. وهذا يشير إلى أن التفضيل البشري للبساطة ليس استراتيجية مرنة نتبناها عندما نُطلب منا أن نكون أذكياء، بل هو جزء جوهري من كيفية معالجتنا للمعلومات. يبدو أننا نقوم بشكل طبيعي بحساب المتوسط للعديد من الطرق التي يمكن أن تكون بها القصة صحيحة، مما يحمينا من الإفراط في ملاءمة البيانات للضجيج (overfitting to noise)، بينما تقوم الآلات بذلك فقط إذا تم بناء تلك القدرة فيها صراحة.

كشفت الدراسة أيضاً أنه بينما يتمتع البشر ببراعة ملحوة، إلا أنهم ليسوا مثاليين. فقد كان هناك نطاق واسع من الاختلافات الفردية في كيفية تطبيق الناس لقواعد البساطة هذه. فبعض المشاركين كانوا قريبين جداً من المثالية الرياضية، بينما كان آخرون أقل حساسية لسمات معينة، مثل حجم الشكل أو انحنائه. ومن المثير للاهتمام أن أولئك الذين كانوا أبعد عن المثالية مالوا إلى ارتكاب المزيد من الأخطاء، مما يشير إلى أن ضبط "مرشح البساطة" الداخلي هذا أمر بالغ الأهمية لاتخاذ قرارات دقيقة في عالم مليء بالضجيج. وأشار الباحثون إلى أن الناس يبدو أنهم يزنون الميزات المختلفة بشكل مختلف، ربما لأن بعضها أسهل في الحساب من غيرها. فعلى سبيل المثال، قد يكون عد المتغيرات في شكل ما أبسط للدماغ من حساب الحجم الإجمالي للمساحة التي يغطيها، مما يؤدي إلى عدم توازن طبيعي في كيفية تطبيق القاعدة.

في النهاية، يقدم هذا العمل لمحة كمية نادرة للآليات الخفية للفكر البشري. فهو يظهر أن أدمغتنا ليست مجرد آلات لمطابقة الأنماط تبحث عن أقرب ملاءمة. بدلاً من ذلك، تعمل كإحصائيين متطورين يسألون باستمرار: "كم طريقة أخرى كان يمكن أن يحدث بها هذا؟" ويستخدمون الإجابة لتوجيه خياراتهم. ومن خلال التكامل عبر جميع التفسيرات الممكنة، نتجنب الوقوع في فخ تصديق قصة معقدة ومرنة لمجرد أنها تناسب البيانات الحالية بمحض الصدفة. تؤكد هذه الدراسة أن "نصل أوكام" ليس مجرد اقتراح فلسفي لكيفية تفكيرنا، بل هو وصف لكيفية تفكيرنا بالفعل، وهي سمة متأصلة في الإدراك البشري تساعدنا على التنقل في عالم مليء بعدم اليقين والضجيج.