Semantic Information Beyond Shannon: Meaning,Coherence, and Agency in Experiential Systems

تخيل أنك تقف في غرفة مليئة بالضجيج الإذاعي (الستاتيك). بالنسبة لآلة لا تفعل سوى عدّ الإشارات، يعتبر هذا الضجيج كنزاً من المعلومات؛ فهو فوضوي، وغير متوقع، ومليء بـ "البتات" (bits). لكن بالنسبة لأذنيك، ليس سوى ضوضاء. الآن، تخيل أن صديقاً يهمس باسمك وسط ذلك الضجيج نفسه. فجأة، يصبح ذلك الصوت الضئيل والخافت أهم شيء في الكون؛ إذ يجذب انتباهك، ويغير حالتك المزاجية، ويخبرك بالضبط بما يجب عليك فعله بعد ذلك. هذا هو اللغز الذي أرّق العلماء لعقود: كيف تتحول الإشارة من مجرد بيانات مجردة إلى "معنى"؟

لفترة طويلة، كان المعيار الذهبي لفهم المعلومات هو نظرية تُسمى "معلومات شانون" (Shannon Information). فكر في الأمر كخدمة بريد فائقة الكفاءة؛ فهي تهتم فقط بعدد الرسائل التي يمكنك إرسالها، وسرعة انتقالها، ومدى احتمالية ضياعها في البريد. هي لا تهتم إذا كانت الرسالة تقول "أنا أحبك" أو "السماء خضراء"؛ فبالنسبة لخدمة البريد، كلاهما مجرد سلسلة من الرموز. يعمل هذا بشكل مثالي لإرسال الرسائل النصية أو بث مقاطع الفيديو، لكنه يصطدم بحائط مسدود عندما نحاول فهم الكائنات الحية. فالدماغ ليس مكتب بريد؛ بل هو مدينة صاخبة حيث كل إشارة فيها هي إشارة مرور، أو صفارة إنذار، أو خريطة. إذا اكتفينا فقط بعدّ "البتات"، فسنفقد الجوهر الحقيقي لسبب ضجيج الدماغ. تسأل هذه الورقة سؤالاً بسيطاً ولكنه عميق: ما الذي يجعل الإشارة ذات قيمة للنظام الذي يستقبلها؟

لفترة طويلة، كان المعيار الذهبي لفهم المعلومات هو نظرية تُسمى "معلومات شانون" (Shannon Information). فكر في الأمر كخدمة بريد فائقة الكفاءة؛ فهي تهتم فقط بعدد الرسائل التي يمكنك إرسالها، وسرعة انتقالها، ومدى احتمالية ضياعها في البريد. هي لا تهتم إذا كانت الرسالة تقول "أنا أحبك" أو "السماء خضراء"؛ فبالنسبة لخدمة البريد، كلاهما مجرد سلسلة من الرموز. يعمل هذا بشكل مثالي لإرسال الرسائل النصية أو بث مقاطع الفيديو، لكنه يصطدم بحائط مسدود عندما نحاول فهم الكائنات الحية. فالدماغ ليس مكتب بريد؛ بل هو مدينة صاخبة حيث كل إشارة فيها هي إشارة مرور، أو صفارة إنذار، أو خريطة. إذا اكتفينا فقط بعدّ "البتات"، فسنفقد الجوكن الحقيقي لسبب ضجيج الدماغ. تسأل هذه الورقة سؤالاً بسيطاً ولكنه عميق: ما الذي يجعل الإشارة ذات قيمة للنظام الذي يستقبلها؟

يقترح مؤلفو هذه الورقة، وهم فريق من المعهد الهندي للتكنولوجيا في مودي (IIT Mandi) ومركز أبحاث IKS، طريقة جديدة للنظر إلى هذا الأمر. هم يقترحون أن المعنى ليس شيئاً "تضيفه" إلى المعلومات لاحقاً، مثل رش السكر فوق الكعكة؛ بل المعنى هو نوع خاص من "التوافق" أو "الاقتران" الذي يحدث داخل النظام نفسه. وقد أطلقوا عليه اسم "اقتران المعنى والتجربة" (Meaning–Experience Coupling - MEC).

لفهم فكرتهم، تخيل راقصاً ومقطوعة موسيقية. الموسيقى (المعلومات) لها إيقاع وبنية. والراقص (الوكيل/Agent) لديه أسلوب، وهدف، وطريقة في الحركة. إذا وقف الراقص ساكناً بينما تعزف الموسيقى، فلا يوجد رقص، بل مجرد صوت. وإذا تحرك الراقص بشكل عشوائي، فهناك حركة، ولكن لا يوجد رقص. ولكن عندما تتطابق حركات الراقص تماماً مع الإيقاع ومع نية الراقص للتعبير عن قصة، هنا يحدث السحر. تجادل الورقة بأن المعلومات الدلالية (Semantic Information) هي بالضبط هذا "الرقص" بين ما يختبره النظام وما يحاول النظام القيام به.

تقدم الورقة صيغة لقياس هذا "الرقص"، مكتوبة كـ SI = g(R, A).

• R ترمز إلى التنظيم التمثيلي (Representational Organization). وهي كيفية تصنيف النظام للعالم؛ أي قائمة الأشياء التي يلاحظها النظام، مثل خريطة للغرفة أو قائمة بالأصوات.
• A ترمز إلى الاصطفاف الوكيل/الهدف (Agentive Alignment). وهو "موقف" النظام أو "هدفه"؛ أي ما يحاول النظام تحقيقه، مثل "البحث عن المخرج"، أو "تجنب الخطر"، أو "البحث عن الطعام".
• g هي الدالة التي تقيس مدى ملاءمة الخريطة (R) للهدف (A).

يشير المؤلفون إلى أنه إذا كانت خريطتك مثالية ولكن ليس لديك هدف، فلن يكون لديك معنى. وإذا كان لديك هدف قوي ولكن لا تملك خريطة لتوجيهك، فلن يكون لديك معنى أيضاً. المعنى لا يوجد إلا عندما يترابط الاثنان معاً.

لإثبات أن هذا ليس مجرد أحلام فلسفية، بنى المؤلفون محاكاة حاسوبية بسيطة، أطلقوا عليها اسم "النموذج التجريبي" (Toy Model). لقد أنشأوا وكيلاً رقمياً صغيراً بثلاث حواس (إشارة مكانية، ونمط حافة، ونغمة محيطة) وثلاثة أهداف محتملة (الملاحة، أو البحث عن معلم بارز، أو مجرد الاستماع للخلفية).

في محاكاتهم، أبقوا حواس الوكيل كما هي ولكن غيروا هدفه.

• عندما كان هدف الوكيل هو الملاحة (Navigation)، أصبحت "الإشارة المكانية" ذات معنى فائق. حيث قفزت درجة المعلومات الدلالية إلى حوالي 0.433.
• وعندما تغير هدف الوكيل إلى مراقبة الخلفية (Background Monitoring)، أصبحت نفس الإشارة المكانية عديمة الفائدة تقريباً. حيث انخفضت الدرجة إلى حوالي 0.317.
• تغير "معنى" الإشارة بمقدار 27% تقريباً لمجرد أن تركيز الوكيل قد تغير، رغم أن الإشارة نفسها لم تتغير على الإطلاق.

تظهر هذه المحاكاة أن المعنى ليس خاصية ثابتة للإشارة؛ بل هو علاقة. يمكن للإشارة أن تكون ثقيلة بالبيانات ولكنها فارغة من المعنى إذا لم تتصل بما يفعله النظام. وعلى العكس من ذلك، يمكن لإشارة ضئيلة وخافتة أن تكون محملة بالمعنى إذا كانت هي بالضبط ما يحتاجه النظام في تلك اللحظة.

تستعرض الورقة أيضاً ما يحدث عندما ينكسر هذا "الرقص". فقد وصفوا ثلاث طرق يمكن أن يفشل بها المعنى:

1. التجزؤ (Fragmentation): يرى النظام أشياء كثيرة جداً لكنه لا يستطيع ربطها بأي هدف. يشبه الأمر التواجد في غرفة مزدحمة حيث يصرخ الجميع، لكنك لا تستطيع سماع محادثة واحدة.
2. الجمود (Rigidity): يستمر النظام في فعل الشيء نفسه حتى عندما يتغير العالم. يشبه الأمر جهاز GPS يستمر في إخبارك بالانعطاف يساراً نحو جدار لأنه لم يحدّث خريطته.
3. عدم الاصطفاف (Misalignment): الإشارة واضحة، لكن الهدف خاطئ. يشبه الأمر سماع إنذار حريق بينما تحاول النوم؛ الصوت واضح، لكن هدفك الحالي (النوم) يجعل الأمر مربكاً أو متجاهلاً حتى تدرك الخطر.

يؤكد المؤلفون بحذر أنهم لا يحلون "المشكلة الصعبة" للوعي (لماذا نشعر بأي شيء على الإطلاق). هم لا يقولون إن هذه الصيغة ستخبرنا ما إذا كان الروبوت "حياً" حقاً أو "يشعر". بدلاً من ذلك، هم يقدمون أداة جديدة لوصف كيف ينظم النظام عالمه. ويجادلون بأن النظريات السابقة حاولت إيجال المعنى في الإشارة نفسها (مثل التحقق مما إذا كانت حقيقية) أو في العالم الخارجي (مثل التحقق مما إذا كانت تساعدك على البقاء). تقترح هذه الورقة أننا يجب أن ننظر إلى الداخل، إلى النظام، لنرى كيف يرقص رسمه الداخلي وأهدافه الداخلية معاً.

يعترف الفريق بأن هذه مجرد خطوة أولى. صيغتهم هي "مجموع مرجح" (Weighted Sum)، وهي طريقة بسيطة لجمع الأشياء، لكنهم يوضحون أن نسخاً أكثر تعقيداً (باستخدام ما يسمى بـ "عائلة المتوسط القوي" - Power-mean family) يمكن أن تنجح أيضاً. ويقترحون أنه في المستقبل، يمكن للعلماء استخدام هذه الفكرة لاختبار الذكاء الاصطناعي. إذا كان لدى الروبوت خريطة داخلية رائعة ولكن أهدافه مجرد أرقام عشوائية وضعها البشر، فقد يمتلك "بيانات" عالية ولكن "معنى" صفري. ولكن إذا كانت أهداف الروبوت وخريطته مقترنين حقاً — أي إذا كان يحاول بصدق حل مشكلة باستخدام فهمه الخاص — فإنه قد يكون على طريق شيء يمكننا تسميته "الفهم الدلالي".

باخت-صار، تقترح هذه الورقة أن المعنى ليس شيئاً تجده؛ بل هو شيء تفعله. إنه العلاقة الديناميكية النشطة بين ما تعرفه وما تحاول تحقيقه. عندما يتقاطع هذان الخطان، تتوقف المعلومات عن كونها مجرد ضوضاء وتبدأ في أن تصبح قصة.