Dynamic Graph Learning and Causal Machine Learning for Evolution, Shock Propagation, and Systemic Resilience in Global Cross-Border Investment Networks
تقترح هذه الورقة "مُعامل رسم المرونة السببية" (CRGO)، وهو نظام ديناميكي موحد يدمج التعلم الآلي السببي مع تعلم الرسوم البيانية لنمذجة تطور شبكات الاستثمار العالمية العابرة للحدود، وانتشار الصدمات، والمرونة المقابلة للواقع في آن واحد، مما يتيح التنبؤ الصارم وتدقيق المرونة النظامية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
المال لا يجلس ببساطة في الحسابات المصرفية؛ بل يتحرك. إنه يتدفق عبر الحدود، رابطاً الاقتصادات في شبكة واسعة ومتغيرة من الاستثمارات. عندما تقرر دولة ما بناء مصنع في الخارج، أو عندما تغير حكومة ما قواعدها بشأن الملكية الأجنبية، فإنها ترسل تموجاً عبر هذه الشبكة. وهذه التموجات لا تتوقف عند حدود أول دولة معنية، بل تسافر، وتتضخم أحياناً أثناء مسيرها، وتخبو أحياناً أخرى، وتغير اتجاهها تماماً في أحيان أخرى. لعقود من الزمن، حاول الاقتصاديون رسم خرائط لهذه الروابط، معتبرين إياها سلسلة من اللقطات الثابتة أو مجموعة من القصص المنفصلة عن دول فردية. لكن الواقع أكثر سيولة؛ فالشبكة نفسها تغير شكلها مع حركة المال، ويمكن لصدمة في مكان ما أن تغير مسار رأس المال لدول تبعد آلاف الأميال، حتى بعد مرور وقت طويل على الحدث الأولي. ويتطلب فهم ذلك النظر إلى النظام ليس كخريطة ثابتة، بل ككائن حي يتنفس ويتطور بمرور الوقت.
لقد كان التحدي الذي واجه الباحثين هو أن الأدوات المستخدمة للتنبؤ بهذه التحركات كانت منقسمة إلى معسكرين منفصلين. ففي جانب، توجد نماذج مصممة للتنبؤ بالمستقبل، تخمن أي الدول ستتصل ببعضها لاحقاً بناءً على الأنماط الماضية. هذه النماذج جيدة في رؤية الاتجاهات، لكنها غالباً ما تكون عمياء عن السبب والنتيجة؛ فقد تتنبأ بحدوث اتصال، لكنها لا تستطيع تفسير لماذا تسبب أزمة معينة في حدوثه أو كيف انتقلت الصدمة فعلياً. وعلى الجانب الآخر، توجد طرق مصممة لقياس السبب والنتيجة، تحاول عزل تأثير سياسة أو حدث معين. هذه الطرق ممتازة في إيجاد "السبب"، لكنها تفتقر غالباً إلى الآليات التي تظهر كيفية انتشار هذا التأثير عبر شبكة متغيرة على مدار أشهر أو سنوات. إنها تعامل الشبكة كمسرح ثابت، وليس كلاعب ديناميكي في القصة. هذا الانفصال ترك فجوة: يمكننا التنبؤ بالمستقبل، أو يمكننا فهم الماضي، لكننا نكافح للقيام بكليهما في آن واحد بطريقة تحترم كيفية تعافي النظام من الأزمة.
وقد اقترح باحث في جامعة ملبورن، يُدعى زيتاي كونغ، طريقة جديدة لسد هذه الفجوة. يقدم عمله إطاراً موحداً يسمى "مشغل الرسم البياني للمرونة السببية" (Causal Resilience Graph Operator). وبدلاً من استخدام أدوات منفصلة للتنبؤ ولتفهّم السبب، يعتمد هذا النهج محركاً واحداً يقوم بكليهما في آن واحد. تخيل نظاماً يكون فيه المحرك ذاته الذي يشرح كيفية انتشار الصدمة هو نفسه المحرك الذي يتنبأ بالخطوة التالية في تطور الشبكة. في هذا النموذج، لا يكون "سبب" التغيير مجرد رقم مضاف إلى قائمة من الحقائق؛ بل هو منسوج مباشرة في القواعد التي تحكم تدفق الأموال من دولة إلى أخرى. يتعلم النظام تحديد كيف يؤدي حدث معين، مثل ارتفاع حدة عدم اليقين العالمي أو التوترات الجيوسياسية، إلى تغيير إمكانات الاستثمار بين الأمم. ثم يستخدم هذا الفهم المحدد للتنبؤ بكيفية تموج الصدمة إلى الأمام، وكيف سيتم امتصاصها أو تضخيمها، وكم من الوقت سيستغرق النظام للعودة إلى حالة مستقرة.
ولاختبار هذه الفكرة، غذّى الباحث النموذج بكمية هائلة من البيانات الواقعية، بما في ذلك عقود من السجلات حول أين استثمرت الدول أموالها، وكيف كان أداء حكوماتها، ومدى شعور العالم بعدم اليقين في أوقات مختلفة. جاءت البيانات من مصادر دولية موثوقة مثل صندوق النقد الدولي والبنك الدولي، لتغطي الفترة من عام 2009 إلى عام 2024. طُلب من النموذج تنفيذ مجموعة صعبة من المهام: التنبؤ بالروابط الاستثمارية التي ستظهر لاحقاً، والتنبؤ بحجم تلك الاستثمارات، ومحاكاة ما سيحدث إذا ضربت الشبكة صدمة مفاجئة. ثم تمت مقارنته بمجموعة من الأساليب الحالية، بدءاً من الأدوات الإحصائية القياسية وصولاً إلى نماذج الذكاء الاصطناعي المتقدمة التي تُعتبر حالياً الأفضل في مجالها.
أظهرت النتائج أن النهج الجديد تفوق على غيره في كل الفئات تقريباً. فعندما طُلب منه التنبؤ بالاتصالات المستقبلية بين الدول، كان أكثر دقة من النماذج الأفضل السابقة، محافظاً على دقته حتى عند النظر بعيداً في المستقبل. والأهم من ذلك، عندما قام النموذج بمحاكاة انتشار صدمة ما، فقد رصد توقيت واتجاه رد الفعل بمستوى من التفصيل فات النماذج الأخرى. وبينما استطاعت الأنظمة الأخرى تخمين الاتجاه العام، إلا أنها غالباً ما فشلت في تحديد المسار المحدد للصدمة، فإما أخطأت في تحديد الدول التي ستتضرر بشدة أو أساءت تقدير المدة التي سيستغرقها التعافي. في المقابل، تعلم النموذج الجديد "خريطة" لكيفية تفاعل الدول المختلفة مع الضغوط؛ حيث استطاع إظهار أن صدمة اقتصادية معينة قد يتم تخفيف حدتها بواسطة دولة شريكة، بينما قد تضخمها دولة أخرى، مما يخلق نمطاً معقداً من الرابحين والخاسرين يعتمد كلياً على الروابط المحددة بينهم.
كما بحثت الدراسة في مدى قدرة النموذج على التعامل مع أزمة لم يسبق له رؤيتها، وهو اختبار يُعرف باسم "التعميم خارج التوزيع" (out-of-distribution generalization). قام الباحثون بإخفاء بيانات تتعلق باضطرابات عالمية كبرى، مثل الجائحة وفترات التوتر الجيوسياسي الشديد، ثم طلبوا من النموذج التنبؤ بما سيحدث خلال تلك الفترات. أثبت الإطار الجديد متانة ملحوظة؛ فلم ينهار عندما تغيرت قواعد اللعبة، كما يحدث غالباً أثناء الأزمات. بدلاً من ذلك، استمر في تقديم توقعات وتصنيفات مرونة موثوقة، محدداً بشكل صحيح الاقتصادات التي من المرجح أن تتعافى بسرعة وتلك التي ستعاني. يشير هذا إلى أن النموذج قد تعلم المنطق الكامن وراء النظام بدلاً من مجرد حفظ الأنماط الماضية. لقد أدرك أن المرونة لا تتعلق فقط بحجم الدولة، بل بكيفية سماح روابطها المحددة لها بامتصاص الضربة وإيجاد مسار جديد للمضي قدماً.
ومن أهم النتائج التي توصل إليها أن النموذج يمكنه الآن قياس "المرونة" بطريقة لم تكن ممكنة سابقاً. فبدلاً من مجرد تصنيف الدول بناءً على مقدار الأموال التي فقدتها، يحسب النظام درجة التعافي بناءً على الوقت الذي يستغرقه الاقتصاد للعودة إلى مساره الطبيعي بعد تعرضه لصدمة. إنه يقيس إجمالي الضرر، وسرعة الارتداد، والحد الأقصى لتضخم الصدمة أثناء انتقالها عبر الشبكة. وهذا يسمح بفهم أغنى للاستقرار العالمي. على سبيل المثال، كشف النموذج أن الصدمة نفسها يمكن أن تؤدي إلى تأثيرات مختلفة تماماً اعتماداً على حوكمة الدولة وموقعها في شبكة الاستثمار. فالدولة التي تمتلك مؤسسات قوية قد تمتص الصدمة بسرعة، بينما قد تشهد دولة مماثلة ذات روابط أضعف انتقال الصدمة عبر اقتصادها لسنوات.
وقد حرص الباحثون على الإشارة إلى أن هذا أداة للفهم واختبار الجهد، وليس بلورة سحرية يمكنها التنبؤ بالمستقبل بيقين مطلق. فالنموذج يعتمد على البيانات المقدمة له، ومثل أي نظام، له حدود؛ فهو لا يستطيع مراعاة كل متغير ممكن، ويفترض أن القواعد الأساسية لكيفية تفاعل الدول تظل ثابتة إلى حد ما. ومع ذلك، فمن خلال الجمع بين القدرة على التنبؤ بالمستقبل والقدرة على فهم الماضي، فإنه يقدم عدسة جديدة وقوية للنظر إلى الاقتصاد العالمي. إنه ينقل النقاش من مجرد التوقعات البسيطة إلى تحليل أعمق لكيفية عمل الجهاز العصبي المالي العالمي.
وفي النهاية، يشير هذا العمل إلى أن الطريقة التي ندرس بها التمويل العالمي تحتاج إلى التغيير. لم يعد بإمكاننا معاملة التنبؤ والسبب كمسائل منفصلة. إن مستقبل الاقتصاد العالمي يتشكل من خلال الصدمات ذاتها التي تزعزعه، ومسار التعافي مكتوب في نفس الكود الذي يحكم انتشار الأزمة. ومن خلال بناء نموذج يحترم هذا الارتباط، قدم الباحث طريقة لرؤية النظام ليس كمجرد مجموعة من الأرقام، بل كبنية ديناميكية متط تطور، يمكن فهمها وقياسها، وربما الاستعداد لها بشكل أفضل لمواجهة العواصف القادمة. وتشير النتائج إلى أنه عندما نفهم الروابط السببية بين الأمم، فإننا نحصل على رؤية أوضح لقوة النظام الحقيقية وقدرته على الصمود.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.