Tails and Walls: Reality's Two Honest Priors

تخيل أنك تحاول تخمين قواعد لعبة ما، لكنك لم ترَها تُلعَب من قبل. في الإحصاء، يُسمى هذا اختيار "أولوية" (prior)—أي تخمين أولي حول كيفية عمل العالم قبل النظر إلى أي بيانات. لفترة طويلة، اعتقد العلماء أن هناك طريقة صادقة واحدة فقط لتكون "جاهلاً بأقصى حد": وهي افتراض أن الأحداث الجامحة والمتطرفة ممكنة، حتى لو كانت نادرة. فكر في الأمر كأنك تفترض أن الطقس يمكن أن يكون أي شيء، من نسيم لطيف إلى إعصار. هذا هو الفرع "الثقيل" من التفكير، حيث تمتد أذيال منحنى الاحتمالية الخاصة بك إلى الأبد، مثل حبل طويل ونحيف.

ولكن ماذا لو كان للكون جدران؟ ماذا لو كانت بعض الأشياء ببساطة لا يمكن أن تحدث لأنها تصطدم بحد فيزيائي؟ تخيل كرة ترتد في غرفة؛ يمكنها أن تسير بسرعة، لكن لا يمكنها أن تتجاوز سرعة الضوء، أو لا يمكنها أن ترتد أعلى من السقف. لعقود من الزمن، تجاهل الإحصائيون هذه "الجدران" في الغالب، مفترضين أن الحبل يمتد إلى الأبد. يسأل هذا البحث سؤالاً جريئاً: هل الواقع مكون من حبال لا نهاية لها، أم أن هناك أيضاً جدرانًا صلبة؟ إن المؤلفين يستكشفون "أذيال" البيانات (الأحداث المتطرفة والنادرة) و"الجدران" (الحدود الصلبة) ليروا أيهما يصف عالمنا بشكل أفضل. إنهم يستخدمون خريطة رياضية جديدة لقياس ما إذا كانت الطبيعة تفضل الاحتمالات اللانهائية أم الحدود الثابتة.

---

الأوليّتان الصادقتان: الحبال والغرف

يكشف البحث، الذي يحمل عنوان "الأذيال والجدران: الأوليّتان الصادقتان للواقع"، أنه عندما نحاول أن نكون جاهلين تماماً بنظام ما، فإن لدينا في الواقع خياران صادقان، وليس خياراً واحداً فقط. يطلق المؤلفون على هذين الخيارين اسم "الفروع".

الفرع الثقيل (الحبل اللانهائي):
هذا هو المفضل القديم. إنه يشبه توزيع (Student-t)، وهو قريب من منحنى الجرس الشهير. تخيل حبلاً يمتد إلى الأبد. مهما ذهبت بعيداً، هناك دائماً فرصة ضئيلة للعثور على شيء أكثر تطرفاً. في العالم الحقيقي، يبدو هذا مثل صوت العاصفة أو المسافة بين الذرات في جزيء مرن. يمكن لهذه الأشياء أن تصبح كبيرة جداً أو صغيرة جداً، وينخفض احتمال القيم المتطرفة ببطء، مثل ذيل طويل. يجد البحث أن أصوات البيئة والروابط الهيدروجينية في الجزيئات تعيش على هذا الفرع. إنها "ثقيلة" لأنه ليس لها سقف صلب؛ يمكنها أن تتمدد.

فرع القطرة (الغرفة ذات الجدار):
هذا هو الاكتشاف الجديد. تخيل قطرة ماء مستقرة على طاولة. لها شكل، لكنها تتوقف فجأة عند حافة معينة. هي لا تمتد للأبد؛ بل تصطدم بـ "جدار" ويكون احتمال العثور على أي شيء وراء ذلك الجدار هو صفر تماماً. يوضح البحث أن العديد من الأشياء في عالمنا تشبه هذا بالفعل. على سبيل المثال، البكسلات في صورة رقمية هي "قطرات". لا يمكنها أن تكون أكثر سطوعاً من السطوع الأقصى الذي يمكن للكاميرا تسجيله (255 في صور 8-بت). يجادل البحث بأن "الجدار" ليس مجرد خطأ في الكاميرا، بل هو ميزة أساسية للبيانات التي نراها. عندما ننظر إلى المسافة بين الذرات في رابطة تساهمية (مثل الكربون-أكسجين)، هناك حد صلب لمدى قربها من بعضها البعض قبل أن تتنافر. هذا يخلق "جداراً" في البيانات.

الخريطة العظيمة: قياس شكل الواقع

لم يكتفِ المؤلفون بالتخمين؛ بل بنوا أداة قياس جديدة تسمى "حجم المعلومات" (Information Volume). فكر في هذا كمسطرة تعمل بنفس الطريقة بغض النظر عن كيفية تمدد أو التواء البيانات. استخدموا هذه المسطرة لقياس "شكل" الأذيال في أربعة عوالم مختلفة:

1. الجزيئات: نظروا في 134,000 جزيء. وجدوا أن بعض أجزاء الجزيء (مثل الروابط الهيدروجينية المطاطية) هي "ثقيلة" (حبل لانهائي)، بينما أجزاء أخرى (مثل روابط الكربون-أكسجين الضيقة) هي "قطرات" (تصطدم بجدار).
2. الصوت: الأصوات البيئية (مثل الرياح أو المطر) هي "ثقيلة". يمكن أن تصبح صاخبة جداً، ولا يوجد حد صلب لمدى تطرف الصوت.
3. الكلام: الكلام البشري مثير للاهتمام. يبدأ "ثقيلاً" مع الأصوات الحادة (مثل "ب" أو "ت")، لكنه سرعان ما يسترخي ليصبح منحنى جرس طبيعي (Gaussian) أثناء الاستماع إلى جمل كاملة.
4. الصور: كان هذا هو المفاجأة الكبرى. ظن المؤلفون أن الصور الرقمية قد تكون "ثقيلة" لأن الطبيعة جامحة. لكنهم وجدوا أن الصور هي في الواقع "قطرات". يأتي "الجدار" من الكاميرا وشاشة الكمبيوتر. الضوء في العالم الحقيقي (الإشعاع) ثقيل ولانهائي، لكن الصورة التي نراها هي قطرة لأنها قد حُصرت في نطاق ثابت من الأرقام (مثل 0 إلى 255).

"التخمين الصادق" و"تخمين الحقيقة"

يقدم البحث فكرة ذكية تسمى "تخمين الحقيقة" (truth-guess). تخيل أنك تحاول تخمين متوسط طول مجموعة من الناس، لكنك لا تعرف من هم في المجموعة. أنت تضع تخميناً بناءً على ما تعرفه. يوضح المؤلفون أنه إذا كنت صادقاً حقاً، فإن تخمينك يجب أن يتطابق مع "المركز الثقلي" (barycenter) لجميع النماذج الممكنة.

وقد وجدوا قاعدة: إذا كان تخمينك الأولي (الأولوية) له ذيل ثقيل، فإن تخمينك النهائي سيكون له أيضاً ذيل ثقيل. وإذا كان تخمينك الأولي له جدار، فإن تخمينك النهائي سيحتفظ بهذا الجدار—ما لم تكن البيانات التي تنظر إليها جامحة لدرجة أنها تكسر الجدار.

على سبيل المثال، إذا نظرت إلى إشارة محدودة (مثل صورة رقمية) من خلال عدسة محدودة، فإن الجدار يبقى. ولكن إذا نظرت إلى إشارة محدودة من خلال عدسة "ضبابية" أو غير محدودة (مثل التمويه الغاوسي)، فإن الجدار ينمحي، وتبدأ البيانات في الظهور كمنحنى جرس طبيعي. هذا يفسر لماذا تبدو الصور الرقمية كالقطرات: الكاميرا (العدسة) محدودة، لذا يظل الجدار باقياً.

ما الذي ينفيه البحث وما الذي يثبته

المؤلفون حذرون جداً بشأن ما يدعون به. فهم ينفون صراحة فكرة أن "المحدودية" (وجود حد) تعني تلقائياً أنك تمتلك "قطرة". مجرد كون الرقم يتوقف عند نقطة معينة لا يعني أنه قطرة. القطرة لها شكل محدد وسلس عند اقترابها من الجدار، مثل منحنى يقبل الحافة برقة. إذا توقفت البيانات فجأة (مثل القص الحاد) أو قفزت، فهي ليست قطرة. يثبت البحث أن الإشارات الطبيعية مثل الصور والروابط الجزيئية هي بالفعل "قطرات" لأنها تمتلك هذا الشكل متعدد الحدود والسلس.

كما أنهم ينفون فكرة أن الفرع "الثقيل" هو الطريقة الوحيدة الصادقة لتكون جاهلاً. لفترة طويلة، اعتقد الإحصائيون أن الذيل الثقيل هو الرهان الآمن الوحيد. يظهر هذا البحث أنه بالنسبة لكثير من الأشياء، تكون "القطرة" هي الأولوية الصادقة.

ما مدى تأكدهم؟

المؤلفون واثقون جداً من قياساتهم للأشياء التي اختبروها. لقد استخدموا طريقة تسمى "نظرية القيم المتطرفة" لقياس شكل الأذيال. وتحققوا من نتائجهم بعدة طرق:

• اختبروا "الاضطراب" (jitter) المختلف (التغيرات العشوائية الصغيرة) للتأكد من أن الجدران ليست مجرد نتاج لبرمجيات الكمبيوتر الخاصة بهم. بقيت الجدران كما هي.
• اختبروا عتبات مختلفة للتأكد من أن الشكل لا يتغير اعتماداً على كمية البيانات التي ينظرون إليها. ظل الشكل (ثقيل مقابل قطرة) ثابتاً.
• أجروا اختبار "البيانات المحجوزة": قاموا بتدريب نموذج على نصف البيانات واختبروه على النصف الآخر. عندما استخدموا "الفرع" الصحيح (القطرة للروابط C-O، والثقيل للروابط O-H)، توقع النموذج القيم المتطرفة بدقة مثالية. وعندما استخدموا النموذج الخاطئ (مثل منحنى الجرس القياسي)، فشل فشلاً ذريعاً. بالنسبة لروابط O-H الثقيلة، قلل منحنى الجرس من تقدير مخاطر الأحداث المتطرفة بمقدار 10 أضعاف!

ومع ذلك، هناك لغز واحد لم يحلوه. فقد وجدوا نوعاً واحداً من البيانات—وهي الصور ذات النطاق الديناميكي العالي (HDR) للشمس—التي بدت "ثقيلة للغاية"، حتى أكثر ثقلاً مما يسمح به الفرع "الثقيل". يسمون هذا "اختبار جهد" ويعترفون بأن ليس لديهم الإجابة بعد. قد يعني هذا وجود فيزياء أو رياضيات جديدة لم يكتشفوها بعد، أو قد يكون مجرد أن الشمس ساطعة جداً لدرجة أنها تكسر قواعدهم الحالية.

الخلاصة

هذا البحث يشبه العثور على نظارات جديدة. قبل ذلك، كنا نظن أن العالم إما منحنى جرس أو حبل طويل. الآن، نعلم أنه أيضاً قطرة ماء مع جدار.

• الأصوات والجزيئات المرنة؟ هي حبال (ثقيلة).
• الصور الرقمية والروابط الكيميائية الضيقة؟ هي قطرات (جدران).
• الكلام؟ يبدأ كحبل ثم يتحول إلى منحنى جرس.

الدرس الأهم هو أن "شكل" البيانات يخبرنا كيف نبني نماذج أفضل. إذا حاولت نمذجة "قطرة" باستخدام "حبل"، فستتوقع أشياء مستحيلة (مثل بكسلات أكثر سطوعاً مما يمكن للشاشة إظهاره). وإذا حاولت نمذجة "حبل" باستخدام "جدار"، فستفقد الأحداث النادرة والخطيرة (مثل عاصفة هائلة). من خلال قياس "مؤشر الذيل" (الرقم الذي يخبرك إذا كان لديك حبل أو جدار)، يمكننا اختيار الأداة المناسبة للمهمة. يشير البحث إلى أنه لأول مرة، لدينا خريطة تخبرنا بالضبط أي أداة نستخدمها لمختلف أجزاء الواقع.