Curse of Dimensionality: Bypassing via Chaotic Fractal Self-Similarity Invariant Mapping

في عالم البيانات وعلوم الحاسوب، هناك مشكلة مستمرة تُعرف باسم "لعنة الأبعاد". وهي تصف حالة تصبح فيها الأمور صعبة للغاية لمجرد وجود عدد كبير جداً من المتغيرات لتتبعها. تخيل أنك تحاول العثور على حبة رمل محددة في شاطئ؛ إن الأمر صعب بما يكفي في بقعة صغيرة، ولكن إذا توسع الشاطئ ليصبح بحجم قارة، فإن المهمة تصبح مستحيلة. في الرياضيات، مع زيادة عدد الأبعاد في مسألة ما، تتوسع المساحة المطلوبة لاستيعاب البيانات بسرعة هائلة لدرجة أنها تصبح فارغة ومتفرقة. وللحفاظ على مستوى ثابت من التفاصيل، يجب أن تنمو كمية البيانات بسرعة كبيرة لدرجة أنها ستتجاوز في النهاية عدد الذرات في الكون بأكمله. علاوة على ذلك، فإن الأدوات التي نستخدمها عادةً لقياس المسافة أو إيجاد الأنماط تتوقف عن العمل لأنها في هذه المساحات الشاسعة، تبدو كل الأشياء بعيدة بالتساوي عن بعضها البعض. لعقود من الزمن، حاول العلماء حل هذه المشكلة عن طريق تقليص البيانات أو البحث عن أشكال أبسط داخل الفوضى، لكنهم دائمًا ما قبلوا الفضاء عالي الأبعاد باعتباره الساحة التي يجب أن تُخاض فيها المعركة.

يقترح بحث جديد أجراه الباحث المستقل تشانغ كارس (Zhang Karsa) نهجاً مختلفاً تماماً. فبدلاً من محاولة تقليص المشكلة أو التنقل في الفضاء الفارغ، يشير البحث إلى أن الصعوبة ليست خاصية جوهرية للفضاء عالي الأبعاد نفسه، بل هي عرض لغياب بنية رياضية محددة. يقدم الباحث طريقة تسمى "رسم الخرائط الثابت للتشابه الذاتي الفركتلي الفوضوي" (Chaotic Fractal Self-Similarity Invariant Mapping). يعتمد هذا المفهوم على فكرة أن بعض الأنظمة المعقدة، عند النظر إليها من خلال العدسة الصحيحة، تكرر أنماطها الخاصة عند كل مقياس، تماماً كما يبدو الساحل متعرجاً سواء نظرت إليه من قمر صناعي أو من مجهر. ويجادل البحث بأنه إذا كان النظام يمتلك هذا النوع المحدد من التشابه الذاتي، فإن القواعد المعتادة للأبعاد لا تنطبق عليه. وتعتمد نواة هذه الطريقة على علاقة رياضية تتضمن تسلسلاً من القيم المتداخلة التي، عند ترتيبها بشكل صحيح، تتقارب لتصل إلى رقم ثابت وغير متغير بغض النظر عن مدى عمق الطبقات.

ولإثبات ذلك، وضع الباحث ثلاث قواعد أساسية، أو بديهيات، تحكم كيفية عمل رسم الخرائط هذا. تنص القاعدة الأولى على أن النظام يجب أن يبدو نفسه عند كل مستوى من مستويات التفاصيل. وتتطلب القاعدة الثانية وجود حدود خارجية محددة تمسك بالهيكل بأكمله؛ فبدون هذا الحد، يتفكك النظام. وتضمن القاعدة الثالثة أن الأجزاء الفردية للنظام تصغر وتصغر حتى تتوقف فعلياً عن التغير، مما يسمح للكل بالاستقرار في قيمة واحدة ثابتة. بناءً على هذه القواعد، يقدم البحث ثلاثة براهين رياضية. يثبت الأول أن النظام يستقر في رقم محدود وغير صفري. ويثبت الثاني أن هذا الرقم النهائي لا يعتمد على حجم البعد؛ فسواء كان النظام يحتوي على طبقات قليلة أو ملايين، فإن النتيجة هي نفسها. ويظهر البرهان الثالث أن حساب هذه النتيجة لا يصبح أصعب مع زيادة البعد؛ إذ يظل الجهد المطلوب ثابتاً، مما يتجاوز فعلياً الانفجار الأسي في العمل الذي يعيق عادةً المسائل عالية الأبعاد.

ويشرح البحث أيضاً ما يحدث عندما يغيب الحد الخارجي الحاسم. في هذه الحالة، يتدهور النظام إلى حاصل ضرب بسيط للأرقام يتقلص ببطء نحو الصفر. ويُحدد هذا الناتج المتلاشي على أنه التجلي الرياضي الحقيقي لـ "لعنة الأبعاد". ومن خلال إظهار أن اللعنة تظهر فقط عندما يغيب هيكل التشابه الذاتي المحدد، يجادل البحث بأن اللعنة ليست قانوناً لا مفر منه في الطبيعة، بل هي نتيجة لاستخدام رسم خرائط خاطئ.

لاختبار هذه الأفكار، أجرى الباحث تجارب عددية بدأت بنظام عند 10^6 من الأبعاد، ثم استقرأ النتائج لتصل إلى هدف قدره 10^50000 بُعد. كانت النتائج دقيقة بشكل مذهل. فعند البدء بقيمة 0.2، كانت النتيجة المخططة عند البعد الهائل هي 0.200000416، وهو فرق يقل عن جزء واحد في المليون. وعند البدء بـ 0.5، كانت النتيجة 0.500000001، وهو فرق لا يتجاوز جزءاً واحداً في المليار. تؤكد هذه الانحرافات الضئيلة أن القيمة ظلت ثابتة فعلياً رغم القفزة الهائلة في المقياس. ويشير الباحث إلى أن هذه النتائج عالية الأبعاد تم اشتقاقها من الصيغة الرياضية وليس من محاكاة حاسوبية مباشرة، والتي كان من المستحيل تشغيلها.

وعلى الرغم من تقديم النتائج كإطار رياضي صارم، إلا أن البحث يقر ببعض القيود. تعتمد الطريقة حالياً على قدرة الباحث على تحديد الحد الخارجي الصحيح باستخدام معرفته بالنظام المحدد، وتعتمد الدقة على مدى جودة استخراج الأنماط المتكررة من البيانات. بالإضافة إلى ذلك، اقتصر التحقق حتى الآن على الأنظمة الاصطناعية التي أُنشئت من أجل التجربة، ولم يتم اختبار الطريقة بعد على بيانات حقيقية وفوضوية. ومع ذلك، يقدم العمل منظوراً جديداً: إذا أمكن رسم خريطة لنظام ما باستخدام هذا التشابه الذاتي الفركتلي الفوضوي، فإن البعد نفسه يتوقف عن كونه عائقاً، ولا تزداد التكلفة الحسابية لحل المشكلة مع نمو حجم الفضاء.