كيف تسمع من يقود من في الأنظمة المعقدة ✛
يأتي مترجم إلى اجتماع يُتحدث فيه بلغة غير مألوفة. لا يعرف الكلمات، لكنه يلاحظ أنه بعد إحدى المداخلات يبدأ الجميع بالإيماء. بعد عدة لقاءات، أصبح يفهم من يحدد النبرة. خوارزمية Kausal تفعل الشيء نفسه مع البيانات: تتعلم لغة النظام لتكتشف من يؤثر على من.
ثم تقوم الخوارزمية بتوقعين: الأول يعتمد فقط على تاريخ الأثر، والثاني يضيف السبب المفترض. إذا كان التوقع الثاني أدق، فالسبب مفيد فعلًا. على بيانات إل نينيو، التقط هذا النهج أحداثًا كبرى فاتت طرقًا أخرى. إنه يعمل مثل مترجم لم يعد يسمع الكلمات فحسب، بل يفهم من يملي على من.
اقتُرح مؤثر كوبمان في عام 1931، لكن فقط مع ظهور التعلم العميق أصبح من الممكن تقريبه بكفاءة للبيانات الحقيقية.
فكرة رفع النظام إلى فضاء حيث يصبح المعقد بسيطًا تذكرنا بـ"الفضاء الفائق" في الخيال العلمي، حيث تلتف السفن حول قيود الفضاء العادي. هنا، يلعب فضاء الدوال اللانهائي الأبعاد دور الفضاء الفائق.