نموّ الجماعة الحيوية من بعيد يشبه قطارًا يتسارع: يزحف في البداية، ثم يكتسب سرعة. لكن بمجرد التحديق في البيانات، تتلاشى الصورة. في قياسٍ واحد نجد عشرة أفراد، وفي آخر مئة دفعة واحدة. النماذج التقليدية تمسح هذا التشتت كما لو كان غبارًا مزعجًا على العدسة. فهي تفترض أن الضجيج موحّد في كل مكان، وتتجاهله ببساطة. العمل الجديد يقترح أن ننصت إلى هذا الضجيج — كما ينصت الطبيب إلى تنفس المريض. فالأزيز والصفير يرويان ما يحدث في الداخل.

اعتمد المؤلفون على الشبكات العصبية المزوّدة بمعلومات بيولوجية (BINNs). هذا يشبه شبكة عصبية عادية خُيط فيها كتاب بيولوجيا — حتى لا تخترع قوانين غير موجودة. أضيف إلى هذا «الكتاب» كتلة قابلة للتعلم تتكيف أثناء العمل مع تفاوت التشتت. في الإحصاء، تُعرف هذه الخاصية باسم التباين غير المتجانس (heteroscedasticity)، أي حرفيًا «التشتت المتفاوت». في مثال نمو الجماعة، لم تستعد الشبكة العصبية القانون الخفي فحسب، بل توصّلت بنفسها إلى أين تكون البيانات أكثر موثوقية، وأين تكون وكأنها مخطط قلب تحت ضغط.

النتيجة فاجأت: بعد أن تعلّمت الشبكة التمييز بين الضجيج «المرتفع» و«الهادئ»، أصبحت أدقّ في التنبؤ بالنمو نفسه. واتضح أن بنية التقلّب ليست عدوًا، بل حليفًا. فهي تحمل معلومات عن كيفية استجابة الجماعة للبيئة، وللازدحام، وللضربات العشوائية للقدر. هذا النهج لن يفيد في علم البيئة فحسب، بل أيضًا في الطب — حيث يكون تشتت البيانات بين المرضى ليس عيبًا، بل مفتاحًا للعلاج الشخصي.