جسيمات لا تفقد شكلها ✛ ✎
يتجمع حشد في ساحة، يتنقلون من قدم إلى أخرى. كل شخص يريد الاقتراب من النافورة، لكن دون تدافع. بعد بضع دقائق، يتوقف الجميع: توزع الناس بحيث يكون الازدحام أكبر قرب النافورة وأقل نحو الأطراف، ولا يشعر أحد بالانزعاج. نفس المبدأ يقوم عليه أسلوب الجسيمات الذكية — التعلم الآلي، الذي يساعد الحواسيب على فهم البيانات المعقدة.
تتصرف الجسيمات مثل هؤلاء الأشخاص. فهي تنجذب إلى المناطق «الدافئة» (مناطق الاحتمالية العالية)، وتتنافر عن بعضها البعض. حركة كل جسيم هي خطوة صغيرة من التحسين (تحسين الموقع). معًا، تشكل نظامًا حيًا، نظام ديناميكي (Dynamical System)، يتكيف مع الشكل المطلوب. قواعد الحركة مكتوبة في معادلات تفاضلية (Differential Equations) (قواعد تغير سلسة) — مثل تعليمات الرقص.
ولكن إلى متى سيستمر هذا التوازن؟ تخيل أن الساحة شاسعة، ويبدأ الناس تدريجيًا في التدافع بقوة، مما يفسد النمط. في السابق، أثبت علماء الرياضيات أن عددًا محدودًا من الجسيمات يحاكي السرب المثالي اللانهائي جيدًا لفترة قصيرة فقط. ثم تزداد الأخطاء — كالتموجات التي تنتشر على سطح الماء. في بحث جديد، قُدمت حيلتان لمنع الشكل من التشتت.
الطريقة الأولى هي التدقيق الشامل. من وقت لآخر (على فترات لوغاريتمية، تقريبًا كل بضع دقائق) يقارن الحشد نفسه برسم مرجعي. حتى لو كان الرسم معقدًا، فإن الخطأ يتلاشى ببطء ولكن بثبات — كالثلج تحت شمس آذار. هذا ينطبق على أي شكل، لكنه يضمن فقط تقاربًا لوغاريتميًا. الطريقة الثانية تناسب الأشكال البسيطة، مثل دائرة تمددت إلى شكل بيضاوي. هنا، يكفي أن تتذكر الجسيمات رقمين فقط: موقع المركز ومدى تشتتها. حركة الحشد بأكمله تختزل إلى قواعد بسيطة، وينخفض الخطأ بسرعة كبيرة — مئات المرات في نفس الوقت. يطلق علماء الرياضيات على هذا اسم تقارب احتمالي (Probabilistic Convergence) بمعدل حدودي.
يؤكد الاكتشاف أن المجموعات المحدودة من الجسيمات يمكن استخدامها بثقة في المحاكاة العددية (Numerical Simulation) و الاستدلال البايزي (Bayesian Inference) (طريقة تحديث المعرفة مع ورود البيانات)، دون خوف من تدهور الأداء بمرور الوقت. إنه يتماشى مع مشكلة أوسع — كيفية نشوء الاستقلالية من عدد كبير من التفاعلات، المعروفة في سلاسل ماركوف (Markov Chains) (عمليات تعتمد فيها كل خطوة على السابقة فقط). الآن، بمعرفة هذه القواعد، يمكن للمهندسين ضبط الخوارزميات لتعمل لسنوات دون أخطاء — سواءً في التنبؤ بالطقس أو تحليل الصور الطبية.
والخلاصة: لقد غادر الحشد الساحة منذ زمن، لكن ظلال النافورة ما زالت تسقط على البلاط. لكننا الآن نعلم: إذا نُظمت الحركة بشكل صحيح، فلن يتلاشى النمط حتى المساء.
طُورت هذه الطريقة في البداية لتحديث المعرفة في الإحصاء، ثم اكتُشف لاحقًا أنها تشبه مبدأ عمل النماذج التي ترسم الصور بناءً على النص — مثل DALL-E.