على مدى عقود، خدع السراب السدود البرازيلية. برامج الحاسوب التي تدير 160 محطة كهرومائية كانت ترى أنهاراً ممتلئة حيث كانت المياه تنحسر بالفعل. ما يقرب من 60% من الكهرباء في البلاد تعتمد على الأمطار، وعندما يتنبأ الذكاء الاصطناعي بأمطار غزيرة، يفرغ المشغلون المياه بسخاء عبر التوربينات. لكن الأمطار لم تأت — وكانت التنبؤات تكذب بشكل منهجي باتجاه الوفرة. الأمر أشبه بما يحصل في الصحراء: ترى بحيرة، وعندما تقترب تجد رمالاً.

الجوهر هو حساب بسيط لقيمة المياه. كل متر مكعب يتم توفيره اليوم، يوفر المال غداً، لأن موسم الأمطار يعقبه موسم جفاف. برنامج الحاسوب التحسين (optimization؛ تخطيط التكاليف) يحسب هذه الفائدة. وإذا توقع هطول أمطار غزيرة، تنخفض قيمة المياه — فيتم تفريغها.

اختبر العلماء هذا الخداع الذاتي في ثلاث خطوات. أولاً، أظهروا بأمثلة بسيطة أن حتى المبالغة الطفيفة في التنبؤ تلغي الحافز لتخزين المياه. ثم، باستخدام بيانات حقيقية على مدى 12 عاماً، وجدوا أنه في الأشهر ذات التنبؤات المفرطة في التفاؤل، كانت المستويات المخططة للخزانات مرتفعة بشكل غير مبرر أيضاً.

وأخيراً، أجروا محاكاة عددية (numerical simulation) مع آلاف طرق مونت كارلو (Monte Carlo methods). كان الطقس فيه يتغير كـ العمليات العشوائية (stochastic processes)، حيث تعتمد كل خطوة فقط على سابقتها — سلاسل ماركوف (Markov chains)، المسماة على اسم أندري ماركوف.

قارنوا استراتيجيتين: واحدة مدربة على تنبؤات متحيزة، وأخرى مع الاستدلال البايزي (Bayesian inference) من الخطأ المنهجي. مثل هذه التصحيحات يمكن مستقبلاً دمجها مباشرة في التعلم الآلي (machine learning) وربطها بـ نظرية التحكم (control theory) لإدارة شبكة الكهرباء.

النتيجة — كالصحو من وهم بصري. بدون التصحيح، كان متوسط مستوى الخزانات بنهاية الجفاف يهبط إلى ثلث احتياجات البلاد. محطات الطاقة الحرارية الباهظة تُشغَّل متأخرة، رافعةً الأسعار بنسبة 34%. احتمال انقطاع الكهرباء كان يقفز إلى 10,3% — أي انقطاع متقطع كل عشرة أيام تقريباً — مقابل 0,9% عند الاستراتيجية النزيهة.

يختفي السراب عندما يُدخَل الوضوح إلى التنبؤات. يعود الماء في الخزانات ليجد قيمته الحقيقية، ويعود البرازيليون إلى النور دون متاعب إضافية.