التحقق المتقاطع

أوركسترا تعزف بلا قائد. كل آلة تدخل وفق جدولها الخاص: الكمان يوم الاثنين، والناي يوم الأربعاء، والطبول يوم السبت. علماء الفلك لا يسمعون الموسيقى، بل نغمات متفرقة مبعثرة على التقويم. التلسكوب لا يرى النجم إلا عندما يكون فوق الأفق، وعندما يخصص له الجدول وقتًا. النتيجة شبكة زمنية غير منتظمة تتعثر عليها طرق الارتباط التقليدية.

تخيّل أنك تحاول فهم ما حدث في غرفة ما من خلال الصدى الذي تبقى بعد إطلاق رصاصة. لم يعد هناك رصاصة، لكن الصدى ما زال يتردد في الجدران. هذا تقريبًا ما يفعله أخصائي علم الأمراض العصبية عندما ينظر إلى شريحة من نسيج دماغي لا تحتوي على الورم نفسه: فالخزعة أخذت فقط نسيجًا سليمًا استجاب للمرض.

تخيل مستودعًا به صناديق من التفاح والكمثرى. التفاح كثير، والكمثرى قليل. ولكن عندما يقول أمين المستودع «فاكهة ذات قشرة ناعمة»، فإننا نتذكر غالبًا الكمثرى النادرة بدلًا من التفاح الشائع. هذا مظهر من مظاهر تأثير المعدل الأساسي العكسي (inverse base-rate effect) — وهو انحياز معرفي مستقر يجعل الدماغ، عند حل الغموض بين الفئات، يبالغ بشكل منهجي في تقدير الخيارات النادرة على حساب الشائعة.

جهاز قياس الغلوكوز الذي لا يخز الإصبع، بل يكتفي بالنظر إلى المعصم — إنه حلم ملايين المصابين بالسكري. وهذا ما تعد به الخوارزميات التي تستخرج مستوى الغلوكوز من إشارة النبض العادية — تصوير التحجم الضوئي (photoplethysmography) (وهي نفسها التي تقيس النبض في الساعات الذكية). المشكلة أن أحدًا لم يستطع حتى الآن مقارنة هذه الخوارزميات بشكل صحيح: فكل باحث استخدم بياناته الخاصة وطرقه الخاصة في الفحص.

التنبؤ بمردود تفاعل كيميائي هو محاولة لتقدير المحصول الزراعي دون معرفة سوى تكوين التربة. لفترة طويلة، اعتمد الكيميائيون على أعمدة طويلة من الأرقام، تُسمى الواصفات الكمومية (quantum descriptors)، التي تصف طاقة الإلكترونات لكنها تتجاهل شكل الجزيء. ومع ذلك، قد يتصرف مركبان بخصائص رقمية شبه متطابقة بشكل مختلف لمجرد أن أحدهما ضخم كباقة زهور والآخر مسطح كورقة.

متزلجان على بحيرة متجمدة حتى الأفق. إنهما بعيدان جدًا لدرجة أن صورتيهما الظليتين تحولتا إلى نقطتين، وجاذبيتهما المتبادلة تكاد تكون مفهومًا لاهوتيًا. وفق تعاليم نيوتن، ينبغي أن يدورا في رقصة فالس بطيئة تخيلية. لكن التلسكوبات ترى شيئًا مختلفًا. الأزواج تدور أسرع، وكأن الجليد نفسه يتنفس تحتهما، مانحًا تسارعًا لا ينبغي أن يكون هناك.

الذكاء الاصطناعي التقليدي ينظر إلى الصور الطبية كما لو كانت أحجية من قطع غير مألوفة — فهو يعتبر أي صورتين غير متطابقتين مختلفتين تمامًا. هذا أشبه بمحاولة التمييز بين توأمين دون معرفة قرابتهما. أما في الطب، فالمرضى المصابون بنفس المرض يبدون متشابهين تقريبًا في صور الرنين المغناطيسي، فيخطئ الخوارزم ويخلط بين "الأقارب".

الذكاء الاصطناعي الذي يتنبأ بصوتيات قاعة ما يشبه طالباً في امتحان يحفظ الإجابات دون فهم. إذا كانت نقاط الفحص هي نفسها نقاط التدريب، يقوم النموذج ببساطة بحفظ "البصمة" الصوتية لكل موضع – كطالب يتعرف على ورقة الأسئلة من ثنية صغيرة فيها. شَدِّد القواعد – جمِّع البيانات حسب المواقع وأخفِ الدلائل الترددية – وستنهار الدقة من 85% إلى 9–57%.

تقييم جودة الصورة مهمة تحتاج إلى مفتش دقيق يحمل مجموعة من الأدوات. شبكة IQA-T1 العصبية تتصرف تمامًا هكذا: فهي لا تكتفي بالتحديق في الصورة، بل تستخدم تارة مطيافًا وتارة مقياس إضاءة. الضوضاء الرقمية، مثل تموجات على سطح الماء، تخفي العيوب، لكن تحليل الترددات — مطيافية الصورة — يكشف فقدان الوضوح.

شبكة الكهرباء أشبه بمطبخ ضخم، حيث تهدد آلاف 'أطباق' الأعطال بالتقديم كل لحظة. الفحص الكامل لكل طبق يستغرق ساعات، والتفحص السريع قد يغفل خطرًا خفيًا، كما قد يغفل النظر العابر عن شرخ خفي في جدار. طريقة فون نيومان (الذي ابتكر كيفية القبض على الغشاشين بفحص جزء فقط من البطاقات) تقدم سبيلاً آخر. في البداية، يستبعد مرشح سريع الحالات الآمنة بوضوح.

يشبه البحث في الإنترنت غربلة الدقيق للخبز: قد تظهر بين الجزيئات البيضاء بقع داكنة من التربة. هذا هو تلوث البيانات - شوائب غير ملحوظة تفسد النتيجة النهائية. يعمل C3R كمنخل ذكي: فهو لا يغربل فقط النفايات المعلوماتية، بل يمكنه أيضًا التوقف إذا كانت النفايات كثيرة جدًا. بدلاً من المخاطرة، ترفض الخوارزمية الإجابة بأمانة.

تشبه الشبكة الكهربائية للسكك الحديدية أوركسترا: القطارات هي الموسيقيون، وتستجيب أنظمتها للتيار بطرق مختلفة. عندما تكون «أصواتها الكهربائية» في نشاز، ينشأ فوضى — تنافر قد يتطور إلى تأرجح خطير في الجهد. تعمل الطريقة الجديدة كقائد أوركسترا يقظ: تلتقط «البصمة» الكهربائية للشبكة وتحدد من يعزف بنشاز، دون الحاجة لفتح الهياكل المغلقة للقطارات.

يبني الطفل لعبة بسيطة في سكراتش: تظهر الشخصية في المنتصف وتقفز فوراً إلى الزاوية. الحركة الأولى تختفي بين الإطارات ولا يراها أحد. إزالة هذا الأمر آمنة. لكن كيف يعرف المُحسِّن التلقائي ذلك؟ اليوم، يحتوي مستودع سكراتش على عشرات الملايين من المشاريع التي كتبها مؤلفون صغار. خطأ من المُحسِّن قد يُشوِّه مقصدهم دون أن يُلاحَظ. الحل يشبه التفتيش الجمركي.

تخيّل مترجمًا يجلس في قاعة اجتماعات ويترجم كل كلمة. لكنه يلاحظ أنه يمكنه تحسين ترجمته إذا تعلّم من أخطائه. يبدأ بتسجيل العبارات التي سبّبت سوء الفهم، ويصححها. وبعد ساعة، تصبح ترجمته أدق، ويمر الاجتماع بسرعة أكبر. وهكذا هنا: مُفسِّر لغة Scheme، بمجرد تجميعه، يمكنه تنفيذ أي برنامج يُمرَّر إليه كبيانات، وفي الوقت نفسه حساب التدرجات لتحسين تلك البرامج.

يرسل المختبر إلى الروبوت قائمة بألف جزيء مرشح لدواء جديد. الروبوت المتنبئ، الذي تدرّب على بيانات قديمة، يصدر لكل جزيء تقييمًا "مناسب – غير مناسب". لكن عندما تأتي القائمة من مجال غير مألوف – كفيروس مختلف أو ورم نادر – يبدأ الروبوت في الاختلاط. تظل ثقته عالية بينما تنخفض الإصابات الحقيقية إلى الصفر.

ترفع اليد كوبًا من الرف — حركة مألوفة لا نلاحظها حتى تتعب العضلات. عندها يتغير المسار: يبتعد المرفق قليلًا إلى الجانب، وترتجف المعصم. عادةً ما يلتقط الطبيب هذه التغيرات بيديه، بجس عضلات المريض. لكن ماذا لو أمكن وضع التشخيص من خلال الفيديو؟ ابتكر فريق من الباحثين خوارزمية تنظر إلى حركة الذراع من الخارج وتقارنها بنسخة رقمية طبق الأصل من الشخص.

عند أحدهم يبدأ المرض بارتجاف في اليد — فنجان يرقص على الصحن وهو يحمله إلى الطاولة. وعند آخر، ترفض القدمان فجأة أن تمشيا باستقامة: تصبح الخطوة قصيرة، متثاقلة، وكأن الأرض فجأة غُطيت بطبقة لزجة. هذان ليسا مرضين مختلفين، بل وجهان لمرض واحد — مرض باركنسون. لكن الأدوية والتوقعات قد تختلف بينهما، لذلك يحتاج الأطباء إلى فهم أي وجه يواجهونه في أقرب وقت ممكن.

تلتقط الكاميرا صورة، لكن المستشعر يُحدث ضجيجًا، والبصريات تُشوّش، وبعض البكسلات تتعرض للضوء الزائد. استرجاع الصورة الأصلية يشبه تخمين لحن من أسطوانة تالفة: الاحتمالات كثيرة، وأيها صحيح غير واضح. في العلوم، تُسمى هذه المسائل بالمسائل العكسية (inverse problems)، وهي موجودة في كل مكان — من أجهزة التصوير المقطعي الطبية إلى التلسكوبات الراديوية.

طاهٍ يعدّ كعكة حسب وصفة، لكنه بدل العجين الهش يحصل على قشرة صلبة. يبدأ في تفحص الأسباب: ربما الدقيق رطب، أو الفرن لا يسخن بالتساوي، أو البيض كان باردًا جدًا. هذا ما تفعله الحسابات في علم المواد تقريبًا: النظرية القياسية (DFT) كثيرًا ما تخطئ، فتتنبأ أن البلورة ستوصل التيار، بينما تُظهر التجربة أنها عازلة.

خبيران ينظران إلى نفس صورة الثدي. الأول طبيب متمرس، والثاني برنامج ذكاء اصطناعي. أحيانًا تتطابق آراؤهما، وأحيانًا تختلف. ومدى تكرار اتفاقهما يحدد مدى دقة تمييزهما معًا بين الأنسجة السليمة والورم.

النموذج اللغوي للبروتينات يشبه طاهيًا تعلم من آلاف الوصفات وأصبح يؤلف أطباقًا جديدة. أحيانًا يبالغ فيضع الملح في كل طبق لأنه وجد في كتاب ناجح كمية كبيرة منه. في البروتينات، هذا التكرار ليس مجرد مظهر غير جميل: فالأجزاء المتطابقة من السلسلة تجعل البروتين هشًا، فلا يستطيع أن يطوي بالشكل الصحيح ولا يعمل. لاحظ العلماء هذه المشكلة في نموذجين شائعين: ESM-3 وProtGPT2.

التشخيص الجيني يشبه مقارنة صورتين التقطتهما كاميرتان مختلفتان. إذا أزاحت إحدى الكاميرات الألوان قليلاً، ستظهر في الصورة «عيوب» غير موجودة في الواقع. وكذلك في تحليل الحمض النووي: تُقارن عينة المريض بمرجع، وإذا عولج المرجع بكواشف من دفعة أخرى أو في مختبر آخر، يعطي المقارنة إشارات خاطئة — تارة طفرات زائدة، وتارة طفرات حقيقية مفقودة.