نموذج احتمالي

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.

في عام 1998، لاحظ عالم الرياضيات ديفيد بويد نمطًا غريبًا. كان يدرس مقياس ماهلر لكثيرات الحدود — وهو مقدار يقيس "تعقيد" جذورها — واكتشف أنه بالنسبة لعائلة من المنحنيات، يُعبَّر عنه دائمًا بعدد نسبي خاص مضروبًا في قيمة مشتقة دالة L. بدت هذه الأعداد-العوامل، التي يُرمز لها بـ $$r_k$$، ككسور عشوائية، لكن بويد افترض أن وراءها نظامًا صارمًا.

خلية الأميبا Dictyostelium تزحف على الزجاج، تاركةً خلفها سلسلة من النقاط على المستوى — تسجيلًا لمسارها. ما القوى التي توجّه هذه الحركة؟ داخل الخلية يعمل محرك جزيئي: البروتينات تنقبض، والغشاء يترنح، والماء يُحدث ضغطًا.

الشبكة الغذائية ليست مجرد قائمة «من يأكل من». إنها خريطة بقاء لمنطقة بأكملها. عندما يتغير المناخ، تهاجر الحيوانات، وتتمزق هذه الخريطة. لفهم أين ستمزق وأين ستصمد، نحتاج إلى إيجاد «هيكلها العظمي» الثابت — تلك العلاقات التي تتكرر في أماكن مختلفة. الطرق السابقة بحثت عن هذا الهيكل كتطابق صارم «نوع-بنوع»: الأسد من كينيا يجب أن يطابق تمامًا الأسد من تنزانيا.

الخلفية البصرية للسماء هي طِرْس كوني، حيث يتراكب ضوء مليارات المجرات غير المميزة المجرات في طبقات تعود إلى عصور مختلفة. حتى الآن، كنا نميز فقط "الحروف" الأكثر سطوعًا — النجوم الفردية والمجرات القريبة. لكن الجزء الأكبر من النص بقي بقعة ضبابية تخفي تاريخ توسع الكون، وولادة النجوم الأولى وطبيعة المادة المظلمة.

تخيل كتابًا للطبخ يُعاد كتابته من جيل إلى جيل. في يوم من الأيام، يتلقى وصفة البرش مكونًا سريًا من طاهي المعجنات — ومنذ تلك اللحظة، لا يتذكر الطعم الأسلاف فحسب، بل يتذكر أيضًا الجار. في النموذج القياسي للتطور، تتصرف الجينات بنفس الطريقة. الجينات هي تعليمات للكائن الحي، نوع من الوصفات الجزيئية.

طالما تجادل علماء الأحياء: إذا تعايش أفراد عدوانيون ومسالمون باستقرار في جماعة، فهل يحدث تبديل مستمر للأدوار السلوكية لدى كل فرد، أم أن جزءًا يُظهر العدوان دائمًا وجزءًا يتراجع دائمًا؟ في إطار المعادلات الكلاسيكية لديناميكيات الجماعات، هذان السيناريوان لا يمكن تمييزهما رياضيًا.

عندما تتعلم طائرة بدون طيار من طيار خبير، فإنها لا تحفظ مناورات منفردة، بل ممرات آمنة كاملة — المسارات التي تحرك فيها الإنسان المُعلِّم. يُسمى هذا النهج التعلم بالمحاكاة (imitation learning): حيث تحاكي الآلة عروض الخبير.

السائق على طريق زلق لا يعرف كيف ستستجيب السيارة لعجلة القيادة، فيتعلم أثناء القيادة تاركاً هامشاً للخطأ. على نحو مماثل، تتصرف خوارزمية التحكم الذكية. فبدلاً من المطالبة بنموذج دقيق، تجمع البيانات بشكل فوري، وتقدّر عدم اليقين والتشويشات الخارجية، وكأن الصندوق الأسود يكشف عن إعداداته تدريجياً.

من الملائم تمثيل الإشارة الصوتية بعدد مركب: معامله (السعة) يعكس شدة الصوت، ووسيطه (الطور) يحدد موضع الموجة في الزمن وإزاحتها اللحظية. الشبكات العصبية التقليدية تقسم هذا الوصف الموحد إلى إحداثيين مستقلين – ببساطة، تحدد عنوانًا في شبكة ديكارتية: «خطوتان شرقًا وخطوة شمالًا».

يتدفق التطور كالماء. ففي النهر الواسع تكون التغيرات سلسة وبطيئة، بينما يهدر الجدول الجبلي عند كل حجر. حجم الجماعة وتواتر الطفرات يحددان المجرى: واسعًا وهادئًا أم ضيقًا ومليئًا بالمنحدرات.

تنمو ندفة الثلج، وتنتشر بقعة النفط، ويتحرك الحشد — لكل حالة معادلاتها الخاصة. لكن النهاية غالبًا ما تكون واحدة: الشكل والسرعة والنمط تخضع لقالب بسيط يكرر نفسه على مقاييس مختلفة. هذا هو مفهوم الكونية (Universality) — عندما يختبئ قانون عام خلف التفاصيل. قامت مجموعة من الفيزيائيين ببناء إطار إعادة التطبيع (Renormalization Group) الذي يفسر هذه الظاهرة.

العدسية التجاذبية الميكروية هي أثر كوني مذهل، تنبأ به أينشتاين وطوّره تسفيكي. جسم ضخم، يمر بيننا وبين نجم بعيد، يحني ضوءه كالعدسة، مُحدِثاً تضخيمات وتشوهات مميزة.

البيروفسكايت الهجين هو النجم الصاعد في الخلايا الكهروضوئية: كفاءته تنمو بسرعة حتى لنشعر أننا على أعتاب ثورة شمسية. لكن هذه المواد، التي تشبه فسيفساء متقنة من الذرات، معرضة للخطر بشدة: الرطوبة والحرارة والضوء تحولها بسرعة إلى غبار. بدا في البداية أن وضع جزيئات عضوية مهدئة هو الدواء الشافي - طبقة واقية رقيقة جدًا تحمي السطح. لكن سرعان ما ظهر تناقض: الإفراط في الحماية لا ينقذ، بل يدمر.

يدخل السوق ثمانمائة مشارك — شركات وعاملون. يحمل كلٌّ منهم قائمة تفضيلات صارمة في ذهنه. المهمة: الانقسام إلى أزواج بحيث لا يرغب أحد في إعادة اللعبة. في الرياضيات، يُطلق على هذا اسم لعبة تعاونية مع حظر تكرار الاقترانات، وتعود جذورها إلى أعمال جون فون نيومان وأوسكار مورغنسترن.

60 فأرًا، 1980 عينة، 234 مريضًا بسرطان الرئة. خلف كل رقم آلاف الجينات. يُقاس نشاطها لفهم المرض. لكن البيانات ليست متجانسة: بالنسبة لمريض واحد يتم تقييم مستوى البروتين (رقم متصل)، وإعطاء تشخيص (نعم/لا)، وتحديد النوع الفرعي للورم (فئة). دمجها في نموذج واحد كجمع درجات الحرارة المئوية مع الكيلومترات. المتخصصون في التعلم الآلي يضبطون أوزان الأخطاء يدويًا لكل مهمة.

على الخريطة الطبوغرافية، تختار قطرات المطر طريقها: إذا سقطت على منحدر واحد، تتجه إلى النهر أ، وإذا سقطت على الآخر، إلى النهر ب. يرى المراقب فقط تعرجات الأنهار (متغيرات الاستجابة Y) ويعرف من أي منحدر جاء الماء (الأداة Z)، لكنه لا يرى القطرات نفسها (العوامل غير المرصودة ε).

اعتدنا أن نعتقد أن ملاحظة تأكيدات تخميناتنا فقط هي خطأ. لكن حسابات حديثة مستوحاة من سلوك الموجات تقلب هذه النظرة. اتضح أن عادة البحث عن المألوف هي أفضل وسيلة لتقليل الضجيج المعلوماتي (يسميه العلماء الإنتروبيا). وقد أوضح جون فون نيومان أن الاحتمالات قد تتصرف لا كنسب مئوية، بل كموجات متداخلة.

الشبكات العصبية التقليدية تتعلم من الأمثلة، كشخص يحفظ الألحان بالأذن: فهي تجمع الأنماط الإحصائية دون أن تفهم القواعد العميقة. أما النهج الآخر — الشبكات العصبية المزوّدة بالفيزياء — فتُدمج في بنيتها الأساسية القوانين الفيزيائية الجوهرية، مثل معادلات حفظ الطاقة أو معادلات الحركة.

حفنة من الرمل تسقط على الطاولة — وكل حبة رمل تتدحرج إلى الأسفل حتى تستقر في تجويف. هكذا يعمل الجهد: سطح الطاولة يخبر الجسيمات أين تتحرك. لكن في نهر به دوامات، لا توجد منخفض واحد تتجه إليه كل الأشياء. الماء يدور، ويعود، ويلتف. لمثل هذه الأنظمة، الخريطة التقليدية "للحفر والتلال" غير مناسبة. يقترح مؤلفو العمل الجديد أداة عالمية — دالة لابونوف معممة.

حشد في محطة مترو في ساعة الذروة. البعض يسرع نحو السلم الكهربائي، وآخرون يبطئون أمام لوحة المعلومات، وغيرهم يلتفون حول عمود. كل خطوة ليست مجرد رد فعل على ما هو أمام الأنف مباشرة. الشخص يقدّر مسبقًا أين سيكون جاره بعد ثانية، ويعدّل مساره وفقًا لذلك. هذا النظر إلى المستقبل يسميه الفيزيائيون السلوك الاستباقي.

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.

تسجيل من مسجّل صوتي في ساحة مدينة. يُسمع همهمة الحشد، وخطوات الأقدام، ومقاطع من أحاديث، وضجيج السيارات. وفي مكان ما وسط هذه الفوضى الصوتية، يعزف موسيقي الشارع لحنًا بسيطًا على الناي. ليس من السهل سماعه، فثمة الكثير من الأصوات المختلطة. تقريبًا هذه هي المهمة التي تحلها خوارزمية جديدة باسم Edwin (ضغط إنتروبيا قصوى مع اكتشاف نماذج غير خطية قابلة للتفسير).

مصنع تدار فيه مئات خطوط التجميع الصغيرة دون توقف. كل خط هو محرك جزيئي يحول الوقود الكيميائي إلى حركة. لجعل المحرك يتحرك أسرع أو في الاتجاه المطلوب، يعدّل المهندس الإعدادات — شكل الأجزاء، وقوة التفاعلات. ولكن كيف تعرف أي إعداد سينجح إذا كانت الاختبارات تستغرق وقتًا طويلاً؟ المشكلة أن أهم الأحداث — مثل قفزة نادرة للمحرك إلى وضع جديد — تحدث مرة كل قرن بمقاييس المحاكاة.

تتذوق طبقًا في مطعم دون أن ترى القائمة. تسأل النادل أسئلة — هل هو مالح أكثر من اللازم؟ ما البهارات المستخدمة؟ — وتحاول من إجاباته أن تخمن أي طاهٍ أعدّه. هكذا تقريبًا يدرس الباحثون الشبكات العصبية الحديثة عندما يكون الوصول إليها فقط عبر API (واجهة برمجة تطبيقات، حيث يمكنك طرح سؤال والحصول على إجابة، لكن لا يمكنك النظر إلى الداخل). لكن ليست كل الأسئلة مفيدة بنفس القدر.

تعزف الأوركسترا دون قائد. لكل عازف نوتة موسيقية — وهي الجينات. أما شدة الصوت والإيقاع فيعتمدان على صوتيات القاعة والمزاج والجيران على المسرح. هكذا تقريبًا تخلق الوراثة والحياة اليومية معًا سلوك المراهق. في الدراسة الجديدة، جمع العلماء بيانات آلاف الأطفال من مشروع ABCD طويل الأمد.

ثلاثة أشخاص يجلسون في زوايا غرفة ثلاث. يتلقى كل واحد منهم ظرفًا مختومًا من ساعي غير مرئي — لكن السعاة لا يتواطؤون ولم يلتقوا أبدًا. يفتح الأشخاص الأظرف ويجدون ورقة بكلمة واحدة: «نعم» أو «لا». هم أنفسهم لا يختارون شيئًا — يقرؤون فقط. بعد آلاف الجولات، يتبين أن مجموعات الإجابات تخضع لإحصاءات لا يمكن الحصول عليها دون تواطؤ سري بين السعاة. إلا إذا افترضنا أن الأوراق تؤثر على بعضها البعض فورًا، عبر الغرفة بأكملها.

الحسابات الكمومية وصفة بمكونات مثالية، لكن الطاهي — الطبيعة — يطبخ على طريقته. النماذج الآلية للذرات تحفظ الوصفة عن ظهر قلب وتتنبأ بخصائص المادة في ثوانٍ بدلًا من أسابيع. المشكلة أن الوصفة نفسها — معادلات شرودنغر — تحتوي تبسيطات: في مكان ما أهملنا ارتجاف الإلكترونات، وفي مكان آخر استبدلنا التبادل المعقد بحقل متوسط.

خبير الأرصاد يصدر توقعاته لأسبوع كامل في ثوانٍ، لكنه لا يستطيع تفسير أيٍّ من قراراته. هكذا تقريبًا تعمل نماذج التعلم العميق في التصوير الطبي الحديثة للطقس: لم تعد أقل شأنًا من الطرق العددية الكلاسيكية، لكن منطقها الداخلي مخفي خلف ملايين المعاملات. مجموعة من الباحثين صنعت أداة تنظر داخل هذا "الصندوق الأسود".

تستلقي اليد على الطاولة، وتصل إلى المعصم اهتزازتان قصيرتان — واحدة تلو الأخرى. المطلوب تحديد أيهما أقوى. تبدو المهمة بسيطة، لكن الإجابة تعتمد على أي الاهتزازين كان أولًا. إذا كانت الأولى ضعيفة والثانية قوية، يبدو الفرق أكبر مما لو عُكس الترتيب. هذا ليس نزوة انتباه، بل عمل آلية مستمرة: الدماغ لا ينتظر معلومات كاملة، بل يبني تخمينًا ويصححه أثناء الحركة.

الغشاء الرقيق لخلية شمسية أو شاشة يشبه حشدًا كثيفًا في ساحة: كل شخص متجه في اتجاه معين، ومن اتجاه نظر الجميع يعتمد ما إذا كان الضوء سيعبر الحشد أو يعلق فيه. في الإلكترونيات العضوية، تلعب الجزيئات دور المارة. حتى الآن، كانت الأجهزة قادرة على قياس الاتجاه العام للحشد فقط — متوسط ميل الرؤوس ومدى التشتت.

الوصفة العادية تشرح كيفية تحضير طبق: خطوة بخطوة، من المكونات الأولية إلى النتيجة النهائية. النهج الجديد يقلب المنطق: تخيل أن الكعكة المستقبلية هي التي تملي كمية الدقيق التي يجب إضافتها الآن. في العالم الكمومي، يفترض الباحثون أن الجسيم يتلقى إشارات من نتيجة القياس المستقبلية. هذه النتيجة هي التي تحدد ما نراه في التجربة.

الشبكة العصبية الطبية التقليدية ترى المريض كنقطة على الخريطة: هناك الطول، وضغط الدم، وتحليل الدم — ويضع النموذج علامة واحدة "سليم" أو "مريض". لكن في المستشفى الحقيقي، الخريطة دائمًا ممزقة. تحليل أُجري يوم الاثنين، وآخر بعد شهر، وجهاز التصوير المقطعي من ماركة مختلفة تمامًا. النقطة على هذه الخريطة هي خداع للذات. النموذج الجديد يعمل بشكل مختلف.

عندما يخترق نيوترون أو بروتون نواة ذرية، فإنه يتصرف مثل كرة تصطدم بجدار غير مستوٍ: فقد يرتد بطرق مختلفة اعتمادًا على مكان الاصطدام. يصف الفيزيائيون مثل هذه التصادمات باستخدام "النموذج البصري" (optical model) — وهو نموذج يستبدل النواة المعقدة بجهد فعال، كما لو كنا نصف الجدار بمتوسط ارتفاع واحد بدلاً من وصف كل تجويف على حدة.

شبكة تقرر بنفسها متى تتوقف حشد من الناس يكبر: كل شخص جديد ينضم إلى المجموعة باحتمالية تعتمد على حجم المجموعة الحالي. إذا كانت المجموعة صغيرة، يكون الانضمام سهلاً؛ وإذا كانت ضخمة، يبدأ الناس في التردد، ويتباطأ النمو. هذه الآلية، التي تسمى التغذية الراجعة (feedback)، تغير سلوك الشبكة بالكامل.

النموذج المعتاد للتعلم الآلي ينظر إلى كائن واحد في كل مرة: دماغ واحد، مريض واحد، محرك واحد. لكن علماء الأحياء يحتاجون إلى العام: كيف يُبنى دماغ النوع ككل، وليس فقط دماغ سمكة معينة. الطريقة الجديدة — التركيب الاحتمالي العميق للنماذج (DPMS) — تتعلم من نسخ متعددة في وقت واحد، مثل طاهٍ يتذوق عشرات التفاح ليفهم طعم الصنف، لا طعم ثمرة واحدة.

النجوم في أطراف المجرة تدور أسرع مما تتنبأ به قوانين الميكانيكا السماوية إذا أخذنا في الاعتبار فقط المادة المرئية - الغاز والنجوم المضيئة. اكتشف هذا التناقض في القرن العشرين كل من فيرا روبين وفريتز زفيكي، بقياس سرعات النجوم من خلال الإزاحة الدوبلرية لخطوط الطيف.

على الطاولة حفنة من مغناطيسات دائرية. ما دامت لا تُلمس، تبقى مبعثرة كما هي. لكن بمجرد تمرير نبضة تيار قصيرة عبرها، ينقلب كل قرص: يتبادل القطب الشمالي مكانه مع الجنوبي. وفي أثناء ذلك، تدفع الأقراص المتجاورة بعضها بحقولها، مثل أشخاص في طابور مزدحم، فتترتب الحفنة كلها في نمط يعتمد على الجهة التي هبت منها الرياح المغناطيسية ومدى دفء الجو.

عندما يُنتَج كوارك القمة داخل كاشف الجسيمات، يتحلل فورًا إلى وابل كامل من الجسيمات الأخرى. إن التقاط إشارة إلى فيزياء جديدة في هذا الوابل يشبه سماع همسة في حفلة موسيقية صاخبة. لا يتطلب الأمر مجرد ميكروفون جيد، بل القدرة على طرح ضجيج مكبرات الصوت وضجيج الجمهور.

النجم النيوتروني كرة بحجم مدينة، لكنه يزن مثل نجم ونصف بحجم الشمس. داخل هذه الكرة، المادة مضغوطة لدرجة أن ملعقة صغيرة منها تزن مليارات الأطنان. لكن الفيزيائيين لا يعرفون تمامًا مما تتكون هذه المادة بالضبط.