الغابة العشوائية

تخيّل سرب طيور يتجمّع حول معلف لم يصنعه أحد. كل طائر يبحث عن طعام لنفسه، لكنهم في النهاية يجدون أنفسهم معًا. عادةً ما يُفسَّر هذا السلوك بالغريزة الاجتماعية: فالطيور تريد أن تكون قرب أقرانها. لكن ماذا لو كان السرب مجرد أثر جانبي للجشع؟ درّب الباحثون 50 وكيلًا للبحث عن أهداف دون رؤية الأهداف نفسها، بل بمراقبة الوكلاء الآخرين فقط.

البحث عن مادة جديدة يشبه التجارب في المطبخ دون وصفة: تجرب وتجرب، وفي الغالب تتخلص من النتيجة. في السابق، كان العلماء يطالعون المقالات العلمية يدويًا ويختبرون التركيبات واحدة تلو الأخرى. الآن ظهر «طاهٍ آلي» يقرأ الأدبيات بنفسه، ويخلط المكونات، ويحلل النتيجة.

سمكة منعزلة تلاحظ ظلًا فوق رأسها. تهرب؟ إذا كانت مجرد ورقة شجر، فإنها ستهدر طاقتها وتكشف نفسها لمفترس. إذا كانت مالك الحزين، فإن التردد قاتل. هذا هو التنازل الأبدي للفرد: رد الفعل السريع يعني الكثير من الإنذارات الكاذبة، والحذر يعني خطر الافتراس. في السرب، الأمور مختلفة. الجار الذي يواصل بهدوء قضم الطحالب هو دليل حي على عدم وجود خطر.

الأنواع النادرة في مجتمع كبير تشبه الأغصان الرفيعة في شجرة: يسهل كسرها بعاصفة عشوائية. حتى في ظل ظروف خارجية مستقرة، قد لا يملك السكان الصغار عددًا كافيًا من الأفراد لتجاوز موسم غير مواتٍ، مثل الجفاف أو نقص الغذاء.

عند انقسام الخلية الأم، تحصل الخليتان الابنتان عادةً على حصص متساوية من الموارد — هذه هي الصورة المألوفة للتكاثر الخلوي. ولكن ماذا لو ورثت إحدى الخليتين الابنتين كل شيء تقريبًا، بينما حصلت الأخرى على جزء صغير فقط؟ يُظهر النمذجة العشوائية أنه في ظل ظروف معينة، تكون القسمة غير المتكافئة أكثر فائدة من الناحية التطورية.

الحاسوب الكمومي يشبه أوركسترا، حيث كل عازف هو كيوبت (qubit)، وهو النظير الكمومي للبت التقليدي، يعزف دوره الخاص لكنه كثيرًا ما يخطئ بسبب فك الترابط (decoherence) والاضطرابات الخارجية. ولكي لا تتحول الموسيقى إلى نشاز، نحتاج إلى قائد يسمع فورًا النغمات الخاطئة ويصححها.

في محلول مائي تسبح كريات مجهرية — جسيمات غروية. كل كرة مغطاة بسلاسل بوليمرية طويلة تشكل ما يشبه الفرشاة، وتحمل شحنة كهربائية. عند درجة حرارة وتركيب معينين للمحلول، تصطف هذه الجسيمات تلقائيًا في هياكل منتظمة — بلورات غروية. لكن النظام نفسه يمكن أن يشكل أنواعًا مختلفة من الترتيب: كثيفًا مثل البرتقال في صندوق، أو فضفاضًا مثل الفقاعات في الرغوة.

يرمي شخصٌ عملة معدنية لـاتخاذ قرار. وهو واقف في مكانه، يرى وجه العملة. يخطو بضع خطوات — ثم يرمي مرة أخرى. يبدو بديهيًا أن المشي لا ينبغي أن يؤثر على نتيجة الرمية. لكن ماذا لو كانت الجولة نفسها تغيّر مدى تكراره لقراره السابق؟ هذا ما اختبره الباحثون تحديدًا. دعوا 90 شخصًا للعب لعبة كمبيوتر: كان عليهم تخمين أيّ من الزرّين يحقق ربحًا أكثر.

أن تُبقي في ذهنك الموضع الدقيق لقلم يُحرَّك ببطء — مهمة عادية للدماغ. أما بالنسبة للشبكات العصبية الاصطناعية فهي شبه مستحيلة. الشبكات المتكررة العادية، مثل GRU وLSTM، تميل إلى تقسيم الحركة المستمرة إلى درجات صلبة: القلم لا يزحف بسلاسة، بل يقفز من نقطة إلى أخرى. تبدو الشبكة وكأنها لا تتذكر خطًا متصلًا، بل عدة لقطات منفصلة.

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.

العقل البشري يشبه مجموعة بناء تُكمل نفسها بنفسها. الأفكار الجديدة لا تموت مع الإنسان؛ بل تنتقل وتختلط وتُنتقى. هذه العملية تسمى التطور الثقافي: الاختراعات المفيدة تترسخ، بينما تُنسى غير المفيدة. هكذا تعمل السقاطة (ratchet) — آلية تدور إلى الأمام فقط.

242,327 مجرة — مثل حبات الرمل على الشاطئ. لكن علماء الفلك حولوا هذه الفوضى إلى خريطة: خوارزمية UMAP (التعلم الآلي) أخذت من كل مجرة أحد عشر معلمة — سبعة ألوان من البصريات حتى الأشعة تحت الحمراء المتوسطة (هذا فوتومتري (Photometry))، والقدر الظاهري، ونصف القطر،…

ينزلق البروتين على خيط الحمض النووي مثل مفتاح على حلقة مفاتيح، باحثًا عن قفله. أي انعطاف خاطئ، ويبقى الجين معطلاً. لفهم أين سيقبض البروتين بإحكام، يجب قياس قوة هذه القبضة — طاقة الارتباط. لكن استعراض كل المواقع الممكنة يدويًا مستحيل: جينوم الثدييات يتكون من مليارات "الحروف".

يحتاج الطيار في القتال إلى فهم فوري للهدف ونواياه. تنتظر الأنظمة التقليدية بيانات الرادار الكاملة، تمامًا مثل حارس المرمى الذي لا يتفاعل إلا بعد التسديدة. تعمل الخوارزمية الجديدة كحارس مرمى خبير: من خلال الحركات الأولى للمهاجم، تتنبأ بمناورة الهدف. تجمع الخوارزمية الإشارات المتقطعة وتُحسّن الاستنتاج تدريجيًا.

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.

تخيّل بستانيين يتفاوضان على الماء من بئر سحري. يقترح أحدهما عدد الدلاء التي سيأخذها، والآخر بإمكانه الموافقة أو الرفض. إذا تمت الصفقة، فإن الماء — وهو مورد متجدد — ينخفض؛ وإذا لم تتم، يمتلئ البئر تدريجيًا مرة أخرى.

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.

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%.

في الحساء المغلي، تتصادم الجزيئات بصورة عشوائية وتدخل في تفاعلات. لكن إذا قسنا كيفية تغير تركيزاتها، تظهر أنماط منتظمة. تعمل الشبكات الكيميائية الكربونية على هذا المبدأ — وهي خلائط من الجزيئات تقوم تلقائياً بـ 'طهي' المعلومات، محولة كل تفاعل إلى عملية حسابية أولية. في السابق، كانت تُستخدم فقط لنمذجة الطبيعة.

تقليديًا، تعمل خوارزميات التعلم الآلي في بيئة ثابتة، تمامًا مثل الماء الذي يتدفق في مجرى محفور مسبقًا دون أن يغير شكله. الطريقة الجديدة تقلب هذا النموذج رأسًا على عقب: فهي تسمح للوكيل بأن يتعلم الأفعال ويغير البيئة التي يعيش فيها بشكل هادف في الوقت نفسه. تخيل جدولًا لا ينساب فقط إلى أسفل المنحدر، بل يعمل بنشاط على تآكل التربة الرخوة، شاقًا طريقه بشكل أقصر وأكثر كفاءة.

يشبه سرب الروبوتات سربًا من اليراعات: يتحرك كل منها بدافع 'نحو حيث يوجد متسع'، فيتحول الفوضى إلى نظام. لطالما كان لغزًا كيف ينشأ التناسق دون اتصال أو أوامر. جاء الحل مع ابتكار خريطة الاستجابة — أداة، مثل الأشعة السينية، تكشف عن المنطق الخفي لعقل الآلة. كشفت الخريطة حقيقة مذهلة: تبني الروبوتات، دون قصد، نموذجًا للمهمة على شكل فضاء منحنٍ.

التطور لا يشبه مجرد شجرة ذات أغصان متفرعة، بل يشبه نسيجًا محبوكًا. تتقاطع خيوط الأنساب عندما تتبادل الأنواع الجينات — فمثلًا، تنقل البكتيريا لبعضها مقاومة الأدوية، وتتهجن النباتات لإنتاج هجائن. لقد تعلم العلماء فك تشابك هذه الكرة: فهم يحللون الطفرات — وهي أخطاء عشوائية تحدث في تعليمات تكوين الكائن الحي (الحمض النووي).

تتحول شجرة العائلة إلى كتلة متشابكة إذا أخذنا في الاعتبار الأطفال المتبنين والزيجات المتكررة. التطور غالبًا ما يشبه هذه الكتلة: على الرغم من أن النموذج القياسي — التمثيل التقليدي للتطور التباعدي، حيث تتفرع الأنواع مثل الشجرة يرسم شجرة أنساب أنيقة، إلا أن الجينات في الواقع لا تنتقل فقط بالوراثة، بل أيضًا مباشرة بين الكائنات غير المرتبطة — وهي عملية تسمى…

صحراء حيث كل خطوة تغير التضاريس. تنهار الكثبان الرملية، وتنشأ منحدرات جديدة — وتُفرض الخطوة التالية بما وطئته للتو. تقريبًا هكذا تعمل "المناظر الرملية" (sandscapes) — نموذج رياضي مستوحى من الأنظمة الحية. اعتمد المؤلفون على شبكات هوبفيلد العصبية، لكنهم أضافوا تغذية راجعة: كلما دخل النظام في حالة معينة (مثل "أصبحت الخلية عضلية")، زاد عمق المنخفض المقابل في مشهد الطاقة.

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.

عدّاء يخسر على المضمار الأملس وعلى الرمال اللزجة. يبدو أنه لا فرصة له. لكن إذا بدأ المسار تحت قدميه يتغير كل بضع ثوانٍ — تارة مضمار، وتارة رمال — فجأة يتوقف العدّاء عن التخلف. لا يصبح أسرع، فقط البيئة لا تسمح لضعفه بأن يُحسم. هذا بالضبط ما اكتشفه مؤلفو العمل، بدراسة نموذج بسيط "مفترس-فريسة". أخذوا مفترسًا محكومًا عليه بالانقراض في بيئتين ثابتتين (مثلًا، مناخ بارد ومناخ حار).

في محطة أرصاد جوية بمقاطعة برازوس في تكساس، يُسجَّل المطر على شريط مغناطيسي — كل يوم، لأربع سنوات متتالية. 900 ملم في الموسم الجيد، و100 ملم في السيء. ثم يصمت الشريط. يقترب الجفاف بصمت — إنه الخفوت البطيء لنبض الأرض. لا يتنبه مؤشر SPI-3 القياسي إلا بعد شهر أو شهرين، بعد أن تكون الرطوبة قد نفدت. لكن هنالك همساً مقلقاً يبقى على الشريط قبل الصمت بوقت طويل — كل ما عليك هو الاستماع إليه بالعكس.

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.

يشبه الجهاز المناعي محررًا لا يكل، يصحح مسودة الأجسام المضادة ليجعلها أكثر التصاقًا بالفيروسات والبكتيريا. تُسمى هذه العملية نضج الألفة: تحدث أخطاء عشوائية في الجينات (طفرات)، ويحتفظ الانتقاء الطبيعي بتلك التي تحسّن التقاط الهدف. المشكلة أن «فائدة» الطفرة ليست عامة. فما يقوّي جسمًا مضادًا قد يفسد آخر.

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.

تصميم الآلات يشبه الطهي: يجب أن تعرف بالضبط أين سينقطع «العجين». الحسابات الحاسوبية القديمة تفحص كل نقطة في القطعة على مدار ساعات، مثل قياس كل جزء من القدر للتأكد من أن المقبض لن يسقط. شبكة عصبية من الجيل الجديد تنظر إلى القطعة كشبكة نقاط، تماماً كما ينظر الطبّاخ الماهر إلى المقلاة فيشعر من النظرة الأولى كيف تتوزع الحرارة فيها.

الغلاية المغلية بغطاء مغلق لا تظهر الفقاقيع، لكن الصوت والاهتزاز يكشفان عن قوة غليان الماء. تشبه الأنظمة الكمومية ذلك: فحساسيتها القصوى — أي الدقة التي تتحسس بها المجال المغناطيسي أو الموجة الثقالية — كانت تُحسب سابقًا عبر إعادة بناء جميع الخصائص (التصوير المقطعي). وهذا يشبه إعداد جرد لكل قطرة.

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.

بعد جولة من السكرابل، تشبه اللوحة فسيفساء: القطع متناثرة لكنها تتجمع في نمط مترابط — جزر من الكلمات وسط بحر من الخلايا الفارغة. يمكن وصف هذا النمط رياضيًا، لكن ذلك يتطلب عادة قواعد معقدة. سلك مؤلفو الدراسة مسارًا مختلفًا: أخذوا مباريات حقيقية بلغات مختلفة ووجدوا أبسط وصف ينقل الخصائص المتوسطة فقط — كم عدد الخلايا المشغولة في المتوسط، وكم مرة تكون الخلايا المتجاورة مشغولة معًا.

تتطلب دراسة ولادة المجرات نمذجة مليارات السنين من نمو المادة المظلمة وتشكل النجوم - حتى الحواسيب العملاقة تنجز ذلك ببطء. جاء الحل من مجال التعلم الآلي: شبكة عصبية، مثل طباخ بارع، تقيّم المجرة المستقبلية فورًا من خلال "وصفة" اندماجات المادة المظلمة - كتلتها، سطوعها، تركيبها الكيميائي.

تشبه الأراضي القاحلة الجلد الذي يتشقق بسبب الجفاف. عندما تقل الأمطار، لا تختفي النباتات فورًا، بل تعيد ترتيب نفسها، تاركة مساحات عارية من التربة بينها. هذه الأنماط مرئية حتى من الفضاء. قارن العلماء صور الأقمار الصناعية لثماني مناطق قاحلة — من الساحل في أفريقيا إلى صحاري أستراليا. اتضح أن تاريخ المنطقة مسجل في شكل بقع الغطاء النباتي.

نواة اليورانيوم تشبه محفظة مشدودة مقفلة على نصفين. لكي تنفجر وتطلق الطاقة – أي لكي تنقسم النواة – يجب تجاوز حاجز الطاقة. ارتفاع هذه العتبة يحدد ما إذا كانت المادة مستقرة أم عرضة للتفكك في أي لحظة. ظل الفيزيائيون لعقود يحسبونها بالمعادلات، لكن بالنسبة لأكثر النوى تقلباً – شديدة الاستطالة، ذات عدد غير معتاد من الجسيمات – كانت الحسابات كاذبة.

المهندسون الذين يحسّنون الشبكات العصبية يتصرفون كمربّي النباتات: يجربون نسخة، ينظرون إلى النتيجة، ويبقون على الأفضل. جمعوا 935 تجربة من هذا القبيل من 161 مقالة، وقاسوا كم مرة يكون تعديل الكود مفيدًا أو ضارًا أو بلا تأثير. النتيجة مألوفة لكل عالم أحياء: 68% من التعديلات تضعف الأداء، و19% لا تغير شيئًا، و13% فقط تعطي مكسبًا. في ذبابة الفاكهة والخميرة، نسبة الطفرات المفيدة تتراوح بين 1% و6%.

المناظر الطبيعية المقطعة بالطرق أو الأنهار إلى أجزاء معزولة تشبه شقة مشتركة بعد تركيب فواصل: يتوقف السكان عن التصادم في الممر المشترك. الأنواع التي كانت تتنافس سابقًا على نفس الطعام أو المكان تعيش الآن منفصلة. يضعف التنافس — وتبقى على المسرح تلك الأنواع التي كانت ستخسر في المناظر الطبيعية المتصلة أمام جيرانها الأكثر إلحاحًا. هكذا تتراكم التجزئة التنوع.

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.