تعلم الآلة الإحصائي stat.ML

أوركسترا من ألف عازف تعزف بتناغم ما دام قائد الأوركسترا يحافظ على الإيقاع. لكن بمجرد أن يغيّر النوتة، تبدأ آلات الكمان في زاوية ما بالعزف بصوت أعلى، بينما تدخل آلات النفخ في زاوية أخرى متأخرة. هكذا تقريبًا تعيد المؤشرات المناخية، مثل إل نينيو، تشكيل سلوك الظواهر الجوية المتطرفة: فالجفاف في منطقة والحرارة الشديدة في منطقة أخرى لم يعودا مجرد صدف مستقلتين، بل يبدآن بالحدوث معًا.

ضبط الشبكة العصبية يشبه محاولة تغيير ثقب أسود دون لمس أفق الحدث الخاص به: لا نغير سوى جزء صغير من المعاملات. ألقى الباحثون نظرة إلى الداخل فرأوا أنماطًا مذهلة - روابط قوية بين أجزاء النموذج، تشبه التشابك في فيزياء الكم. وبقياس الإنتروبيا (مقياس الفوضى)، اكتشفوا «وادي التشابك» - هبوط حاد في الانتظام يعتمد على طريقة التدريب.

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.

تحتفظ سجلات الطقس القديمة بمفاجآت: عمود مقياس الحرارة يقفز فجأة نصف درجة، ليس بسبب الطقس، بل لأن المحطة استبدلت الجهاز. مثل هذه القفزات الحادّة في البيانات تُسمى نقاط التغيّر، وفصلها عن الإشارات المناخية الحقيقية مهمة يتصدى لها الإحصائيون. الطرق التقليدية إمّا ترى قفزات كثيرة جدًا أو تفوّت المهمّة، خاصة عندما تكون البيانات «تتذكّر» ماضيها.

يمكن تشبيه الشبكة العصبية بسكن جامعي، حيث يحصل كل قاطن على غرفته الخاصة. عادةً، تشغل كل علامة في البيانات خلية عصبية منفصلة، ويتم التعلّم بالتتابع: أولاً علامة، ثم أخرى. هذا بطيء ويعتمد على البيانات المتاحة. لكن إذا سمحنا لعدة علامات بالسكن في غرفة واحدة — أي تداخلها فوق بعضها — يتغيّر المشهد. بنى العلماء نموذجًا بسيطًا «معلّم-تلميذ» واستخرجوا معادلات للتعلّم دون تداخل.

آلاف النماذج تُطبخ في مرجل واحد، ويتصاعد منها بخار كثيف لا يُخترق. كل نموذج يهمس بشيء عن مستقبل النينيو، لكن في الضجيج العام لا يمكن تمييز من هو على صواب ممن هو مجرد محموم. ابتكر العلماء إناء تقطير: ينتقون فقط النماذج التي سبق أن أصابت طور الحدث، ويبخرون منها اثنتي عشرة قطرة نقية كنماذج أولية. هذه القطرات هي العناقيد الفائقة: حالات نموذجية تتقارب عندها المتنبئات الناجحة.

تخطيط القلب الكهربائي يشبه تسجيل صوت المحرك: فالميكانيكي الخبير يسمع من خلاله متى يكون هناك خلل. الموجات فوق الصوتية للقلب تُظهر المحرك نفسه من الداخل، لكن الجهاز مكلف والمتخصصون قليلون. النموذج الجديد يجمع بين النهجين: فهو يتعلم من ملايين التخطيطات القلبية العادية ويشير إلى من تغيّر قلبه بالفعل، رغم أن الشخص لا يشعر بذلك.

سبع صور للسماء بعد ثوران بركان بيناتوبو. في كل صورة، خريطة لتركيزات عشرات المواد. السؤال بسيط: أي مادة تتحول إلى أي مادة؟ لكن كيف نستنتج سلسلة الأسباب من سبع لقطات، إذا كان عدد المتغيرات أكبر من عدد اللحظات الزمنية؟ تنظر M-CaStLe إلى الخريطة بطريقة مختلفة. لكل خلية في الشبكة، تُجمع نافذة من تسع جارات: الخلية المركزية وثماني خلايا حولها. هذه النوافذ على الخريطة بالآلاف، وتُعتبر جميعها تكرارات لنفس الآلية المحلية.

تعزف السيمفونية، لكن في النوتة الموسيقية نغمة كاذبة بالكاد تُلحظ. هكذا تقريبًا يبحث الفيزيائيون عن انحرافات عن النظرية النسبية العامة في "أصوات" الكون — الموجات الثقالية الناتجة عن اندماج الثقوب السوداء.

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.

الطيف هو مثل صورة فوتوغرافية للبنية الداخلية للمادة، تُلتقط بالضوء. عندما يمر شعاع عبر العينة أو ينعكس عنها، تترك الجزيئات على هذه الصورة خطوطًا داكنة مميزة — القمم. ولكن إذا كانت الصورة معرّضة للضوء بشكل زائد أو مغطاة بحجاب رمادي، يكاد يكون من المستحيل تمييز التفاصيل.

روبوت المختبر يعدّ الجزيئات — ويخطئ. في أنبوب واحد 0، وفي آخر 12، وفي ثالث 3، رغم أن الكميات في الحقيقة متساوية تقريبًا. هذه الأرقام "الخام" أمر شائع في علم الأحياء: تسلسل الحمض النووي (DNA)، عدّ الأنواع في عينة ماء، نشاط الجينات. البيانات كثيرة، لكنها متناثرة ومشتتة أكثر مما يسمح به العشوائية البسيطة.

ألف جسيم يدخلون في رقصة التدرج. كل جسيم يشعر بالانجذاب نحو منطقة الاحتمال العالي والتنافر من الجيران — لتجنب التكدس. هذه هي طريقة SVGD (تحريك الجسيمات لتقريب التوزيع المعقد)، طريقة أنيقة لتوليد عينات من توزيعات معقدة، مثلاً لـ الاستدلال البايزي.

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.

توقّع خصائص جزيء جديد يشبه تخمين طعم طبق غير مألوف. يعمل البرنامج كطاهٍ خبير: «يتذوق» جزيئات مماثلة معروفة الخصائص، وبناءً على «مذاقها» يُنقِّح تخمينه. على سبيل المثال، بالنسبة لـ ماء أو ثاني أكسيد الكربون، تجد الخوارزمية نظائر مدروسة وتُصحِّح درجة الغليان أو الذوبانية. لا يكتفي الطاهي بنسخ الجيران، بل يُقيِّم مدى ثقته بتنبؤه الذاتي.

التقنية المعقدة — من الطائرات بدون طيار إلى الروبوتات الجراحية — تتصرف أحيانًا كالحصان البري: مليئة بـ فوضى وتقلبات، حيث تثير اللمسة الخفيفة عاصفة. بدلًا من حفظ الصيغ، تراقب الطريقة الجديدة النظام كما يفعل مروض الخيول.

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».

يشبه الرادار العادي ميكروفوناً في حشد صاخب: الأصوات الفردية تندمج في فوضى. يعمل PiVoT كمايسترو يميز في لحظة كل آلة موسيقية وسط فوضى الضبط. بدلاً من اختبار الفرضيات، يضيق الخوارزم الحلقة حول الأهداف الأكثر احتمالاً — سيارات، دراجات، مشاة.

الدماغ لا يكتفي بالاستجابة للعالم، بل يظل يخمّن ما الذي سيحدث في اللحظة التالية. يُعرف هذا المبدأ بالترميز التنبؤي: تقارن الخلايا العصبية التوقعات بالواقع وتحدّث الصورة الداخلية عند حدوث خطأ. لكن كيف يمكن لنظام معقد كهذا أن يُبنى في النسيج الحي للقشرة الدماغية، ظل غير واضح. مؤلفو الدراسة الجديدة مدّوا جسرًا بين الرياضيات والبيولوجيا.

تتنبأ الشبكة العصبية بمستقبل نظام ديناميكي — على سبيل المثال، تطور البلازما في مجال مغناطيسي أو تغير الوجه في فيديو. الأخطاء حتمية، وكلما نظر النموذج إلى الأمام أكثر، زاد تراكمها. التحقق من الإجابة الصحيحة أثناء العمل مستحيل: فهي ببساطة غير موجودة. وجد مؤلفو الدراسة الجديدة حيلة بسيطة ككل شيء عبقري: تدريب نموذج واحد على التحرك في الزمن إلى الأمام وإلى الخلف.

تخيّل أن مصوّرَين يلتقطان صورًا لجبل واحد. الأول يلتقط مئة صورة من القمة وصورتين فقط من السفح، والثاني يفعل العكس. إذا حاولت مطابقة صورهما، قد تقرر الخوارزمية أن القمة في إحدى الصور تقابل القمة في الأخرى لمجرد وجود نقاط متشابهة كثيرة هناك، وليس لأنها نفس المكان. كثافة التصوير تسبب الارتباك.