KOLAPS AXIOMU
Kde se Gaussovo rozdělení láme a svět začíná
Gaussovo rozdělení není chybné.
Je to model, který zůstává stabilní jen za určitých strukturálních podmínek.
Normální rozdělení přirozeně vzniká v mnoha agregačních procesech a zůstává jedním z nejúčinnějších nástrojů fyziky, inženýrství a statistiky.
Jeho stabilita však závisí na několika předpokladech.
Ve zjednodušené podobě zahrnují:
Přibližná nezávislost — proměnné se navzájem výrazně neovlivňují.
Stacionarita — podkladový proces se v čase výrazně nemění.
Neutrální pozorování — měření nemění systém.
Slabá zpětná vazba — výstupy výrazně neutvářejí budoucí vstupy.
Omezený drift — střední hodnota a rozptyl zůstávají přibližně stabilní.
Pokud tyto podmínky platí, gaussovské modely jsou často přesné a efektivní.
Když se však několik těchto předpokladů poruší současně, může Gaussův model zůstat lokálně užitečný a zároveň se v delších časových horizontech stát strukturálně nestabilním.
Gaussovské rozdělení samo o sobě není chybné.
Problémy vznikají, když se modely založené na stabilitě aplikují na systémy, které už nesplňují jejich strukturální podmínky.
Proč se mnoho reálných systémů odchyluje od gaussovských předpokladů
Mnoho reálných systémů obsahuje agenty, pozorovatele, zpětnou vazbu, adaptaci nebo učení.
V takových prostředích:
Proměnné se navzájem ovlivňují → nezávislost slábne.
Chování se vyvíjí v čase → stacionarita slábne.
Měření ovlivňuje rozhodnutí → neutralita pozorovatele se narušuje.
Jednání přetváří budoucí stavy → vzniká zpětná vazba.
Drobné odchylky se hromadí → objevuje se drift.
Tyto podmínky nejsou vzácnými anomáliemi.
Jsou to běžné vlastnosti systémů, v nichž probíhá interakce, adaptace nebo inteligentní činnost.
V krátkých horizontech mohou Gaussovy aproximace stále fungovat.
V delších časových horizontech začíná strukturální drift přetvářet rozdělení.
Drift jako strukturální vlastnost vnořených systémů
Drift bývá často vykládán jako šum, chyba měření nebo dočasné kolísání.
Ve vnořených systémech je však situace jiná.
Pozorovatelé ovlivňují systém.
Systém reaguje na to, že je pozorován.
Tyto reakce se hromadí.
V důsledku toho se vyvíjí samotné rozdělení.
Drift tedy není vždy náhodný.
Může být přirozeným výsledkem zpětné vazby, adaptace a vnořeného pozorování.
Dokud pozorovatel a systém sdílejí stejné prostředí, dokonale stabilní rozdělení jsou v dlouhých časových horizontech stále křehčí.
Když se drift hromadí
Přetrvávající drift vede k:
posouvající se střední hodnoty
měnící se rozptyly
asymetrická rozdělení
těžké chvosty
zesilování extrémních událostí
V dlouhých časových horizontech směřuje mnoho reálných systémů k asymetrickým rozdělením, chování s dlouhými chvosty nebo režimům připomínajícím mocninný zákon.
V takových systémech už extrémní události nejsou anomáliemi.
Stávají se strukturálními rysy systému.
RCC a strukturální drift
RCC (omezení rekurzivního kolapsu) nevytváří drift.
Vysvětluje, proč drift přirozeně vzniká ve vnořených systémech.
Zvláště důležité jsou čtyři strukturní mechanismy.
Vnořenost
Pozorovatel je součástí systému. Pozorování mění chování, čímž oslabuje předpoklad neutrálního měření.
Částečný přístup k vnitřnímu stavu
Žádný agent nemůže plně pozorovat celý vnitřní stav systému. Objevují se skryté závislosti, které ztěžují zachování striktní nezávislosti.
Postupná aproximace
Skutečné systémy se aktualizují postupně. Malé aproximační chyby se v čase hromadí.
Hromadění zpětné vazby
Akce vyvolávají reakce a tyto reakce utvářejí budoucí akce, čímž postupně narušují stacionaritu.
Z pohledu RCC není drift pouhým chybovým členem.
Je to strukturální znak vnořených adaptivních systémů.
Každý systém zahrnující interakci, učení nebo inteligenci bude typicky vykazovat nějakou formu driftu v dlouhém časovém horizontu.
Proč v dějinách převládalo gaussovské myšlení
Gaussovy modely jsou matematicky elegantní, analyticky řešitelné, výpočetně efektivní a vizuálně intuitivní.
U mnoha systémů — zejména těch se slabou zpětnou vazbou a krátkými časovými horizonty — fungují tyto modely mimořádně dobře.
Pokud však systémy obsahují silnou zpětnou vazbu, adaptaci a interakci, předpoklady založené na stabilitě postupně slábnou.
To může vést k:
podcenění rizika v chvostech rozdělení
chybné oceňování extrémních událostí
přehnaná důvěra ve stabilitu
chybné zařazení strukturního driftu mezi náhodný šum
Problémem nikdy nebylo samotné Gaussovo rozdělení.
Problém spočíval v použití modelu založeného na stabilitě na systémy zásadně utvářené zpětnou vazbou a adaptací.
Závěrečné shrnutí
Gaussovy modely zůstávají místně platné a často optimální.
Vnořené adaptivní systémy přirozeně vytvářejí drift.
S hromadícím se driftem slábne gaussovská symetrie a objevují se těžké chvosty.
RCC vysvětluje, proč takový drift nelze ve vnořených systémech zcela odstranit.
Gaussovské rozdělení bylo idealizovaným renderováním.
Realita — s driftem, zpětnou vazbou a vnořenými pozorovateli —
je strukturou pod tím vším.