AXIÓMAÖSSZEOMLÁS

Ahol a Gauss-eloszlás megtörik, és a világ elkezdődik

A Gauss-modell nem hibás.

Olyan modell, amely csak meghatározott strukturális feltételek mellett marad stabil.

A normális eloszlás számos aggregációs folyamatban természetesen alakul ki, és továbbra is a fizika, a mérnöki tudományok és a statisztika egyik leghatékonyabb eszköze.

Stabilitása azonban több feltevéstől függ.

Egyszerűsített formában ezek a következők:

1. Közelítő függetlenség — a változók nem befolyásolják erősen egymást.

2. Stacionaritás — a mögöttes folyamat időben nem változik jelentősen.

3. Semleges megfigyelés — a mérés nem módosítja a rendszert.

4. Gyenge visszacsatolás — a kimenetek nem alakítják erősen a jövőbeli bemeneteket.

5. Korlátozott elsodródás — az átlag és a variancia megközelítőleg stabil marad.

Ha ezek a feltételek teljesülnek, a Gauss-modellek gyakran pontosak és hatékonyak.

Ha azonban e feltevések közül több egyszerre sérül, a Gauss-modell lokálisan továbbra is hasznos maradhat, miközben hosszabb időtávokon strukturálisan instabillá válik.

Maga a Gauss-eloszlás nem téves.

A problémák akkor jelentkeznek, amikor stabilitásra épülő modelleket olyan rendszerekre alkalmaznak, amelyek már nem teljesítik strukturális feltételeiket.

Miért távolodik el sok valós rendszer a Gauss-feltevésektől

Számos valós rendszer tartalmaz ágenseket, megfigyelőket, visszacsatolást, alkalmazkodást vagy tanulást.

Ilyen környezetekben:

• A változók hatnak egymásra → a függetlenség gyengül.

• A viselkedés idővel változik → a stacionaritás gyengül.

• A mérés befolyásolja a döntéseket → a megfigyelő semlegessége megszűnik.

• A cselekvések átformálják a jövőbeli állapotokat → visszacsatolás jön létre.

• Apró eltérések halmozódnak fel → eltolódás jelenik meg.

Ezek a feltételek nem ritka rendellenességek.

Ezek az interakciót, alkalmazkodást vagy intelligenciát magukban foglaló rendszerek általános tulajdonságai.

Rövid időtávon a Gauss-közelítések még működhetnek.

Hosszabb távon a strukturális sodródás elkezdi átformálni az eloszlást.

Az eltolódás mint a beágyazott rendszerek strukturális tulajdonsága

Az elsodródást gyakran zajként, mérési hibaként vagy átmeneti ingadozásként értelmezték.

A beágyazott rendszerekben azonban más a helyzet.

A megfigyelők befolyásolják a rendszert.

A rendszer reagál arra, hogy megfigyelik.

Ezek a reakciók felhalmozódnak.

Ennek következtében maga az eloszlás is változik.

Az elsodródás tehát nem mindig véletlenszerű.

Lehet a visszacsatolás, az alkalmazkodás és a beágyazott megfigyelés természetes következménye.

Amíg a megfigyelő és a rendszer ugyanazon a környezeten osztozik, a tökéletesen stabil eloszlások hosszú időtávon egyre törékenyebbé válnak.

Amikor az eltolódás felhalmozódik

A tartós eltolódás a következőkhöz vezet:

• eltolódó átlagok

• változó varianciák

• aszimmetrikus eloszlások

• nehéz eloszlásfarok

• a szélsőséges események felerősödése

Hosszú időtávon számos valós rendszer ferde eloszlások, hosszú farkú viselkedés vagy hatványtörvényhez hasonló tartományok felé halad.

Az ilyen rendszerekben a szélsőséges események már nem anomáliák.

A rendszer strukturális jellemzőivé válnak.

RCC és strukturális elsodródás

Az RCC (rekurzív összeomlási korlátok) nem hoz létre sodródást.

Megmagyarázza, miért jelenik meg természetes módon az elsodródás a beágyazott rendszerekben.

Négy strukturális mechanizmus különösen fontos.

Beágyazottság

A megfigyelő a rendszer része. A megfigyelés megváltoztatja a viselkedést, gyengítve a semleges mérés feltételezését.

Részleges belső hozzáférés

Egyetlen ágens sem figyelheti meg teljes egészében a rendszer teljes belső állapotát. Rejtett függőségek jelennek meg, megnehezítve a szigorú függetlenség fenntartását.

Lépésenkénti közelítés

A valós rendszerek fokozatosan frissülnek. Az apró közelítési hibák idővel felhalmozódnak.

A visszacsatolások felhalmozódása

A cselekvések reakciókat váltanak ki, ezek a reakciók pedig alakítják a jövőbeli cselekvéseket, fokozatosan megtörve a stacionaritást.

Az RCC nézőpontjából az eltolódás nem pusztán hibatag.

Ez a beágyazott, adaptív rendszerek strukturális ismertetőjegye.

Minden interakciót, tanulást vagy intelligenciát magában foglaló rendszer jellemzően mutatja a hosszú távú elsodródás valamilyen formáját.

Miért uralkodott történelmileg a Gauss-féle gondolkodás

A Gauss-modellek matematikailag elegánsak, analitikusan megoldhatók, számítási szempontból hatékonyak és vizuálisan szemléletesek.

Sok rendszer esetében — különösen gyenge visszacsatolás és rövid időhorizont mellett — ezek a modellek rendkívül jól teljesítenek.

Ha azonban a rendszerekben erős visszacsatolás, alkalmazkodás és kölcsönhatás van jelen, a stabilitásra épülő feltevések fokozatosan meggyengülnek.

Ez a következőkhöz vezethet:

• a szélső kockázat alulbecslése

• szélsőséges események téves árazása

• túlzott bizalom a stabilitásban

• a szerkezeti sodródás téves besorolása véletlen zajként

A probléma sosem maga a Gauss-eloszlás volt.

A probléma az volt, hogy stabilitáson alapuló modellt alkalmaztak olyan rendszerekre, amelyeket alapvetően a visszacsatolás és az alkalmazkodás formál.

Végső összefoglaló

• A Gauss-modellek helyileg továbbra is érvényesek és gyakran optimálisak.

• A beágyazott, adaptív rendszerek természetes módon hoznak létre sodródást.

• Ahogy a sodródás felhalmozódik, a Gauss-szimmetria gyengül, és vastag farkú eloszlások jelennek meg.

• RCC megmagyarázza, miért nem küszöbölhető ki teljesen az ilyen sodródás a beágyazott rendszerekben.

A Gauss-eloszlás volt az idealizált renderelés.

A valóság — sodródással, visszacsatolással és beágyazott megfigyelőkkel —

az alatta húzódó szerkezet.