AKSIOMKOLLAPS

Der Gauss-fordelingen bryter sammen og verden begynner

Den gaussiske modellen er ikke feil.

Det er en modell som bare forblir stabil under bestemte strukturelle betingelser.

En normalfordeling oppstår naturlig i mange aggregeringsprosesser og er fortsatt et av de mest kraftfulle verktøyene innen fysikk, ingeniørfag og statistikk.

Men stabiliteten avhenger av flere antakelser.

I forenklet form omfatter disse:

1. Tilnærmet uavhengighet — variablene påvirker ikke hverandre sterkt.

2. Stasjonaritet — den underliggende prosessen endrer seg ikke vesentlig over tid.

3. Nøytral observasjon — måling endrer ikke systemet.

4. Svak tilbakekobling — utdata former i liten grad fremtidige inndata.

5. Begrenset drift — gjennomsnitt og varians forblir tilnærmet stabile.

Når disse betingelsene holder, er gaussiske modeller ofte nøyaktige og effektive.

Når flere av disse forutsetningene bryter sammen samtidig, kan imidlertid den gaussiske modellen fortsatt være nyttig lokalt, samtidig som den blir strukturelt ustabil over lengre tidshorisonter.

Gaussfordelingen er ikke i seg selv feil.

Problemer oppstår når stabilitetsbaserte modeller brukes på systemer som ikke lenger oppfyller deres strukturelle betingelser.

Hvorfor mange virkelige systemer driver bort fra gaussiske antakelser

Mange virkelige systemer inneholder agenter, observatører, tilbakekobling, tilpasning eller læring.

I slike miljøer:

• Variabler påvirker hverandre → uavhengigheten svekkes.

• Atferd utvikler seg over tid → stasjonaritet svekkes.

• Måling påvirker beslutninger → observatørens nøytralitet bryter sammen.

• Handlinger omformer fremtidige tilstander → tilbakekobling oppstår.

• Små avvik hoper seg opp → drift oppstår.

Disse betingelsene er ikke sjeldne anomalier.

De er vanlige egenskaper ved systemer som rommer samhandling, tilpasning eller intelligens.

Over korte tidshorisonter kan gaussiske tilnærminger fortsatt fungere.

Over lengre tidshorisonter begynner strukturell drift å omforme fordelingen.

Drift som en strukturell egenskap ved innleirede systemer

Drift har ofte blitt tolket som støy, målefeil eller midlertidige svingninger.

Men i innebygde systemer er situasjonen annerledes.

Observatører påvirker systemet.

Systemet reagerer på å bli observert.

Disse reaksjonene akkumuleres.

Som følge av dette utvikler selve fordelingen seg.

Drift er derfor ikke alltid tilfeldig.

Den kan være det naturlige utfallet av tilbakekobling, tilpasning og innebygd observasjon.

Så lenge observatøren og systemet deler det samme miljøet, blir perfekt stabile fordelinger stadig mer skjøre over lange tidshorisonter.

Når drift akkumuleres

Vedvarende drift fører til:

• forskyvning av middelverdier

• varierende varianser

• asymmetriske fordelinger

• tunge haler

• forsterkning av ekstreme hendelser

Over lange tidshorisonter beveger mange virkelige systemer seg mot skjeve fordelinger, langhalet atferd eller regimer som ligner potenslover.

I slike systemer er ekstreme hendelser ikke lenger avvik.

De blir strukturelle trekk ved systemet.

RCC og strukturell drift

RCC (rekursive kollapsbegrensninger) skaper ikke drift.

Det forklarer hvorfor drift oppstår naturlig i innebygde systemer.

Fire strukturelle mekanismer er særlig viktige.

Innleiring

Observatøren er en del av systemet. Observasjon endrer atferd og svekker antakelsen om nøytral måling.

Delvis intern tilgang

Ingen agent kan fullt ut observere hele systemets indre tilstand. Skjulte avhengigheter oppstår og gjør det vanskelig å opprettholde streng uavhengighet.

Trinnvis tilnærming

Virkelige systemer oppdateres trinnvis. Små approksimasjonsfeil akkumuleres over tid.

Akkumulering av tilbakekobling

Handlinger skaper reaksjoner, og disse reaksjonene former fremtidige handlinger og bryter gradvis stasjonariteten.

Fra RCC-perspektivet er drift ikke bare et feilledd.

Det er et strukturelt kjennetegn ved innebygde, adaptive systemer.

Ethvert system som rommer samhandling, læring eller intelligens, vil typisk vise en form for drift over lange tidshorisonter.

Hvorfor gaussisk tenkning historisk sett dominerte

Gaussiske modeller er matematisk elegante, analytisk løsbare, beregningseffektive og visuelt intuitive.

For mange systemer—særlig dem med svak tilbakekobling og korte tidshorisonter—fungerer disse modellene svært godt.

Men når systemer inneholder sterk tilbakekobling, tilpasning og samhandling, svekkes antakelsene basert på stabilitet gradvis.

Dette kan føre til:

• undervurdering av halerisiko

• feilprising av ekstreme hendelser

• overdreven tillit til stabilitet

• feilklassifisering av strukturell drift som tilfeldig støy

Problemet var aldri selve gaussfordelingen.

Problemet var å anvende en stabilitetsbasert modell på systemer som grunnleggende formes av tilbakekobling og tilpasning.

Avsluttende sammenfatning

• Gaussiske modeller er fortsatt lokalt gyldige og ofte optimale.

• Innebygde, adaptive systemer genererer naturlig drift.

• Etter hvert som drift akkumuleres, svekkes den gaussiske symmetrien, og tunge haler oppstår.

• RCC forklarer hvorfor slik drift ikke kan elimineres fullstendig i innebygde systemer.

Gaussfordelingen var den idealiserte rendringen.

Virkeligheten — med drift, tilbakekobling og innebygde observatører —

er den underliggende strukturen.