COLAPSUL AXIOMELOR

Unde se frânge distribuția gaussiană și începe lumea

Distribuția gaussiană nu este greșită.

Este un model care rămâne stabil numai în anumite condiții structurale.

O distribuție normală apare în mod natural în multe procese de agregare și rămâne unul dintre cele mai puternice instrumente din fizică, inginerie și statistică.

Dar stabilitatea sa depinde de mai multe ipoteze.

În formă simplificată, acestea includ:

Independență aproximativă — variabilele nu se influențează puternic reciproc.
Staționaritate — procesul subiacent nu se schimbă semnificativ în timp.
Observație neutră — măsurarea nu modifică sistemul.
Reacție de răspuns slabă — ieșirile nu modelează puternic intrările viitoare.
Derivă limitată — media și varianța rămân aproximativ stabile.

Când aceste condiții sunt îndeplinite, modelele gaussiene sunt adesea precise și eficiente.

Totuși, când mai multe dintre aceste ipoteze nu mai sunt valabile simultan, modelul gaussian poate rămâne util local, devenind în același timp instabil structural pe orizonturi mai lungi de timp.

Gaussiana în sine nu este falsă.

Problemele apar când modelele bazate pe stabilitate sunt aplicate unor sisteme care nu le mai îndeplinesc condițiile structurale.

De ce multe sisteme reale se îndepărtează de ipotezele gaussiene

Multe sisteme reale conțin agenți, observatori, feedback, adaptare sau învățare.

În astfel de medii:

Variabilele se influențează reciproc → independența slăbește.
Comportamentul evoluează în timp → staționaritatea slăbește.
Măsurarea influențează deciziile → neutralitatea observatorului se pierde.
Acțiunile remodelează stările viitoare → apare o buclă de reacție.
Micile abateri se acumulează → apare deriva.

Aceste condiții nu sunt anomalii rare.

Sunt proprietăți comune ale sistemelor care includ interacțiune, adaptare sau inteligență.

Pe orizonturi scurte, aproximările gaussiene pot încă funcționa.

Pe orizonturi mai lungi, deriva structurală începe să remodeleze distribuția.

Deriva ca proprietate structurală a sistemelor încorporate

Deriva a fost adesea interpretată ca zgomot, eroare de măsurare sau fluctuație temporară.

Dar în sistemele încorporate situația este diferită.

Observatorii influențează sistemul.

Sistemul reacționează la faptul că este observat.

Acele reacții se acumulează.

Drept urmare, distribuția însăși evoluează.

Prin urmare, deriva nu este întotdeauna aleatorie.

Poate fi rezultatul firesc al reacției de răspuns, al adaptării și al observației încorporate.

Atât timp cât observatorul și sistemul împart același mediu, distribuțiile perfect stabile devin tot mai fragile pe orizonturi temporale lungi.

Când deriva se acumulează

Deriva persistentă duce la:

medii care se deplasează
varianțe schimbătoare
distribuții asimetrice
cozi grele
amplificarea evenimentelor extreme

Pe orizonturi lungi de timp, multe sisteme reale se îndreaptă spre distribuții asimetrice, comportamente cu coadă lungă sau regimuri asemănătoare legilor de putere.

În asemenea sisteme, evenimentele extreme nu mai sunt anomalii.

Ele devin caracteristici structurale ale sistemului.

RCC și deriva structurală

RCC (Constrângerile colapsului recursiv) nu creează derivă.

Explică de ce deriva apare în mod natural în sistemele încorporate.

Patru mecanisme structurale sunt deosebit de importante.

Încorporare

Observatorul face parte din sistem. Observația schimbă comportamentul, slăbind ipoteza măsurării neutre.

Acces intern parțial

Niciun agent nu poate observa pe deplin întreaga stare internă a sistemului. Apar dependențe ascunse, ceea ce face dificilă menținerea unei independențe stricte.

Aproximare pas cu pas

Sistemele reale se actualizează incremental. Micile erori de aproximare se acumulează în timp.

Acumularea retroacțiunii

Acțiunile generează reacții, iar aceste reacții modelează acțiunile viitoare, încălcând treptat staționaritatea.

Din perspectiva RCC, deriva nu este doar un termen de eroare.

Este o semnătură structurală a sistemelor încorporate, adaptive.

Orice sistem care implică interacțiune, învățare sau inteligență va manifesta, de regulă, o formă de derivă pe termen lung.

De ce a dominat istoric gândirea gaussiană

Modelele gaussiene sunt elegante matematic, rezolvabile analitic, eficiente computațional și intuitive vizual.

Pentru multe sisteme—mai ales cele cu reacții de feedback slabe și orizonturi temporale scurte—aceste modele funcționează extrem de bine.

Totuși, când sistemele conțin feedback puternic, adaptare și interacțiune, ipotezele bazate pe stabilitate își pierd treptat valabilitatea.

Acest lucru poate duce la:

subestimarea riscului din cozile distribuției
evaluarea eronată a prețului evenimentelor extreme
încredere excesivă în stabilitate
clasificarea greșită a derivei structurale drept zgomot aleatoriu

Problema nu a fost niciodată distribuția gaussiană în sine.

Problema era aplicarea unui model bazat pe stabilitate unor sisteme modelate fundamental de reacții de răspuns și adaptare.

Sinteză finală

Modelele gaussiene rămân valabile local și adesea optime.
Sistemele încorporate, adaptive, generează în mod natural derivă.
Pe măsură ce deriva se acumulează, simetria gaussiană slăbește și apar cozi grele.
RCC explică de ce o asemenea derivă nu poate fi eliminată complet în sistemele încorporate.

Gaussiana era randarea idealizată.

Realitatea — cu derivă, feedback și observatori încorporați —

este structura de dedesubt.