КОЛАПС АКСІОМ
Де руйнується гауссівська модель і починається світ
Гаусова модель не хибна.
Це модель, що залишається стабільною лише за певних структурних умов.
Нормальний розподіл природно виникає в багатьох процесах агрегування й залишається одним із найпотужніших інструментів фізики, інженерії та статистики.
Але його стабільність залежить від кількох припущень.
У спрощеній формі до них належать:
Наближена незалежність — змінні не мають сильного впливу одна на одну.
Стаціонарність — базовий процес істотно не змінюється з часом.
Нейтральне спостереження — вимірювання не змінює систему.
Слабкий зворотний зв’язок — виходи не мають сильного впливу на майбутні входи.
Обмежений дрейф — середнє та дисперсія залишаються приблизно сталими.
Коли ці умови виконуються, гаусові моделі часто точні й ефективні.
Проте, коли кілька з цих припущень порушуються одночасно, гаусівський розподіл може залишатися локально корисним, водночас стаючи структурно нестабільним на довших горизонтах.
Сам гаусівський розподіл не є хибним.
Проблеми виникають, коли моделі, засновані на стабільності, застосовують до систем, які вже не відповідають їхнім структурним умовам.
Чому багато реальних систем відхиляються від гауссових припущень
Багато реальних систем містять агентів, спостерігачів, зворотний зв’язок, адаптацію або навчання.
У таких середовищах:
Змінні впливають одна на одну → незалежність слабшає.
Поведінка змінюється з часом → стаціонарність послаблюється.
Вимірювання впливає на рішення → нейтральність спостерігача порушується.
Дії змінюють майбутні стани → виникає зворотний зв’язок.
Малі відхилення накопичуються → виникає дрейф.
Ці умови — не рідкісні аномалії.
Це звичайні властивості систем, у яких є взаємодія, адаптація або інтелект.
На коротких часових горизонтах гауссівські наближення все ще можуть працювати.
На довших горизонтах структурний дрейф починає змінювати розподіл.
Дрейф як структурна властивість вбудованих систем
Дрейф часто тлумачили як шум, похибку вимірювання або тимчасове коливання.
Але у вбудованих системах ситуація інша.
Спостерігачі впливають на систему.
Система реагує на те, що за нею спостерігають.
Ці реакції накопичуються.
Унаслідок цього еволюціонує сам розподіл.
Отже, дрейф не завжди випадковий.
Він може бути природним наслідком зворотного зв’язку, адаптації та вбудованого спостереження.
Поки спостерігач і система перебувають у спільному середовищі, ідеально стабільні розподіли стають дедалі крихкішими на тривалих часових горизонтах.
Коли дрейф накопичується
Стійкий дрейф призводить до:
зміщення середніх значень
змінні дисперсії
асиметричні розподіли
важкі хвости
посилення екстремальних подій
На довгих часових горизонтах багато реальних систем рухаються до асиметричних розподілів, поведінки з довгими хвостами або режимів, подібних до степеневого закону.
У таких системах екстремальні події вже не є аномаліями.
Вони стають структурними рисами системи.
RCC і структурний дрейф
RCC (Обмеження рекурсивного колапсу) не створює дрейфу.
Вона пояснює, чому дрейф природно виникає у вбудованих системах.
Особливо важливі чотири структурні механізми.
Вбудованість
Спостерігач є частиною системи. Спостереження змінює поведінку, послаблюючи припущення про нейтральність вимірювання.
Частковий внутрішній доступ
Жоден агент не може повністю спостерігати весь внутрішній стан системи. Виникають приховані залежності, що ускладнюють збереження строгої незалежності.
Покрокове наближення
Реальні системи оновлюються поступово. Малі похибки наближення накопичуються з часом.
Накопичення зворотного зв’язку
Дії породжують реакції, а ці реакції формують майбутні дії, поступово порушуючи стаціонарність.
З погляду RCC, дрейф — не просто член похибки.
Це структурна ознака вбудованих адаптивних систем.
Будь-яка система, що містить взаємодію, навчання чи інтелект, зазвичай виявлятиме певну форму дрейфу на довгому часовому горизонті.
Чому гаусівське мислення історично домінувало
Гаусівські моделі математично елегантні, аналітично розв’язувані, обчислювально ефективні й візуально інтуїтивні.
Для багатьох систем — особливо зі слабким зворотним зв’язком і короткими часовими горизонтами — ці моделі працюють надзвичайно добре.
Однак, коли системи містять сильний зворотний зв’язок, адаптацію та взаємодію, припущення, засновані на стабільності, поступово слабшають.
Це може призвести до:
недооцінка ризику хвостових подій
хибне ціноутворення для екстремальних подій
надмірна впевненість у стабільності
помилкова класифікація структурного дрейфу як випадкового шуму
Проблема ніколи не полягала в самому гаусівському розподілі.
Проблема полягала в застосуванні моделі, заснованої на стабільності, до систем, які фундаментально формуються зворотним зв’язком та адаптацією.
Підсумок
Гаусові моделі залишаються локально коректними й часто оптимальними.
Вбудовані адаптивні системи природно породжують дрейф.
У міру накопичення дрейфу гаусова симетрія слабшає й виникають важкі хвости.
RCC пояснює, чому такий дрейф неможливо повністю усунути у вбудованих системах.
Гаусівський розподіл був ідеалізованим рендерингом.
Реальність — із дрейфом, зворотним зв’язком і вбудованими спостерігачами —
є структурою в основі.