توهمات بهینه

Optimal Illusions

ریاضیدانی این موضوع را مطرح می‌کند وسواس ما نسبت به داده‌ها و الگوریتم‌ها باعث می‌شود که تصویر بزرگ‌تر را از دست بدهیم.

کسب   و کار لجستیک آفرینش ریاضیات است. الگوریتم‌ها کارآمدترین طرح را برای تخلیه جعبه‌ها از یک کشتی کانتینری، چیدن آنها در محفظه بار، مدیریت ناوگان کامیون‌هایی که آنها را به مراکز توزیع منتقل می‌کنند و محتویات آنها را به میلیون‌ها خانوار تحویل می‌دهند. با این حال، زمانی که تجارت بین‌المللی کالا در طول همه‌گیری کووید۱۹ افزایش یافت، همه آن الگوریتم‌ها نتوانستند به‌طور جدی زنجیره تامین را مختل کنند. به نظر می رسد سفارش های آنها دیگر مطلوب نبود. کوکو کرومه، ریاضیدان در کتاب «توهمات بهینه» به بررسی این موضوع می‌پردازد که چرا تلاش برای بهترین‌ها اغلب کوتاهی می‌کند. او خاطرنشان می کند که فرض پنهان پشت بهینه سازی این است که همه متغیرهای مرتبط را می توان شناسایی کرد و برای دستیابی به نتیجه ایده آل در نظر گرفت. با این حال، ناشناخته ها و روابط نامطمئن می توانند دقیق ترین برنامه ها را از مسیر خارج کنند. او می نویسد: «بهینه سازی در طول زمان با ایده کامل کردن یک سیستم یا جامعه ابداع شد. اما "ما اغلب می بینیم که برعکس اتفاق می افتد." خانم کرومه معتقد است که بهینه سازی ناشی از سه تغییر در درک انسان از جهان است. اولین تغییر، درک فزاینده‌ای اتمیزه‌ شده است که ما را به دیدن افراد به‌عنوان مجموعه‌ای از داده‌های کوچک سوق می‌دهد. دوم تمایل به انتزاع بیشتر، به ویژه در مدل سازی کامپیوتری. سوم اتوماسیون است که مقیاس را تغییر می دهد و ارزش محلی و خاص را بی ارزش می کند. خانم کورمه معتقد است با گذشت زمان، این تغییرات باعث شده است که واقعیت را به شیوه های جدیدی درک کنیم و باور کنیم که می توانیم آن را کامل کنیم. زراعت نورمن بورلاگ (۱۹۱۴ء۲۰۰۹)، جادوگر اصلاح نباتات که به نوآوری هایی که منجر به "انقلاب سبز" شد، اعتبار دارد، یک مثال بعید ارائه می دهد. تلاش های بورلاگ برای یافتن گونه های گیاهی بهینه، تولید در هکتار را افزایش داد و تعداد افرادی که با گرسنگی مواجه بودند را به شدت کاهش داد. با این حال، در نهایت، عواقب ناخواسته‌ای داشت، مانند جابجایی مزارع خانوادگی متنوع توسط عملیات‌های بزرگ‌تر که تنها یک محصول را با دوزهای سنگین کود و علف‌کش کشت می‌کردند. خانم کورمه می نویسد: خدایی شدن بهره وری روش های سنتی استراحت و احیای خاک را به حاشیه برده است. تمرکز آن بر افزایش بهره وری، کشاورزی را از کشاورزان و کشاورزان را از زمین و مکان جدا کرد. جوامع روستایی فرسوده شده بودند. پردازنده های کوچک از بین رفته اند. و کشاورزان بازمانده، در حالی که اغلب مرفه تر بودند، در برابر نوسانات قیمت آسیب پذیرتر شدند زیرا درآمد آنها به ارزش یک محصول واحد بستگی داشت. خانم کورمه می‌گوید که بهینه‌سازی در پس خرابی‌های شبکه برق در تگزاس در زمستان سرد سال ۲۰۲۱ است. این شبکه در بالای کوهی از الگوریتم‌ها قرار دارد که تقاضای برق را پیش‌بینی می‌کنند، خروجی نیروگاه‌های تولید را پیش‌بینی می‌کنند و بر اساس آن انرژی را تخصیص می‌دهند. قیمت هایی که مشتریان و تامین کنندگان حاضر به پرداخت و دریافت آن هستند. او می‌گوید: «این سیستمی است که برای عملکرد عالی، زمانی که همه چیز عالی کار می‌کند، بهینه شده است». اما بهینه‌سازی سرمایه‌گذاری ظرفیت تولید و انتقال اضافی را حذف کرده بود، در حالی که مدل‌ها دماهای زیر انجماد طولانی‌مدت را در نظر نگرفته بودند. وقتی مشتریان گرما را افزایش دادند، برقی که روی آن حساب می کردند فقط با قیمت های گزاف عرضه می شد. وقتی آب و هوا تغییر کرد، آنچه در شرایط خاص بهینه بود، کمتر از حد مطلوب بود. مشکل چیه؟ بهینه سازی یک روش ریاضی است که ظاهراً کاملاً عینی و عاری از سوگیری است. مفاهیم پایه در هر کلاس حساب دیفرانسیل و انتگرال تدریس می شود. یک برنامه کامپیوتری ساده می تواند کارهای سنگین انجام دهد. خانم کورمه می نویسد: «ما با چیزی که فکر می کنیم تخته سفید است شروع می کنیم. ما مجموعه ای از داده ها را بیرون می اندازیم و به کد رایانه اجازه می دهیم «بهترین» را ارائه کند.» اما تحلیل ریاضی اغلب از واقعیت جدا می شود. محدودیت ها ممکن است نادیده گرفته شوند، اشتباه گرفته شوند یا فراموش شوند. دانش خاصی که توسط افرادی که مشخصات یک خودرو یا بازار را می دانند نادیده گرفته می شود. و تخته سنگی که یک مدل بر روی آن ساخته شده است ممکن است اصلاً خالی نباشد. در حالی که محصولات اصلاح شده ژنتیکی ممکن است از نظر تن در هکتار زمین کشاورزی بهینه باشد، چگونه می توان ضرر را برای تولیدکنندگانی که مایل به ادامه کاشت ارقام سنتی هستند، اما زمانی که تعاونی مزرعه محلی دیگر نمی خواهد آنها را خریداری و ذخیره کند، وارد آورد؟ انجام دادن، وزن می کند. چه چیزی رشد کرده اند؟ علاوه بر این، بهینه سازی را نمی توان به راحتی لغو کرد. معاهده رودخانه کلرادو در سال ۱۹۲۲ توزیع آب را بر اساس جریانها و الگوهای استفاده رایج در آن زمان بهینه کرد، اما وقتی میانگین بارندگی کاهش یافت، مکزیک سهمی از جریان رودخانه را تعیین کرد و رشد جمعیت کمتر از حد مطلوب بود. در مکان هایی مانند لس آنجلس و لاس وگاس، تقاضا برای آب به طور چشمگیری افزایش یافت. خانم کروم می داند که تکنیک های بهینه سازی مزایای زیادی به همراه داشته است. او شکایت دارد که آنها همچنین "با معاوضه هایی همراه هستند: از دست دادن صافی یا خرابی، انتزاع مکان و جزئیات." آنها "به تلفات در مقیاس انسانی و رویدادهای اندازه گیری شده مانند شکست شبکه تگزاس منجر شده اند."

او ابراز تاسف می‌کند، یکی از دلایلی که چرا با گذشت زمان، مفروضات نهفته در پشت الگوریتم‌ها محو می‌شوند و برخی از سؤالات اساسی دیگر پرسیده نمی‌شوند. گاهی اوقات خانم کرومه به سمت عشق رمانتیک منحرف می شود و در آرزوی گذشته ای ساده تر است. برخی از خوانندگان ممکن است نکات او را در «بیش از حد کارایی» بی‌ارزش بدانند. با این وجود، هشدار او در مورد بیش از حد کمی، شایسته توجه است. امروزه مهارت‌های اساسی ریاضی و کامپیوتری مورد نیاز برای دستکاری مجموعه داده‌های بزرگ در همه جا آموزش داده می‌شود، اما تعداد کمی از دانش‌آموزانی که این مهارت‌ها را یاد می‌گیرند، از محدودیت‌های داده‌هایی که تجزیه و تحلیل می‌کنند یا پیامدهای اخلاقی کارشان اساس زیادی دریافت می‌کنند. کتاب غیر فنی تحریک‌آمیز، سریع و طراوت‌آمیز خانم کرومه اصلاحیه مهمی را ارائه می‌کند.