قياس المعلومات ذات المعنى في الصور: خوارزمية التعقيد المحدد

وينستون إيورت، ويليام ديمبسكي، روبرت چ. ماركس الثاني، "قياس المعلومات ذات المعنى في الصور: خوارزمية التعقيد المحدد"، IET Computer Vision، الجزء 9 (6): 884-894 (ديسمبر،2015). Winston Ewert, William A. Dembski, Robert J. Marks II, “Measuring meaningful information in images: algorithmic specified complexity,” IET Computer Vision, Vol. 9 (6): 884-894 (December, 2015). تطبق هذه المقالة المحكّمة خوارزمية التعقيد المحدد كقياس للمعنى مقابل العشوائية ضمن حزمة معلومات، مزوّدة إيّانا بأداة تحليلية رياضية متينة لتحري التصميم. اختبر الكاتب هذه المنهجية من خلال مقارنة "صور الكمبيوتر التي تتضمن محتوى وتمييزها عن الصور التي هي ببساطة مجرد ضوضاء فائضة عشوائية أو عديمة المعنى". ووفقا لهذا النموذج في تحري التصميم: "حتى تكون صورة ما قابلة للتمييز بطريقة ذات مغزى، لا بد أن يكون لها علاقة ببعض النماذج أو المواصفات الخارجية المستقلة. إن صورة غروب الشمس ذات معنى لأن المشاهد يربطها تجريبيًا بمرات أخرى غربت فيها الشمس. تتلاءم أي صورة تتضمن محتوى غير الضوضاء العشوائية مع بعض النماذج المقارنة. فطبيعي أن تعبّر أي صورة عن ذاتها، لكن يتطلب الأمر أن يكون النموذج مستقلًا عن المُلاحظة، فلا يمكن للصورة أن تكون ذاتية المرجعية في تأسيس المعنى. إذ يتطلب الأمر وجود قرينة خارجية. فإن كان الموضوع نوعيًا وبعيد الاحتمال في آن واحد نقول بأنه يُظهر تعقيدًا نوعيًا". كيف نستطيع أن نحدد فيما إذا كانت الصورة تحتوي على تعقيد نوعي؟ يفسر كاتبو المقال ذلك بأنها يجب أن تحقق أمرين، أن تكون غير قابلة للانضغاط (معقدة) وأن تتلاءم مع نموذج: "كلما كان بالإمكان وصف الصورة بنموذج ما، كانت أكثر قابلية للانضغاط، وأكثر نوعيةً. على سبيل المثال، يُوصف المربع الأسود بالكامل بنموذج بسيط، وإن برنامجًا حاسوبيًا قصيرًا للغاية يفي بغرض إعادة تصميمه. فنستدل على أنه نوعي جدًا. وبالعكس، فإن صورةً من عدة بيكسلات عشوائية {pixel: نقطة صغيرة من صورة تلفزيونية} لا يمكن أن تُضغط بشكل كبير، هذا إن أمكن ضغطها، فنستدل بالتالي على أن الصورة غير نوعية على الإطلاق. إن صورًا فيها محتوى كالغروب تشغل حيزًا أكبر لوصفها مقارنة مع ما يشغله وصف المربع الأسود، ولكنها أكثر نوعية من الضوضاء العشوائية. ووفرة بعض الصور أمر ثابت تدل عليه قدرة استعادة مجموعات من البيكسلات المفقودة تقريبًا انطلاقًا من البيكسلات المتبقية". قد تكون صورة المربع الأسود البسيط قابلة للانضغاط ونوعية، ولكنها ليست معقدة. وهو ما ذكره المؤلفون بقولهم: "نلحظ بسهولة أن الصورة العشوائية أكثر تعقيدًا بكثير من تعقيد المربع المصمت". ولكن هذه الحالات سهلة نسبيًا. فحاولوا بعد ذلك معالجة صور أصعب، مثل صورة العالم المشهور لويس باستور مع كميات متزايدة من الضوضاء العشوائية المضافة. وكما تتوقع خوارزمية التعقيد المحدد، مع ازدياد الضوضاء المضافة إلى الصورة انخفضت خوارزمية التعقيد المحدد. وبالمثل تسبب تغيير حجم صورة لآينشتاين بفقد وضوحها وانخفضت خوارزمية التعقيد المحدد التابعة لها. وهذا ما تنبأ به نموذجهم. ماذا عن صورةٍ لـ "تخطيط مبسط للبشر في بحر من الضوضاء"؟ وجدوا أن خوارزمية التعقيد المحدد تبقى قادرة على تحري وجود سمات معقدة ونوعية حتى عندما تكون محاطة بالضوضاء. واستنتجوا بأن خوارزمية التعقيد المحدد منهجية فعالة لتمييز البيانات العشوائية في الصور ذات المعنى: "قدرنا احتمالية صور متنوعة من خلال استعمال عدد البتات المطلوبة لترميز الصور بطريقة PNG. يمكننا هذا من الحصول على تقدير تقريبي لخوارزمية التعقيد المحدد لعدد من الصور المتنوعة. لقد أظهرنا حالات مئات آلاف البتات bits لخوارزميات التعقيد المحدد في ظروف متنوعة. وبناء على الارتباط الناشئ من إنتاج تعقيد نوعي عالٍ، نستنتج بأن الصور المحتوية على معلومات ذات مغزى ليست ببساطة مجرد ضوضاء. بالإضافة إلى ذلك، فإن بساطة صورة مثل المربع المصمت لا تبدي أيضًا خوارزمية تعقيد نوعي. وهكذا فقد برهنا قابلية التطبيق النظرية لخوارزمية التعقيد المحدد على مسألة تمييز المعلومات عن الضوضاء، واستعرضنا المنهجية التي يكون من الممكن فيها استخدام أحجام الملفات المضغوطة في تقدير محتوى المعلومات ذات المغزى للصور". إن قابلية التطبيق على التصميم الذكي واضحة. إذا كانت خوارزمية التعقيد المحدد أداة مفيدة في تمييز الصور المصممة عن الصور العشوائية أو عن الصور المنتجة بوساطة خوارزميات غير موجهة، فربما من الممكن إذًا تطبيقها على الأنظمة الحيوية أو على البنى الطبيعية الأخرى لتحري التصميم فيها أيضًا. للمزيد: https://braheen.com/publications/التصميم-الذكي-ومراجعة-الأقران — المصدر: منشور على صفحة «مركز براهين» في فيسبوك