Отрицательная дивергенция или почему идеальная модель обязана «врать»

В нашей инженерной культуре эмпирические данные имеют сакральный статус. Мы привыкли мыслить линейно: хорошая модель — это та, что максимально плотно ложится на исторические факты. Любое расхождение с логами или метриками воспринимается как изъян, повод для тюнинга гиперпараметров и переподготовки.

Но что, если слепое следование фактам — это путь в противоположную от реальности сторону?

Представьте честную монету. Вы подбросили её один раз — выпал орёл. Эмпирический след говорит: вероятность орла — 100%, решки — 0. Это факт. Это данные. А вот идеальная модель этого процесса назначает вероятность 50/50. Математически идеальная модель расходится с наблюдаемой историей. Она приписывает ненулевую вероятность тому, чего не произошло, и отказывается давать 100% тому, что случилось.

Именно этот отход от сырых данных делает её ближе к породившей их реальности. Модель улучшает наше понимание мира ровно в той степени, в которой она осмеливается не быть рабом конечной выборки. Это и есть феномен отрицательной дивергенции: расхождение с эмпирическим следом ради конвергенции с порождающей структурой.

Конечная история (trace) — это лишь выборка, случайная реализация. Порождающий мир (world) — это структура, определяющая не только то, что случилось, но и то, что произошло бы при вмешательстве (intervention), и то, что было бы в альтернативной ветке (counterfactual). Если вы оцениваете модель только по тому, как она аппроксимирует наблюдаемый след, вы поощряете меморизацию, а не понимание.

В сложных системах этот эффект принимает разрушительные формы. Пациент принял лекарство и выздоровел. Наивный эмпирический бейзлайн (частотный след) уверенно свяжет лечение с исходом. Но если выздоровление вызвано скрытым фоновым фактором, истинная каузальная модель разорвет эту ложную ассоциацию. Она скажет: «Лекарство не помогло», — даже если это противоречит наивному выводу из логов. Модель выигрывает за счет отказа от прямого перевода корреляций в каузацию.

Философы науки давно разводят эти уровни. Боген и Вудворд четко разделили данные (зашумленные свидетельства) и феномены (устойчивые структуры, которые теории призваны объяснять). Данные — это тень на стене пещеры. Строить мир по тени — значит строить карго-культ.

Проблема в том, что конечный след не определяет мир однозначно (классическая проблема недоопределенности теорий). Одни и те же логи могут быть порождены совершенно разными каузальными механизмами. Чтобы построить адекватную модель, агент должен выйти за пределы того, что «разрешает» ему эмпирика. Он должен опираться на априорные структурные предположения, инварианты и логику вмешательств.

Интеллект системы не исчерпывается способностью повторять след. Истинное преимущество модели — в способности генерировать ответы на каузальные запросы точнее, чем это позволяет сам сырой след. Идеальная модель не фотографирует реальность; она строит её чертеж, даже если ради этого приходится спорить с черновиком.