Nuo Cezario legionierių iki kvantinių bitų: kodėl monetos metimas žavi tūkstantmečius?

Nuo Romos imperijos laikų, kai Julijaus Cezario legionieriai ir teisėjai aklavietėse atsidūrusias bylas sprendė šūkiu „Navia aut caput!“ („Laivas ar galva!“, žvelgdami į bronziniame aso averse iškaltą dviveidį Janą ir reverse – karo laivo priekį), iki šiuolaikinio futbolo burtų ar kriptografinių šifrų kūrimo – monetos metimas žmonijai visuomet atrodė tobulas dieviškojo atsitiktinumo šaltinis. Tačiau ar kada nors susimąstėte: ar kompiuterinė moneta gali būti žymiai sąžiningesnė, švaresnė ir labiau atsitiktinė už tikrą metalinį skritulį žmogaus delne? Šiuolaikinė eksperimentinė fizika, termodinamika ir tikimybių teorija pateikia intriguojantį atsakymą: taip, ir gerokai!

1. Stanfordo tyrimas ir Bartoš empirinis triumfas: kodėl tikra moneta nėra 50/50?

Kasdienybėje naiviai tikima, kad bet kuri moneta iš kišenės turi tobulą 50,00% tikimybę atvirsti herbu arba skaičiumi. Tačiau Niutono mechanika negailestinga: žmogaus nykštys monetai suteikia ne tik impulsą aukštyn, bet ir sukimosi ašies virpėjimą – precesiją. Dėl šio giroskopinio svyravimo moneta ore praleidžia šiek tiek daugiau laiko ta puse į viršų, kuria gulėjo ant piršto prieš paleidimą.

2007 m. Stanfordo universiteto matematikos profesorius Persi Diaconis kartu su kolegomis sukūrė revoliucinį kinematinį modelį („Dynamical Bias in the Coin Toss“), apskaičiavusį, kad dėl precesijos moneta turi maždaug 51% tikimybę nukristi ta pačia puse, kuria buvo mesta. Ši teorinė hipotezė ilgai kėlė karštų debatų, kol 2023 m. tarptautinė 48 mokslininkų komanda, vadovaujama František Bartoš, atliko didžiausią ir kruopščiausią empirinį eksperimentą mokslo istorijoje: rankomis buvo atlikti net 350 757 monetų metimai su 46 skirtingomis pasaulio valiutomis. Rezultatas triumfavo: moneta nukrito ta pačia puse lygiai 50,80% atvejų (95% pasikliautinasis intervalas: 50,6%–51,0%)!

Būtent todėl mūsų platformoje įdiegtas unikalus mygtukas „Sulyginti su statistine tikimybe“: fiksuodami savo rankinius metimus, galite realiu laiku patikrinti savo nykščio motorikos nuokrypį ir sužinoti, ar jūsų metimai artimesni grynajam 50,00% atsitiktinumui, ar paklūsta Bartoš 50,80% dinaminiam šališkumui.

2. Silicio šiluma ir aparatūrinis CSPRNG: mūsų pranašumas prieš 99% interneto įrankių

Jei internete paspausite „mesti monetą“ beveik bet kurioje kitoje svetainėje, 99% atvejų susidursite su banalia, pigia Math.random() funkcija. Ji tėra deterministinis pseudoatsitiktinis algoritmas, kuris paima pradinę reikšmę (angl. seed) ir pagal formulę suka iš anksto nuspėjamą ciklą. Tokia „moneta“ neturi nieko bendro su tikru atsitiktinumu.

Mūsų platforma veikia iš esmės kitaip. Mes atmetėme visas pigias imitacijas ir įdiegėme griežtą W3C Web Cryptography API (CSPRNG) branduolio entropijos mechanizmą:

  • Johnson–Nyquist šiluminis triukšmas: Šiuolaikiniuose procesoriuose („Intel“, AMD, „Apple Silicon“, ARM) integruoti aparatiniai generatoriai (TRNG), kurie fiksuoja mikroskopinį, visiškai chaotišką elektronų šiluminį virpėjimą silicio kristalo gardelėje. Kadangi procesorius veikia aukštesnėje nei absoliutus nulis temperatūroje, šiluminis elektronų judėjimas yra fundamentaliai nenuspėjamas.
  • Aparatūrinis taktų drebėjimas (Clock Jitter): Laisvai svyruojančių vidinių osciliatorių nanosekundžių fliuktuacijos sumaišomos su šilumos entropija, sukuriant neįveikiamą triukšmo rezervuarą.
  • Asketiška 1 bito disciplina: Mes nenaudojame jokių dirbtinių pseudomaišymų. Kiekvienam monetos metimui iš 8192 bitų kriptografinio buferio paimamas tiksliai 1 aparatinis bitas. Tai garantuoja tobulą 50,000000% matematinę simetriją be jokių apvalinimo iškraipymų, neapkraunant procesoriaus ir nenaikinant baterijos.

3. Didžiųjų skaičių dėsnis ir Arksinuso paradoksas: kodėl lyderis nesikeičia?

Didžiųjų skaičių dėsnis (angl. Law of Large Numbers), kurį 1713 m. traktate „Ars Conjectandi“ suformulavo šveicarų matematikas Jakobas Bernulis, teigia: atliekant nepriklausomus bandymus, stebimas herbo dažnis asimptotiškai artėja prie teorinės 50% tikimybės.

Tačiau čia slypi dažna klaida: daugelis šaltinių klaidingai tvirtina, kad ši konvergencija vyksta „eksponentiškai“. Tai netiesa! Tikimybiniuose procesuose empirinis santykis konverguoja asimptotiškai pagal 1 / √n dėsnį: norint standartinę paklaidą sumažinti dvigubai, metimų skaičių n privaloma padidinti keturis kartus (SE = 0,5 / √n). Būtent todėl prie 10 metimų normalu matyti 70% herbo, o prie 10 000 metimų nuokrypis retai viršija 0,5%.

Dar įdomesnis yra Paulio Lévy Arksinuso dėsnis (Arcsine Law) atsitiktiniams klaidžiojimams (angl. Random Walks), kurį realiu laiku analizuoja mūsų 5-oji kortelė. Intuicija kužda, kad metant monetą 1 000 kartų, herbas ir skaičius nuolat kaitaliosis lyderio pozicijoje maždaug po 500 kartų. Matematika įrodo priešingai: simetriškame klaidžiojime lygių lyderystės trukmių būsena yra pati mažiausiai tikėtina, o dažniausiai viena pusė pirmauja net 80–90% viso eksperimento laiko! Jei jūsų herbas ilgai neužleidžia sosto – tai ne monetos brokas, o gilus Arksinuso dėsnio dėsningumas.

4. Tikroji diskrečioji binominė tikimybė: Lanczos Log-Gamma prieš Gauso spėliones

Ar kada bandėte apskaičiuoti tikimybę išmesti lygiai 5 000 herbų iš 10 000 metimų? Standartinė binominė formulė reikalauja faktorialų: C(n, k) = n! / (k!(n − k)!). Tačiau kompiuterijoje skaičius 171! jau viršija 10308 ribą ir virsta beviltišku „Infinity“ (perpildymu).

Todėl 99% skaičiuoklių gėdingai pasiduoda ir naudoja tolydžiojo Gauso varpo (normaliojo skirstinio) apytikslį tankį. Tačiau moneta yra diskretus dydis, o ne tolydi kreivė! Mūsų variklis taiko aukštosios matematikos perlą – Lanczos Log-Gamma algoritmą (g=7, n=9). Užuot dauginę milžiniškus skaičius, mes skaičiavimus perkeliame į logaritmų erdvę:

ln P(X = k) = ln Γ(n + 1) − ln Γ(k + 1) − ln Γ(n − k + 1) − n · ln(2)

Gautas logaritmas eksponentuojamas atgal tik pačiame gale. Tai leidžia akimirksniu, be menkiausio perpildymo pavojaus ir su nepriekaištingu tikslumu apskaičiuoti tikrąją diskrečiąją tikimybę net prie dešimčių tūkstančių metimų.

5. Lošėjo klaida, Monte Karlo 1913 m. drama ir Šanono entropija

1913 m. rugpjūčio 18 d. Monte Karlo kazino ruletės rate nutiko istorinis įvykis: kamuoliukas įkrito į juodą laukelį 26 kartus iš eilės. Po dešimtojo karto lošėjai minioje pradėjo karštligiškai statyti milijonus frankų ant raudonos spalvos, šventai tikėdami, kad „pagal gamtos pusiausvyrą raudona jau privalo iškristi“. Kazino tą vakarą susižėrė neregėtus turtus, o lošėjai patyrė finansinį krachą.

Tai chrestomatinis Lošėjo klaidos (Gambler's Fallacy) pavyzdys. Moneta ir ruletė neturi nei atminties, nei sąžinės, nei troškimo grąžinti balansą (angl. memoryless process). Jei ką tik iškrito 10 herbų iš eilės, 11-ojo metimo herbo tikimybė išlieka griežtai 50,00%.

Mūsų analizatorius šį nepriklausomumą matuoja per Šanono binarinę entropiją: H(X) = −(p log₂ p + (1 − p) log₂ (1 − p)). Kai sistema yra idealaus atsitiktinumo būsenoje, H(X) = 1,0000 bito – tai rodo maksimalų įmanomą informacinį chaosą, kuriame ateities atspėti neįmanoma jokiais matematiniais metodais.