ملخص يحمي الجيران من أن يُعرَف صاحب الكلام
جلست المتطوعة على طاولة قابلة للطي، وأمامها بطاقات تعليقات عن ملعب جديد. بعض البطاقات مليء بتفاصيل قد تفضح صاحبها. قالت لنفسها: سآخذ من كل بطاقة قدرًا صغيرًا فقط، ثم أضيف خربشة عشوائية خفيفة قبل أن أكتب ملخص اليوم.
ظهر المأزق بسرعة. إن نقلت تفاصيل كثيرة، قد يربط أحدهم سطرًا في الملخص بشخص بعينه. وإن زادت الخربشة، صار الملخص كلامًا لا ينفع ويضيع قرار الملعب. هذا نفس شد الحبل حين يتعلم نظام من معلومات الناس دون أن يحفظ شخصًا واحدًا.
فكرت المتطوعة في قاعدة أشد وضوحًا: لا تسمحي لبطاقة واحدة أن تقود الملخص. حتى لو كانت البطاقة طويلة ومؤثرة، تأخذ منها مقدارًا محدودًا. في التعلم الآلي يحدث شيء شبيه: يُوضَع حد لتأثير أي شخص قبل جمع المساهمات. الخلاصة: تقليل أكبر تأثير يحمي الجميع.
بعد أن جمعت المتطوعة ما أخذته من البطاقات، أضافت ذلك الضباب الصغير من الخربشة ثم كتبت الملخص. الفكرة أن الخربشة تجعل تتبع أثر شخص واحد أصعب، بينما جمع الآراء يبقي الاتجاه العام واضحًا. هكذا يفعل النظام: يضيف عشوائية محسوبة بعد الجمع، لا قبله.
ومع الأيام صارت أذكى في التفاصيل. المواضيع الحساسة لها حد أشد، والمواضيع العادية تسمح بقدر أكبر من المعنى. تقرأ البطاقات في رزم صغيرة كي لا تتعب، لكنها تكتب ملخصًا محميًا واحدًا للجميع. وأحيانًا تحول الجمل الطويلة إلى قائمة قصيرة قبل التلخيص كي لا تنقل الكلام حرفيًا.
بقيت عقدة واحدة: كيف تعرف إن كانت وعود الخصوصية ما زالت صادقة بعد تكرار الملخصات يومًا بعد يوم؟ كان العد القديم للخطر يبالغ، فيجبرها على خربشة أكثر مما يلزم. فبدأت تمسك سجلًا أدق، يجمع المخاطر الصغيرة كما هي، لا كما نتخيل أسوأ احتمال.
صار الملخص يشبه صوت الحي كله، لا صوت بطاقة واحدة. لم تعد تحتاج لنسخ عبارات الناس، ولم تعد تغرق الورقة في خربشة تفسد المعنى. الجديد كان خليطًا متوازنًا: حد لتأثير كل شخص، ثم عشوائية في اللحظة الصحيحة، ثم سجل دقيق يحسب الوعد دون مبالغة.