Định lý giới hạn trung tâm trong đời sống xuất hiện nhiều hơn bạn tưởng. Rất nhiều hiện tượng quanh ta trông có vẻ ngẫu nhiên, rối rắm và khó đoán. Nhưng khi quan sát đủ lâu hoặc đủ rộng, chúng lại hiện ra một hình dạng quen thuộc: tập trung ở giữa và thưa dần về hai phía.
Chiều cao con người, điểm số của một kỳ thi đông người, sai số của phép đo, hay mức độ dao động của các hệ thống máy móc và AI đều có chung đặc điểm này. Không ai thiết kế thế giới theo cách đó. Nhưng nó vẫn xảy ra một cách tự nhiên.
Trong xác suất thống kê, hiện tượng ấy được gọi tên bằng một kết quả nổi tiếng: định lý giới hạn trung tâm. Khi đặt nó vào bối cảnh rộng hơn, ta sẽ thấy rất rõ rằng định lý giới hạn trung tâm trong đời sống không chỉ là kiến thức sách vở, mà là một quy luật nền chi phối cách thế giới vận hành.
Khi khoa học đã “biết” định lý giới hạn trung tâm từ rất lâu
Các nhà vật lý đã sớm nhận ra tinh thần của định lý giới hạn trung tâm. Trật tự ở mức vĩ mô vẫn có thể xuất hiện, dù các chuyển động ở mức vi mô rất hỗn loạn. Hãy nghĩ đến chuyển động nhiệt của các phân tử khí. Mỗi phân tử va chạm một cách ngẫu nhiên và khó đoán. Nhưng khi vô số phân tử cùng chuyển động, các đại lượng như nhiệt độ , áp suất lại trở nên ổn định và có thể đoán được. Trật tự này đến từ sự cộng dồn của rất nhiều chuyển động nhỏ.
Trong đời sống, dễ dàng bắt gặp hiện tượng tương tự. Một người có thể hành xử thất thường. Nhưng đám đông lớn lại thường bộc lộ những khuynh hướng khá ổn định. Một phép đo riêng lẻ có thể sai. Nhưng trung bình của nhiều phép đo lại đáng tin hơn.
Trong sản xuất, từng sản phẩm có thể có sai số khác nhau. Khi sản xuất hàng loạt, sai số tập trung quanh một mức chung. Trong chứng khoán, giá cổ phiếu biến động mạnh theo từng ngày. Nhưng lợi suất trung bình trong thời gian dài lại ổn định hơn. Trong âm nhạc, từng nhạc công có thể lệch nhịp. Nhưng cả dàn nhạc vẫn giữ được tiết tấu chung. Ngay cả trong vũ trụ, từng chuyển động riêng lẻ rất hỗn loạn. Nhưng hành vi tổng thể của cả hệ vẫn tuân theo những quy luật rõ ràng.
Ở đâu có nhiều yếu tố nhỏ cùng tác động, ở đó định lý giới hạn trung tâm trong đời sống bắt đầu bộc lộ vai trò của mình.
Vì sao định lý giới hạn trung tâm lại dẫn ta đến phân phối chuẩn?
Khi lần đầu nhìn thấy kết quả của định lý giới hạn trung tâm, rất nhiều bạn sẽ thốt lên: “Ủa, sao cuối cùng lại ra phân phối chuẩn?” Cảm giác đó là hoàn toàn tự nhiên.
Phân phối chuẩn là hình dạng ổn định nhất khi rất nhiều tác động nhỏ, độc lập cùng góp mặt. Mỗi tác động riêng lẻ có thể méo mó, lệch lạc, không đẹp đẽ chút nào. Nhưng khi cộng dồn lại, những lệch lạc đó triệt tiêu lẫn nhau, chỉ còn lại phần dao động trung tâm.
Định lý giới hạn trung tâm chính là cây cầu nối giữa cái hỗn độn ban đầu và hình dạng chuẩn quen thuộc. Nó giải thích vì sao ta không cần giả định dữ liệu phải có phân phối chuẩn ngay từ đầu, nhưng vẫn thường gặp phân phối chuẩn ở kết quả cuối cùng.
Trong vật lý, đó là lý do các đại lượng vĩ mô như nhiệt độ hay áp suất có phân bố rất “đẹp”, dù chuyển động vi mô thì hỗn loạn. Trong đời sống, đó là lý do điểm số, chiều cao, sai số đo đạc thường mang hình chuông. Và trong AI, đó là lý do sai số tổng, gradient trung bình hay ước lượng tham số lại dễ phân tích và dự đoán.
Nói cách khác, phân phối chuẩn là hình bóng quen thuộc mà định lý giới hạn trung tâm để lại khi thế giới đủ đông và đủ lớn.
Định lý giới hạn trung tâm trong đời sống thường ngày
Khi một sinh viên làm bài kiểm tra, kết quả không chỉ phản ánh kiến thức. Mà còn chịu ảnh hưởng của nhiều yếu tố: tâm lý, sức khỏe, độ khó của đề… Kết quả của mỗi cá nhân có vẻ chịu nhiều yếu tố ngẫu nhiên. Nhưng khi nhìn vào bảng điểm cả lớp đông, bạn sẽ thấy một điều : phần lớn điểm số tập trung quanh mức trung bình.
Từng yếu tố riêng lẻ có thể lệch, méo, ngẫu nhiên, thậm chí bất thường. Nhưng khi “tổng” lại, nhìn chung thì sự ngẫu nhiên bị trung hòa. Đó là lý do định lý giới hạn trung tâm trong đời sống thường xuất hiện ở những nơi có nhiều tác động nhỏ cùng lúc.
Ngay cả những việc rất đời như thời gian di chuyển mỗi ngày, số khách ghé quán, hay mức độ hài lòng của khách, bạn cũng sẽ thấy tương tự. Một ngày có thể khác thường, nhưng trung bình của nhiều ngày lại ổn định đến ngạc nhiên.
Trong kinh tế, hành vi chi tiêu của từng cá nhân rất khó đoán, nhưng tổng cầu của cả thị trường lại có xu hướng rõ. Ở mảng văn hóa, thị hiếu của từng người thay đổi liên tục, nhưng xu hướng chung của một thế hệ lại hiện ra khá rõ. Lĩnh vực marketing, từng khách hàng có thể phản ứng khác nhau với chiến dịch quảng cáo, nhưng tỷ lệ chuyển đổi trung bình trên quy mô lớn lại phản ánh hiệu quả thật sự.
Những hiện tượng này không phải do bớt ngẫu nhiên, mà vì khi số lượng đủ lớn, sự ngẫu nhiên tự làm mờ chính nó.
Trung bình – chiếc cầu nối giữa hỗn độn và trật tự
Con người tin vào trung bình không phải vì nó hoàn hảo. Mà vì nó bền.
Trong vật lý, các đại lượng vĩ mô thường là trung bình của vô số trạng thái vi mô. Trong đời sống cũng vậy. Đánh giá dài hạn luôn đáng tin hơn cảm xúc nhất thời. Với AI, điều này càng rõ. Mô hình không học từ từng dữ liệu đơn lẻ. Nó học từ xu hướng chung của rất nhiều dữ liệu.
Mỗi điểm dữ liệu trong AI đều chứa nhiễu. Có dữ liệu bị đo sai. Có dữ liệu gán nhãn không chính xác. Cũng có dữ liệu đại diện cho những trường hợp rất hiếm. Nhưng khi mô hình học bằng cách lấy trung bình lỗi, trung bình gradient, hay trung bình trên tập mẫu, định lý giới hạn trung tâm bắt đầu phát huy tác dụng.
Nhiễu không biến mất hoàn toàn. Nhưng nó không còn chi phối kết quả. Thứ còn lại là cấu trúc.
Vì sao thế giới không cần “chuẩn” mà vẫn cho ra phân phối chuẩn?
Một hiểu lầm phổ biến là nghĩ rằng dữ liệu trong đời sống vốn đã có phân phối chuẩn. Thực tế, phần lớn dữ liệu thô đều không chuẩn. Chúng có thể lệch, có đuôi dài, có nhiều điểm dị thường.
Điều khiến phân phối chuẩn xuất hiện không nằm ở từng thành phần riêng lẻ, mà ở quá trình cộng dồn. Khi một kết quả được hình thành từ nhiều tác động nhỏ, không cái nào quá áp đảo, thì tổng của chúng có xu hướng hội tụ về một dạng ổn định.
Vật lý gọi đó là hiệu ứng tập thể. Xác suất gọi đó là định lý giới hạn trung tâm. Còn trong đời sống, ta đơn giản gọi đó là “khi nhìn đủ rộng”.
Khi định lý giới hạn trung tâm không còn đúng
Định lý giới hạn trung tâm trong đời sống rất mạnh. Nhưng nó không phải lúc nào cũng đúng.
Khi một vài yếu tố quá cực đoan, trung bình có thể đánh lừa bạn. Điều này cũng xảy ra khi dữ liệu phụ thuộc quá chặt. Hoặc khi số lượng quan sát quá ít. Trong đời sống, một cá nhân quá đặc biệt có thể làm méo nhận định về cả tập thể. Trong AI, dữ liệu thiên lệch có thể khiến mô hình học sai mà vẫn tưởng là đúng.
Trên mạng xã hội, chỉ một số rất ít tài khoản có sức ảnh hưởng lớn cũng đủ để chi phối xu hướng chung. Khi đó, giá trị trung bình không còn đại diện cho số đông. Nó bị kéo lệch bởi một vài cá nhân nổi trội. Trong AI hiện đại, dữ liệu do hệ thống tự động sinh ra thường phụ thuộc lẫn nhau. Mô hình hôm nay tạo dữ liệu cho mô hình ngày mai. Giả định độc lập vì thế bị phá vỡ. Các kết quả trung bình trở nên “ảo” hơn ta tưởng.
Những ví dụ này nhắc bạn rằng định lý giới hạn trung tâm không phải là lời hứa vô điều kiện. Nó chỉ phát huy tác dụng khi thế giới đủ đông và đủ đa dạng. Quan trọng hơn, không có yếu tố nào chi phối quá mạnh.
Hiểu định lý giới hạn trung tâm không chỉ để tin vào trung bình. Mà còn để biết khi nào không nên tin.
Kết luận: Một quy luật chung cho vật lý, đời sống và AI
Định lý giới hạn trung tâm không chỉ thuộc về xác suất thống kê. Nó phản ánh cách thế giới tự tổ chức. Khi nhiều yếu tố ngẫu nhiên nhỏ cùng góp mặt, trật tự có thể tự xuất hiện.
Quy luật này không chỉ thấy trong vật lý, mà còn trong đời sống, kinh tế, văn hóa… Và cả trong AI. Trung bình trở nên đáng tin khi số lượng đủ lớn. Dữ liệu lớn vì thế mang lại giá trị. Và nhờ đó, các mô hình AI có thể học được từ một thế giới không hoàn hảo.
Hiểu định lý giới hạn trung tâm trong đời sống là hiểu vì sao từ hỗn độn vẫn có thể nảy sinh trật tự. Đây cũng là một bài học rất đời. Khi nhìn đủ rộng, sự ngẫu nhiên không còn đáng sợ nữa.
