שיטת קבלת החלטות כבידתית מתקדמת בהשראת החוק האוניברסלי של ניוטון

מדוע כבידה יכולה לעזור בהחלטות קשות

יום-יום החלטות משמעותיות תלויות באיזון בין מטרות מתחרות רבות: בית חולים בבחירת ציוד, עיר בתכנון אנרגיה ירוקה, או מהנדס בעיצוב בטון בטוח יותר. כלים קלאסיים מסייעים להשוות אפשרויות, אך לעתים הם מתייחסים לכל אפשרות בנפרד ומתקשים כאשר הנתונים אינם ודאיים או שהחלופות דומות מאוד זו לזו. מאמר זה מציג שיטה חדשה הנקראת GRAD (קבלת החלטות כבידתית מתקדמת), שאולה רעיונות מתוך חוק הכבידה של ניוטון כדי לדירג אפשרויות בצורה ריאליסטית יותר כאשר גם הסיכונים וגם חוסר הוודאות גבוהים.

הפיכת בחירות לשדה כבידתי

GRAD מדמיינת כל אפשרות כגוף קטן בשדה כבידתי. בתמונה זו, ה"מסה" של אפשרות נובעת מאופן ביצועה בקריטריונים השונים—כגון עלות, איכות, בטיחות או השפעה סביבתית—ומן התנודתיות של אותם קריטריונים בנתונים. קריטריונים שערכיהם תנודיים יותר, הנמדדים על-ידי פיזור סטטיסטי גבוה יותר, מתנהגים כמו מסות כבדות יותר ולוחצים חזק יותר על ההחלטה הסופית. המרחק גם הוא חשוב: אפשרויות שנמצאות רחוקות מנקודת מטרה אידיאלית, או רחוקות זו מזו בביצועים, מפעילות השפעה חלשה יותר, בעוד שאפשרויות דומות באות במגע חזק יותר. במקום למדוד רק כמה כל חלופה קרובה לאידיאל יחיד, GRAD מאפשרת לאפשרויות למשוך או לדחוק זו את זו בחלל החלטתי משותף.

מנתונים גולמיים למשיכה כבידתית

השיטה מתחילה בצורה מוכרת: מקבל ההחלטות מגדיר את הבעיה, רושם את האפשרויות ובוחר את הקריטריונים. מספרים גולמיים—כמו עלויות, מהירויות או ערכי חוזק—מומרצים למדד משותף 0–1 כך שניתן להשוות בצורה הוגנת קריטריונים שבהם "יותר גדול טוב" ו"יותר קטן טוב". לאחר מכן GRAD מחשבת עד כמה כל קריטריון משתנה בין האפשרויות ומשתמשת בתנודתיות זו ישירות בנוסחה המושאלת מהכבידה, ולא רק כמשקל רקע. עבור כל אפשרות וכל קריטריון, GRAD משלבת ארבעה מרכיבים: חשיבות הקריטריון, תנודתיותו, ביצועי האפשרות המנורמלים והמרחק שלה מנקודת יעד אידיאלית או צפויה. מרכיבים אלה מייצרים סוג של כוח כבידתי לכל אפשרות, אשר נסכם על פני כל הקריטריונים כדי לתת משיכה כוללת.

מתן אפשרות לאינטראקציה בין אפשרויות

GRAD אינה נעצרת בציון יחיד לכל אפשרות. היא גם בוחנת כיצד האפשרויות מתקשרות זו עם זו. באמצעות מרחקים בין כל זוג חלופות, השיטה מתאימה את הציון של כל אפשרות לפי מידת ה"משיכה" או ה"דחייה" שהיא חווה מהמתחרות שלה. אפשרויות שמתפקדות היטב ונמצאות קרובות למתמודדים חזקים אחרות חוות אינטראקציה אינטנסיבית, החושפת הבדלים דקים בין בחירות תלויות-ביצוע. אפשרויות חלשות או מרוחקות מפעילות השפעה מועטה. תהליך הדירוג המודעות לאינטראקציה מלווה באנליזת רגישות: המחברים משנים באופן שיטתי פרמטרים מרכזיים ששולטים בעוצמת המשקלות, בהבדלי הביצועים ובמרחקים. לאורך טווחים סבירים, הדירוגים נשארים יציבים, מה שמרמז שהשיטה חזקה ואינה רגישה מדי לכיוונון עדין.

איך GRAD מתפקדת בפועל

כדי להדגים את השיטה, החוקרים מיישמים תחילה את GRAD בדוגמה מפעלית סינתטית קטנה שבה ארבע מערכות ייצור נשפטות לפי עלות, איכות, מהירות והשפעה סביבתית. הם משווים את הדירוגים שהתקבלו לאלו שמפיקות שלוש שיטות ידועות—TOPSIS, VIKOR ו-CoCoSo—ואז מריצים 10,000 סימולציות מונטה-קרלו שמערערות מעט את נתוני הקלט. GRAD מוכיחה שהיא טובה יותר בשמירה על אפשרויות מבטיחות בראש הדירוג כאשר המספרים רעשניים, סימן טיפוסי לעמידות. במבחן ריאלי יותר, המחברים פונים למאגר נתונים מוכר מבין הנדסה אזרחית ומכאנית בנושא תערובות בטון. כאן, כל תערובת מועמדת מוערכת לפי כמויות חומר, זמן התקשות וחוזק לחיצה שהושג. GRAD מזהה תערובת שמאזנת חוזק גבוה עם שימוש סביר בחומרים ובדרישות התקשות, ומייצרת דירוג שונה במידה ניכרת, המודע לאינטראקציות, לעומת שיטה קלאסית המבוססת רק על מרחק בשם SPOTIS.

מה משמעות הדבר עבור החלטות בעולם האמיתי

במונחים יומיומיים, GRAD מציעה דרך לבחור בין אפשרויות מורכבות תוך הכרה בכך שקריטריונים מסוכנים צריכים לשקול יותר וכי אפשרויות מתחרות אינן קיימות בנפרד. באמצעות שילוב חוסר ודאות, דמיון ומרחק לתוך מודל אחד מלוכד, השיטה יכולה להדגיש לא רק איזו חלופה נראית הטובה ביותר על הנייר, אלא איזו נשארת חזקה כאשר הנתונים אינם ודאיים והיריבים קרובים. למרות שהיא דורשת נתונים טובים ובחירות פרמטריות מסוימות, GRAD מספקת למקבלי החלטות בתחומים מהנדסה ועד פיננסים ובריאות עדשה מעודנת יותר, בהשראת פיזיקה, להערכה של בחירות מורכבות רב-פנים.

ציטוט: Yerlikaya, M.A., Beytüt, H., Yildiz, K. et al. Advanced gravitational decision-making method inspired by newton’s law of universal gravitation. Sci Rep 16, 13144 (2026). https://doi.org/10.1038/s41598-026-44573-7

מילות מפתח: קבלת החלטות מרובת-קריטריונים, מודל החלטות כבידתי, חוסר וודאות בדירוגים, בחירות בעיצוב ההנדסי, ניתוח החלטות חזק