Svaki dan susrećemo se s pojmom slučajnost. Kad ne možemo predvidjeti ishod, često ga nazovemo slučajnim. Međutim, u stvarnosti postoji razlika između istinske slučajnosti i onoga što računala nazivaju pseudo‑slučajnom. U ovom članku razjašnjavamo što točno znači biti istinski slučajan, kako rade generatori koji nam pokušavaju pružiti takvu slučajnost i što ih čini nedostajnim u odnosu na prirodne procese.
Sadržaj...
Što je istinska slučajnost?
Istinska slučajnost je svojstvo događaja koji se ne mogu predvidjeti ni na temelju najdetaljnijih podataka o početnim uvjetima. U fizici se najčešće povezuje s kvantnim fenomenima, poput slučajnog kretanja čestica ili nasumičnog odlaska fotona kroz polupropusnu staklenu stanicu. Takvi događaji su izvor čistog nasumičnog ponašanja jer ih ne može opisati nijedan deterministički model.
Ključna osobina je nedostatak predvidivosti: bez obzira na to koliko detaljno posmatramo sustav, ne možemo izračunati točan ishod. To je suprotno od determinističkih procesa, gdje je ishod potpuno određen početnim uvjetima. Primjerice, bacanje novčića u idealnim uvjetima ne bi bilo slučajno – znali bismo točno na koju stranu će pasti, ali u stvarnosti je to nemoguće zbog iznimno složenih i nepredvidivih utjecaja.
Kako funkcioniraju pseudo‑slučajni generatori?
Pseudo‑slučajni generatori (PRNG) su algoritmi koji uzimaju početni broj, tzv. seme, i na temelju njega generiraju niz brojeva koji izgledaju nasumično. Algoritmi poput Mersenne Twistera ili Linear Congruential Generatora koriste matematičke transformacije kako bi proizveli sekvence koje imaju statističke osobine slične stvarnoj slučajnosti.
Ovi generatori su izuzetno brzi i jednostavni za implementaciju, što ih čini idealnim za računalne simulacije, kriptografske protokole i igre. Međutim, njihova nasumičnost je ograničena na razinu koja je dovoljna za većinu praktičnih primjena, ali ne i za sve. Računala su po svojoj prirodi deterministička – ako im date isti unos, uvijek će vam dati isti izlaz. To znači da je svaki niz brojeva koji generiraju, u principu, predvidiv ako poznajete početno seme i algoritam.
Zašto pseudo‑slučajnost nije istinska?
Postoji tri ključna razloga zbog kojih pseudo‑slučajni generatori ne mogu postići istinsku slučajnost:
- Deterministički algoritam – svaki PRNG radi prema unaprijed definiranom matematičkom algoritmu. Ako netko poznaje algoritam i početno seme, može točno predvidjeti svaki sljedeći broj u nizu.
- Ograničena periodičnost – većina PRNG‑ova ima period, tj. nakon određenog broja brojeva, niz se ponavlja. Za Mersenne Twister period iznosi 219937 – to je izuzetno velik broj, ali ipak je konačan.
- Neprirodni izvori nasumičnosti – pseudo‑slučajni generatori ne koriste prirodne procese, poput šuma u elektroničkim komponentama ili promjena u atmosferi, već se oslanjaju na matematičke transformacije.
Koje su praktične posljedice razlike?
Za većinu svakodnevnih aplikacija, pseudo‑slučajnost je dovoljna. U igrama, simulacijama i statističkim testovima
