خطای ۷.۵ درصدی؛ چگونه طیف رنگی رنگین‌کمانی داده‌ها را تحریف می‌کند

در ۲۸ اکتبر ۲۰۲۰، مجله نیچر کامیونیکیشنز (Nature Communications) یک بررسی سیستماتیک منتشر کرد که نقص خاصی را در ارتباطات علمی کمی‌سازی می‌کرد: طیف رنگی رنگین‌کمانی. فابیو کرامری، زمین‌شناس، و همکارانش نشان دادند که طیف پرکاربرد قرمز به آبی که اغلب «جت» (Jet) نامیده می‌شود، با ایجاد گرادیان‌های رنگی ناهمگون، داده‌ها را تا ۷.۵ درصد دچار اعوجاج بصری می‌کند. این مقاله نقطه عطفی رسمی در مبارزه‌ای خاموش علیه یک پیش‌فرض مصورسازی بود که از دهه ۱۹۹۰ بر نرم‌افزارهای علمی تسلط داشت. پژوهشگران با اندازه‌گیری تفاوت‌های تدریجی روشنایی در طول این طیف رنگی، ثابت کردند که فقدان یکنواختی ادراکی در رنگین‌کمان صرفاً یک نقص زیبایی‌شناختی نیست، بلکه یک خطای ریاضی است که مرزهای کاذبی را در جایی که هیچ مرزی در داده‌های اصلی وجود ندارد، تولید می‌کند.[2]

مکانیسم این اعوجاج به نحوه پردازش درخشندگی یا روشنایی توسط چشم انسان برمی‌گردد. یک طیف رنگی با یکنواختی ادراکی تضمین می‌کند که گام‌های مساوی در داده‌ها با گام‌های ادراکی مساوی در رنگ مطابقت داشته باشند. اما در طیف رنگین‌کمانی، روشنایی به‌طور نامنظم بالا و پایین می‌رود. گذار از آبی به فیروزه‌ای روشن است، بخش سبز تاریک می‌شود، زرد به‌شدت درخشان است و قرمز دوباره به تاریکی می‌گراید. وقتی بیننده به یک نقشه حرارتی رندر شده با طیف جت نگاه می‌کند، نوارهای زرد و فیروزه‌ای روشن فوراً چشم را به خود جلب کرده و توهم وجود شیب‌های تند یا ناهنجاری‌هایی را در مناطقی ایجاد می‌کنند که داده‌های واقعی در آن‌ها کاملاً یکنواخت و مسطح هستند.[1]

این نقص ادراکی پیامدهای ملموسی در محیط‌های حساس دارد. وقتی پژوهشگران نحوه خوانش مصورسازی‌های شریانی توسط پزشکان را آزمایش کردند، دریافتند پزشکانی که از طیف رنگین‌کمانی استفاده می‌کردند، زمان بیشتری برای رسیدن به تشخیص صرف کرده و خطاهای بسیار بیشتری نسبت به کسانی که از مقیاس‌های طراحی‌شده بر اساس ادراک بصری استفاده می‌کردند، مرتکب شدند. همان‌طور که در یکی از تحلیل‌ها اشاره شده است: «طیف رنگی یک ظرف خنثی برای داده‌ها نبود. بلکه یک مشارکت‌کننده فعال و البته گمراه‌کننده در تشخیص بود.» لکه‌های قرمز روشن در طیف جت به‌طور مصنوعی ظاهر انسداد جریان خون را تشدید کرده و باعث می‌شدند متخصصان قلب مشکلاتی را ببینند که اعداد خام آن‌ها را تایید نمی‌کردند.[1]

این محرومیت فراتر از خطاهای تشخیصی رفته و به دسترسی‌پذیری اولیه نیز کشیده می‌شود. حدود ۳۰۰ میلیون نفر در سراسر جهان (تقریباً یک نفر از هر ۱۲ مرد و یک نفر از هر ۲۰۰ زن) با نوعی نقص بینایی رنگی زندگی می‌کنند. برای بخش بزرگی از این جمعیت، مسیر قرمز به سبز که در قلب بیشتر نقشه‌های حرارتی قرار دارد، تا حدی یا کاملاً نامرئی است. وقتی یک طیف رنگین‌کمانی به مقیاس خاکستری تبدیل می‌شود، درخشندگی غیریکنواخت آن باعث می‌شود مقادیر مختلف داده‌ها دقیقاً به یک سایه خاکستری تبدیل شوند و نمودار برای هر کسی که برای تفسیر مقیاس به روشنایی متکی است، کاملاً ناخوانا شود.[1][3]

چرخش صنعت نرم‌افزار برای کنار گذاشتن طیف جت در ۲۰ ژوئیه ۲۰۱۵ در کنفرانس سای‌پای (SciPy) در آستین تگزاس به‌طور جدی آغاز شد. توسعه‌دهندگانی به نام‌های استفان وان در والت و ناتانیل اسمیت یک طیف رنگی پیش‌فرض جدید برای مت‌پلات‌لیب (Matplotlib)، کتابخانه پایه رسم نمودار در زبان برنامه‌نویسی پایتون، معرفی کردند. آن‌ها این طیف را «ویریدیس» (Viridis) نامیدند. ویریدیس که برای داشتن یکنواختی ادراکی، روشنایی یکنواخت و خوانایی برای بینندگان مبتلا به انواع رایج کوررنگی مهندسی شده است، به‌آرامی از بنفش تیره به آبی، سبز و در نهایت زرد روشن تغییر می‌کند. گام‌های مساوی در داده‌ها شبیه گام‌های مساوی در رنگ به نظر می‌رسند و این ترتیب حتی در صورت چاپ سیاه‌وسفید نیز حفظ می‌شود.[3]

پذیرش ویریدیس زنجیره‌ای از تغییرات را در سراسر اکوسیستم علم داده به راه انداخت. زبان برنامه‌نویسی R این طیف رنگی را از طریق بسته «viridisLite» ادغام کرد که از آن زمان به یک پیش‌نیاز استاندارد برای مصورسازی فضایی و آماری تبدیل شده است. در سال ۲۰۱۹، یک مطالعه تطبیقی منتشر شده در MDPI، زمان انجام کار و نرخ صحت شرکت‌کنندگانی را که از طیف‌های رنگی مختلف در نمودارهای گره-پیوند استفاده می‌کردند، ارزیابی کرد. پژوهشگران دریافتند که ویریدیس در میان طیف‌های رنگی مورد مطالعه کمترین میزان خطا را داشت، در حالی که رنگ آبی تک‌طیف و رنگین‌کمان جت نرخ خطای بسیار بالاتری در درک داده‌ها ایجاد کردند.[4]

با وجود این یافته‌های تجربی، طیف رنگین‌کمانی در برخی رشته‌ها سرسختانه پابرجا مانده است. یک مطالعه در سال ۲۰۲۶ که توسط انجمن هواشناسی آمریکا منتشر شد، مصورسازی داده‌های لایدار (سنجش از دور مبتنی بر لیزر که در علوم جوی استفاده می‌شود) را تجزیه و تحلیل کرد. نویسندگان خاطرنشان کردند که با وجود سه دهه انتشار مقالاتی که مصنوعات بصری تولید شده توسط طیف رنگین‌کمانی را نشان می‌دهند، این طیف همچنان به‌طور گسترده در سنجش از دور استفاده می‌شود، جایی که ۱۴ برابر بیشتر از ادبیات مصورسازی اطلاعات ظاهر می‌شود. نویز فرکانس بالا که ذاتی سیگنال‌های لایدار است، به‌ویژه در برابر اثر نواربندی رنگی طیف جت آسیب‌پذیر است که این امر آشفتگی بصری را تشدید می‌کند.[5]

ماندگاری طیف جت تا حد زیادی محصول اینرسی نهادی و تنظیمات پیش‌فرض نرم‌افزارهای قدیمی است. نسخه‌های قدیمی‌تر متلب (MATLAB) رنگین‌کمان را به‌عنوان استانداردی برای مهندسی و فیزیک تثبیت کردند و این طیف همچنان در قالب‌بندی شرطی صفحات گسترده و داشبوردهای تجاری پنهان است. بسیاری از متخصصان حوزه‌های مختلف آن را صرفاً به دلیل آشنا بودن به‌عنوان یک استاندارد می‌پذیرند و استفاده پرانرژی آن از کل طیف بصری را با دقت علمی برابر می‌دانند. با این حال، همان‌طور که کرامری در بررسی سال ۲۰۲۰ خود اشاره کرد: «طیف‌های رنگی که داده‌ها را از طریق گرادیان‌های رنگی ناهمگون تحریف می‌کنند یا برای افراد دارای نقص بینایی رنگی ناخوانا هستند، همچنان در علم رایج‌اند.»[1][2]

برای اصلاح این وضعیت، پژوهشگران مصورسازی از یک طبقه‌بندی دقیق برای کاربردهای طیف رنگی حمایت می‌کنند. داده‌های ترتیبی که از کم به زیاد پیش می‌روند، به یک طیف رنگی ترتیبی با روشنایی یکنواخت و فزاینده مانند ویریدیس، ماگما (Magma) یا یک شیب ساده تک‌رنگ از روشن به تاریک نیاز دارند. داده‌های واگرا که دارای یک نقطه میانی معنادار مانند صفر یا میانگین هستند، نیازمند یک طیف رنگی واگرا هستند که از دو رنگ مختلف استفاده می‌کند که در مرکز به یک رنگ خنثی و روشن می‌رسند. داده‌های دسته‌بندی‌شده که در آن‌ها هیچ ترتیب ذاتی وجود ندارد، تنها مورد استفاده مناسب برای رنگ‌های متمایز و متضاد هستند.[2]

گذار به طیف‌های رنگی با یکنواختی ادراکی، نشان‌دهنده تغییر گسترده‌تری در نحوه برخورد جامعه علمی با مصورسازی داده‌ها است. این موضوع دیگر به‌عنوان یک مسئله زیبایی‌شناختی ثانویه دیده نمی‌شود، بلکه به‌عنوان یک جزء اصلی از خط لوله تحلیلی در نظر گرفته می‌شود که تابع همان استانداردهای دقیق ریاضیات پایه است. نموداری که سیستم بینایی انسان را گمراه می‌کند، اساساً تفاوتی با یک مدل آماری که سوگیری ایجاد می‌کند، ندارد. پژوهشگران با جایگزین کردن رنگین‌کمان با مقیاس‌هایی که برای ادراک انسان مهندسی شده‌اند، در حال بستن یک آسیب‌پذیری حیاتی در انتقال شواهد کمی هستند.[1][2][5]

پایه ریاضی طیف‌های رنگی با یکنواختی ادراکی بر فضاهای رنگی پیشرفته، به‌ویژه مدل‌های CIELAB یا CAM02-UCS استوار است. برخلاف فضای رنگی استاندارد قرمز-سبز-آبی (RGB) که برای سخت‌افزار مانیتورهای کامپیوتر تنظیم شده است، این مدل‌ها بر اساس ادراک بصری انسان طراحی شده‌اند. در فضای CAM02-UCS، فاصله اقلیدسی بین دو مختصات رنگی مستقیماً با تفاوت درک‌شده بین آن رنگ‌ها مطابقت دارد. طراحان با رسم یک خط مستقیم در این فضا و نگاشت آن به مقادیر داده‌ها، تضمین می‌کنند که ۱۰ درصد تغییر در داده‌ها همیشه دقیقاً ۱۰ درصد تغییر در رنگ درک‌شده ایجاد می‌کند.[3]

این دقت ریاضی دقیقاً نشان می‌دهد که چرا رنگین‌کمان مبتنی بر RGB شکست می‌خورد. وقتی طیف جت در یک فضای رنگی ادراکی رسم می‌شود، مسیر آن بسیار نامنظم است و دارای گوشه‌های تیز و سرعت‌های متغیر است. فاصله بین بخش‌های سبز و زرد بسیار بیشتر از فاصله بین بخش‌های آبی و فیروزه‌ای است. این سرعت ناهمگون به این معنی است که طیف رنگی به‌طور مصنوعی برخی از محدوده‌های داده را فشرده کرده و برخی دیگر را گسترش می‌دهد و عملاً قبل از اینکه داده‌ها به مغز بیننده برسند، یک تبدیل پنهان و غیرخطی روی آن‌ها اعمال می‌کند.[2][3]

تلاش برای پیش‌فرض‌های بهتر همچنین باعث ایجاد طیف‌های رنگی تخصصی متناسب با نیازهای فیزیولوژیکی خاص شده است. برای مثال، طیف رنگی «سیویدیس» (Cividis) به‌طور خاص برای بهینه‌سازی مشاهده برای افراد دارای نقص بینایی رنگی توسعه یافته است. این طیف از آبی تیره به زرد تغییر می‌کند و از کانال‌های قرمز و سبز کاملاً اجتناب می‌کند. از آنجا که سیویدیس با شبیه‌سازی نحوه درک یک بیننده کوررنگ از مقیاس ویریدیس و سپس بهینه‌سازی نتیجه تولید شده است، تضمین می‌کند که تجربه بصری برای بینندگان با و بدون دید رنگی طبیعی تقریباً یکسان باشد.

شواهد علیه طیف رنگی رنگین‌کمانی اکنون بسیار قاطع است و حوزه‌های روان‌شناسی شناختی، تشخیص‌های پزشکی و علوم زمین را در بر می‌گیرد. با این حال، این بحث شکاف مداومی را بین تحقیقات مصورسازی و علوم کاربردی برجسته می‌کند. در حالی که ابزارهای ایجاد نمودارهای دقیق و در دسترس اکنون به‌طور رایگان موجودند و به‌عنوان پیش‌فرض در کتابخانه‌های مدرن تنظیم شده‌اند، مسئولیت درک اینکه چرا این انتخاب‌ها اهمیت دارند، بر عهده تک‌تک پژوهشگران یا تحلیلگران است. داده‌ها خودشان سخن نمی‌گویند؛ آن‌ها کاملاً به رمزگذاری بصری انتخاب‌شده برای نمایششان وابسته‌اند.[1][5]